[发明专利]一种基于动力学及深度神经网络的进给系统混合建模方法

权利要求书

1.一种基于动力学及深度神经网络的进给系统混合建模方法，其特征在于，包括

S1根据数控机床进给系统组成部件的动力学分析，建立进给系统对应的动力学基础模型；

S2获取至少一个数控指令序列，将指令序列分别输入到数控机床进给系统及其对应的动力学基础模型；

S3采集进给系统的实际响应输出及其对应的动力学基础模型的仿真预测输出，获取该指令序列对应的实际响应序列和仿真预测序列；

S4利用同一指令序列及其对应的实际响应序列和仿真预测序列对神经网络进行训练，获得能够修正实际响应序列和仿真预测序列之间偏差的偏差模型；

S5将指令序列输入动力学基础模型，获取对应的仿真预测序列并输入所述偏差模型得到对应的模型偏差序列，通过仿真预测序列和模型偏差序列获取该指令序列所对应的进给系统混合模型输出；

其中，步骤S4中包括，

S41获取至少一个指令序列及其对应的实际响应序列和仿真预测序列，构成至少一个训练样本；

S42将一个训练样本中的指令序列及其对应的实际响应序列和仿真预测序列输入神经网络；

S43遍历所有训练样本，完成仿真预测序列的偏差模型训练。

2.根据权利要求1所述的一种基于动力学及深度神经网络的进给系统混合建模方法，其中，步骤S5中包括，

S51根据指令序列获取进给系统各个轴的单轴指令序列，获取该指令序列中的各个单轴指令序列对应的仿真预测序列；

S52将单轴指令序列和及其对应的仿真预测序列输入对应偏差模型，获取该单轴指令序列的预测输出；

S53遍历所有单轴指令序列，获取当前参考系下各个单轴指令序列的预测输出；

S54将各个单轴指令序列的预测输出进行合并，获得指令序列所对应的进给系统仿真输出。

3.根据权利要求1或2所述的一种基于动力学及深度神经网络的进给系统混合建模方法，其中，步骤S3中，进给系统的实际响应序列为通过光栅尺采集获得的数控机床工作台实际位置序列。

4.根据权利要求1或2所述的一种基于动力学及深度神经网络的进给系统混合建模方法，其中，所述进给系统采用正交坐标系进行动力学分析，所述步骤S4和/或步骤S5中在正交坐标系下对每个坐标轴分别进行训练和/或仿真输出。

5.根据权利要求1或2所述的一种基于动力学及深度神经网络的进给系统混合建模方法，其中，步骤S1中，所述动力学基础模型通过进给系统对应的参数传递函数进行表示。

6.根据权利要求1或2所述的一种基于动力学及深度神经网络的进给系统混合建模方法，其中，步骤S2中，所述指令序列按照时间顺序排列，任意两个指令序列之间的时间间隔相等或者不相等。

7.一种基于动力学及深度神经网络的进给系统混合建模系统，其特征在于，包括

模型模块，用于根据数控机床进给系统组成部件的动力学分析，建立进给系统对应的动力学基础模型；

指令模块，用于获取至少一个数控指令序列，将指令序列分别输入到数控机床进给系统及其对应的动力学基础模型；

采集模块，用于采集进给系统的实际响应输出及其对应的动力学基础模型的仿真预测输出，获取该指令序列对应的实际响应序列和仿真预测序列；

训练模块，用于利用同一指令序列及其对应的实际响应序列和仿真预测序列对神经网络进行训练，获得能够修正实际响应序列和仿真预测序列之间偏差的偏差模型；

仿真模块，用于将指令序列输入动力学基础模型，获取对应的仿真预测序列并输入所述偏差模型得到对应的模型偏差序列，通过仿真预测序列和模型偏差序列获取该指令序列所对应的进给系统混合模型输出；

其中，训练模块中包括，

第一样本模块，用于获取至少一个指令序列及其对应的实际响应序列和仿真预测序列，构成至少一个训练样本；

第一神经网络模块，用于将一个训练样本中的指令序列及其对应的实际响应序列、仿真预测序列输入神经网络；

遍历模块，用于遍历所有训练样本，完成仿真预测序列的偏差模型训练。