[发明专利]飞机交点孔镗削让刀量预测方法、装置、设备及存储介质

说明书

本申请公开了飞机交点孔镗削让刀量预测方法、装置、设备及存储介质，涉及飞机装配技术领域。所述飞机交点孔镗削让刀量预测方法，包括以下步骤：构建镗削让刀量预测第一网络模型；基于飞机交点孔镗削过程中镗削参数、镗削力以及对应的让刀量信息，获得训练样本库；基于所述训练样本库，对所述镗削让刀量预测第一网络模型进行训练，获得镗削让刀量预测第二网络模型；将镗削参数输入所述镗削让刀量预测第二网络模型，获得飞机交点孔镗削让刀量。

技术领域

本申请涉及飞机装配技术领域，尤其涉及飞机交点孔镗削让刀量预测方法、装置、设备及存储介质。

背景技术

分布在飞机结构上的关键连接特征孔，又称交点孔，对于飞机的质量发挥着重要作用，其加工质量、公差、位置精度等要求非常高。数控镗孔加工方式因其具有自动化、效率高的特点被广泛应用于飞机交点孔加工过程。在飞机交点孔加工过程中，需要多次粗精镗，由镗削参数、镗削力、难加工材料、变形等因素引起的镗削让刀误差是影响交点孔加工精度的主要因素。传统飞机交点孔镗削主要采用人工经验及补偿误差的方式，需要很多次调刀，效率低下，工作量大，易出错。

因此，亟需一种能精确预测飞机交点孔镗削让刀量的方法。

发明内容

本申请的主要目的是提供飞机交点孔镗削让刀量预测方法、装置、设备及存储介质，旨在解决现有预测飞机交点孔镗削让刀量的方法精确性不高的技术问题。

为解决上述技术问题，本申请提出了：

飞机交点孔镗削让刀量预测方法，包括以下步骤：

构建镗削让刀量预测第一网络模型；

基于飞机交点孔镗削过程中镗削参数、镗削力以及对应的让刀量信息，获得训练样本库；

基于所述训练样本库，对所述镗削让刀量预测第一网络模型进行训练，获得镗削让刀量预测第二网络模型；

将镗削参数输入所述镗削让刀量预测第二网络模型，获得飞机交点孔镗削让刀量。

作为本申请一些可选实施方式，所述镗削让刀量预测第一网络模型基于LSTM循环神经网络构建；所述LSTM循环神经网络包括输入层、隐藏层和输出层；其中，所述隐藏层包括LSTM循环神经网络神经元。

作为本申请一些可选实施方式，所述LSTM循环神经网络的输入层包括4个输入通道，4个所述输入通道分别用于输入镗削深度特征、镗削进给量特征、机床主轴转速特征和切削力特征。

作为本申请一些可选实施方式，所述LSTM循环神经网络神经元包括：

遗忘门，用于控制是否保留当前隐藏层节点存储的飞机交点孔镗削让刀量数据信息；

输入门，用于控制是否允许飞机交点孔镗削让刀量数据信息加入到当前隐藏层节点；

输出门，用于控制是否将当前节点输出值输出到下一层；

单元状态更新值，基于t时刻的输入数据和t-1时刻的隐藏单元输出数据获得；

单元状态值，由单元状态更新值获得；

隐藏层单元。

作为本申请一些可选实施方式，所述LSTM循环神经网络神经元的遗忘门通过以t时刻的遗忘向量值f_t为控制指标，对是否保留当前隐藏层节点存储的飞机交点孔镗削让刀量数据信息进行控制，所述t时刻的遗忘向量值f_t通过如下关系式：

其中，f_t为t时刻的遗忘向量值，为1或0；1表示门开，则保留；0为门关，则清空当前节点所存储的飞机交点孔镗削让刀量数据信息；