[发明专利]一种基于迁移学习的材料去除率模型的建立方法和装置

说明书

本发明公开了一种基于迁移学习的材料去除率模型的建立方法和装置属于材料磨抛加工领域，所述方法包括：S1：选择一种材料作为源材料，选择另外一种材料作为目标材料；S2：针对源材料进行多次磨抛实验并将记录的实验数据作为源数据；针对目标材料通过优选规则选出少量实验点，对少量实验点进行磨抛实验并将记录的实验数据作为真实目标数据；S3：利用仿射变换将源数据和真实目标数据之间的差异最小化，以构造伪目标数据；S4：利用真实目标数据和仿射得到的伪目标数据进行训练，利用自适应加权算法建立目标材料对应的材料去除率模型。本发明建立磨抛材料去除率模型时，迁移源材料的知识进行应用，操作效率高、简单易于实施，成本较低。

技术领域

本发明属于材料磨抛加工领域，更具体地，涉及一种基于迁移学习的材料去除率模型的建立方法和装置。

背景技术

磨抛加工作为快速提高工件表面光洁度与尺寸精度的重要工序之一，一方面可以去除铣削加工的切削刀痕，另一方面使工件表面粗糙度达到质量要求。随着机器人学的飞速发展，利用机器人代替手工进行磨抛成为大势所趋。而建立精确的材料去除率模型对于确定机器人磨抛的工艺参数具有重要意义。

而工件材料多种多样，如在机器人磨抛航空发动机叶片中，仅铸造叶片材料就超过20种，若对每种材料都采用实验的方法建立材料去除率模型，则费时费力，操作效率较低、成本较高。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于迁移学习的材料去除率模型的建立方法和装置，其目的在于基于迁移学习通过重复利用不同材料的磨抛实验数据来建立不同材料的磨抛材料去除率模型，由此解决建立磨抛材料去除率模型操作效率较低、执行成本较高的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于迁移学习的材料去除率模型的建立方法，包括：

S1：选择一种材料作为源材料，选择另外一种材料作为目标材料；

S2：针对所述源材料，进行多次磨抛实验并将记录的实验数据作为源数据；针对所述目标材料，通过优选规则选出少量实验点，对所述少量实验点进行磨抛实验并将记录的实验数据作为真实目标数据；

S3：利用仿射变换将所述源数据和所述真实目标数据之间的差异最小化，以构造伪目标数据；

S4：利用所述真实目标数据和仿射得到的所述伪目标数据进行训练，利用自适应加权算法建立所述目标材料对应的材料去除率模型。

在其中一个实施例中，所述S2包括：

分别对所述源材料和所述目标材料进行磨抛实验获取所述源数据和所述真实目标数据；所述源数据T_src和所述真实目标数据T_tar分别为：

其中，x_i＝{n_i,v_i,f_i}，n_i,v_i,f_i分别为磨抛实验采用的主轴转速、机器人进给速度和法向接触力值，y_i＝{y_1i}，y_1i为实验对应的材料去除厚度值，n和m分别为所述源数据的数量和所述真实目标数据的数量，且n＞m。

在其中一个实施例中，所述S2中优选规则包括：

所述真实目标数据的空间边界与所述源数据一致；以及所述真实目标数据应覆盖所述源数据的主要局部极值。

在其中一个实施例中，所述S3包括：

将实验获得的所述源数据和所述真实目标数据分别表示为：