[发明专利]一种刀具寿命预测方法及智能刀具管理系统

权利要求书

1.一种刀具寿命预测方法，其特征在于，包括以下步骤：

S1：设定n种影响刀具寿命的参数，并选择m组刀具的数据组成训练数据集，每组刀具数据均包括n个对应于每种参数的参数值和刀具寿命值；

S2：建立刀具寿命预测模型，将训练数据集中的各参数值作为输入数据，刀具寿命值作为输出数据，对刀具寿命预测模型进行训练，确定刀具寿命预测模型的参数；

步骤S2具体包括以下步骤：

S21：对模型参数进行初始化设定：

输入层个数为n个；

隐含层个数为k个；

输出层神经元个数为1个；

输入层至第i个隐含层之间的连接权值a_i＝[a_i1,a_i2,……,a_in]^T；

第i个隐含层的阈值b_i；

输出权值矩阵c_i＝[c₁,c₂,……,c_k]^T；

激励函数g(x)；

其中，连接权值a_i和阈值b_j的取值范围为[-1,1]；

S22：对刀具寿命预测模型进行多次训练，确定最优的连接权值和隐含层的阈值，生成最优的刀具寿命预测模型；

步骤S22具体包括以下步骤，

S221：设定最大迭代次数H_max、群体数目NP、交叉因子CR和变异因子F；

S222：随机生成初始种群其中，H代表迭代次数，NP代表群体数目，D代表种群维数；

S223：设定m个样本的输出矩阵G：

S224：根据m个样本的输出矩阵G和输出数据集Y计算m个样本的输出权值矩阵C＝[c₁,c₂,……,c_k]^T：

C＝(G^TG)^-1G^T*Y

其中，(G^TG)^-1G^T为输出矩阵G的广义逆矩阵；

S225：计算适应度值PE：

其中，为表示二阶范数的平方，PE越小，精确度越高；

S226：从种群中随机选择三个个体r1、r2、r3∈[1,NP]，且r1≠r2≠r3，

根据下式生成变异后的种群：

式中：是变异种群P_v中的个体，F为变异因子，0F2；

S227：变异个体与父代个体离散交叉得到更新的新生代个体

式中：交叉因子CR∈[0,1]，j_rand为[1,D]间随机整数，rand(.)表示随机数；

S228：新生代个体与父代个体的适应度值PE进行比较，两者之间值较小者进入下一代，否则保留；

S229：重复步骤S223到步骤S228，直到迭代次数H达到最大迭代次数H_max设定此时的连接权值和隐含层的阈值为最优的连接权值和隐含层的阈值，生成最优的刀具寿命预测模型；

S3：将待测刀具的数据输入最优的刀具寿命预测模型中，根据模型的输出确定刀具寿命的预测值。

2.根据权利要求1所述的刀具寿命预测方法，其特征在于：步骤S1中，设定训练数据集的输入数据集X＝[x_m1,x_m2,x_m3,…,x_mn]^T，输出数据集Y＝[y₁,y₂,y₃,…,y_m]^T。

3.一种智能刀具管理系统，其特征在于：用于实现权利要求1～2中任一所述的方法，包括智能刀具全生命周期管理模块、统计分析管理模块、可视化管理模块和基础信息管理模块；所述智能刀具全生命周期管理模块、统计分析管理模块、可视化管理模块和基础信息管理模块均部署在应用服务器上，智能刀具管理系统还包括数据服务器用以管理刀具数据。