[发明专利]一种数控加工表面粗糙度预测模型的构建方法

权利要求书

1.一种数控加工表面粗糙度预测模型的构建方法，其特征在于，包括以下步骤：

S1：安装刀具，并获取所述刀具在实际安装悬长下刀尖点的频响函数，依据该频响函数计算并生成稳定性叶瓣图；

S2：选取加工参数，并依据步骤S1中所述稳定性叶瓣图对所述加工参数的数值进行筛选，得到使加工处于稳定状态的多组稳定加工参数；

S3：依据步骤S2中每组所述稳定加工参数分别对工件进行加工，获取每次加工的加工过程数据特征值及工件加工后的表面粗糙度数值；

所述的加工过程数据特征值是通过对原始加工过程数据进行数据预处理后再通过特征提取获得的；

S4：以步骤S2中所述稳定加工参数和步骤S3中所述加工过程数据特征值为特征向量，步骤S3中所述表面粗糙度作为标签，合并组成稳定加工特征数据集；对所述稳定加工特征数据集中的特征向量进行归一化处理，并进行特征选择，以得到与所述标签相关度大的特征，作为优选特征，形成稳定加工优选数据集；

S5：以BP-CNN神经网络模型为框架，利用步骤S4中所述稳定加工优选数据集进行训练获得表面粗糙度预测模型。

2.如权利要求1所述的构建方法，其特征在于，所述BP-CNN神经网络模型是在神经网络中融入了反向传播神经网络的误差传递特性和卷积神经网络的卷积层得到的。

3.如权利要求2所述的构建方法，其特征在于，融入所述误差传递特性的具体方式为：将所述误差传递特性添加至输出层的神经节点中；融入所述卷积层的具体方式为：将所述卷积层加入隐含层与输出层之间。

4.如权利要求1所述的构建方法，其特征在于，所述加工参数包括主轴转速、切深和进给量。

5.如权利要求4所述的构建方法，其特征在于，步骤S2中对所述加工参数的数值进行筛选的方法为：以所述主轴转速和切深在所述稳定性叶瓣图上绘出对应的节点，选取位于所述稳定性叶瓣图等高线以下的节点。

6.如权利要求1所述的构建方法，其特征在于，所述加工过程数据包括加工力数据、工件振动数据和主轴电流数据。

7.如权利要求1所述的构建方法，其特征在于，步骤S3中所述数据预处理包括依次进行的频谱分析和自适应滤波。

8.如权利要求7所述的构建方法，其特征在于，所述频谱分析为对所述加工过程数据做离散傅里叶变换，进而得到加工过程数据的幅值谱；所述自适应滤波为根据所述幅值谱得到幅值阈值，并对离散傅里叶变换后的各频率分量实施加权滤波。

9.如权利要求1所述的构建方法，其特征在于，步骤S3中所述特征提取为计算加工过程数据的时域特征、频域特征及小波包特征；所述时域特征包括最大值、最小值、均值、极差、均方根值、方差、偏度、峰度、峰度因子、波形因子、脉冲因子以及裕度因子；所述频域特征包括频谱密度、能量谱密度以及功率谱密度；所述小波包特征为0-2khz内八个节点系数的偏度和峭度。

10.如权利要求1所述的构建方法，其特征在于，步骤S4中所述特征选择的具体方式为，通过散点矩阵图去除冗余的特征，并通过相关系数分析法选择与所述标签相关度大的特征，以得到所述优选特征。