[发明专利]一种基于数据驱动的机床功耗模型建模方法

权利要求书

1.一种基于数据驱动的机床功耗模型建模方法，其特征在于，包括以下步骤：

选择一台机床作为源机床，通过若干实验获取该源机床功耗特性的源数据集T_src：

T_src＝{(x_i^src,y_i^src)},i＝1,2,....,n (1)

其中，x_i^src表示源机床的加工参数，y_i^src表示源机床的功耗数据，n表示源数据集的大小；

通过若干实验获取目标机床功耗特性的目标数据集T_tar:

T_tar＝{(x_i^tar,y_i^tar)},i＝1,2,....m (2)

其中，x_i^tar表示目标机床的加工参数，y_i^tar表示目标机床的功耗数据，m表示目标数据集的大小；

通过迁移学习将源数据集T_src向目标数据集T_tar迁移，得到迁移后的源数据集T′_src；

利用目标数据集T_tar和迁移后的源数据集T′_src训练回归模型；

获取目标机床的功耗模型。

2.根据权利要求1所述的一种基于数据驱动的机床功耗模型建模方法，其特征在于，源数据集T_src向目标数据集T_tar迁移的步骤包括：

利用仿射变换进行域自适应，使得源数据集T_src与目标数据集T_tar之间差异最小，目标函数表示为:

min|T_{src_1}·W-T_{tar_1}| (3)

其中，W为仿射变换矩阵，n为源数据集T_src的大小，m为目标数据集T_tar的大小；

利用源数据集T_src训练得到加工参数空间x_i与功耗数据空间y_i的映射关系f_src：

T_{src_1}可被替换为T_{src_2}，T_{src_2}可表示为：

其中，f_src(x₁^tar)为目标加工参数数据x_i^tar通过映射关系f_src获得的目标功耗数据；

则目标函数(3)表示为：

min|T_{src_2}·W-T_{tar_1}| (5)

由于T_{src_2}与T_{tar_1}具有统一的列向量，因此式(5)可表示为下式：

其中，H是迁移变换矩阵；

求解迁移变换矩阵H：

H＝(A^TA)^-1A^TB (7)

其中，

迁移后的源数据集T′_src表示为：

T′_src＝[x^src,T_{src_1}·H] (8)。