[发明专利]打磨工艺参数组合的确定方法、装置、电子设备和介质在审
申请号: | 202210561504.5 | 申请日: | 2022-05-23 |
公开(公告)号: | CN114662410A | 公开(公告)日: | 2022-06-24 |
发明(设计)人: | 刘守河;谢晖;易建业 | 申请(专利权)人: | 季华实验室 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/04;G06N3/08;G06F119/14 |
代理公司: | 北京开阳星知识产权代理有限公司 11710 | 代理人: | 姚金金 |
地址: | 528200 广东省*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 打磨 工艺 参数 组合 确定 方法 装置 电子设备 介质 | ||
1.一种打磨工艺参数组合的确定方法,其特征在于,所述方法包括:
获取多个梯度的需求参数;所述需求参数包括:模具表面粗糙度和打磨去除量;
基于目标预测模型获取各个梯度的需求参数对应的目标工艺参数组合;所述目标工艺参数组合包括:主轴电机转速、打磨压力、进给、步距、磨头目数以及磨头直径;
根据各个梯度的需求参数、以及各个梯度的需求参数对应的目标工艺参数组合,建立工艺参数数据库;
基于目标需求参数和所述工艺参数数据库,确定目标需求参数对应的目标工艺参数组合。
2.根据权利要求1所述的方法,其特征在于,基于目标预测模型获取各个梯度的需求参数对应的目标工艺参数组合之前,所述方法还包括:
获取数据样本集;所述数据样本集包括:训练样本集和测试样本集;
构建预设传递函数;所述预设传递函数用于建立工艺参数组合与需求参数之间的非线性关系;
根据所述训练样本集、以及所述预设传递函数对初始预测模型进行训练,以获取目标预测模型。
3.根据权利要求2所述的方法,其特征在于,所述获取数据样本集,包括:
确定需求参数;
分析影响所述需求参数的各个工艺参数,为各工艺参数均设置W个工艺参数水平,所述W为大于等于2的整数;
根据正交实验原则设计实验方案,确定预设数量个实际工艺参数组合;
测量所述预设数量个实际工艺参数组合分别对应的实际需求参数;
根据所述预设数量个实际工艺参数组合、以及所述预设数量个实际工艺参数组合分别对应的实际需求参数,获取数据样本集。
4.根据权利要求2所述的方法,其特征在于,所述构建预设传递函数,包括:
确定均方误差函数;
以所述均方误差函数作为评价指标,确定预设传递函数:
其中,X为训练样本集,i=1、2、3…P, P为训练样本集的数据量,为附加权重因子,为速率权重因子,为第个样本数据对应的原传递函数,为第个样本数据对应的预设传递函数,表示对所述均方误差函数求导。
5.根据权利要求4所述的方法,其特征在于,所述确定均方误差函数,包括:
将所述训练样本集输入初始预测模型中,获取预测需求参数;所述预测需求参数包括:预测模具表面粗糙度和预测打磨去除量;
当所述预测需求参数为模具表面粗糙度时,所述确定均方误差函数,包括:
当所述预测需求参数为打磨去除量时,所述确定均方误差函数,包括:
其中,P为训练样本集的数据量,表示第i个实际模具表面粗糙度,表示第i个预测模具表面粗糙度,表示第i个实际打磨去除量,表示第i个预测打磨去除量。
6.根据权利要求2所述的方法,其特征在于,在获取目标预测模型之前,所述方法还包括:
对所述数据样本集中的工艺参数进行无量纲化处理。
7.根据权利要求2所述的方法,其特征在于,在获取目标预测模型之前,所述方法还包括:
对所述数据样本集中的工艺参数分别设置预设取值范围。
8.一种打磨工艺参数组合的确定装置,其特征在于,包括:
获取模块,用于获取多个梯度的需求参数;所述需求参数包括:模具表面粗糙度和打磨去除量;
处理模块,用于基于目标预测模型获取各个梯度的需求参数对应的目标工艺参数组合;所述目标工艺参数组合包括:主轴电机转速、打磨压力、进给、步距、磨头目数以及磨头直径;
数据库模块,用于根据各个梯度的需求参数、以及各个梯度的需求参数对应的目标工艺参数组合,建立工艺参数数据库;
确定模块,用于基于目标需求参数和所述工艺参数数据库,确定目标需求参数对应的目标工艺参数组合。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述打磨工艺参数组合的确定方法。
10.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述打磨工艺参数组合的确定方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于季华实验室,未经季华实验室许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210561504.5/1.html,转载请声明来源钻瓜专利网。