[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

权利要求书

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；

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；

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；

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；

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；

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；

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；

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。

2.使用权利要求1所述的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的决策方法，其特征在于依次按以下步骤进行：

第一步骤是通过数据预处理模块进行数据抽取、数据清洗、数据融合和数据归约处理；

第二步骤是通过加工稳定性与能耗状态优化指标挖掘模块挖掘加工稳定性与能耗状态优化指标；

第三步骤是通过加工稳定性与能耗状态优化指标聚类分析模块标注加工稳定性状态类别和放电能耗状态类别；

第四步骤是通过稳定加工状态数据库和节能放电状态数据库构建模块构建稳定加工状态数据库和节能放电状态数据库；

第五步骤是通过加工稳定性与能耗状态优化指标统计特征模块计算实时电火花加工数据的统计特征值，作为判断当前电火花加工状态的依据；

第六步骤是利用加工稳定性与能耗状态特征参数深度学习模块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；

第七步骤是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。