[发明专利]一种加工质量虚拟量测方法、系统、介质及设备

权利要求书

1.一种加工质量虚拟量测方法，其特征在于，包括以下步骤：

S1、记录零件加工时的工艺参数及表面粗糙度实际测量结果，构建历史样本输入输出数据对，对历史样本输入输出数据对进行数据标准化处理；

S2、建立模糊宽度学习系统，包括输入层、中间层和输出层，中间层包括特征层和增强层，将步骤S1标准化处理后的历史样本输入输出数据对经过特征层与增强层映射得到中间层的特征向量；

S3、利用二值灰狼智能优化方法对步骤S2的中间层特征向量进行特征选择；

S4、利用岭回归对步骤S3经过特征选择的中间层与输出层之间的连接权值进行优化；

S5、构建损失函数，评估虚拟量测模型的预测性能，当损失函数值不满足要求时进行步骤S6；

S6、逐步增加特征层中模糊子系统、模糊规则及增强层节点的数目进行迭代训练、当步骤S5的损失函数达到最小值时保存模糊宽度学习系统的最优权值参数；

S7、对新加工的零件样本数据进行步骤S1的数据标准化预处理，然后利用步骤S6中的最优权值参数进行模型输出计算，实现加工零件表面粗糙度的虚拟量测。

2.根据权利要求1所述的方法，其特征在于，步骤S2中，输入层，将样本数据经预处理后作为模型的输入，为进行中间层计算的输入；

中间层，将输入层的输入经过线性或非线性变换为进一步提取抽象特征；

特征层，通过多个模糊子系统利用规则来提取抽象特征；特征层中含有n个模糊子系统，每个模糊子系统包含r个规则；

增强层，将特征层提取的特征经过非线性变换进一步扩展增强抽象特征；增强层中含有m个增强节点；

输出层，将样本的实际测量结果作为模型的输出标签，构成输入输出数据对，实现虚拟量测模型的训练。

3.根据权利要求1所述的方法，其特征在于，步骤S2具体为：

S201、设置每个模糊子系统中规则的数目，随机初始化规则的后件参数，并将所有模糊子系统的中间输出组成一个特征向量，计算特征层的输出；

S202、随机初始化特征层与增强层之间的连接权值，并将特征层的输出特征向量通过非线性函数变换到增强层，非线性函数为tansig函数，计算增强层的输出；

S203、合并特征层与增强层的输出为模糊宽度学习系统中间层的输出向量。

4.根据权利要求1所述的方法，其特征在于，步骤S3具体为：

S301、初始化灰狼种群，设定初始狼群的数目、最大迭代次数以及初始化灰狼个体的位置；

S302、构建适应度函数，计算每只灰狼的适应度值，适应度函数为测试样本的均方根误差函数；

S303、根据个体的适应度值大小进行排序，确定alpha、beta和delta狼的当前位置x_α、x_β和x_δ；

S304、利用两种不同的更新策略对步骤S303中每只搜索灰狼用二值向量更新当前的位置；

S305、判断是否满足步骤S301的终止条件，若满足终止条件则输出最优位置，否则t＝t+1转到步骤S302继续循环迭代；

S306、利用灰狼的最优位置进行中间层输出向量的特征选择。

5.根据权利要求1所述的方法，其特征在于，步骤S4中，利用岭回归优化计算经步骤S3特征选择后中间层到输出层的连接权值参数如下：

其中，I为单位矩阵，为中间层的特征向量，T为矩阵的转置，α为正则项系数，Y为实际测量结果。

6.根据权利要求1所述的方法，其特征在于，步骤S5中，损失函数使用均方根误差函数RMSE如下：

其中，N表示被处理的样本个数，y(k)和y_a(k)分别为第k个预测结果和实际测量结果。

7.根据权利要求1所述的方法，其特征在于，步骤S6中，通过迭代训练，当损失函数达到最小值时保存模糊子系统、模糊规则、增强层节点的数目以及经特征选择后中间层到输出层的最优连接权值参数。