买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明提供了一种基于数据驱动的时变工况下切削残余应力预测方法，属于切削加工技术领域。该方法通过采集试验过程中的时变信号、非时变信号以及切削残余应力值，将非时变信号统一表征处理，针对时变信号数据进行自适应特征提取，设计高维数据的低维表示的特征提取方式，再将处理后的非时变信号与时变信号融合，作为CNN切削残余应力预测模型的输入，并将切削残余应力值作为模型输出，建立了时变工况下采集数据与最终的残余应力之间的复杂映射关系，实现切削残余应力的在线预测。本发明利用卷积神经网络结构表达各个工况因素特征与切削残余应力之间的非线性关系，能够基于加工过程数据快速实现对切削残余应力的预测。

主权项：1.一种基于数据驱动的时变工况下切削残余应力预测方法，其特征在于，包括以下步骤：步骤1，进行切削试验及数据采集：对时变工况下切削过程中对应的监测数据、工况数据以及切削残余应力值进行采集，监测数据包括切削力信号和振动信号，工况数据包括主轴转速、切削深度、切削宽度和进给速度；步骤2，工况数据信息统一表征：将所采集的工况数据进行统一表征处理；步骤3，监测数据处理，包括：子步骤3.1，数据预处理：对所采集的监测数据进行降噪处理以及标准化处理；子步骤3.2，主特征的提取与降维：使用深度学习方法对预处理数据进行自适应特征提取，获取深度编码特征集，再将预处理数据经过时域处理、频域处理以及小波包能量特征提取，分别获得时域特征集、频域特征集、小波包能量特征集；对所获得的深度编码特征集与时域特征集、频域特征集、小波包能量特征集的特征数据进行特征提取，并对所提取的特征数据进行降维处理；步骤4，监测数据与工况数据的融合：将经统一表征处理的工况数据与经降维处理的监测数据进行融合处理，获得融合特征数据，所述融合特征数据与所采集的对应切削残余应力值组成残余应力数据集；步骤5，构建CNN切削残余应力预测模型：用所述残余应力数据集构建基于CNN的切削残余应力预测模型，并对所述切削残余应力预测模型进行训练和测试，得到最终的切削残余应力预测模型；步骤6，切削残余应力预测：利用最终的切削残余应力预测模型，根据时变工况下切削过程中的监测数据和工况数据获得切削残余应力预测值。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于数据驱动的时变工况下切削残余应力预测方法