[发明专利]基于PSO-GPR的全金属半硬壳的固体火箭舱段加工能耗预测方法

摘要

本发明公开了一种基于PSO‑GPR的全金属半硬壳的固体火箭舱段加工能耗预测方法，包括以下步骤：1)采集固体火箭舱段加工数据；2)利用原始数据计算影响能耗的各工序的时体积；所述时体积为工件去除材料体积与工件加工时间的乘积；3)建立预测模型；4)将六大工序的六个总时体积和六个工序的六个总能耗之和输入到模型中，预测得到整个舱段加工时的总能耗。本发明采用工件去除体积与工件加工时间两种影响因素结合作为预测输入，提高了预测模型结果的精确度。

主权项

1.一种基于PSO-GPR的全金属半硬壳的固体火箭舱段加工能耗预测方法，其特征在于，包括以下步骤：/n1)采集固体火箭舱段加工数据，所述加工数据包括：工件加工前质量m、工件加工后质量m'、工件材料密度ρ、工件加工时间t、机床加工平均功率/n2)利用原始数据m、m'、ρ、t和计算影响能耗的各工序的时体积，所述工序包括：车削工序、铣削工序、钻削工序、下料工序、热处理工序和锻造工序；所述时体积为工件去除材料体积与工件加工时间的乘积；/n3)建立预测模型：/n3.1)初始化GPR高斯过程回归模型，确定核函数；/ny＝f(X)+ε (1)/n假设噪声得到y的先验分布：/n /n其中，K(X,X)＝(k_ij)为n×n阶对称正定的协方差矩阵，矩阵元素k_ij＝k(x_i,x_j)用来衡量变量x_i和变量x_j之间的相关性；I_n为n维单位矩阵；σ_n为噪声方差；/n以及观测值y和预测值f^*的联合贝叶斯先验分布：/n /n其中，K(X,x^*)＝K(x^*,X)^T，K(X,x^*)为测试点x^*与训练集的输入X之间的n×1阶协方差矩阵；K(x^*,x^*)为测试点x^*自身的协方差；/n协方差函数，即核函数：/n /n其中，∑＝diag(1²),1为方差尺度，为信号方差；/n参数集合为超参数；/n对于测试集样本根据贝叶斯原理可以获得对应的预测值及其服从的高斯分布如下：/n /n其中，均值和方差cov(f^*)分别为：/n /n /n式(4)、(6)、(7)组成高斯过程回归模型；/n3.2)采用PSO算法对样本训练过程的GPR回归模型进行自动最优超参数搜索，获得GPR回归模型的最优超参数，确定GPR回归模型；/n4)将六大工序的六个总时体积和六个工序的六个总能耗之和输入到预测模型中，得到整个舱段加工时的预测总能耗。/n