[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

说明书

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。

技术领域

本发明涉及特种加工领域的电加工领域，特别涉及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系统。

背景技术

电火花加工是指在一定的介质中，通过工具电极和工件电极之间的脉冲放 电，形成瞬间高温将工件材料局部熔化和气化，从而实现材料蚀除。这种加工方 法不产生切削力，不受刀具材料的限制，可以加工超高硬度、脆性和形状复杂的 工件，因此被广泛应用于模具、航空工业、医疗器械等多个领域。电火花加工通 常通过电火花加工机床来实现。

表征电火花加工性能的主要工艺参数包括电参数(峰值电流、峰值电压、脉 冲宽度、脉冲间隔、加工极性)、非电参数(工作液压力、冲刷方式)及工件的 材料参数(比热、密度、热导系数、熔点)。现有技术中，诸多研究人员从不同 角度，研究了上述工艺参数对电火花加工性能的影响，并力图建立准确的工艺优 化模型。王彤等人进行了单脉冲气中电火花加工电蚀坑形貌仿真分析，获得了工 件表面电蚀坑半径、深度、体积以及深径比随峰值电流与脉冲宽度的变化规律， 进而可预测电火花加工效率与工件的表面质量。姚忠等利用灰关联度分析优化 SKD11电火花加工电参数，发现脉冲放电时间和峰值电流、脉冲间隙时间和间 隙电压对表面粗糙度和材料去除率的影响规律。明五一等将加工速度、三维表面 粗糙度作为评价指标，分析了占空比、峰值电流、电压对钛合金电火花成形加工 的影响。由于工艺参数对电火花加工性能的影响程度难以用精确的数学模型来表 示，因此许多学者将人工神经网络、智能算法和模糊数学引入到电火花加工工艺 优化过程中。周晓铭等以脉冲宽度、脉冲间隔、峰值电流和加工厚度为工艺参数， 建立了基于BP神经网络的电火花线切割工艺指标预测模型，使线切割的切割速 度和表面粗糙度组合最佳。孙忠峰等提出了基于神经网络建模和遗传算法的电火 花线切割工艺参数模糊优化方法，从而提高获得全局最优解的概率而不易陷入局 部最优。

然而，现有技术中的研究一般是以中小型工件的电火花精加工为对象，以优 化电火花加工效率和工件表面质量为目标展开的。随着全球碳排放量激增、能源 日益枯竭，发展“绿色经济”已成为全球热点，在这样的大背景下，传统电火花 加工的能量利用率低、耗能高、非稳态运行的弊端日益突出，特别是对于大型工 件的电火花粗加工，如何使电火花加工在既稳定又节能的状态下长期运行变得十 分迫切。但是，电火花加工是一个物理-化学相互作用的复杂随机过程，评价其 加工稳定性与能耗状态的特征参数具有跨学科、强耦合和非线性的特点，如何精 准建立稳定-节能综合最优的电火花加工工艺模型并对其特征参数进行优化控 制，已成为传统电火花加工向绿色、智能、可持续转型过程中亟待解决的关键问 题。

发明内容

本发明的目的在于提供一种能源利用率相对较高、能够使电火花加工既稳定 又节能地长期运行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。

为实现上述目的，本发明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。