[发明专利]预测面向复杂多变工况的切削刀具剩余寿命的方法

权利要求书

1.一种预测面向复杂多变工况的切削刀具剩余寿命的方法，其特征在于，具体实施步骤如下：

S1、根据切削加工设备内置的传感器，采集数控系统的NC变量数据，并标记切削刀具的剩余寿命；

S2、利用压缩感知方法对采集的NC变量数据进行降噪处理，获取平稳信号；

S3、根据工艺参数、切削刀具编号和毛坯精度工况之间的差异对步骤S2处理的NC变量数据进行领域划分，得到切削刀具的源域特征空间和目标域特征空间；

S4、通过一维残差块堆叠的方式从切削刀具的源域特征空间和目标域特征空间中提取切削刀具寿命的敏感特征：

S41、建立切削刀具的恒等残差块模型：

S411、构建恒等残差块模型的第一卷积层：根据卷积层深度及特征维度，设定滤波器数量、卷积核尺寸和步长以及随机失活率，并选取RELU激活函数，其函数表达式如下：

其中，x表示激活函数的输入；

S412、对第一卷积层进行正则化处理：引入批正则化层和随机失活层，并按着批正则化层-RELU激活函数-随机失活层-第一卷积层的顺序，对第一卷积层的输入进行正则化处理，从而构造一种预激活结构；

S413、构建恒等残差块模型的第二卷积层：为了提取卷积层更深层次的高级特征，设定更多的滤波器数量，同时根据特征维度，设定卷积核尺寸和步长以及随机失活率；

S414、将第一卷积层的输入与第二卷积层的输出直连来缓解梯度消失并避免模型退化，获得切削刀具的恒等残差块模型；

S42、建立切削刀具的衰减残差块模型：

S421、根据步骤S411中构建第一卷积层的方法构建衰减残差块模型的第一卷积层；

S422、在步骤S413中构建第二卷积层的方法的基础上，通过改变第二卷积层的步长值，获得衰减残差块模型的第二卷积层；

S423、利用最大池化层将第一卷积层的输入与第二卷积层的输出进行直连，根据降维后的特征维度，设定池化尺寸和步长，获得切削刀具的衰减残差块模型；

S5、根据步骤S4提取的切削刀具寿命的敏感特征，利用领域对抗方法与数据分布自适应方法构建刀具剩余寿命预测迁移学习框架：

S51、将步骤S4提取的切削刀具寿命的敏感特征输入到全连接层进行特征加权与扁平化处理，将从切削刀具源域特征空间和目标域特征空间提取的敏感特征分别用FC1S、FC2S和FC1T、FC2T表示；

S52、利用数据分布自适应方法缩小步骤S51中FC层中源域特征空间和目标域特征空间的空间分布差异，以多核最大均值差异作为不同领域间数据分布差异的量化指标，其表达式为：

其中，D_K表示切削刀具源域特征空间和目标域特征空间的多核最大均值差异，D_FC2S表示源域特征空间，D_FC2T表示目标域特征空间，n_s和n_t分别表示切削刀具源域特征空间和目标域特征空间的样本数量，和分别表示切削刀具源域特征空间和目标域特征空间的特征样本，K(·)为由多项式核与高斯核线性组合得到的核函数，其表达式为：

其中，α_p、β_u是核函数的权重系数，k_p、k_u分别表示多项式核函数与高斯核函数，k表示组合核函数；

S53、将步骤S4建立的恒等残差块结构和衰减残差块结构与FC1和FC2层视为特征提取函数G_f(·；θ_f)，并建立领域判别函数G_d(·；θ_d)与切削刀具寿命预测函数G_c(·；θ_c)，将领域判别函数G_d(·；θ_d)与切削刀具寿命预测函数G_c(·；θ_c)间构成对抗学习机制，具体表达式如下：

其中，L₀是优化目标，由刀具寿命预测误差L_c和领域判别误差L_d组成；分别是θ_f，θ_c，θ_d的最优值，该参数经过反向传播机制进行更新。