[发明专利]一种基于区间的数控机床性能预测方法

说明书

技术领域

本发明涉及工程设备性能预测领域，特别涉及一种数控机床加工性能的预测方法。

背景技术

制造业发展水平的高低是衡量一个国家综合实力的重要标志之一，是一个国家在国际市场上竞争获胜的关键因素，而数控机床是制造业的工作母机。在高速、超载荷、大位移等复杂加工工况下，数控机床由于受到加工过程中的振动、冲击、变形等因素，将引起机床的性能退化，导致机床的主轴、齿轮、丝杠、导轨、轴承等机械部件产生各种故障，由此引起数控机床的运动误差、部件磨损甚至意外停机等问题。因此，为了使数控机床加工过程安全、可靠、高效、高质地进行，数控机床加工性能的监测尤为重要。

传统的性能预测方法有人工神经网络、支持向量机、模糊理论、马尔可夫链模型等。它们的一个共同特点是把采集到数据的值当做精确值，没有充分考虑不确定的存在，使测量准确性不高。以马尔科夫链模型预测为例，马尔可夫链有一个重要性质“无后效性”：将来状态只与当前状态有关，而与过去状态无关。马尔可夫链预测模型常用于天气预测、股票趋势预测和桥梁预测等等。它是一种基于对实时、历史数据的分析，通过马尔可夫链建立相应预测模型，为当前应用系统做出性能预测方法。其基本步骤为：数据采集；对采集的信号进行分离，提取需要的特征信号，同时对这些信号进行分析和处理；建立预测模型；对发展趋势进行预测。但其也许并不能取得好的预测精度，这是因为数据采集值为一个精确值，没有考虑不确定性，导致马尔可夫链中参数为精确概率组成，输出的状态是一个精确概率值组成的向量，预测没有鲁棒性。

而且，数控机床是一种自动化程度高、结构复杂的先进加工设备。数控机床加工的研究存在许多待处理问题，如加工过程的环境复杂性、材质不一性和测量不精确性引起的偶然性不确定性，以及对科学未知性、不可观测性和人类先验知识匮乏而引起的知识不确定性问题。为了提高预测准确性，知识的不确定性不可疏忽，必须加以考虑。而传统的概率很好的表述了偶然不确定性，区间能够很好的俘获知识不确定性问题。

中国专利文献201110200365.5公开了一种多域信息融合方法，并具体给出了数控机床的广义隐马尔科夫模型，它主要是提出一种信息融合方法，没有涉及数控机床性能预测。

发明内容

本发明的目的是针对数控机床加工过程中各种不确定性问题，利用区间获取特征数据，提供一个区间化的马尔科夫链预测测模型，并对数控机床性能进行预测的一种方法。该方法能够解决数控机床加工过程中因各种不确定性问题的存在而带来的预测不可靠性，具有很强的预测鲁棒性。

实现本发明的目的所采用的具体技术方案如下：

一种基于区间的数控机床性能预测方法，具体包括如下步骤：

（1）信息获取

通过测量工具获取数控机床加工中每种测量数据的测量值{x₁,x₂,..,x_k}，k＝1,2，...,m，m为测量数据的个数，组合形成数控机床加工信号数据集{X_i}，其中X_i＝{x₁,x₂,..,x_k}，i＝1,2，，...，l,l为测量数据的种类数。

测量数据的种类可以为切削力、振动信号、切削温度、声发射信号、切削扭矩或电机功率等数据，其中对应的测量工具可以为测力仪、加速度传感器、红外温度传感器、声发射传感器、扭矩传感器和功率传感器等。

（2）数据区间化