技術(shù)特征：

1.一種基于多目標(biāo)優(yōu)化深度學(xué)習(xí)算法的數(shù)控機(jī)床效率優(yōu)化方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)優(yōu)化深度學(xué)習(xí)算法的數(shù)控機(jī)床效率優(yōu)化方法，其特征在于，所述s1包括以下步驟：

3.根據(jù)權(quán)利要求2所述的一種基于多目標(biāo)優(yōu)化深度學(xué)習(xí)算法的數(shù)控機(jī)床效率優(yōu)化方法，其特征在于，所述s2包括以下步驟：

4.根據(jù)權(quán)利要求3所述的一種基于多目標(biāo)優(yōu)化深度學(xué)習(xí)算法的數(shù)控機(jī)床效率優(yōu)化方法，其特征在于，所述改進(jìn)長短期記憶網(wǎng)絡(luò)層的表達(dá)式為：

5.根據(jù)權(quán)利要求4所述的一種基于多目標(biāo)優(yōu)化深度學(xué)習(xí)算法的數(shù)控機(jī)床效率優(yōu)化方法，其特征在于，所述s3包括以下步驟：

6.根據(jù)權(quán)利要求5所述的一種基于多目標(biāo)優(yōu)化深度學(xué)習(xí)算法的數(shù)控機(jī)床效率優(yōu)化方法，其特征在于，所述最大化加工速度f1(x)、最大化加工精度f2(x)、最小化能耗f3(x)和最小化刀具磨損f4(x)表達(dá)式為：

7.根據(jù)權(quán)利要求5所述的一種基于多目標(biāo)優(yōu)化深度學(xué)習(xí)算法的數(shù)控機(jī)床效率優(yōu)化方法，其特征在于，所述s4包括以下步驟：

技術(shù)總結(jié)
本發(fā)明公開了一種基于多目標(biāo)優(yōu)化深度學(xué)習(xí)算法的數(shù)控機(jī)床效率優(yōu)化方法，包括S1、構(gòu)建實(shí)時(shí)加工數(shù)據(jù)集；S2、學(xué)習(xí)加工過程中的關(guān)鍵性能指標(biāo)和潛在的優(yōu)化參數(shù)；S3、通過改進(jìn)的帕累托前沿算法對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型與遞歸神經(jīng)網(wǎng)絡(luò)模型輸出的特征進(jìn)行多目標(biāo)優(yōu)化；S4、基于多目標(biāo)優(yōu)化的結(jié)果，通過智能控制系統(tǒng)自動(dòng)調(diào)整數(shù)控機(jī)床的刀具速度、進(jìn)給速率和切削深度的參數(shù)；S5、使用傳感器和機(jī)器視覺系統(tǒng)實(shí)時(shí)監(jiān)控加工質(zhì)量和機(jī)床狀態(tài)；S6、循環(huán)執(zhí)行步驟S2至S5。本發(fā)明通過結(jié)合多目標(biāo)優(yōu)化算法和深度學(xué)習(xí)技術(shù)，提出了一種基于多目標(biāo)優(yōu)化深度學(xué)習(xí)算法的數(shù)控機(jī)床效率優(yōu)化方法，解決了現(xiàn)有技術(shù)中的多個(gè)難題和缺陷。

技術(shù)研發(fā)人員：馬鑫,余均,程歡珂,楊娜,董彬,侯金麗
受保護(hù)的技術(shù)使用者：河南工業(yè)貿(mào)易職業(yè)學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21