[发明专利]面向加工质量预测的数字孪生模型工况自适应方法及系统

权利要求书

1.一种面向加工质量预测的数字孪生模型工况自适应方法，其特征在于，包括：

获取任一历史工况下的质量预测模型、当前工况下的时序数据和当前工况下的影响因素；所述时序数据包括钻削过程中各获取时段的力信号和振动信号；所述影响因素包括加工材料，加工位姿，加工刀具和设定加工精度；所述质量预测模型包括机理模型和算法模型；所述机理模型包括多个钻削机理公式；所述算法模型为对神经网络进行训练得到的；

根据所述当前工况下的时序数据中的部分获取时段的力信号和振动信号对所述任一历史工况下的机理模型进行更新得到当前工况下的机理模型；

采用所述当前工况下的机理模型对所述当前工况下的时序数据进行特征提取得到所述当前工况的样本数据；

根据当前工况的样本数据和各历史工况的样本数据确定待迁移模型；

计算所述当前工况下的影响因素的加权和；

当所述加权和小于设定阈值时，则根据所述当前工况的样本数据对所述待迁移模型采用迁移学习方法进行更新得到当前工况下的算法模型；

当所述加权和大于设定阈值时，则获取目标定量数据并根据所述目标定量数据和所述当前工况的样本数据采用迁移学习方法对所述待迁移模型进行更新得到当前工况下的算法模型；所述目标定量数据为所述待迁移模型对应的工况下的定量数据；所述定量数据包括样本数据和钻削质量预测结果；

将所述当前工况下的机理模型和所述当前工况下的算法模型确定为当前工况下的质量预测模型，所述当前工况下的质量预测模型用于对当前工况下的钻削质量进行预测得到当前工况下的钻削质量预测结果。

2.根据权利要求1所述的一种面向加工质量预测的数字孪生模型工况自适应方法，其特征在于，所述根据当前工况的样本数据和各历史工况的样本数据确定待迁移模型，具体包括：

计算所述当前工况的样本数据与各历史工况的样本数据的分布距离；

将最小工况下的算法模型确定为待迁移模型；所述最小工况为最小的分布距离对应的工况。

3.根据权利要求1所述的一种面向加工质量预测的数字孪生模型工况自适应方法，其特征在于，在根据所述当前工况下的时序数据中的部分获取时段的力信号和振动信号对所述任一历史工况下的机理模型进行更新得到当前工况下的机理模型之前还包括：

对所述当前工况下的时序数据依次进行碎片化处理、数据预处理和时频域特征提取操作。

4.根据权利要求1所述的一种面向加工质量预测的数字孪生模型工况自适应方法，其特征在于，在所述将所述当前工况下的机理模型和所述当前工况下的算法模型确定为当前工况下的质量预测模型之后还包括：

将所述当前工况下的定量数据存储到定量数据库中。