CN103793762B - 一种基于小样本多类型参数的刀具寿命预测方法 - Google Patents
一种基于小样本多类型参数的刀具寿命预测方法 Download PDFInfo
- Publication number
- CN103793762B CN103793762B CN201410038719.4A CN201410038719A CN103793762B CN 103793762 B CN103793762 B CN 103793762B CN 201410038719 A CN201410038719 A CN 201410038719A CN 103793762 B CN103793762 B CN 103793762B
- Authority
- CN
- China
- Prior art keywords
- cutter
- cutter life
- parameter
- model
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明涉及一种基于小样本多类型参数的刀具寿命预测方法,其过程为:确定多类型刀具参数;进行刀具寿命预测中影响刀具寿命的参数xi,i=1,2,...,p;获取小样本刀具寿命实验数据,确定上述步骤中的各参数值,完成刀具寿命切削实验并获取刀具参数组合下的小样本刀具寿命值;构建动态预测模型,根据每次获取的预测模型的均方差、预测平方和PRESS决定新的预测模型迭代的方向,采用相应的迭代参数获取更好的预测模型,直到刀具寿命变化误差在规定范围内,终止预测模型的迭代过程,获取最终的刀具寿命预测模型。本发明考虑刀具的设计、制造到使用中的参数改变对刀具寿命的影响,从而获取更为准确的刀具寿命预测模型,更好地为生产提供基础保障数据。
Description
技术领域
本发明涉及刀具寿命预测领域,尤其涉及一种基于小样本多类型参数的刀具寿命预测方法。
背景技术
刀具寿命作为决定机械加工成本和效果的重要参数,一直是机械加工研究中的研究重点和热点。
现有技术中,采用泰勒公式对刀具寿命进行计算,泰勒公式是在进行了大量实验的基础上得到的被广泛使用的刀具寿命预测经验公式,但该公式仅就加工过程中的切削参数对刀具寿命的影响进行了严格细致的研究,其余参数对刀具寿命的影响无法进行区分,从而无法确定影响或者决定刀具寿命的主要因素。
鉴于上述缺陷,本发明创作者经过长时间的研究和实践终于获得了本创作。
发明内容
本发明的目的在于提供一种基于小样本多类型参数的刀具寿命预测方法,用以克服上述技术缺陷。
为实现上述目的,本发明提供一种基于小样本多类型参数的刀具寿命预测方法,其过程为:
步骤a,确定多类型刀具参数;刀具寿命预测中影响刀具寿命的参数xi,i=1,2,...,p;
步骤b,获取小样本刀具寿命实验数据,确定上述步骤a中的各参数值,完成刀具寿命切削实验并获取刀具参数组合下的小样本刀具寿命值;
步骤c,构建动态预测模型,根据每次获取的预测模型的均方差、预测平方和PRESS决定新的预测模型迭代的方向,采用相应的迭代参数获取更好的预测模型,直到刀具寿命变化误差在规定范围内,或达到迭代次数要求等,终止预测模型的迭代过程,获取最终的刀具寿命预测模型。
进一步,
步骤c1,确定每个刀具参数的一次函数表达式F的函数符号集F1并编码1-n;
步骤c2,确定刀具参数间的函数符号集F2并编码1-m;
步骤c3,建立符号拟合模型进化算法;
步骤c4,拟合模型中需要确定的参数的数量;
步骤c5,获得拟合模型参数矩阵,获得拟合模型族;根据刀具参数的个数p值,确定各刀具参数函数之间的运算函数个数为p-1;
步骤c6,根据获取的第一代随机数m组每组共有p*3+(p-1)=4P-1个参数,分别确定每个影响刀具寿命参数xi表达式中的ai,bi的值以及函数F1与F2的编码,从而确定刀具寿命的具体运算类型;
将计算得到的刀具寿命值与实验测得的值进行比较,选取m组中方差小的一定数量的组作为优势种群,按照进化算法产生新的一代随机数,以此类推,直到满足停止条件;
步骤c7,根据最后进化得到的拟合参数写出刀具寿命拟合方程。
进一步,上述停止条件为,判断计算出的刀具寿命值与实验测得的值的PRESS值和R值满足要求,即停止进化;根据拟合模型的PRESS及R值,选取一个最优拟合模型;判断该最优拟合模型是否满足拟合度要求,若满足,则结束;若不满足,构造优选矩阵,则获得新一代系数矩阵,获得新一代拟合模型族,并重复上述步骤c6。
进一步,在上述步骤c4中,根据刀具参数的个数i=p值,确定每个刀具寿命影响参数函数表达式中需要确定的参数个数为3*P,包括系数a,b的值和影响参数函数表达式的运算函数项。
进一步,
所述多类型刀具参数包括,刀具设计中的刀具几何参数;刀具制造过程中的刀具制造工艺参数;刀具使用中的刀具切削参数。
与现有技术相比较本发明的有益效果在于:本发明考虑刀具的设计、制造到使用中的参数改变对刀具寿命的影响,从而获取更为准确的刀具寿命预测模型,能够更好地为生产提供基础保障数据;此方法在寻找刀具寿命预测模型的过程中能够随时看到刀具寿命在新的预测模型中的值,可以随时根据需要停止迭代过程。
附图说明
图1为本发明基于小样本多类型参数的刀具寿命预测方法的流程图;
图2为本发明构建动态预测模型的过程。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点作更详细的说明。
本发明基于小样本多类型参数的刀具寿命预测方法,其获取刀具寿命预测模型所需进行的试验次数相对少,属于小样本试验,通过比较少的实验并结合刀具的设计、制造和使用中的参数对刀具寿命的影响,可以对刀具寿命进行预测,对于新加工材料和新刀具材料的加工性能的掌握都是非常便捷的。
请参阅图1所示,其为本发明基于小样本多类型参数的刀具寿命预测方法的流程图,该过程为:
步骤a,确定多类型刀具参数;刀具寿命预测中影响刀具寿命的参数xi,i=1,2,...,p;
在本发明中的多类型刀具参数包括,刀具设计中的刀具几何参数;刀具制造过程中的刀具制造工艺参数;刀具使用中的刀具切削参数。
步骤b,获取小样本刀具寿命实验数据;本发明采用正交实验设计或响应曲面实验设计,确定上述步骤中的各参数值,完成刀具寿命切削实验并获取刀具参数组合下的小样本刀具寿命值。
步骤c,构建动态预测模型;本发明采用α-β符号拟合方法完成刀具寿命预测动态模型的构建。本发明创建的刀具寿命预测模型α-β符号拟合方法的具体算法如下:
请参阅图2所示,其为本发明构建动态预测模型的过程,
步骤c1,确定每个刀具参数的一次函数表达式F的函数符号集F1并编码1-n;F1函数集及编码,请参见表1所示;
表1
步骤c2,确定刀具参数间的函数符号集F2并编码1-m;F2函数集及编码,请参见表2所示;
表2
编码 | 运算函数 |
1 | |
2 | |
3 | |
4 |
步骤c3,建立符号拟合模型进化算法;
步骤c4,拟合模型中需要确定的参数的数量;根据刀具参数的个数i=p值,确定每个刀具寿命影响参数函数表达式中需要确定的参数个数为3*P,包括系数a,b的值和影响参数函数表达式的运算函数项;
步骤c5,获得拟合模型参数矩阵,获得拟合模型族;根据刀具参数的个数p值,确定各刀具参数函数之间的运算函数个数为p-1;
步骤c6,根据获取的第一代随机数m组,每组共有p*3+(p-1)=4P-1个参数,分别确定每个影响刀具寿命参数xi表达式中的ai,bi的值以及函数F1与F2的编码,从而确定刀具寿命的具体运算类型;
将计算得到的刀具寿命值与实验测得的值进行比较,选取m组中方差小的一定数量的组作为优势种群,按照进化算法产生新的一代随机数,以此类推,直到满足停止条件。
停止条件有两种:一种是计算出的刀具寿命值与实验测得的值的PRESS值和R值满足要求,即停止进化;根据拟合模型的PRESS及R值,选取一个最优拟合模型;判断该最优拟合模型是否满足拟合度要求,若满足,则结束;若不满足,构造优选矩阵,则获得新一代系数矩阵,获得新一代拟合模型族,并重复上述步骤c6。
另一种是按照预设的进化次数,完成进化之后即停止。
步骤c7,根据最后进化得到的拟合参数写出刀具寿命拟合方程;
动态预测模型的获取是根据每次获取的预测模型的均方差(MSE,mean of squareerror)、预测平方和PRESS(prediction error sum of squares)决定新的预测模型迭代的方向,采用相应的迭代参数获取更好的预测模型,直到刀具寿命变化误差在规定范围内,或达到迭代次数要求等,终止预测模型的迭代过程,获取最终的刀具寿命预测模型。
此方法在寻找刀具寿命预测模型的过程中能够随时看到刀具寿命在新的预测模型中的值,可以随时根据需要停止迭代过程。这与以往刀具寿命预测模型过程只有最后获取刀具寿命预测模型的模型不同。
以上所述仅为本发明的较佳实施例,对发明而言仅仅是说明性的,而非限制性的。本专业技术人员理解,在发明权利要求所限定的精神和范围内可对其进行许多改变,修改,甚至等效,但都将落入本发明的保护范围内。
Claims (3)
1.一种基于小样本多类型参数的刀具寿命预测方法,其特征在于,其过程为:
步骤a,确定多类型刀具参数;刀具寿命预测中影响刀具寿命的参数xi,i=1,2,...,p;
步骤b,获取小样本刀具寿命实验数据,确定上述步骤a中的各参数值,完成刀具寿命切削实验并获取刀具参数组合下的小样本刀具寿命值;
步骤c,构建动态预测模型,根据每次获取的预测模型的均方差、预测平方和PRESS决定新的预测模型迭代的方向,采用相应的迭代参数获取更好的预测模型,直到刀具寿命变化误差在规定范围内,或达到迭代次数要求,终止预测模型的迭代过程,获取最终的刀具寿命预测模型;
步骤c1,确定每个刀具参数的一次函数表达式F的函数符号集F1并编码1-n;
步骤c2,确定刀具参数间的函数符号集F2并编码1-m;
步骤c3,建立符号拟合模型进化算法;
步骤c4,拟合模型中需要确定的参数的数量;
步骤c5,获得拟合模型参数矩阵,获得拟合模型族;根据刀具参数的个数p值,确定各刀具参数函数之间的运算函数个数为p-1;
步骤c6,根据获取的第一代随机数m组每组共有p*3+(p-1)=4P-1个参数,分别确定每个影响刀具寿命参数xi表达式中的ai,bi的值以及函数F1与F2的编码,从而确定刀具寿命的具体运算类型;
将计算得到的刀具寿命值与实验测得的值进行比较,选取m组中方差小的一定数量的组作为优势种群,按照进化算法产生新的一代随机数,以此类推,直到满足停止条件;
步骤c7,根据最后进化得到的拟合参数写出刀具寿命拟合方程;
上述停止条件为,判断计算出的刀具寿命值与实验测得的值的PRESS值和R值满足要求,即停止进化;根据拟合模型的PRESS及R值,选取一个最优拟合模型;判断该最优拟合模型是否满足拟合度要求,若满足,则结束;若不满足,构造优选矩阵,则获得新一代系数矩阵,获得新一代拟合模型族,并重复上述步骤c6。
2.根据权利要求1所述的基于小样本多类型参数的刀具寿命预测方法,其特征在于,在上述步骤c4中,根据刀具参数的个数i=p值,确定每个刀具寿命影响参数函数表达式中需要确定的参数个数为3*P,包括系数a,b的值和影响参数函数表达式的运算函数项。
3.根据权利要求1所述的基于小样本多类型参数的刀具寿命预测方法,其特征在于,
所述多类型刀具参数包括,刀具设计中的刀具几何参数;刀具制造过程中的刀具制造工艺参数;刀具使用中的刀具切削参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410038719.4A CN103793762B (zh) | 2014-01-23 | 2014-01-23 | 一种基于小样本多类型参数的刀具寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410038719.4A CN103793762B (zh) | 2014-01-23 | 2014-01-23 | 一种基于小样本多类型参数的刀具寿命预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103793762A CN103793762A (zh) | 2014-05-14 |
CN103793762B true CN103793762B (zh) | 2017-06-16 |
Family
ID=50669401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410038719.4A Expired - Fee Related CN103793762B (zh) | 2014-01-23 | 2014-01-23 | 一种基于小样本多类型参数的刀具寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103793762B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI610738B (zh) | 2016-08-19 | 2018-01-11 | 財團法人工業技術研究院 | 工具機刀具管理系統與方法 |
JP6649348B2 (ja) * | 2017-11-21 | 2020-02-19 | ファナック株式会社 | 工具寿命判定装置 |
EP3904983A4 (en) * | 2019-05-09 | 2022-08-03 | Siemens Aktiengesellschaft | METHOD, DEVICE AND SYSTEM FOR ADJUSTING CUTTING TOOL LIFE BASED ON TOOL CHANGE RECORDS |
CN110116335A (zh) * | 2019-05-14 | 2019-08-13 | 哈尔滨理工大学 | 一种确定重型切削硬质合金刀具破损寿命方法 |
CN110852705B (zh) * | 2019-10-23 | 2022-06-10 | 太原科技大学 | 一种制造任务驱动的刀具组合推荐方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073300A (zh) * | 2010-12-28 | 2011-05-25 | 华中科技大学 | 一种数控加工状态自学习的刀具磨损监控系统 |
CN102699763A (zh) * | 2012-06-13 | 2012-10-03 | 哈尔滨理工大学 | 刀具磨损智能测量仪及测量方法 |
CN102930337A (zh) * | 2012-10-31 | 2013-02-13 | 贵州大学 | 切削加工中切削用量的预测方法 |
JP2013131217A (ja) * | 2011-12-20 | 2013-07-04 | National Cheng Kung Univ | 予測モデルのモデル構築用サンプルのスクリーニング方法及びそのコンピュータプログラム製品 |
-
2014
- 2014-01-23 CN CN201410038719.4A patent/CN103793762B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073300A (zh) * | 2010-12-28 | 2011-05-25 | 华中科技大学 | 一种数控加工状态自学习的刀具磨损监控系统 |
JP2013131217A (ja) * | 2011-12-20 | 2013-07-04 | National Cheng Kung Univ | 予測モデルのモデル構築用サンプルのスクリーニング方法及びそのコンピュータプログラム製品 |
CN102699763A (zh) * | 2012-06-13 | 2012-10-03 | 哈尔滨理工大学 | 刀具磨损智能测量仪及测量方法 |
CN102930337A (zh) * | 2012-10-31 | 2013-02-13 | 贵州大学 | 切削加工中切削用量的预测方法 |
Non-Patent Citations (2)
Title |
---|
基于进化神经网络的刀具寿命预测;徐玲等;《计算机集成制造系统》;20080131;第14卷(第1期);第167-171、182页 * |
面向DNC车间的刀具全寿命周期管理技术研究;殷锐等;《组合机床与自动化加工技术》;20130331(第3期);第134-136页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103793762A (zh) | 2014-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103793762B (zh) | 一种基于小样本多类型参数的刀具寿命预测方法 | |
CN110991786B (zh) | 基于相似日负荷曲线的10kV静态负荷模型参数辨识方法 | |
CN111369070B (zh) | 一种基于包络线聚类的多模融合光伏功率预测方法 | |
CN105868534B (zh) | 一种基于多目标优化抽样的水文模型不确定性分析方法 | |
CN111710022B (zh) | 一种避免轮廓相交的快速成型切片处理方法 | |
CN105956235A (zh) | 基于svr-pso的超声加工特种刀具优化设计方法 | |
de Haan et al. | On tail trend detection: modeling relative risk | |
CN106815447B (zh) | 基于历史数据的复杂结构件加工特征智能定义与分类方法 | |
CN115113596B (zh) | 一种基于质量监测的聚氨酯材料生产参数调节方法及系统 | |
CN116911806B (zh) | 基于互联网+的电力企业能源信息管理系统 | |
CN103838963A (zh) | 一种文胸压力舒适性评价方法 | |
CN117313016B (zh) | 一种新能源电力交易现货电价价差数据处理方法 | |
CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
CN103902798B (zh) | 数据预处理方法 | |
CN112365135A (zh) | 基于模糊层次分析法的风电叶片制造质量评价方法、系统及设备 | |
CN108268952A (zh) | 一种基于三角模糊数确定评价因素权重的方法 | |
CN108446452B (zh) | 一种混流泵叶轮鲁棒优化设计方法 | |
CN107808209B (zh) | 基于加权kNN距离的风电场异常数据辨识方法 | |
CN106407498A (zh) | 一种摔倒风险模型的建立方法 | |
CN104298816B (zh) | 一种适合制造系统重构的机床布局设计方法 | |
CN107066741A (zh) | 基于数据挖掘的气动外形优化设计方法 | |
CN101118569A (zh) | 塑料注射成型过程中注射时间参数的确定方法 | |
CN113641733B (zh) | 一种河道断面流量实时智能推求方法 | |
CN108376263B (zh) | 工作场所环境温湿度预测方法和装置 | |
CN107239629B (zh) | 一种岩石结构面实验室合理尺寸确定的分形维数分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170616 Termination date: 20180123 |
|
CF01 | Termination of patent right due to non-payment of annual fee |