[发明专利]一种基于动力学及深度神经网络的进给系统混合建模方法

摘要

发明公开了一种数控机床进给系统混合建模方法，包括一个动力学基础模型和一个基于大数据的神经网络偏差模型；动力学基础模型由动力学理论分析及参数辨识得到；神经网络偏差模型通过利用指令序列、动力学基础模型的仿真预测数据和实际响应数据分析训练得到；将指令序列输入进给系统混合模型中，对实际响应序列进行预测，得到混合预测序列。本发明技术方案相比单纯的动力学模型，对高度非线性过程(如反向过程)的仿真更精准，相比单纯的神经网络模型，对不同加工工艺下的泛化能力更强。通过混合建模的方式，实现对复杂动态的进给系统的准确模拟。

主权项

1.一种基于动力学及深度神经网络的进给系统混合建模方法，其特征在于，包括S1根据数控机床进给系统组成部件的动力学分析，建立进给系统对应的动力学基础模型；S2获取至少一个数控指令序列，将指令序列分别输入到数控机床进给系统及其对应的动力学基础模型；S3采集进给系统的实际响应输出及其对应的动力学基础模型的仿真预测输出，获取该指令序列对应的实际响应序列和仿真预测序列；S4利用同一指令序列及其对应的实际响应序列和仿真预测序列对神经网络进行训练，获得能够修正实际响应序列和仿真预测序列之间偏差的偏差模型；S5将指令序列输入动力学基础模型，获取对应的仿真预测序列并输入所述偏差模型得到对应的模型偏差序列，通过仿真预测序列和模型偏差序列获取该指令序列所对应的进给系统混合模型输出。