[发明专利]一种基于梯度优化的机床进给系统数理模型参数辨识方法

权利要求书

1.一种基于梯度优化的机床进给系统数理模型参数辨识方法，其特征在于，该辨识方法包括下列步骤：

S1建立机床进给系统的数理模型，并确定待辨识参数的上下界；

S2预设指令位置信号，根据该预指令位置信号运行机床并采集机床实际运行数据；设定初始的待辨识参数；构建待辨识参数更新模型；

S3将预设指令位置信号和当前的待辨识参数输入所述待辨识参数更新模型中，以此更新所述待辨识参数，将更新后的辨识参数和指令位置信号输入所述数理模型中仿真获得仿真结果，利用步骤S2采集的机床实际运行数据和该仿真结果计算损失函数，判断当前损失函数与最优损失函数之间的关系：

当前损失函数小于当前最优损失函数时，将当前待辨识参数的值作为最优待辨识参数，同时将损失函数增大次数置零，当前损失函数作为当前最优损失函数；

当前损失函数大于当前最优损失函数时，损失函数增大次数增加，判断当前损失函数增大次数是否大于预设最大损失函数增大次数，是则损失函数增大次数置零，并更新所述待辨识参数更新模型中的学习率和步长；否则，进入下个步骤；

S4更新迭代次数，判断当前迭代次数是否达到预设最大迭代次数，是，则输出当前待辨识参数；否，则返回步骤S3。

2.如权利要求1所述的一种基于梯度优化的机床进给系统数理模型参数辨识方法，其特征在于，在步骤S2中，所述待辨识参数更新模型按照下列进行：

S21对于所述待辨识参数中的任意一个辨识参数，利用所述步长更新该辨识参数，将更新后的辨识参数输入所述数理模型中仿真获得仿真结果，利用该仿真结果与步骤S2中的机床实际运行数据计算参数梯度；

S22重复步骤S21直至获得所述待辨识参数中每个辨识参数对应的参数梯度，所有辨识参数的参数梯度构成参数梯度集合，利用该参数梯度集合更新所述待辨识参数，以此实现待辨识参数的更新。

3.如权利要求2所述的一种基于梯度优化的机床进给系统数理模型参数辨识方法，其特征在于，在步骤S1中，利用所述步长更新该辨识参数按照下列关系式进行：

其中，是参数pⁱ增加梯度计算步长lⁱ后的值，是参数pⁱ减小梯度计算步长lⁱ后的值，pⁱ是待辨识参数中的第i个元素，i是待辨识参数元素的编号。

4.如权利要求2所述的一种基于梯度优化的机床进给系统数理模型参数辨识方法，其特征在于，在步骤S22中，所述利用该参数梯度集合更新所述待辨识参数是按照下列方式进行：

P＝P-G·lr

其中，P是待辨识参数，G是参数梯度集合，lr是学习率。

5.如权利要求2或3所述的一种基于梯度优化的机床进给系统数理模型参数辨识方法，其特征在于，在步骤S21中，所述参数梯度按照下列关系式进行：

其中，gⁱ是参数pⁱ的梯度，lⁱ是参数pⁱ的梯度计算步长，pⁱ是待辨识参数中的第i个元素，i是待辨识参数元素的编号。

6.如权利要求1或2所述的一种基于梯度优化的机床进给系统数理模型参数辨识方法，其特征在于，在步骤S3中，所述损失函数与待辨识参数有关，不同的辨识参数对应不同的损失函数计算公式。

7.如权利要求1或2所述的一种基于梯度优化的机床进给系统数理模型参数辨识方法，其特征在于，在步骤S3中，所述更新模型中的学习率和步长按照下列方式进行：

lr＝lr/2

L＝L/2

其中，lr是学习率，L是步长。

8.如权利要求1所述的一种基于梯度优化的机床进给系统数理模型参数辨识方法，其特征在于，所述待辨识参数包括位置环增益、速度环增益、速度环积分常数、机床进给系统轴向刚度、机床进给系统轴向阻尼、等效转动惯量、工作台质量、库伦摩擦力、最大静摩擦力、stribeck速度和粘滞摩擦系数。