[发明专利]基于迁移学习的不同数控机床刀尖模态参数预测方法及系统

权利要求书

1.一种基于迁移学习的不同数控机床刀尖模态参数预测方法，其特征在于，包括：

步骤1，选择多台同型号的铣削加工中心，分别在每一台铣削加工中心的机床上的同一位置进行模态锤击实验，测量机床刀尖FRFs，比较同类型不同数控机床同一刀具的刀尖FRFs差异；

步骤2，选择任一机床为源机床，在机床主轴转速和运行空间范围内进行主轴转速逐步提升实验，直到颤振发生，记录颤振频率和对应的极限轴向切深，辨识不同位置-速度下的刀尖模态参数；

步骤3，采用Kriging方法建立源机床与位置-速度相关的刀尖模态参数回归预测模型，准确预测机床不同位置和转速下的刀尖模态参数；

步骤4，所述多台同型号的铣削加工中心，除源机床外，其余为目标机床，针对目标机床在预设位置和预设主轴转速下进行铣削实验，辨识其对应的刀尖模态参数，将源机床数据与目标机床数据融合，通过权重自适应联合分布适配迁移学习方法减小源机床和目标机床模态参数数据的边缘概率分布和条件概率分布的差异，当迁移学习损失曲线稳定后，结束对迁移学习模型的迭代训练，得到最优的目标机床刀尖模态参数预测模型进行刀尖模态参数预测。

2.根据权利要求1所述的基于迁移学习的不同数控机床刀尖模态参数预测方法，其特征在于，所述步骤1具体包括：

在每一台同类型的数控机床刀尖安装了一个低质量、宽频带的单向加速度计，用于监测刀尖X、Y方向上的振动；

所述加速度计与采集系统相连接，所述采集系统的系统采样率为8192Hz，测量过程中每五次取一次平均值。

3.根据权利要求1所述的基于迁移学习的不同数控机床刀尖模态参数预测方法，其特征在于，所述步骤2具体包括：

所述源机床的预设最大行程为X*Y*Z＝850*500*560mm，经过初步预实验后确定的机床实验位置点一共18个；

所述源机床主轴的转速范围为50-8000rpm，选取实验主轴转速范围为4300-7200rpm，转速范围间隔为200rpm，一共15组主轴转速；

根据所述机床实验位置点和主轴转速，在270组位置-速度组合下进行铣削实验，通过逐渐改变轴向切深直到颤振发生，通过逆稳定性解辨识对应刀尖模态参数。

4.根据权利要求1所述的基于迁移学习的不同数控机床刀尖模态参数预测方法，其特征在于，所述步骤3具体包括：

将Kriging近似模型分解成预测位置-速度相关的刀尖模态参数和服从正态分布的随机函数两部分；

将随机函数部分表示成协方差矩阵形式，并进一步表示2个样本点与位置-速度相关的函数；

采用高斯函数和指数函数拟合与位置-速度相关的函数，辨识其中的未知参数；

计算Kriging模型近似值和真实值之间的误差，调整相关参数，最小化预测误差。

5.根据权利要求4所述的基于迁移学习的不同数控机床刀尖模态参数预测方法，其特征在于，所述步骤4具体包括：

根据源机床的实验结果，确定目标机床需要实验的20组关键位置-速度组合；

根据逆稳定性解辨识目标机床关键位置-速度组合下的刀尖模态参数；

采用权重自适应联合分布适配迁移学习方法减少源机床与目标机床刀尖模态参数数据的边缘概率分布和条件概率分布；

将融合后的新数据代入步骤3中的Kriging模型中，训练得到目标机床刀尖模态参数预测模型进行刀尖模态参数预测。

6.一种基于迁移学习的不同数控机床刀尖模态参数预测系统，其特征在于，包括：

数据测量比较模块，用于选择多台同型号的铣削加工中心，分别在每一台铣削加工中心的机床上的同一位置进行模态锤击实验，测量机床刀尖FRFs，比较同类型不同数控机床同一刀具的刀尖FRFs差异；

参数辨识模块，用于选择任一机床为源机床，在机床主轴转速和运行空间范围内进行主轴转速逐步提升实验，直到颤振发生，记录颤振频率和对应的极限轴向切深，辨识不同位置-速度下的刀尖模态参数；

模型建立模块，用于采用Kriging方法建立源机床与位置-速度相关的刀尖模态参数回归预测模型，准确预测机床不同位置和转速下的刀尖模态参数；

参数预测模块，用于针对目标机床在预设位置和预设主轴转速下进行铣削实验，辨识其对应的刀尖模态参数，将源机床数据与目标机床数据融合，通过权重自适应联合分布适配迁移学习方法减小源机床和目标机床模态参数数据的边缘概率分布和条件概率分布的差异，当迁移学习损失曲线稳定后，结束对迁移学习模型的迭代训练，得到最优的目标机床刀尖模态参数预测模型进行刀尖模态参数预测。