[发明专利]一种校直自适应优化方法、系统、存储介质及计算设备

权利要求书

1.一种校直自适应优化方法，其特征在于，包括以下步骤：

S1、对细长轴进行校直，测量并收集校直点在整个校直流程中产生的数据，并将数据存储在初始数据库中；

S2、对数据进行筛选，在满足预期校直量的数据中，保留细长轴校直后弯曲量误差波动范围最大的一组数据作为潜力数据，将筛选出的潜力数据整合成新数据库，设预期校直距离为D_i，校直后细长轴实际的形变量为L_i，弯曲量波动误差为H_i，对于L_i相同的几组数据，当D_i＜L_i+H_i时，保留H_i最大的一组数据作为潜力数据；

S3、对合成的新数据库使用BP神经网络优化算法预测下一轮校直流程所需的最佳下压量与细长轴两支撑点之间的跨距，使用BP神经网络开展下压量与细长轴两支撑点之间的跨距预测前，先对新数据库中的数据进行归一化处理，构建输入层为7节点，输出层为1节点，单隐含层6节点的BP神经网络结构预测最佳下压量与细长轴两支撑点之间的跨距，隐含层传递函数为正切S型传递函数tansig，输出层传递函数为线性传递函数purelin，目标精度为10^-8，学习效率为0.1；

S4、根据预测的最佳下压量与细长轴两支撑点之间的跨距再次开展细长轴校直实验，得到一组新的校直数据，将实验数据纳入数据库，训练BP神经网络，调整算法学习率，对下一次校直预测量进行优化。

2.根据权利要求1所述的方法，其特征在于，步骤S1中，数据包括三点弯曲智能校直机在校直过程中细长轴实际形变量、细长轴两支撑点之间的跨距以及细长轴单次校直后产生的弯曲量波动误差。

3.根据权利要求1所述的方法，其特征在于，步骤S2中，细长轴校直后，使用激光位移传感器测得最大弯曲点的位置，将与最大弯曲点空间角度之差为±15°的点作为支撑点；取+15°与-15°两个支撑点当中距离压点小于500mm的点作为最终支撑点，确定最终支撑点后，设置另一支撑点与最终支撑点关于压点对称，两点之间的距离为细长轴两支撑点之间的跨距。

4.根据权利要求1所述的方法，其特征在于，步骤S4中，BP神经网络与潜力数据构成的新数据库相结合后，预测得到细长轴下一轮校直流程所需最佳的下压量与细长轴两支撑点之间的跨距，使用对应数据对细长轴再次展开校直，重复此过程直到细长轴校直直线度达到要求，每次开展细长轴校直流程都会产生一组新数据，随后三点弯曲智能校直机自动存储并更新数据库，再次训练模型，重复此流程，不断提高BP神经网络的预测准确率。

5.一种校直自适应优化系统，其特征在于，包括：

测量模块，对细长轴进行校直，测量并收集校直点在整个校直流程中产生的数据，并将数据存储在初始数据库中；

筛选模块，对数据进行筛选，在满足预期校直量的数据中，保留细长轴校直后弯曲量误差波动范围最大的一组数据，将筛选出的潜力数据整合成新数据库，设预期校直距离为D_i，校直后细长轴实际的形变量为L_i，弯曲量波动误差为H_i，对于L_i相同的几组数据，当D_i＜L_i+H_i时，保留H_i最大的一组数据作为潜力数据；

预测模块，对合成的新数据库使用BP神经网络优化算法预测下一轮校直流程所需的最佳下压量与细长轴两支撑点之间的跨距，使用BP神经网络开展下压量与细长轴两支撑点之间的跨距预测前，先对新数据库中的数据进行归一化处理，构建输入层为7节点，输出层为1节点，单隐含层6节点的BP神经网络结构预测最佳下压量与细长轴两支撑点之间的跨距，隐含层传递函数为正切S型传递函数tansig，输出层传递函数为线性传递函数purelin，目标精度为10^-8，学习效率为0.1；

优化模块，根据预测的最佳下压量与细长轴两支撑点之间的跨距再次开展细长轴校直实验，得到一组新的校直数据，将实验数据纳入数据库，训练BP神经网络，调整算法学习率，对下一次校直预测量进行优化。