买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西南石油大学

摘要：本发明公开了基于贝叶斯深度学习的TCNCSA‑BiGRU的刀具磨损预测方法，涉及刀具磨损量预测技术领域，所述方法包括：获取刀具磨损数据集，对所述刀具磨损数据集中的切削力信号进行预处理获得磨损数据，基于所述磨损数据获得若干磨损特征；获取预设指标，所述预设指标包括单调性指标、鲁棒性指标和趋势性指标，基于所述预设指标和所有所述磨损特征获得第一特征；基于所述第一特征对TCNCSA‑BiGRU模型进行训练和测试获得最优模型，基于所述最优模型对刀具的磨损值进行预测获得预测结果和所述预测结果的置信区间，可以解决目前刀具磨损预测模型存在处理序列数据能力低，导致刀具磨损量的预测精度不高，以及无法量化其预测的不确定性的问题。

主权项：1.基于贝叶斯深度学习的TCNCSA-BiGRU的刀具磨损预测方法，其特征在于，所述方法包括：S1、获取刀具磨损数据集，对所述刀具磨损数据集中的切削力信号进行预处理获得磨损数据，基于所述磨损数据获得若干磨损特征，所述磨损特征包括时域特征和频域特征；S2、获取预设指标，所述预设指标包括单调性指标、鲁棒性指标和趋势性指标，基于所述预设指标和所有所述磨损特征获得第一特征；所述S2中，基于所述预设指标和所有所述磨损特征获得第一特征的具体步骤包括：基于所述预设指标、比例因子和噪声修正因子，对每个所述磨损特征进行计算获得每个所述磨损特征的指标得分值，所述指标得分值包括单调性得分值、鲁棒性得分值和趋势性得分值；基于预设指标权重值对每个所述磨损特征的所述指标得分值进行加权，获得每个所述磨损特征的加权值；预设阈值，基于所述阈值和所有所述加权值对所有所述磨损特征进行选择，获得所述第一特征；所述方法还包括获取所述比例因子和所述噪声修正因子，其具体步骤包括：初始化麻雀种群和种群参数，所述麻雀种群包括若干麻雀；计算每只所述麻雀的适应度值，基于所有所述适应度值获得最优适应度值和最差适应度值，分别获取所述最优适应度值和所述最差适应度值对应的麻雀的第一位置和第二位置；基于所有所述适应度值，对所有所述麻雀进行选取获得若干发现者，基于动态学习因子，更新所有所述发现者的第三位置；基于所有所述麻雀，获取所有非所述发现者获得若干跟随者，更新所有所述跟随者的第四位置；对所有所述麻雀进行随机选取获得若干警戒者，更新所有所述警戒者的第五位置；基于所述第一位置、所述第二位置、所述第三位置、所述第四位置和所述第五位置动态调整所述种群参数，获得所述比例因子和所述噪声修正因子；S3、基于所述第一特征对TCNCSA-BiGRU模型进行训练和测试获得最优模型，基于所述最优模型对刀具的磨损值进行预测获得预测结果和所述预测结果的置信区间；所述S3中，基于所述第一特征对TCNCSA-BiGRU模型进行训练和测试获得最优模型的具体步骤包括：S301、将所述磨损数据随机的进行均匀划分获得k个磨损数据集，对所有所述磨损数据集进行随机选择获得不同组合的训练集和测试集，对每个组合中的训练集进行随机选择获得验证集，k为大于或等于2的整数；S302、预设超参数寻找范围、软阈值函数和初始参数；S303、基于每个组合中的训练集、所述第一特征、所述软阈值函数和所述初始参数，对TCNCSA-BiGRU模型进行训练，获得第一模型；S304、基于所述验证集对所述第一模型进行验证获得验证精度值，判断所述验证精度值是否小于预设验证值，若是则基于每个组合中的测试集，对所述第一模型进行测试获得测试值；否则基于所述超参数寻找范围，对所述初始参数进行优化获得第一优化参数，返回所述S303，将所述初始参数更新为所述第一优化参数；S305、基于所述测试值获得性能指标，所述性能指标包括平均绝对误差指标和均方根误差指标，基于所述性能指标判断所述第一模型的预测精度是否小于预设精度值；S306、若是则基于所述第一模型获得所述最优模型；若否则对所述初始参数进行优化获得第二优化参数，返回所述S303，将所述初始参数更新为所述第二优化参数。

全文数据：

权利要求：

百度查询： 西南石油大学 基于贝叶斯深度学习的TCNCSA-BiGRU的刀具磨损预测方法