[发明专利]数控机床能耗建模与加工过程优化的方法

权利要求书

1.一种数控机床能耗建模与加工过程优化的方法，其特征在于，包括：

数据采集步骤：根据能耗建模实验，采集能耗数据；

空载功率模型建立步骤：根据能耗数据拟合机床空载功率模型，测量机床空载能耗；

铣削功率模型建立步骤：根据梯度提升回归树算法和能耗数据，训练铣削功率模型；

实时功率预测步骤：对空载功率和铣削功率进行叠加；

加工参数优化步骤：以加工的切削比能和加工时间为目标函数，建立加工参数优化模型并进行求解；

加工顺序优化步骤：以相邻空走刀能耗之和为目标，建立加工顺序优化模型并进行约束；

所述空载功率模型建立步骤包括：

对基础功率P_basic进行测量，所述基础功率是指机床启动后各部件使能并处于稳定时，且各电机、驱动器无负载时的功率；

对辅助功率P_aux进行建模，所述辅助功率是指数控机床运行时，辅助设备选择性开启后所产生的能耗，包括照明装置、冲屑与排屑装置和切削液装置的能耗；

对主轴功率P_spindle进行建模，所述主轴功率指主轴电机提供扭矩带动主轴以及刀具旋转所消耗的功率；

对进给功率P_feed进行建模，所述进给功率完成刀具或工件的进给运动以及精确定位，包括伺服电机、放大器、摩擦损耗以及克服重力矩做功；

所述铣削功率模型建立步骤包括：通过构建训练集训练集共N组，根据梯度提升回归树算法，建立铣削能耗模型；其中，x_i表示第i组加工参数信息，y_i表示第i组铣削功率；

所述梯度提升回归树算法包括：

步骤1：初始化损失函数：

其中，c表示初始化的预测值；

步骤2：算法迭代：

最外层循环依次建立M棵回归树，即对m＝1,2…M；N为样本数，对i＝1,2…N,计算当前模型中损失函数的负梯度，将其作为残差的估计值，对于损失函数为均方误差的情况直接就是其残差：

用回归树拟合得到第m棵回归树h(x_i,λ_m)，其中λ_m为模型参数；表示：偏微分符号；r_mi表示：当前模型的残差；f(x_i)表示：当前模型的预测值；

根据线性搜索求得模型的权重β_m，算式如下：

其中，β_m表示最小化损失函数对应的权重；β表示权重；h表示当前树的预测值；更新模型的值，α为学习率：

f_m(x)＝f_m-1(x)+αβ_mh(x_i，λ_m)

步骤3：完成M棵树的迭代，得到最终模型：

f(x)＝f_M(x)

所述加工参数优化模型表述如下：

其中，SEC为切削比能，MRR为材料移除率，计算公式为：MRR＝a_pa_ef，t_total为总加工时间，l_i为第i个工步的加工路径长度，f_i为进给轴的进给速度，进给速度f，若为多轴联动运动，则为对应复合的进给速度；

E_total表示总能量消耗；

P_total表示总功率值；

V表示移除材料的体积；

优化变量的约束如下：

其中，前四项为加工参数的约束，d为刀具直径，Δ为切削余量，a_p为切深，a_e为切宽；第五项为表面粗糙度约束；第六项为刀具寿命约束；第七项为干加工防止粘刀约束；

R_a表示表面粗糙度；φ表示粗糙度模型中的系数；α表示粗糙度模型中的指数；γ表示粗糙度模型中的指数；δ表示粗糙度模型中的指数；ε表示粗糙度模型中的系数；[T]表示允许刀具寿命值；表示铣削速度的影响；表示每齿进给速度的影响；表示切深的影响；表示切宽的影响；表示刀具刃数的影响；表示刀具直径的影响；

加工顺序优化模型表述如下：

λ(F_i,F_j)为判断系数，如果选择的加工路线中i特征的下一待加工特征是j特征，则λ(F_i,F_j)为1，否则为0，d(F_i,F_j)为由已建立的能耗模型求得的特征点之间移动的空走到能耗，表达式如下：

其中，t_k为进给轴k在特征i,j之间转换时所运行的时间，可通过得到，t_total为特征之间移动总的时间消耗，为进给轴k在f_k进给速度下的功率值，P_spindle(n)为主轴在转速n下的功率值；

对加工顺序优化模型进行约束，表述如下：

其中，seq为加工顺序的约束集合；F_i表示第i个城市点。