[发明专利]基于深度学习的电火花加工稳定性与能耗状态优化决策系统及决策方法

摘要

本发明公开了一种基于深度学习的电火花加工稳定性与能耗状态优化决策平台。用特征筛选法挖掘分析电火花加工数据，得到加工稳定性与能耗状态的优化指标；用K‑medoids算法对优化指标进行聚类，获得加工稳定性与能耗状态的分布情况，并构建稳定加工状态数据库和节能放电状态数据库；用历史电火花加工数据训练LSTM递归神经网络深度学习获得实时电火花加工状态的预测值，结合优化指标的统计特征值，判定当前为非正常加工状态时，对加工稳定性与能耗状态进行多目标优化，获得稳定‑节能加工状态综合最优目标值，并据此调控当前加工参数值。本发明基于深度学习，给出了稳定‑节能综合最优的电火花加工参数优化决策方法，使电火花加工在稳定又节能的状态下运行。

主权项

1.基于深度学习的电火花加工稳定性与能耗状态优化决策系统，其特征在于：包括数据预处理模块、加工稳定性与能耗状态优化指标挖掘模块、加工稳定性与能耗状态优化指标聚类分析模块、稳定加工状态数据库和节能放电状态数据库构建模块、加工稳定性与能耗状态优化指标统计特征获取模块、加工稳定性与能耗状态特征参数深度学习模块以及加工稳定性与能耗状态优化决策模块；/n数据预处理模块用于对电火花机床的电控装置获取的电火花加工数据进行抽取、清洗、融合和归约处理，为后续的加工稳定性与能耗状态优化指标挖掘模块、加工稳定性与能耗状态优化指标聚类分析模块、稳定加工状态数据库和节能放电状态数据库构建模块以及加工稳定性与能耗状态特征参数深度学习模块提供基础的历史电火花加工数据；/n加工稳定性与能耗状态优化指标挖掘模块使用特征筛选法对数据预处理模块传送的历史电火花加工数据进行挖掘分析，获得影响加工稳定性和能耗的敏感特征参数，作为加工稳定性与能耗状态优化指标并提供给加工稳定性与能耗状态优化指标聚类分析模块；/n加工稳定性与能耗状态优化指标聚类分析模块根据加工稳定性与能耗状态优化指标，对数据预处理模块传送的历史电火花加工数据进行聚类分析，标注稳定、亚稳定和不稳定三个加工稳定性状态类别，获得历史电火花加工数据中各加工稳定性状态类别的分布情况；标注节能、耗能和高耗能三个放电能耗状态类别，获得历史电火花加工数据中各放电能耗状态类别的分布情况；/n稳定加工状态数据库和节能放电状态数据库构建模块根据加工稳定性与能耗状态优化指标聚类分析模块提供的聚类分析结果，对数据预处理模块传送的历史电火花加工数据进行稳定加工类别筛选，得到稳定加工状态数据库；对数据预处理模块传送的历史电火花加工数据进行节能放电类别筛选，得到节能放电状态数据库；/n加工稳定性与能耗状态优化指标统计特征获取模块通过电火花机床的电控装置获取实时电火花加工数据并计算其统计特征值，作为判断当前电火花加工状态的依据；/n加工稳定性与能耗状态特征参数深度学习模块，利用LSTM递归神经网络对历史电火花加工数据进行深度学习获得预测模型，预测实时电火花加工状态的变化趋势，用预测值辅助辨识当前电火花加工状态；/n加工稳定性与能耗状态优化决策模块对当前电火花加工状态进行判断，当判定当前电火花加工状态为非正常时，计算得到稳定-节能加工状态综合最优的目标值并通过电火花机床的电控装置调控当前电火花加工参数的参数值。/n