(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210610795.2 (22)申请日 2022.05.31 (71)申请人 上海理工大 学 地址 200093 上海市杨 浦区军工路516号 (72)发明人 杜新欣　张玮　黄之文　李孝茹　 朱坚民　赵展　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 赵志远 (51)Int.Cl. G16C 60/00(2019.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 111/04(2020.01) G06F 113/26(2020.01) (54)发明名称 一种滑动结合部虚拟材 料层参数识别方法 (57)摘要 本发明涉及一种滑动结合部虚拟材料层参 数识别方法， 包括： 步骤1： 构建机床滑动结合部 的三维几何模型； 步骤2： 基于步骤1建立的三维 几何模型构建滑动结合部的有限元模型； 步骤3： 通过有限元模型与参数化分析工具获得模态分 析数据， 并构建数据集； 步骤4： 构建中间参数预 测模型， 并采用步骤3获取的数据集对中间参数 预测模型进行训练； 步骤5： 获取机床模态数据； 步骤6： 构建虚拟材料层参数识别模型， 将步骤5 获取的机床模态数据输入虚拟材料层参数识别 模型， 获取虚拟材料层参数识别结果。 与现有技 术相比， 本发明具有高效、 精准 等优点。 权利要求书2页 说明书8页 附图3页 CN 114999596 A 2022.09.02 CN 114999596 A 1.一种滑动结合部虚拟材 料层参数识别方法， 其特 征在于， 所述的参数识别方法包括： 步骤1： 构建机床滑动结合部的三维几何模型； 步骤2： 基于步骤1建立的三维几何模型构建滑动结合部的有限元模型； 步骤3： 通过有限元模型与参数化分析工具获得模态分析 数据， 并构建数据集； 步骤4： 构建中间参数预测模型， 并采用步骤3获取的数据集对中间参数预测模型进行 训练； 步骤5： 获取机床模态数据； 步骤6： 构建虚拟材料层参数识别模型， 将步骤5获取的机床模态数据输入虚拟材料层 参数识别模型， 获取虚拟材 料层参数识别结果。 2.根据权利要求1所述的一种滑动结合部虚拟材料层参数识别方法， 其特征在于， 所述 的步骤2具体为： 将三维几何模型导入有限元分析软件， 利用其薄弹性层模块构建一层1mm厚的虚拟材 料层等效各滑动结合部， 分别定义平型导轨滑动结合部虚拟材料层参数和V型导轨滑动结 合部虚拟材料层参数， 再设置其材料属性、 约束 条件以及网格划分， 从而建立机床的有限元 模型。 3.根据权利要求1所述的一种滑动结合部虚拟材料层参数识别方法， 其特征在于， 所述 的步骤3具体为： 首先， 确定各滑动结合部虚拟材料层材料参数的取值范围， 并在取值范围内获取N组随 机、 无序且均匀分布的样本点； 其次， 将样本点输入有限元软件， 获取N组相对应n阶固有频率， 以此作为有限元输出 项， 完成输入 ‑输出数据集的构建。 4.根据权利要求1所述的一种滑动结合部虚拟材料层参数识别方法， 其特征在于， 所述 的步骤4具体为： 首先， 以步骤2定义的滑动结合部虚拟材料层参数作为输入， 以n阶固有频率为输出， 构 建具有2～10层隐含层的深度神经网络模型作为中间参数 预测模型； 然后， 以步骤3获取的数据集对深度神经网络模型进行训练， 通过预设的模型评价指标 筛选最优网络模型。 5.根据权利要求4所述的一种滑动结合部虚拟材料层参数识别方法， 其特征在于， 所述 的最优网络模型的筛 选方法为： 首先， 随机产生若干组非训练样本点的数据集作为测试集， 对训练好的深度神经网络 模型进行测试， 然后采用预设的评价指标筛 选最优网络模型。 6.根据权利要求5所述的一种滑动结合部虚拟材料层参数识别方法， 其特征在于， 所述 的评价指标包括全局平均绝对误差和全局平均绝对百分比误差， 即全局MAE和全局MAPE； 所述的最优网络模型为全局MAE和全局MAPE数值 最小的网络模型。 7.根据权利要求1所述的一种滑动结合部虚拟材料层参数识别方法， 其特征在于， 所述 步骤6中的虚拟材 料层参数识别模型 具体为： 以待识别的平面磨床滑动结合部虚拟材料层参数设计变量， 以虚拟材料层动态参数的 取值范围为约束 条件， 结合深度神经网络预测的固有频率与实验测得的固有频率构建目标 函数， 从而建立机滑动结合部虚拟材 料层动态特性 参数优化识别模型。权　利　要　求　书 1/2 页 2 CN 114999596 A 28.根据权利要求7所述的一种滑动结合部虚拟材料层参数识别方法， 其特征在于， 所述 的虚拟材料层参数识别模型采用粒子群优化算法进行求解， 以识别所有滑动结合部虚拟材 料层的参数。 9.根据权利要求1所述的一种滑动结合部虚拟材料层参数识别方法， 其特征在于， 所述 的虚拟材 料层参数识别方法还 包括： 步骤7： 将步骤6获取的识别结果代入步骤2建立的有限元模型进行模态分析， 以模态分 析的理论 值与实验的实验值进行对比， 以校验 模型的正确性和精度。 10.根据权利要求9所述的一种滑动结合部虚拟材料层参数识别方法， 其特征在于， 所 述的步骤7 具体为： 将步骤6获取的识别结果代入步骤2建立的有限元模型进行模态分析， 计算在此动态特 性参数条件下的机床固有频率理论值， 并将固有频率理论值与实验值的固有频率进行对 比， 获得相应的相对误差值， 从而验证虚拟材 料层参数识别模型的精度。权　利　要　求　书 2/2 页 3 CN 114999596 A 3