[發明專利]基于堆棧稀疏自動編碼網絡的主軸和工件振動預測方法

有效

• 申請號: 201911376755.0
• 申請日: 2019-12-27
• 公開（公告）號: CN111079690B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 劉紅奇
• 申請（專利權）人: 華中科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01M7/02
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智;孔娜

1.一種基于堆棧稀疏自動編碼網絡的主軸和工件振動預測方法，其特征在于，包括如下步驟：

S1分別獲取不同切削加工參數下的主軸電流信號、切削力信號以及主軸和工件實際振動信號，并對主軸電流信號、切削力信號、主軸和工件實際振動信號分別進行降噪預處理，以預處理后的主軸電流信號、切削力信號以及切削加工參數作為輸入數據；

S2將輸入數據輸入堆棧稀疏自動編碼網絡的稀疏自動編碼網絡層，對稀疏自動編碼網絡層參數進行訓練，得到深層時序特征，將該深層時序特征輸入堆棧稀疏自動編碼網絡的全連接層，在已訓練的稀疏自動編碼網絡層參數的基礎上對整個堆棧稀疏自動編碼網絡進行訓練，并得到主軸和工件預測振動信號；

S3根據主軸和工件預測振動信號與實際振動信號對堆棧稀疏自動編碼網絡進行調整，同時判斷當前的迭代次數是否達到預設迭代次數，若未達到，則重復S2；否則，完成對堆棧稀疏自動編碼網絡的訓練，由此得到預測模型；基于所述預測模型及切削加工參數、主軸電流信號、切削力信號對主軸和工件振動信號進行實時預測。

2.如權利要求1所述的基于堆棧稀疏自動編碼網絡的主軸和工件振動預測方法，其特征在于，所述切削加工參數包括切削深度、切削寬度、進給速度和主軸轉速。

3.如權利要求1所述的基于堆棧稀疏自動編碼網絡的主軸和工件振動預測方法，其特征在于，所述S1中，結合切削系統的前八階模態頻率對主軸電流信號、切削力信號、主軸和工件實際振動信號進行時域和頻域分析，確定其敏感頻段，并通過小波包變換去除敏感頻段外的其他頻段信號，實現對主軸電流信號、切削力信號、主軸和工件實際振動信號的降噪預處理。

4.如權利要求3所述的基于堆棧稀疏自動編碼網絡的主軸和工件振動預測方法，其特征在于，通過靜態錘擊實驗獲取切削系統的頻響函數，通過對頻響函數進行模態分解獲得切削系統的前八階模態頻率。

5.如權利要求1所述的基于堆棧稀疏自動編碼網絡的主軸和工件振動預測方法，其特征在于，所述S2具體包括如下步驟：

S21將輸入數據輸入堆棧稀疏自動編碼網絡的稀疏自動編碼網絡層，對該稀疏自動編碼網絡層進行貪婪訓練，獲得編碼后的稀疏特征，再對其進行解碼，以對該稀疏自動編碼網絡層參數進行訓練；

S22將訓練好的上一稀疏自動編碼網絡層去除輸出層后，輸入下一稀疏自動編碼網絡層，對該稀疏自動編碼網絡層進行貪婪訓練，獲得編碼后的稀疏特征，再對其進行解碼，以對該稀疏自動編碼網絡層參數進行訓練；

S23重復S22直至完成對所有稀疏自動編碼網絡層參數的訓練，去除堆棧稀疏自動編碼網絡的解碼層輸出深層時序特征；

S24將該深層時序特征輸入堆棧稀疏自動編碼網絡的全連接層，在已訓練的稀疏自動編碼網絡層參數的基礎上對整個堆棧稀疏自動編碼網絡進行訓練。

6.如權利要求5所述的基于堆棧稀疏自動編碼網絡的主軸和工件振動預測方法，其特征在于，所述S21和S22中訓練稀疏自動編碼網絡層參數時，以均方誤差、稀疏性約束和權重正則化約束共同構成損失函數。

7.如權利要求5所述的基于堆棧稀疏自動編碼網絡的主軸和工件振動預測方法，其特征在于，所述S24中訓練整個堆棧稀疏自動編碼網絡時，以均方誤差作為損失函數。