[发明专利]基于神经网络的进给系统模型训练和预测方法及其系统

说明书

本申请涉及数控系统领域，公开了一种基于神经网络的进给系统模型训练和预测方法及其系统，可以通过输入单轴运动指令时间序列精准预测出实际响应时间序列。本申请中，对进给系统中的至少一个单轴，执行以下步骤：为单轴的N个运动状态分别设置N个神经网络子模型，其中N＝1；从历史数据中获取单轴的单轴运动指令时间序列和实际响应时间序列作为样本数据；根据单轴运动指令时间序列为样本数据标记运动状态；将样本数据按照运动状态分类，分别训练对应运动状态的神经网络子模型，其中神经网络子模型的输入包括单轴运动指令时间序列，神经网络子模型的输出包括实际响应时间序列。

技术领域

本申请涉及数控系统领域，特别涉及进给系统的实际响应时间序列预测技术。

背景技术

数控机床进给系统是一个复杂动态系统，目前通常用数学物理方法，基于简化和假设的控制规律、工艺模型的传统建模方式，建立微分方程及传递函数形式的数学模型，但是这种数学模型在机床非线性要素(反向过程、润滑情况、温度等)的表达能力上存在不足，难以完整、精确地描述其模型。

发明内容

本申请的目的在于提供一种基于神经网络的进给系统模型训练和预测方法及其系统，可以通过输入单轴运动指令时间序列精准预测出实际响应时间序列。

为了解决上述问题，本申请公开了一种基于神经网络的进给系统模型训练方法，对进给系统的至少一个单轴，执行以下步骤：

为该单轴的N个运动状态分别设置N个神经网络子模型，其中N＝1；

从历史数据中获取该单轴的单轴运动指令时间序列和实际响应时间序列作为样本数据；

根据该单轴运动指令时间序列为该样本数据标记运动状态；

将该样本数据按照运动状态分类，分别训练对应运动状态的神经网络子模型，其中该神经网络子模型的输入包括该单轴运动指令时间序列，该神经网络子模型的输出包括该实际响应时间序列。

在一优选例中，该神经网络子模型的输入还包括该实际响应时间序列的时间序列。

在一优选例中，该神经网络子模型的输出为该样本数据中第i+1个实际响应时间序列；

该神经网络子模型的输入包括：该样本数据的单轴运动指令时间序列中第i-M至第i个单轴指令，和，该样本数据中第i-L至第i个实际响应时间序列，其中i为代表时间序列的整数，L和M为正整数。

在一优选例中，该给进系统的每一个单轴都设置有一个神经网络模型，每一个单轴的神经网络模型中包括多个该神经网络子模型，多个该神经网络子模型分别与该单轴的多个运动状态一一对应。

在一优选例中，该运动状态包括：加速、反向、匀速、和减速。

在一优选例中，该根据该单轴运动指令时间序列为该样本数据标记运动状态的步骤之后，还包括：

根据该单轴运动指令时间序列和对应的运动状态，训练运动状态分类器。

在一优选例中，该运动状态分类器为朴素贝叶斯分类器。

在一优选例中，该实际响应时间序列速度是由安装在该给进系统上的位置采集装置采集的位置增量信息除以采集的时间周期时长而得到。

在一优选例中，该位置采集装置是光栅尺。

在一优选例中，该神经网络子模型是深度神经网络。

在一优选例中，该给进系统是数控系统的子系统。

本申请还公开了一种基于神经网络的进给系统模型预测方法，包括：

根据当前点之前的单轴运动指令时间序列确定当前点的运动状态；