[发明专利]一种基于TPOT的铣槽机施工设定参数推荐方法

权利要求书

1.一种基于TPOT的铣槽机施工设定参数推荐方法，其特征在于，包括：

S1：获取铣槽机铣削作业时的施工参数；

S2：对所述步骤S1中的所述施工参数进行预处理，得到铣槽机施工特征数据样本；

S3：利用TPOT方法，优化所述步骤S2中的所述特征数据样本，获得用于对铣槽机施工设定参数的预测模型；

S4：将铣槽机实时工作的工况数据输入步骤S3中的所述预测模型，得到铣槽机当前推荐设定参数数值，辅助人工调整铣槽机施工设定参数；

所述步骤S1中施工参数包括：

自变量数据：铣轮液压油压力、铣轮液压油温度、铣槽机的齿轮箱油压、铣槽机的泥浆泵流量、铣槽机的泥浆泵压力、铣槽机的环境压力、铣槽机的泄露油压；

因变量数据：左铣轮转速、右铣轮转速、铣槽机的泥浆泵转速、铣槽机的进给速度、铣槽机的附加载荷重量；

其他数据：铣槽机的进给深度；

所述步骤S2中预处理包括以下步骤：

A1：将每组施工参数中数据缺省、内容为乱码的数据整组剔除；

A2：根据每组施工参数中铣槽机的进给深度，判断该组数据对应的铣槽机状态是否为正常铣削工况，将非铣削工况的数据整组剔除；

A3：将施工参数中的所述自变量数据做Z-Score标准化处理；

所述步骤A2中的判断标准包括：

若铣槽机某一段的连续进给深度首次达到最大值，则判断该段正常连续铣削作业结束，将该时刻之前的数据作为该段正常铣削施工数据；若后续铣槽机在进给深度达到最大值后仍继续作业，则以该深度和该继续作业时刻为起点归为下一段的正常铣削数据；

所述步骤S3中训练流程包括以下步骤：

B1：所述预处理后的所述数据样本分为训练集数据、测试集数据；

B2：将所述步骤B1中的训练集数据输入TPOT生成算法流程；

B3：将所述步骤B1中测试集数据的自变量数据输入所述步骤B2中的算法流程，获得预测因变量数据；

B4：将所述步骤B3中预测因变量数据与所述步骤B1中测试集数据的因变量数据可视化比对，评价所述步骤B2中的算法流程的预测效果；

所述步骤B1中随机抽取80％的样本数据作为所述训练集数据，20％的样本数据作为所述测试集数据；

建立预测模型时包括如下步骤：

C1、设置TPOT回归器参数；

C2、训练集数据中将自变量数据和因变量数据中的左铣轮转速输入TPOT回归器；

C3、TPOT通过优化得到左铣轮转速的回归算法流程，回归算法流程包括梯度提升回归和AdaBoost回归，先由梯度提升回归算法对自变量进行回归，预测值作为一种中间变量与自变量合并，然后由AdaBoost算法对合并后的自变量进行回归；

C4、以C3步骤中获取的回归算法流程对训练集进行训练，得到左铣轮转速的预测模型的预测模型，利用测试集数据验证回归效果；

C5、将每个自变量数据分别和右铣轮转速、铣槽机的泥浆泵转速、铣槽机的进给速度、铣槽机的附加载荷重量输入TPOT回归器，重复步骤C1到C4，得到所有自变量数据设定参数的预测模型。

2.根据权利要求1所述的基于TPOT的铣槽机施工设定参数推荐方法，其特征在于，所述步骤S4中将铣槽机实时工作的工况数据做Z-Score标准化处理。