数据驱动的车削和钻削加工能耗预测

来源：计算机集成制造系统杂志2020年第8期北京时间：

作者：吕景祥,唐任仲,郑军

单位：1.长安大学道路施工技术与装备教育部重点实验室2.浙江大学工业与系统工程系3.浙江科技学院机械与汽车工程学院

摘要：为准确快捷地预测零件车削和钻削加工工艺过程的电能消耗,提出一种基于数据驱动的能耗预测方法,包括能耗数据采集和预处理、特征属性预处理、特征选择算法和能耗预测算法4个关键技术。将样本分类和RReliefF算法结合进行特征选择,采用神经网络、支持向量回归、随机森林3种算法预测能耗,并通过对算法进行调参提高预测精度。在此基础上进行了实验研究,应用所提方法预测零件外圆车削和钻削加工能耗,并同实测能耗进行比较。案例分析结果表明,所提方法能够分析得出零件加工能耗的主要影响因素,3种算法的平均预测误差在494%~994%之间,误差随着训练样本的增加逐步下降,其中神经网络算法的预测误差最小,低于现有方法,具有很大的应用潜力。

关键词：数据驱动,车削,钻削,特征选择,机械加工,能耗预测

基金资助：国家自然科学基金资助项目(51705428);陕西省自然科学基础研究计划资助项目(2020JQ-380)。