[发明专利]一种机床温度场快速辨识方法及系统

权利要求书

1.一种机床温度场快速辨识方法，其特征在于，包括如下步骤：

S1、建立机床温升模型；

S2、基于机床温升模型和无味卡尔曼滤波算法，建立机床温升状态方程；

S3、基于机床温升状态方程，计算无味卡尔曼滤波算法的三次增益和三次最优估计参数，并利用卡尔曼滤波参数替换三次指数平滑算法中的平滑参数，得到基于三次指数平滑算法和无味卡尔曼滤波算法的温度综合预测模型；

S4、定义自适应规则，并基于自适应规则实时调整温度综合预测模型参数，得到自适应温度综合预测模型；

S5、基于自适应温度综合预测模型，计算温度实际测量值与温度预测值间的均方根误差，得到若干不同温度的辨识时间；

S6、选择各不同温度的辨识时间中最大值作为温度预测最短辨识时间，并将温度预测最短辨识时间内的测量数据输入至自适应温度综合预测模型，实现辨别时间外的温度快速预测，完成机床温度场的快速辨识；

所述步骤S1中机床温升模型的表达式如下：

T_k＝T_e,k-1+(T_k-1-T_e,k-1)e^-λ·Δt

其中，T_k表示k时刻的机床温度测点温度，T_k-1表示k-1时刻的机床温度测点温度，T_e,k-1表示k-1时刻的环境温度，e表示自然数对数，λ表示材料物理性质与初始温度相关常数，Δt表示采样时间；

所述步骤S2中机床温升状态方程的表达式如下：

y_k＝T_k+v_k

其中，x_k表示k时刻的温度状态向量，T_k表示k时刻的机床温度测点温度，w_k表示过程噪声，T_e,k表示k时刻的环境温度，T_e,k-1表示k-1时刻的环境温度，T_k-1表示k-1时刻的机床温度测点温度，e表示自然数对数，λ表示材料物理性质与初始温度相关常数，Δt表示采样时间，y_k表示k时刻温度测量向量，v_k表示测量噪声；

所述步骤S3包括如下步骤：

S31、基于机床温升状态方程，计算无味卡尔曼滤波算法的三次增益和三次最优估计参数；

S32、利用无味卡尔曼滤波算法的三次卡尔曼增益一次温度状态向量最优估计参数二次温度状态向量最优估计参数和三次温度状态向量最优估计参数分别对应替换三次指数平滑算法的平滑系数α、一次平滑值二次平滑值和三次平滑值得到基于三次指数平滑算法和无味卡尔曼滤波算法的温度综合预测模型；

所述步骤S31中无味卡尔曼滤波算法的三次增益和三次最优估计参数的表达式分别如下

其中，和分别表示一次卡尔曼增益、二次卡尔曼增益和三次卡尔曼增益，和分别表示k时刻温度测量向量的协方差一次处理值、协方差二次处理值和协方差三次处理值，和分别表示k-1时刻温度测量向量的协方差一次处理值、协方差一次处理值和协方差一次处理值，和分别表示k时刻温度状态向量的协方差一次处理值、协方差二次处理值和协方差三次处理值，和分别表示k-1时刻温度状态向量的协方差一次处理值、协方差二次处理值和协方差三次处理值，R_k表示k时刻测量噪声协方差矩阵，和分别表示一次温度状态向量最优估计参数、二次温度状态向量最优估计参数和三次温度状态向量最优估计参数，和分别表示k时刻温度状态向量的先验估计一次处理值、先验估计二次处理值和先验估计三次处理值，表示k时刻温度测量向量的一次处理值，和分别表示k时刻温度测量向量的先验估计一次处理值、先验估计二次处理值和先验估计三次处理值；

所述步骤S32中的温度综合预测模型的表达式如下：

x_k+T＝A_k+B_kT+C_kT²

其中，A_k、B_k和C_k分别表示第一温度综合预测模型参数、第二温度综合预测模型参数和第三温度综合预测模型参数，x_k+T表示k+T时刻的温度状态向量，T表示时间周期；

所述步骤S4包括如下步骤：

S41、利用温度综合预测模型计算温度预测值，并计算温度实际测量值与温度预测值间的残差r_k，且定义第一调整系数β、第二调整系数γ、第一正阈值C和第二正阈值D，其中C小于D；

S42、针对残差r_k的绝对值小于或者等于第一正阈值C，则不调整第一温度综合预测模型参数A_k和第二温度综合预测模型参数B_k；

S43、针对残差r_k的绝对值大于第一正阈值C且同时小于或者等于第二正阈值D，则只调整第二温度综合预测模型参数B_k，其中，当残差r_k为正数时，调整第二温度综合预测模型参数B_k，得到第二温度综合预测模型增大参数B_{k_update+}，当残差r_k为负数时，调整第二温度综合预测模型参数B_k，得到第二温度综合预测模型减小参数B_{k_update-}；

S44、针对残差r_k的绝对值大于第二正阈值D，则分别调整第一温度综合预测模型参数A_k和残差r_k，得到第一温度综合预测模型调整参数A_{k_update}和残差更新参数r_k_update；

S45、针对残差更新参数r_k_update的绝对值大于第一正阈值C且同时小于第二正阈值D时，则只调整第二温度综合预测模型参数B_k，其中，当r_k_update为正数时，调整第二温度综合预测模型参数B_k，得到第二温度综合预测模型增大参数B_{k_update+}，当r_k_update为负数时，调整第二温度综合预测模型参数B_k，得到第二温度综合预测模型减小参数B_{k_update-}；

S46、针对r_k_update的绝对值小于或等于第一正阈值C，则不调整第一温度综合预测模型参数A_k和第二温度综合预测模型参数B_k，得到自适应温度综合预测模型；

所述第一温度综合预测模型更新参数A_{k_update}、第二温度综合预测模型增大参数B_{k_update+}和第二温度综合预测模型减小参数B_{k_update-}的表达式分别如下：

A_{k_update}＝β·A_k

B_{k_update+}＝B_k+i·γ

B_{k_update-}＝B_k-i·γ

其中，i表示调整次数，β表示第一调整系数，A_k表示第一温度综合预测模型参数，B_k表示第二温度综合预测模型参数，γ表示第二调整系数。