申请/专利权人：清华大学;清华大学无锡应用技术研究院

申请日：2023-12-25

公开（公告）日：2024-03-29

公开（公告）号：CN117784607A

主分类号：G05B13/04

分类号：G05B13/04;G06N3/045;G06N3/042;G06N3/0442;G06N3/084;G06N3/086;G06N20/20

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：本申请公开了一种基于多专家系统的数控机床能耗持续建模与优化方法，包括：采集数控机床的功率数据及相关运行参数，不断生成新的数控机床的运行参数‑能耗数据集，持续训练描述数控机床运行参数和能耗关系的新深度学习模型，生成多个数控机床子能耗模型，并基于所生成的多个数控机床子能耗模型生成基于多专家系统的数控机床能耗模型，并以基于多专家系统的数控机床能耗模型为目标函数，通过遗传算法等优化算法获取能耗最优加工参数。由此，解决了相关技术中，机理模型建模的构建过程复杂，操作和实施难度较大，无法实现对数控机床整个生命周期的持续能耗建模及优化等问题。

主权项：1.一种基于多专家系统的数控机床能耗持续建模与优化方法，其特征在于，包括以下步骤：基于预设工况，采集数控机床的功率数据及相关运行参数，生成数控机床的初始运行参数-能耗数据集并保存；构建描述数控机床运行参数和能耗关系的深度学习模型，并基于初始运行参数-能耗数据集训练描述数控机床运行参数和能耗关系的深度学习模型，生成首个数控机床子能耗模型；将在机床实际运行过程中，定期采集到的新的功率数据及相关运行参数，新增到上一次保存的运行参数-能耗数据集中，生成新的运行参数-能耗数据集并保存；基于新的运行参数-能耗数据集训练描述数控机床运行参数和能耗关系的深度学习模型，生成新的数控机床子能耗模型，通过门控机制将新生成的和之前生成的多个数控机床子能耗模型集成，构建基于多专家系统的数控机床能耗模型；以基于多专家系统的数控机床能耗模型为目标函数，使用优化算法获取能耗最优加工参数。

全文数据：

权利要求：

百度查询： 清华大学;清华大学无锡应用技术研究院 一种基于多专家系统的数控机床能耗持续建模与优化方法

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