申请/专利权人：重庆邮电大学

申请日：2023-12-26

公开（公告）日：2024-03-29

公开（公告）号：CN117786613A

主分类号：G06F18/27

分类号：G06F18/27;G06F18/25;G06F18/214;G06F17/16;G06F17/11

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明涉及一种有限样本下变刀具悬伸量的铣削稳定性预测方法，属于铣削加工技术领域。本发明首先测量源悬伸量的刀尖动力学和切削力系数，得到大量低可信度极限切削深度理论值；然后，采用最大熵自适应采样策略，通过颤振实验获取有限的高可信度极限切削深度实验值，引入仿射变换更新低可信度数据，进而结合高可信度数据建立铣削稳定性的协同克里金预测模型；最后，定义源悬伸量预测的变可信度数据为目标悬伸量的低可信度数据，基于平均绝对百分比误差进行自适应采样，依次测量高可信度极限切削深度值，结合仿射变换建立目标悬伸量铣削稳定性协同克里金预测模型。本发明通过引入有限的实验反馈信息，提高了铣削稳定性预测精度并最小化实验次数。

主权项：1.一种有限样本下变刀具悬伸量的改进铣削稳定性预测方法，其特征在于：该方法包括以下步骤：S1：定义源刀具悬伸量，获取其理论稳定性极限以构建初始LF数据集，选取初始HF样本点进行颤振实验并抽样获取初始HF数据集，利用仿射变换缩小LF、HF数据差异，再基于更新的LF数据训练初始Co-Kriging模型。S2：针对源刀具悬伸量，运用基于熵的采样策略从候选变量中依次选择新的样本点以更新HF数据，进而通过仿射变换更新LF数据，训练新的Co-Kriging模型，最终确定新的HF样本点。S3：定义目标刀具悬伸量，将源悬伸量训练Co-Kriging模型所得到的MF数据定义为目标悬伸量的LF数据。抽样获取目标悬伸量的多组不同的HF样本点，分别通过源悬伸量的Co-Kriging模型计算MFaplim，再融合源悬伸量的LF数据训练Co-Kriging模型并计算MAPE值。检测最小MAPE值所对应的HF样本点的实验aplim，以此作为初始HF数据集，再结合所定义的LF数据，运用仿射变换进行处理，最终构建目标悬伸量的初始Co-Kriging模型。S4：针对目标刀具悬伸量，在初始HF样本点的基础上增加一个候选样本点，重复步骤S3，对所有候选样本点计算MAPE值，定义MAPE值最小的点为HF样本点。S5：检测新HF样本点的实验aplim以更新HF数据集，再融合所定义的目标悬伸量的LF数据，通过仿射变换更新LF数据，最终构建目标悬伸量的新的Co-Kriging预测模型。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种有限样本下变刀具悬伸量的改进铣削稳定性预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD