[发明专利]基于模糊推理和泰勒展开的锻造压机负载在线预测方法

说明书

本发明提供了一种基于模糊推理和泰勒展开的锻造压机负载在线预测方法。该方法包括如下步骤：(1)初始化泰勒展开模型以及隶属度函数的参数；(2)建立泰勒展开的各阶连续可导性指标，并将其作为模糊推理的隶属度函数的参数，计算各阶泰勒展开模型的隶属度；(3)根据在线感知的数据，进行各阶泰勒展开模型参数的辨识，计算各阶泰勒展开模型的结果；(4)将各阶泰勒展开模型的隶属度归一化，根据各阶泰勒展开模型归一化的隶属度与计算结果求得预测结果；(5)通过在线感知锻造压机的负载和上横梁位移，预测下一时刻的压机负载。本发明方法可以精准快速地在线预测锻造压机负载，为准确控制锻造压机的负载提供技术支持。

技术领域：

本发明属于锻造技术领域，涉及一种基于模糊推理和泰勒展开的锻造压机负载在线预测方法。

背景技术：

在锻造过程中，由于机械设备和锻件流变行为的非线性和时变特性，以及锻件微观组织的复杂性，致使锻造压机负载的数学模型难以建立，甚至不可能建立。因此，对锻造压机的精确控制来说，如何准确快速地预测出锻造压机的负载是至关重要的。

由于数据驱动在线建模方法具有简单且易于理解的优点，这种方法在复杂系统中的应用越来越普遍。例如，神经网络、模糊推理以及支持向量机等方法已经广泛应用于机器人轨迹规划和复杂机械设备动态特性预测中。此外，大量研究表明，泰勒展开模型能够以高精度描述非线性时变系统。采用泰勒展开建立数控系统加工中的参变量求解函数，不仅简单化了算法计算、使截断误差小,而且使得加工速度曲线能够匹配规划的速度曲线；利用泰勒展开建立飞行器轨迹的预测模型，往往能取得优良的预测效果。针对锻造过程中压机的负载难以预测的难题，可以考虑利用数据驱动在线建模方法描述锻造压机的动态特性。

然而，现有的技术和方法很难精准、快速地预测锻造压机的负载。鉴于模糊推理的强大推理能力和泰勒展开建模的精确预测能力，若将这两种方法结合并应用到锻造过程中，必然能准确地预测和控制压机的负载，从而大大提高锻件的品质和生产效率。本发明以泰勒展开模型为基础，结合模糊推理方法，提出了一种快速、简单、高精度的锻造压机负载在线预测方法。

发明内容：

本发明的目的在于提供一种基于模糊推理和泰勒展开的锻造压机负载在线预测方法，解决了现有的预测方法不能快速、准确预测锻造压机负载的难题。

本发明解决上述难题的方案是：基于模糊推理和泰勒展开的锻造压机负载在线预测方法，该方法包括如下步骤：

步骤1：初始化泰勒展开模型以及隶属度函数的参数；

步骤2：根据泰勒展开的条件，建立泰勒展开的各阶连续可导性指标，并将其作为模糊推理的隶属度函数的参数，计算各阶泰勒展开模型的隶属度；

步骤3：根据在线感知的数据，利用多元回归方法进行各阶泰勒展开模型参数的辨识，计算各阶泰勒展开模型的结果；

步骤4：将各阶泰勒展开模型的隶属度归一化，根据各阶泰勒展开模型归一化的隶属度与计算结果求得预测结果；

步骤5：通过在线感知锻造压机的负载和上横梁位移，预测下一时刻的压机负载。

按照上述方案，步骤1中所述泰勒展开模型可以描述为：

设预测模型为其中u(k)和y(k)分别表示第k个时刻的输入和输出，其零阶、一阶、二阶以及三阶泰勒展开模型如下所示：

零阶模型：

一阶模型：

二阶模型：

三阶模型：