[發明專利]基于數字孿生的表面粗糙度穩定方法在審
【權利要求書】：
1.一種基于數字孿生的表面粗糙度穩定方法，其特征在于：包括以下步驟：
1)基于物理世界的機械加工系統建立虛擬世界的數字孿生系統，并在數字孿生系統內構建表面粗糙度預測模型；
2)利用數字孿生系統映射機械加工系統，實時采集機械加工系統中影響表面粗糙度的加工參數并輸入到數字孿生系統中；
3)利用表面粗糙度預測模型預測當前加工條件下的表面粗糙度；若預測得到的表面粗糙度位于設定閾值范圍內，則表面粗糙度穩定，證明當前的加工參數滿足要求，執行步驟5)；否則，執行步驟4)；
4)利用梯度下降法求解使位于設定閾值范圍內的加工參數并反饋給機械加工系統，機械加工系統按照求解得到的加工參數加工工件，執行步驟5)；
5)循環步驟2)和步驟3)，直至工件加工完成。
2.根據權利要求1所述基于數字孿生的表面粗糙度穩定方法，其特征在于：所述步驟1)中，構建表面粗糙度預測模型的方法如下：
21)利用機械加工系統加工工件，獲取在不同加工參數條件下的表面粗糙度；
22)將步驟21)獲得的數據劃分出訓練集和測試集，并進行歸一化處理，將歸一化處理后的加工參數與表面粗糙度分別作為表面粗糙度預測模型的輸入樣本和輸出樣本；
23)建立基于PIO-SVM的表面粗糙度預測模型。
3.根據權利要求2所述基于數字孿生的表面粗糙度穩定方法，其特征在于：所述步驟23)中，建立基于PIO-SVM的表面粗糙度預測模型的方法如下：
231)初始化鴿群算法模型的參數，以每一組懲罰函數C和核函數參數g對應的均方誤差作為適應度函數，在鴿群算法中進行迭代搜索出最小均方誤差所對應的懲罰函數C和核函數參數g，即得到最佳的懲罰函數C和核函數參數g；
232)將求解得到的最佳的懲罰函數C和核函數參數g代入支持向量機算法模型中，進而構建得到表面粗糙度預測模型，并利用經歸一化處理后的測試集進行檢驗模型的準確率。
4.根據權利要求1所述基于數字孿生的表面粗糙度穩定方法，其特征在于：所述步驟4)中，在表面粗糙度預測模型找到與當前加工條件相對應的點，并以該點為基礎在表面粗糙度預測模型中找到表面粗糙度變化最快的方向，在該表面粗糙度變化最快的方向上取一目標點，使該目標點處的表面粗糙度位于設定閾值范圍內，并將該目標點對應的加工參數反饋給機械加工系統。
5.根據權利要求1-3任一項所述基于數字孿生的表面粗糙度穩定方法，其特征在于：所述機械加工系統為五軸加工系統，影響表面粗糙度的加工參數包括lead角、tilt角、切削深度、主軸轉速、進給速度和平均切削力。
6.根據權利要求5所述基于數字孿生的表面粗糙度穩定方法，其特征在于：基于機床操作的可行性，將影響表面粗糙度的加工參數分為可在線調節參數和不可在線調節參數，所述可在線調節參數包括刀具姿態參數和主軸轉速，所述刀具姿態參數包括lead角、tilt角；所述不可在線調節參數包括切削深度、進給速度和平均切削力。
7.根據權利要求6所述基于數字孿生的表面粗糙度穩定方法，其特征在于：所述步驟4)中，在表面粗糙度預測模型找到與當前加工條件相對應的點，并以該點為基礎在表面粗糙度預測模型中找到與可在線調節參數對應的表面粗糙度變化最快的方向，在該表面粗糙度變化最快的方向上取一目標點，使該目標點處的表面粗糙度位于設定閾值范圍內，并將該目標點對應的加工參數反饋給機械加工系統。
8.根據權利要求7所述基于數字孿生的表面粗糙度穩定方法，其特征在于：若連續調節可在線調節參數N次以上仍無法滿足使位于設定閾值范圍內，則說明只調節刀具姿態參數和主軸轉速無法滿足當前的加工要求，此時將所有影響表面粗糙度的加工參數作為調節對象，其調節方法為：在表面粗糙度預測模型找到與當前加工條件相對應的點，并以該點為基礎在表面粗糙度預測模型中找到表面粗糙度變化最快的方向，在該表面粗糙度變化最快的方向上取一目標點，使該目標點處的表面粗糙度位于設定閾值范圍內，并將該目標點對應的加工參數反饋給機械加工系統，其中，N為大于等于1的正整數。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶大學，未經重慶大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010692248.4/1.html，轉載請聲明來源鉆瓜專利網。
