公开(公告)号：CN115890340A

公开(公告)日：2023-04-04

申请号：CN202211613695.1

申请日：2022-12-15

Applicant: 安徽农业大学

Inventor： 李庆 ,  张亚苹 ,  储利影 ,  王海旭 ,  唐燕宁 ,  许良元

IPC: B23Q17/09 ,  G06F18/2135 ,  G06F18/241 ,  G06N3/0495

Abstract: 本发明公开了一种稀疏框架下压缩学习自适应网络的刀具磨损预测方法，具体包括:获取铣刀磨损多通道退化数据，提取各通道退化数据的健康特征参数，得到多通道高维健康因子时间序列；采用主成分分析方法降维得到铣刀磨损融合健康因子时间序列；利用非凸罚小波核奇异值稀疏分解模型对融合健康因子时间序列进行分解，得到低频趋势序列与高频振荡序列；利用压缩缓变学习及自适应动量因子网络算法对低频与高频序列分别预测，叠加得到铣刀磨损退化趋势健康因子时间序列。本发明无需考虑外界环境因素以及切削工况对铣刀磨损性能影响，不受铣削机床‑铣刀‑工件系统物理结构参数的影响，适合铣刀多通道服役退化数据一次性预测，运行速度快，预测精度高。