本發(fā)明涉及數(shù)控銑床領(lǐng)域，具體來說，尤其涉及一種基于時(shí)間參數(shù)的數(shù)控銑床能耗預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、在機(jī)械制造過程中，人們常常將重點(diǎn)放在確保產(chǎn)品質(zhì)量上，追求加工性能和工藝效果的優(yōu)化，卻往往忽略了加工環(huán)節(jié)的能耗問題。然而，在當(dāng)前追求節(jié)能減排和綠色制造的社會環(huán)境下，機(jī)床加工過程中的能源利用效率受到了廣泛關(guān)注?？紤]到我國機(jī)械加工業(yè)以機(jī)床為核心，且加工量巨大，具有極大的節(jié)能改善空間，因此優(yōu)化機(jī)床加工過程以減少能源消耗已成為機(jī)床節(jié)能技術(shù)研究的焦點(diǎn)；在此背景下，工件加工能耗的準(zhǔn)確預(yù)測成為了解決能源消耗問題的關(guān)鍵環(huán)節(jié)，它對能耗定額制定、能效評估、能源管理以及機(jī)床節(jié)能措施的研究提供了重要的理論和實(shí)踐支持。

2、數(shù)控銑床（numerical?control?milling?machine）是一種高效率的自動(dòng)化機(jī)床，通過編程控制工作臺和銑刀的運(yùn)動(dòng)，來加工具有復(fù)雜形狀的工件，數(shù)控銑床的應(yīng)用范圍廣泛，包括汽車、航空、模具制造、機(jī)械加工等行業(yè)。隨著制造業(yè)對精度和效率要求的提高，數(shù)控銑床在現(xiàn)代制造中扮演著越來越重要的角色。

3、在現(xiàn)有技術(shù)中，數(shù)控銑床往往只關(guān)注單一層面的能耗分析，忽略了生產(chǎn)線層和機(jī)床層等多層次的綜合影響，導(dǎo)致能耗分析的不全面性，無法準(zhǔn)確反映整個(gè)生產(chǎn)過程的能耗實(shí)際情況，傳統(tǒng)的能耗分析方法可能過度依賴專家經(jīng)驗(yàn)和主觀判斷，缺乏對實(shí)際生產(chǎn)數(shù)據(jù)的客觀分析和利用，這限制了能耗評估和優(yōu)化的準(zhǔn)確性，現(xiàn)有技術(shù)在處理具有非線性關(guān)系和復(fù)雜交互作用的數(shù)據(jù)時(shí)，往往效果不佳，難以捕捉和分析這些復(fù)雜數(shù)據(jù)之間的內(nèi)在聯(lián)系，導(dǎo)致能耗預(yù)測的不準(zhǔn)確，傳統(tǒng)的能耗預(yù)測模型往往設(shè)計(jì)固化，缺乏足夠的適應(yīng)性和靈活性，難以適應(yīng)多種的生產(chǎn)環(huán)境和數(shù)據(jù)情況，限制了模型的應(yīng)用范圍和有效性，由于缺乏有效的數(shù)據(jù)收集和預(yù)處理機(jī)制，導(dǎo)致能耗分析和預(yù)測所依賴的數(shù)據(jù)往往存在準(zhǔn)確性和實(shí)時(shí)性不足的問題。

4、針對相關(guān)技術(shù)中的問題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、為了克服以上問題，本發(fā)明旨在提出一種基于時(shí)間參數(shù)的數(shù)控銑床能耗預(yù)測方法及系統(tǒng)，目的在于解決現(xiàn)有技術(shù)在處理具有非線性關(guān)系和復(fù)雜交互作用的數(shù)據(jù)時(shí)，往往效果不佳，難以捕捉和分析這些復(fù)雜數(shù)據(jù)之間的內(nèi)在聯(lián)系，導(dǎo)致能耗預(yù)測的不準(zhǔn)確，傳統(tǒng)的能耗預(yù)測模型往往設(shè)計(jì)固化，缺乏足夠的適應(yīng)性和靈活性，難以適應(yīng)多種的生產(chǎn)環(huán)境和數(shù)據(jù)情況，限制了模型的應(yīng)用范圍和有效性，由于缺乏有效的數(shù)據(jù)收集和預(yù)處理機(jī)制，導(dǎo)致能耗分析和預(yù)測所依賴的數(shù)據(jù)往往存在準(zhǔn)確性和實(shí)時(shí)性不足的問題。

2、為此，本發(fā)明采用的具體技術(shù)方案如下：

3、根據(jù)本發(fā)明的一個(gè)方面，提供了一種基于時(shí)間參數(shù)的數(shù)控銑床能耗預(yù)測方法，該數(shù)控銑床能耗預(yù)測方法包括以下步驟：

4、s1、根據(jù)數(shù)控銑床的操作因素，劃分車間的區(qū)域，并在各區(qū)域內(nèi)部劃分機(jī)床層、生產(chǎn)線層和設(shè)備類型層；

5、s2、根據(jù)生產(chǎn)運(yùn)行因素，為機(jī)床層、生產(chǎn)線層和設(shè)備類型層分配權(quán)重；

6、s3、收集機(jī)床層、生產(chǎn)線層和設(shè)備類型層的時(shí)間參數(shù)數(shù)據(jù)，并提取與耗能指標(biāo)相對應(yīng)的數(shù)據(jù)點(diǎn)；

7、s4、結(jié)合機(jī)床層、生產(chǎn)線層和設(shè)備類型層的權(quán)重和數(shù)據(jù)點(diǎn)，構(gòu)建能耗預(yù)測模型；

8、s5、將數(shù)控銑床在實(shí)際加工過程中的各項(xiàng)數(shù)據(jù)輸入能耗預(yù)測模型，預(yù)測總能耗和各工序能耗。

9、可選地，根據(jù)數(shù)控銑床的操作因素，劃分車間的區(qū)域，并在各區(qū)域內(nèi)部劃分機(jī)床層、生產(chǎn)線層和設(shè)備類型層包括以下步驟：

10、s11、根據(jù)操作因素劃分車間的區(qū)域，劃分后的區(qū)域包括高精度加工區(qū)、普通加工區(qū)和重切削加工區(qū)，并收集劃分后的區(qū)域的生產(chǎn)運(yùn)行因素；

11、s12、在各區(qū)域的內(nèi)部，劃分為機(jī)床層、生產(chǎn)線層和設(shè)備類型層；

12、s13、識別機(jī)床層、生產(chǎn)線層和設(shè)備類型層的耗能指標(biāo)；

13、s14、對識別的能耗指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。

14、可選地，根據(jù)生產(chǎn)運(yùn)行因素，為機(jī)床層、生產(chǎn)線層和設(shè)備類型層分配權(quán)重包括以下步驟：

15、s21、收集機(jī)床層、生產(chǎn)線層和設(shè)備類型層的耗能指標(biāo)和生產(chǎn)運(yùn)行因素，并轉(zhuǎn)成為特征向量；

16、s22、基于特征向量，利用樸素貝葉斯網(wǎng)絡(luò)分類器評估各耗能指標(biāo)在各層級的影響程度；

17、s23、利用貝葉斯網(wǎng)絡(luò)回歸樹模型，結(jié)合條件獨(dú)立性假設(shè)和后驗(yàn)概率最大化原則，計(jì)算各層級的權(quán)重；

18、s24、使用歷史能耗數(shù)據(jù)訓(xùn)練貝葉斯網(wǎng)絡(luò)回歸樹模型，并對權(quán)重進(jìn)行優(yōu)化，通過交叉驗(yàn)證方法驗(yàn)證模型，調(diào)整權(quán)重分配。

19、可選地，基于特征向量，利用樸素貝葉斯網(wǎng)絡(luò)分類器評估各耗能指標(biāo)在各層級的影響程度包括以下步驟：

20、s221、獲取特征向量，并根據(jù)耗能的影響程度，將特征向量標(biāo)記為類別，類別作為預(yù)測的標(biāo)簽；

21、s222、將特征向量及對應(yīng)的標(biāo)簽劃分為訓(xùn)練集和測試集；

22、s223、使用訓(xùn)練集數(shù)據(jù)訓(xùn)練樸素貝葉斯網(wǎng)絡(luò)分類器，并使用測試集數(shù)據(jù)測試樸素貝葉斯網(wǎng)絡(luò)分類器的性能；

23、s224、使用訓(xùn)練并測試過的樸素貝葉斯網(wǎng)絡(luò)分類器對新的特征向量進(jìn)行預(yù)測，評估新特征向量的耗能影響程度類別。

24、可選地，利用貝葉斯網(wǎng)絡(luò)回歸樹模型，結(jié)合條件獨(dú)立性假設(shè)和后驗(yàn)概率最大化原則，計(jì)算各層級的權(quán)重包括以下步驟：

25、s231、設(shè)計(jì)貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)，確定節(jié)點(diǎn)之間的依賴關(guān)系，節(jié)點(diǎn)包括耗能指標(biāo)和生產(chǎn)運(yùn)行因素；

26、s232、利用各節(jié)點(diǎn)之間的條件概率分布學(xué)習(xí)網(wǎng)絡(luò)中的參數(shù)；

27、s233、將特征向量作為輸入數(shù)據(jù)，結(jié)合貝葉斯網(wǎng)絡(luò)中學(xué)習(xí)的參數(shù)，計(jì)算各個(gè)節(jié)點(diǎn)的條件概率；

28、s234、對于機(jī)床層、生產(chǎn)線層和設(shè)備類型層，利用回歸樹模型建模耗能指標(biāo)對能耗的影響；

29、s235、基于回歸樹模型的輸出，結(jié)合后驗(yàn)概率最大化原則，為各層級計(jì)算權(quán)重。

30、可選地，基于回歸樹模型的輸出，結(jié)合后驗(yàn)概率最大化原則，為各層級計(jì)算權(quán)重包括以下步驟：

31、s2351、計(jì)算后驗(yàn)概率；

32、s2352、利用從回歸樹模型得到的各層級的耗能影響預(yù)測值計(jì)算似然函數(shù)；

33、s2353、根據(jù)似然函數(shù)，對于各層級，使用后驗(yàn)概率計(jì)算權(quán)重；

34、其中，后驗(yàn)概率的計(jì)算公式為：

35、；

36、式中，表示后驗(yàn)概率；

37、表示給定層級參數(shù) θ下數(shù)據(jù) x的似然函數(shù)；

38、表示層級參數(shù) θ的先驗(yàn)分布；

39、表示觀測數(shù)據(jù)的邊緣概率；

40、權(quán)重的計(jì)算公式為；

41、；

42、式中，表示后驗(yàn)概率；

43、 θ′表示所有考慮的層級參數(shù)的集合；

44、表示特定層級參數(shù) θ的權(quán)重；

45、表示在給定數(shù)據(jù) x的條件下，某個(gè)參數(shù) θ′的后驗(yàn)概率。

46、可選地，結(jié)合機(jī)床層、生產(chǎn)線層和設(shè)備類型層的權(quán)重和數(shù)據(jù)點(diǎn)，構(gòu)建能耗預(yù)測模型包括以下步驟：

47、s41、整合機(jī)床層、生產(chǎn)線層和設(shè)備類型層的時(shí)間參數(shù)數(shù)據(jù)及耗能指標(biāo)相對應(yīng)的數(shù)據(jù)點(diǎn)；

48、s42、選擇對能耗預(yù)測最具影響力的特征，并根據(jù)各層級的權(quán)重對特征進(jìn)行加權(quán)；

49、s43、按氣象因子、時(shí)間因子和操作因子分組，計(jì)算組內(nèi)局部相似度，綜合局部相似度，得到每個(gè)歷史數(shù)據(jù)點(diǎn)相對于預(yù)測點(diǎn)的總體相似度；

50、s44、根據(jù)總體相似度，設(shè)定閾值，當(dāng)歷史數(shù)據(jù)點(diǎn)與預(yù)測點(diǎn)的相似度超過設(shè)定閾值時(shí)，將數(shù)據(jù)點(diǎn)選為訓(xùn)練集；

51、s45、利用整合、預(yù)處理和加權(quán)后的數(shù)據(jù)集，使用梯度提升樹構(gòu)建并訓(xùn)練能耗預(yù)測模型；

52、s46、通過在測試集評估能耗預(yù)測模型的性能，并驗(yàn)證預(yù)測能力。

53、可選地，選擇對能耗預(yù)測最具影響力的特征，并根據(jù)各層級的權(quán)重對特征進(jìn)行加權(quán)包括以下步驟：

54、s421、基于整合的數(shù)據(jù)集，識別所有的特征，并篩選對能耗預(yù)測具有潛在影響力的特征；

55、s422、利用統(tǒng)計(jì)方法評估初步篩選出的特征的重要性，并根據(jù)特征重要性分析的結(jié)果，對特征進(jìn)行排序；

56、s423、根據(jù)特征重要性排序，選擇對能耗預(yù)測最具影響力的特征；

57、s424、根據(jù)機(jī)床層、生產(chǎn)線層和設(shè)備類型層的權(quán)重，對選定的特征進(jìn)行加權(quán)；

58、s425、將計(jì)算得到的權(quán)重應(yīng)用到每個(gè)特征上，生成加權(quán)特征集。

59、可選地，按氣象因子、時(shí)間因子和操作因子分組，計(jì)算組內(nèi)局部相似度，綜合局部相似度，得到每個(gè)歷史數(shù)據(jù)點(diǎn)相對于預(yù)測點(diǎn)的總體相似度包括以下步驟：

60、s431、根據(jù)加權(quán)特征集，將影響能耗的因素分為若干組，影響能耗的因素包括氣象因子、時(shí)間因子和操作因子；

61、s432、分別對氣象因子、時(shí)間因子和操作因子進(jìn)行局部相似度計(jì)算；

62、s433、將各組內(nèi)部計(jì)算得到的局部相似度進(jìn)行綜合，得到每個(gè)歷史數(shù)據(jù)點(diǎn)相對于預(yù)測點(diǎn)的總體相似度。

63、根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種基于時(shí)間參數(shù)的數(shù)控銑床能耗預(yù)測系統(tǒng)，該系統(tǒng)包括：層級劃分模塊、權(quán)重分配模塊、數(shù)據(jù)處理模塊、能耗預(yù)測模型構(gòu)建模塊及能耗預(yù)測模塊；

64、層級劃分模塊通過權(quán)重分配模塊與數(shù)據(jù)處理模塊連接，數(shù)據(jù)處理模塊通過能耗預(yù)測模型構(gòu)建模塊與能耗預(yù)測模塊連接；

65、層級劃分模塊，用于根據(jù)數(shù)控銑床的操作因素，劃分車間的區(qū)域，并在各區(qū)域內(nèi)部劃分機(jī)床層、生產(chǎn)線層和設(shè)備類型層；

66、權(quán)重分配模塊，用于根據(jù)生產(chǎn)運(yùn)行因素，為機(jī)床層、生產(chǎn)線層和設(shè)備類型層分配權(quán)重；

67、數(shù)據(jù)處理模塊，用于收集機(jī)床層、生產(chǎn)線層和設(shè)備類型層的時(shí)間參數(shù)數(shù)據(jù)，并提取與耗能指標(biāo)相對應(yīng)的數(shù)據(jù)點(diǎn)；

68、能耗預(yù)測模型構(gòu)建模塊，用于結(jié)合機(jī)床層、生產(chǎn)線層和設(shè)備類型層的權(quán)重和數(shù)據(jù)點(diǎn)，構(gòu)建能耗預(yù)測模型；

69、能耗預(yù)測模塊，用于將數(shù)控銑床在實(shí)際加工過程中的各項(xiàng)數(shù)據(jù)輸入能耗預(yù)測模型，預(yù)測總能耗和各工序能耗。

70、相較于現(xiàn)有技術(shù)，本技術(shù)具有以下有益效果：

71、1、本發(fā)明通過綜合考慮機(jī)床層、生產(chǎn)線層和設(shè)備類型層的耗能指標(biāo)和生產(chǎn)運(yùn)行因素，能夠更全面地反映能耗的實(shí)際情況，從而提高能耗分析的準(zhǔn)確性和深度，基于數(shù)據(jù)的方法，通過收集和分析實(shí)際的生產(chǎn)數(shù)據(jù)，能夠更客觀地評估各層級對能耗的影響，減少主觀判斷的誤差，利用樸素貝葉斯網(wǎng)絡(luò)分類器和貝葉斯網(wǎng)絡(luò)回歸樹模型，在處理復(fù)雜的數(shù)據(jù)關(guān)系方面表現(xiàn)出色，能夠捕捉到數(shù)據(jù)中的非線性關(guān)系和交互作用，通過貝葉斯網(wǎng)絡(luò)回歸樹模型和后驗(yàn)概率最大化原則計(jì)算權(quán)重，確保了權(quán)重分配的客觀性和科學(xué)性，為后續(xù)的能耗分析和優(yōu)化提供了堅(jiān)實(shí)的基礎(chǔ)。

72、2、本發(fā)明根據(jù)生產(chǎn)環(huán)境和數(shù)據(jù)情況進(jìn)行調(diào)整，具有較強(qiáng)的適應(yīng)性和靈活性，能夠適應(yīng)多個(gè)生產(chǎn)場景和需求，通過權(quán)重分配結(jié)果，為后續(xù)的能耗預(yù)測、優(yōu)化分析等提供了準(zhǔn)確的基礎(chǔ)，有助于深入分析和制定有效的能耗管理策略；本發(fā)明確保了時(shí)間參數(shù)數(shù)據(jù)和耗能指標(biāo)數(shù)據(jù)的全面覆蓋，通過從生產(chǎn)管理裝置和設(shè)備監(jiān)控裝置等可靠的數(shù)據(jù)源收集數(shù)據(jù)，保證了數(shù)據(jù)的準(zhǔn)確性和實(shí)時(shí)性，通過數(shù)據(jù)清洗、格式化和時(shí)間對齊等步驟，確保了數(shù)據(jù)的一致性和完整性。

73、3、本發(fā)明通過識別和加權(quán)對能耗預(yù)測具有影響力的特征，提高了模型的預(yù)測準(zhǔn)確性和效率，通過計(jì)算氣象因子、時(shí)間因子和操作因子的局部相似度，并綜合成總體相似度，為選擇訓(xùn)練集提供了科學(xué)的方法，使用梯度提升樹構(gòu)建能耗預(yù)測模型，通過在測試集上評估模型性能，確保了模型具有良好的泛化能力，能夠準(zhǔn)確預(yù)測實(shí)際生產(chǎn)環(huán)境中的能耗。

74、4、本發(fā)明通過實(shí)時(shí)收集數(shù)控銑床的運(yùn)行數(shù)據(jù)，確保了能耗預(yù)測模型能夠基于最新和最準(zhǔn)確的信息進(jìn)行預(yù)測，提高了預(yù)測的時(shí)效性和準(zhǔn)確性，不僅考慮了機(jī)床運(yùn)行的基本參數(shù)，如速度和負(fù)載，還包括了切削參數(shù)和環(huán)境參數(shù)，綜合信息的考慮使得能耗預(yù)測更加準(zhǔn)確和全面，不僅能預(yù)測整個(gè)加工過程的總能耗，還能細(xì)分到各個(gè)工序的能耗預(yù)測，為能耗管理提供了更細(xì)致的分析基礎(chǔ)，幫助識別各工序的能耗熱點(diǎn)，有利于針對性地實(shí)施能耗優(yōu)化措施。