[發(fā)明專利]基于編碼器-解碼器階段注意力機制的刀具磨損預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202010777546.3
• 申請日: 2020-08-05
• 公開（公告）號: CN112070208B
• 公開（公告）日: 2022-08-30
• 發(fā)明（設(shè)計）人: 李江峰;胡德鳳;張晨曦;趙欽佩
• 申請（專利權(quán)）人: 同濟大學(xué)
• 主分類號: G06N3/04
• 分類號: G06N3/04;G05B19/4065
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 宣慧蘭

本發(fā)明涉及一種基于編碼器?解碼器雙階段注意力機制的刀具磨損預(yù)測方法，基于刀具磨損預(yù)測模型，刀具磨損預(yù)測模型包括解碼器和編碼器，步驟包括：步驟S1：采集銑削加工過程的刀具運行數(shù)據(jù)，進行數(shù)據(jù)預(yù)處理，并提取刀具統(tǒng)計特征；步驟S2：刀具統(tǒng)計特征進行最大信息系數(shù)計算，根據(jù)磨損特征相關(guān)性進行排序，篩選出目標(biāo)個數(shù)的刀具磨損特征；步驟S3：將刀具磨損特征輸入基于卷積?雙向門控循環(huán)?注意力機制的編碼器進行編碼，獲得刀具磨損特征編碼；步驟S4：將刀具磨損特征編碼輸入基于獨立循環(huán)長期短期記憶單元?注意力機制的解碼器，輸出刀具的磨損預(yù)測值。與現(xiàn)有技術(shù)相比，本發(fā)明具有提高被檢測刀具的磨損預(yù)測值的準(zhǔn)確性和穩(wěn)定性等優(yōu)點。

技術(shù)領(lǐng)域

本發(fā)明涉及刀具磨損預(yù)測領(lǐng)域，尤其是涉及一種基于編碼器-解碼器階段注意力機制的刀具磨損預(yù)測方法。

背景技術(shù)

隨著智能制造、云制造、智慧制造等概念的提出，智能化成為現(xiàn)代生產(chǎn)企業(yè)的共同發(fā)展方向，信息技術(shù)的持續(xù)升級，物聯(lián)網(wǎng)、大數(shù)據(jù)、深度學(xué)習(xí)等領(lǐng)域的積累使得工業(yè)智能化逐步形成。在車間生產(chǎn)中，機床是現(xiàn)代制造過程中不可或缺的重要要素，然而在機床使用過程中，刀具的磨損不可避免，它直接影響了刀具的使用壽命與表面質(zhì)量及尺寸精度，進而影響加工的經(jīng)濟性，而解決這些問題的關(guān)鍵在于對刀具磨損狀態(tài)的智能監(jiān)控與預(yù)測。

近年來，國內(nèi)外在刀具磨損的監(jiān)測方面做了很多工作，主要致力于在線監(jiān)測刀具磨損和刀具的剩余壽命預(yù)測。刀具磨損領(lǐng)域的自動監(jiān)測方案主要分為直接法與間接法兩類，直接法一般應(yīng)用于非加工過程中的離線監(jiān)測，通過傳感設(shè)備直接得到刀具位置、形狀等參數(shù)進而判別刀具磨損狀況，雖然準(zhǔn)確性高但對條件要求苛刻如需停機檢測，實用性不強；間接法則是通過測量刀具振動、受力、電流、聲發(fā)射等間接指標(biāo)并與磨損狀態(tài)之間建立相關(guān)關(guān)系，從而得到刀具的磨損程度，目前已成為主流的方案選擇。

隨著機器學(xué)習(xí)技術(shù)的發(fā)展，深度學(xué)習(xí)理論為工業(yè)大數(shù)據(jù)的處理和分析提供了新的可能。考慮到時間序列的特征和輸入數(shù)據(jù)的動態(tài)變化，循環(huán)神經(jīng)網(wǎng)絡(luò)引入了一種循環(huán)結(jié)構(gòu)，與其他神經(jīng)網(wǎng)絡(luò)相比，它可以更好地對動態(tài)時間序列數(shù)據(jù)進行建模。因此，循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)及其變體，長短期存儲網(wǎng)絡(luò)(LSTM)和門控循環(huán)單元(GRU)，已廣泛應(yīng)用于該領(lǐng)域。

GRU和LSTM都是特殊的RNN，為解決RNN中的梯度消失問題而提出，盡管兩個網(wǎng)絡(luò)結(jié)構(gòu)在一定程度上改善了這些梯度問題，但LSTM和GRU使用tanh函數(shù)和sigmoid型函數(shù)作為激活函數(shù)，這會導(dǎo)致層之間的梯度衰減。其次大多數(shù)基于遞歸神經(jīng)網(wǎng)絡(luò)的刀具磨損預(yù)測方法主要集中在輸入數(shù)據(jù)或特征的選擇上，而輸入對刀具磨損的影響程度卻未被考慮或忽略，由于數(shù)據(jù)的不穩(wěn)定性和可變性，導(dǎo)致對刀具磨損的誤判，降低刀具磨損預(yù)測的準(zhǔn)確性。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于編碼器-解碼器雙階段注意力機制的刀具磨損預(yù)測方法，解決了循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中出現(xiàn)的層級梯度衰減問題并且反映了輸入數(shù)據(jù)對刀具磨損的影響程度，提高了對刀具磨損過程建模的效果。

本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：

一種基于編碼器-解碼器雙階段注意力機制的刀具磨損預(yù)測方法，基于刀具磨損預(yù)測模型，所述刀具磨損預(yù)測模型包括解碼器和編碼器，所述方法具體包括以下步驟：

步驟S1：采集機床銑削加工過程中的刀具運行數(shù)據(jù)，對所述刀具運行數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，并從完成預(yù)處理的刀具運行數(shù)據(jù)中提取刀具統(tǒng)計特征；

步驟S2：所述刀具統(tǒng)計特征進行最大信息系數(shù)計算，并根據(jù)磨損特征相關(guān)性進行排序，篩選出目標(biāo)個數(shù)的刀具磨損特征；

步驟S3：將所述刀具磨損特征輸入基于卷積-雙向門控循環(huán)-注意力機制的編碼器進行編碼，獲得刀具磨損特征編碼；

步驟S4：將所述刀具磨損特征編碼輸入基于獨立循環(huán)長期短期記憶單元-注意力機制的解碼器，輸出相應(yīng)刀具的磨損預(yù)測值。