[發明專利]一種基于遺傳算法優化多傳感監測刀具狀態的方法

有效

• 申請號: 201810319635.6
• 申請日: 2018-04-11
• 公開（公告）號: CN108581633B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 周余慶;向家偉;高晨;孫兵濤;鐘永騰;劉信芳
• 申請（專利權）人: 溫州大學
• 主分類號: B23Q17/09
• 分類號: B23Q17/09;G06N3/12;G05B19/4065
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 陳加利

1.一種基于遺傳算法優化多傳感監測刀具狀態的方法，其特征在于，包括以下步驟：

步驟(1)、采集C種刀具狀態下的M個物理場傳感通道的時域信號，每種刀具狀態分別采集T次形成訓練樣本集其中，c＝1,2,...,C,m＝1,2,...,M，t＝1,2,...,T，m表示第m個物理場傳感器，c表示第c類，t表示第t次采集的信號，N_m表示第m個物理場傳感通道每次采樣的信號點數；C、M、N_m和T均為大于1的正整數；

步驟(2)、計算訓練樣本集中時域信號的F個統計特征參數，構成的特征參數集其中，F為正整數；

F＝10，10個統計特征參數包括6個時域統計特征參數和4個頻域統計特征參數，參見下式：

時域序號1，特征參數表達式

時域序號2，特征參數表達式

時域序號3，特征參數表達式

時域序號4，特征參數表達式

時域序號5，特征參數表達式

時域序號6，特征參數表達式

頻域序號7，特征參數表達式

頻域序號8，特征參數表達式

頻域序號9，特征參數表達式

頻域序號10，特征參數表達式

其中，是時域信號經過FFT變換后的頻域信號，是的功率譜，i＝1,2…,N_m；

步驟(3)、構造優化模型，所述優化模型具體如下：

Max Z＝D(a_ij),i＝1,2,...,M,j＝1,2,...,F；

其中，D(a_ij)表示某種“傳感器—特征參數”組合下的刀具狀態識別率，并通過預設的極限學習機算法來獲得；a_ij表示第i個傳感器的第j個特征參數的有效值，其中，a_ij＝1表示本次組合包含第i個傳感器的第j個特征參數；否則，表示不包含；

步驟(4)、采用遺傳算法求解優化模型的全局最優解，求得最優的傳感器配置及其有效特征參數集，具體如下：

(4.1)初始種群設定與遺傳編碼：確定每次迭代個體的數量為s，采用二進制編碼方式對個體進行編碼，個體長度為M*F個；其中，s為正整數；

(4.2)初始進化代數t＝0，設定最大進化代數為max_t，隨機生成s個個體，形成初始種群S(0)，每個個體即為一個“傳感器—特征參數”組合；

(4.3)對s個個體通過多核極限學習機進行分類訓練，獲得每個個體的刀具狀態識別率；其中，

針對某一“傳感器—特征參數”組合表示該Ψ組合使用的第m個傳感器的若干特征參數，其多核極限學習機分類訓練算法如下：

(4.3.1)選取K種核函數，計算訓練樣本的K個核函數矩陣為訓練樣本中任意兩個樣本點i和j的第k個核函數值；其中，i、j和K均為大于1的正整數；

(4.3.2)令初始核函數權重向量為w_m＝{1/K,1/K,…,1/K}，即平均分配權重，構造樣本-類別矩陣Q＝(q_ij)_CT×C，其中c_i表示第i個樣本對應的類別；

(4.3.3)計算總核函數矩陣：

(4.3.4)計算結構參數：a^m＝(H+E/2)^-1Q，其中E表示單位矩陣；

(4.3.5)更新核函數權重向量：其中

(4.3.6)當時，令返回步驟(4.3.3)迭代更新結構參數a^m和核函數權重向量否則，進入下一步驟(4.3.7)；

(4.3.7)輸出優化的結構參數和核函數權重向量構成該Ψ組合下的多核極限學習機；

(4.3.8)計算屬于第i類刀具狀態的概率構成的刀具狀態分類概率向量G＝{g₁,g₂,...,g_C}；

(4.3.9)依照概率最大原則，判斷所屬刀具狀態xc：

(4.3.10)計算檢驗正確數umt：

(4.3.11)對所有訓練樣本進行分類檢驗，得到Ψ組合的刀具狀態識別率d(Ψ)：

(4.4)執行遺傳操作，經過此過程個體產生后代s’(t)，后代繼續被評價優劣的操作，父代與子代中，擇優個體組成新種群S(t+1)；

(4.5)當tmax_t，則t＝t+1，返回步驟(4.3)；否則，認為運算中刀具狀態識別率最大的個體為最優解Ψ*；

步驟(5)、定期周期性在線采集加工過程中待測刀具狀態P個物理場時域信號ζ＝{ζ_i,i＝1,2,...,P}，其中，ζ_i表示第i個傳感器采集的信號，P為正整數；

步驟(6)、采用步驟(2)計算待測刀具狀態P個物理場時域信號ζ＝{ζ_i,i＝1,2,...,P}的最優特征參數集；

步驟(7)、利用步驟(4.3)中Ψ*對應的多核極限學習機對ζ_i′進行分類，計算ζ_i′屬于第c類刀具狀態的概率構成ζ_i′刀具狀態類別概率向量G＝{gg₁,gg₂,...,gg_c}，i＝1,2,...,P；

步驟(8)、依據最大概率原則，求出ζ_d中類別概率最大對應的刀具狀態即為待測刀具當前的狀態c*：