龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：哈尔滨理工大学
摘要：本发明提出一种基于Hyperopt优化神经网络预测机床加工能耗的方法，该方法构建动态自优化神经网络，实现短时间得到最优神经网络超参数，进而对机床加工能耗进行精准预测，具有极高的普适性，适用于目前绝大多数数控机床、节省测试调参时间、预测精度高的特点。
主权项：1.一种基于Hyperopt优化神经网络预测机床加工能耗的方法，其特征在于：所述方法包括以下步骤：步骤1：对机床加工过程中，进行不同加工参数下的材料去除，采集每次材料去除的机床能耗数据；步骤2：将步骤1采集到的不同条件下的数据进行分类，随机选取部分数据作为训练集，其余作为验证集；步骤3：对神经网络结构进行设置；步骤4：基于Hyperopt构建超参数搜索空间，将搜索空间中的超参数更新到步骤3中的神经网络结构中，基于训练集进行模型优化训练；步骤5：优化训练中随机生成两组不同的超参数，基于不同超参数生成两组不同的神经网络，分别基于训练集计算loss；步骤6：经过步骤5，在Hyperopt优化中引入基于树的贝叶斯优化器TPE，TPE根据训练loss判定保留最优神经网络超参数，若连续迭代50次超参数不变或者当前训练步epoch_now小于所设置的训练步num_epoch，则跳出循环输出最优超参数，否则继续循环；步骤7：将步骤6中所输出的最优超参数更新到步骤3中所构建的神经网络模型中，同时输入步骤2中的训练集对Hyperopt-神经网络进行训练，训练后的模型输入验证集进行模型验证与预测，最终得到机床加工能耗预测结果；所述神经网络结构包括输入层、隐藏层、输出层、正则化项、优化器、激活函数、损失函数loss和训练步epoch；所述神经网络为BP神经网络，其采取五层结构，即1个输入层、3个隐含层、1个输出层，输入层包含主轴转速、进给速度、切削深度、切削宽度共计4个神经单元，隐含层包含n个神经单元，输出层包含预测机床能耗1个神经元，隐含层传递函数选择Relu函数，正则化项Dropout，归一化方法选择StandardScaler方法；优化算法采用RMSProp，学习率设置为α，训练步epoch选择400次，误差损失函数loss选择MSE。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于Hyperopt优化神经网络预测机床加工能耗的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号