[发明专利]一种工业精加工过程加工质量实时预测方法和系统

权利要求书

1.一种工业精加工过程加工质量实时预测方法，其特征在于，该方法包括：

训练阶段：

接收目标工序的指定；

获取多组目标工序各工序当前加工完CMM数据和成品CMM数据，作为训练数据集；

采用训练数据集训练加工质量预测模型，直至满足加工精度要求，得到训练好的加工质量预测模型；

所述加工质量预测模型，包括：归一化模块，用于对原始CMM数据进行归一化；S个特征处理模块，其中，第一特征处理模块，用于将归一化后CMM数据进行多次特征计算，得到预处理后的数据，剩下的第s特征处理模块，用于对第s-1特征筛选模块的输出进行多次计算，得到当前步的决策输出，用于预测任务；S-1个特征筛选模块，其中，第s特征筛选模块，用于将第s特征处理模块的输出和归一化后CMM数据进行特征筛选，得到第s轮对加工质量具有影响的特征；反馈回归模块，用于将第二特征处理模块至第S特征处理模块的输出进行全连接，再经过Softmax函数，得到指定维度的CMM数据；

应用阶段：获取目标工序中各工序当前加工完CMM数据，一起输入至训练好的加工质量预测模型，预测出所有加工工序完成后的CMM数据。

2.如权利要求1所述的方法，其特征在于，所述特征处理模块包括：

第一特征增强模块，用于对输入数据进行特征增强，分别输出至第二特征增强模块和第三特征增强模块；

第二特征增强模块，用于对输入数据进行特征增强，分别输出至第三特征增强模块和第四特征增强模块；

第三特征增强模块，用于对第一特征增强模块输出的特征加权值和第二特征增强模块输出的特征求和，对求和后的数据进行特征增强，输出至第四特征增强模块；

第四特征增强模块，用于对第二特征增强模块输出的特征加权值和第三特征增强模块输出的特征求和，对求和后的数据进行特征增强，输出至对应特征筛选模块。

3.如权利要求2所述的方法，其特征在于，所述特征增强模块包括串联的全连接层、归一化层和门控线性单元GLU。

4.如权利要求2所述的方法，其特征在于，权重均为

5.如权利要求1所述的方法，其特征在于，所述特征筛选模块包括：

注意力Transformer模块，用于以对应特征处理模块的输出为先验信息，对归一化后CMM数据重新进行加权组合，得到加权CMM矩阵；

特征掩码模块，用于对前一步的特征处理模块的输出进行特征筛选处理，得到特征掩码矩阵。

6.如权利要求5所述的方法，其特征在于，所述注意力Transformer模块减小使用次数多的特征的权重占比。

7.如权利要求5所述的方法，其特征在于，第s特征掩码模块的输出M_s∈R^N×P如下：

其中，N为CMM数据对应的工件总数，P为CMM数据的维度，sparsemax为一种规范化过程，它通过将欧氏投影映射到概率单形来实现稀疏性，σ_s-1∈R^N×p为由s-1步得到的先验尺度矩阵，为当前第s步的权重，h_s-1为s-1步得到的部分决策输出，γ为松弛参数。

8.如权利要求7所述的方法，其特征在于，训练阶段的损失函数由两部分组成：用于最小化预测误差的均方误差损失函数l_r和用于进一步控制所选特征的稀疏性的稀疏性正则化l_sparse：

l＝l_r+λl_sparse

其中，和分别为加工后工件的实际CMM数据和预测CMM数据；λ为控制l_r和l_s之间的平衡的参数，ε为增加数值的稳定性的极小数。

9.一种工业精加工过程加工质量实时预测系统，其特征在于，包括：计算机可读存储介质和处理器；

所述计算机可读存储介质用于存储可执行指令；

所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行权利要求1至8任一项所述的工业精加工过程加工质量实时预测方法。