[發明專利]一種刀具磨損量和剩余壽命預測的方法

有效

• 申請號: 202110740028.9
• 申請日: 2021-07-01
• 公開（公告）號: CN113458873B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 陳高華;周子涵;丁慶偉
• 申請（專利權）人: 太原科技大學
• 主分類號: B23Q17/09
• 分類號: B23Q17/09;G06F30/17;G06F30/27;G06N3/04;G06N3/08;G06N3/12;G06F119/02;G06F119/14
• 代理公司: 太原中正和專利代理事務所(普通合伙) 14116
• 代理人: 焦進宇

1.一種刀具磨損量和剩余壽命預測的方法，其特征在于：包括以下步驟：

步驟1)在切削實驗平臺安裝測力儀和加速度傳感器，獲取反映刀具狀態的實時監測數據，測力儀安裝在工作臺上，加速度傳感器安裝在被加工工件上；

步驟2)對采集到的切削力信號和振動信號進行預處理；

步驟3)對預處理后的切削力信號和振動信號進行降噪處理；

步驟4)對降噪處理后的切削力信號和振動信號進行特征值提?。?/p>

步驟5)將遺傳算法和雙隱層Elman神經網絡結合，利用遺傳算法對網絡的權值和閾值進行初始化，建立一個收斂速度快、預測精度高的改進Elman神經網絡預測模型；

一、雙隱層Elman神經網絡的搭建：

u(t-1)為神經網絡模型的輸入矩陣，x₁(t)為第一隱含層的輸出，x₂(t)為第二隱含層的輸出，x_c1(t)為第一隱含層對應的承接層輸出，x_c2(t)為第二隱含層對應的承接層輸出，ω₁(t)為第一承接層到第一隱含層之間的權值，ω₂(t)為輸入層到第一隱含層之間的權值，ω₃(t)為第一隱含層到第二隱含層之間的權值，ω₄(t)為第二承接層到第二隱含層之間的權值，ω₅(t)為第二隱含層到輸出層之間的權值；f為隱含層的激勵函數，g為輸出層的激勵函數，f和g均選用Sigmoid函數，神經元節點代表的含義和函數表達式如下：

輸入層：輸入經過特征提取后的監測信號數據集，用u(t-1)表示；

第一隱含層：函數表達式為x₁(t)＝f(ω₁(x_c1(t)+ω₂(u(t-1)))；

第一隱含層對應承接層：承接層函數表達式為x_c1(t)＝x_c1(t-1)；

第二隱含層：第二承接層函數表達式為x₂(t)＝f(ω₄x_c1(t)+ω₃x₁(t-1))；

第二隱含層對應承接層：函數表達式為x_c2(t)＝x_c2(t-1)；

輸出層：輸出刀具磨損量和剩余壽命預測結果，函數表達式y(t)＝g(ω₅x₂(t))；

二、利用遺傳算法對網絡的權值和閾值進行初始化，具體過程如下：

1、種群初始化：

以Elman神經網路的權值、閾值看作種群內部的個體，按照二進制要求完成實數編碼；

2、確定適應度函數：

預測模型的預測結果與期望結果之間的絕對誤差和其所對應的適應度值計算公式：

其中，n代表網絡中的節點個數，y_i為Elman神經網絡中的第i個節點的期望輸出，o_i為第i個節點的預測值，k為系數，對于適應度高的個體得以保留至下一代；

3、遺傳操作階段：

按照遺傳定理中的選擇、交叉、變異的規則實現對個體的重新編碼排列，得到高適應度的個體；

選擇操作：運用輪盤賭的方法實現對適應度比例的選擇，選擇概率p_i的確定規則：

其中，F_i為個體i的適應度值，適應度越小個體越優秀，在完成對個體選擇之前會對適應度值求導，N為種群個體數；

交叉操作：交叉操作的實現是對編碼的實數進行交叉互換，第k個染色體a_k和第l個染色體的交叉規則為：

其中，b為[0，1]間隨機取值；

變異操作：對隨機個體進行變異的原則為：

；

其中，a_max為基因上界，a_min為基因下界；同時r₂為隨機數，g為迭代次數，G_max為最大進化次數，r在[0，1]區間內隨機取值；

三、將訓練數據輸入網絡采用L-M算法訓練網絡修正各權值；

L-M算法是一種類似于擬牛頓算法的權值修正方法，牛頓法是一種基于泰勒級數的快速優化算法，迭代公式為：ω(n+1)＝ω(n)-H^-1(n)g(n)，其中，H代表誤差性能函數Hessian矩陣，而L-M算法則是在擬牛頓算法的基礎上，將Hessian矩陣近似為H＝J^TJ，梯度可表示成l＝J^Te，且J矩陣修正權值原理依據原則為：

ω(t+1)＝ω(n)-[J^TJ+μI]^-1J^Te；

根據L-M算法的原理可知，當μ＝0時，L-M算法可以退化成擬牛頓算法；當μ很大的時候近似于步長較小的梯度下；同時，由于矩陣J的計算比牛頓矩陣計算更為簡便，可以提升模型的學習效率；

步驟6、利用訓練的改進型Elman神經網絡預測模型輸入測試數據預測刀具的磨損量和剩余壽命。