本發(fā)明屬于噴氣織機曲軸壽命預(yù)測，具體涉及一種基于psogwo-svr的噴氣織機曲軸壽命預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代紡織工業(yè)中，噴氣織機作為一種高效、高速的織造設(shè)備，在生產(chǎn)過程中扮演著至關(guān)重要的角色。隨著紡織行業(yè)對生產(chǎn)效率和產(chǎn)品質(zhì)量要求的不斷提高，噴氣織機的運行穩(wěn)定性和可靠性成為了企業(yè)關(guān)注的焦點。曲軸是噴氣織機中傳遞動力、實現(xiàn)往復(fù)運動的核心部件，它的工作性能和壽命直接影響著整個織機的運行效率和可靠性。在高速運轉(zhuǎn)和復(fù)雜載荷作用下，曲軸容易出現(xiàn)疲勞裂紋、磨損、變形等失效形式，一旦曲軸發(fā)生故障，將導(dǎo)致織機停機，給企業(yè)帶來巨大的經(jīng)濟損失和生產(chǎn)延誤。而進行噴氣織機曲軸壽命預(yù)測一定程度上可以緩解這些問題。

2、一方面，由于噴氣織機的采購成本較高，企業(yè)需要盡可能延長其關(guān)鍵部件的使用壽命，以降低設(shè)備的維護成本和更換成本，提高設(shè)備的投資回報率。通過對曲軸壽命的準確預(yù)測，可以合理安排維護計劃和備件采購，避免過早更換造成的資源浪費和過晚更換導(dǎo)致的設(shè)備故障，從而實現(xiàn)經(jīng)濟效益的最大化。另一方面，紡織企業(yè)通常采用流水線生產(chǎn)方式，噴氣織機的停機將導(dǎo)致整個生產(chǎn)線的中斷，影響產(chǎn)品的交付周期和客戶滿意度。通過對曲軸壽命的預(yù)測，企業(yè)可以提前做好設(shè)備維護和維修準備，減少因設(shè)備故障造成的生產(chǎn)中斷，保證生產(chǎn)的連續(xù)性和穩(wěn)定性，提高企業(yè)的市場競爭力。

3、目前，在疲勞壽命預(yù)測技術(shù)中，對噴氣織機曲軸進行壽命預(yù)測的研究較少，現(xiàn)有的采用機器學(xué)習(xí)、深度學(xué)習(xí)的壽命預(yù)測方式雖然能夠?qū)崿F(xiàn)輸入與輸出之間的映射關(guān)系，但是難以基于不同預(yù)測對象的特點進行針對性的預(yù)測，預(yù)測精度仍待提高。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提出了一種基于psogwo-svr的噴氣織機曲軸壽命預(yù)測方法及系統(tǒng)，用于解決噴氣織機曲軸壽命預(yù)測精度不高的問題。

2、本發(fā)明第一方面，公開了一種基于psogwo-svr的噴氣織機曲軸壽命預(yù)測方法，所述方法包括：

3、建立噴氣織機曲軸有限元模型；

4、根據(jù)噴氣織機曲軸設(shè)計參數(shù)確定噴氣織機曲軸壽命的影響因素，根據(jù)所述影響因素構(gòu)建實驗樣本數(shù)據(jù)；

5、將所述實驗樣本數(shù)據(jù)輸入所述噴氣織機曲軸有限元模型中進行有限元模擬，得到所述實驗樣本數(shù)據(jù)對應(yīng)的應(yīng)力值，根據(jù)所述應(yīng)力值計算對應(yīng)的疲勞壽命；

6、以實驗樣本數(shù)據(jù)為樣本屬性、以疲勞壽命為樣本標簽，構(gòu)建數(shù)據(jù)集；

7、通過所述數(shù)據(jù)集訓(xùn)練psogwo-svr預(yù)測模型；所述psogwo-svr預(yù)測模型為基于粒子群-灰狼混合優(yōu)化算法優(yōu)化的svr模型；

8、獲取待測噴氣織機曲軸的設(shè)計參數(shù)，通過psogwo-svr預(yù)測模型進行待測噴氣織機曲軸壽命預(yù)測。

9、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，所述噴氣織機曲軸壽命的影響因素包括噴氣織機曲軸的大帶輪轉(zhuǎn)矩、小帶輪轉(zhuǎn)矩、水平加速度、垂直加速度、曲軸末端水平位移和曲軸末端垂直位移。

10、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，所述根據(jù)所述影響因素構(gòu)建實驗樣本數(shù)據(jù)具體包括：

11、采用box-behnken設(shè)計法選取大帶輪轉(zhuǎn)矩、小帶輪轉(zhuǎn)矩、水平加速度、垂直加速度、曲軸末端水平位移和曲軸末端垂直位移六個影響因素的值，形成預(yù)設(shè)數(shù)量的實驗樣本數(shù)據(jù)。

12、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，所述將所述實驗樣本數(shù)據(jù)輸入所述噴氣織機曲軸有限元模型中進行有限元模擬，得到所述實驗樣本數(shù)據(jù)對應(yīng)的應(yīng)力值，根據(jù)所述應(yīng)力值計算對應(yīng)的疲勞壽命具體包括：

13、分別將所述實驗樣本數(shù)據(jù)輸入所述噴氣織機曲軸有限元模型，并對所述噴氣織機曲軸有限元模型施加應(yīng)力、加速度和位移，分別得到噴氣織機曲軸的應(yīng)力值；

14、分別根據(jù)所述應(yīng)力值計算對應(yīng)的疲勞壽命。

15、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，所述psogwo-svr預(yù)測模型通過粒子群-灰狼混合優(yōu)化算法來優(yōu)化svr模型的超參數(shù)；

16、所述粒子群-灰狼混合優(yōu)化算法的優(yōu)化方式為：

17、以所述svr模型的超參數(shù)為個體向量，在超參數(shù)的解空間內(nèi)初始化灰狼優(yōu)化算法的種群；

18、計算種群中各個灰狼個體的適應(yīng)度值，并保存最優(yōu)個體的位置；

19、結(jié)合粒子群優(yōu)化算法進行種群中的灰狼個體位置更新；

20、判斷是否達到預(yù)設(shè)的收斂條件，若否，重新進行種群中的灰狼個體位置更新，迭代運算直到達到預(yù)設(shè)的收斂條件，否則，結(jié)束迭代，輸出最優(yōu)個體的位置作為svr模型的超參數(shù)。

21、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，所述進行種群中的個體位置更新的公式為：

22、

23、

24、其中，i表示種群中的灰狼個體編號，k表示迭代次數(shù)；分別表示第i個灰狼個體在第k次、第k+1次迭代時的位置；分別表示第i個灰狼個體在第k次、第k+1次迭代時的速度，ω表示慣性因子；c1、c2和c3為學(xué)習(xí)因子；r1、r2和r3為介于[0,1]之間的隨機數(shù)；x1、x2和x3均為從種群中隨機選擇的個體位置。

25、在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，所述psogwo-svr預(yù)測模型的表達式為：

26、

27、y＝(m1,m2,ax,ay,ux,uy)

28、

29、其中，k(yt,yj)為高斯核函數(shù)，yt和yj表示兩個編號為t、j的樣本的特征向量，σ為高斯核函數(shù)的參數(shù)，和αt均為拉格朗日乘子，b為常數(shù)，m為樣本數(shù)量，f(y)為psogwo-svr預(yù)測模型的預(yù)測值，y為樣本特征向量，m1為大帶輪轉(zhuǎn)矩，m2為小帶輪轉(zhuǎn)矩，ax為水平加速度，ay為垂直加速度，ux為曲軸末端水平位移，uy為曲軸末端垂直位移。

30、本發(fā)明第二方面，公開了一種基于psogwo-svr的噴氣織機曲軸壽命預(yù)測系統(tǒng)，所述系統(tǒng)包括：

31、數(shù)據(jù)獲取模塊：用于根據(jù)噴氣織機曲軸設(shè)計參數(shù)確定噴氣織機曲軸壽命的影響因素，根據(jù)所述影響因素構(gòu)建實驗樣本數(shù)據(jù)；

32、有限元模擬模塊：用于建立噴氣織機曲軸有限元模型，將所述實驗樣本數(shù)據(jù)輸入所述噴氣織機曲軸有限元模型中進行有限元模擬，得到所述實驗樣本數(shù)據(jù)對應(yīng)的應(yīng)力值，根據(jù)所述應(yīng)力值計算對應(yīng)的疲勞壽命；

33、數(shù)據(jù)集構(gòu)建模塊：用于以實驗樣本數(shù)據(jù)為樣本屬性、以疲勞壽命為樣本標簽，構(gòu)建數(shù)據(jù)集；

34、模型訓(xùn)練模塊：用于通過所述數(shù)據(jù)集訓(xùn)練psogwo-svr預(yù)測模型；所述psogwo-svr預(yù)測模型為基于粒子群-灰狼混合優(yōu)化算法優(yōu)化的svr模型；

35、壽命預(yù)測模塊：用于獲取待測噴氣織機曲軸的設(shè)計參數(shù)，通過psogwo-svr預(yù)測模型進行待測噴氣織機曲軸壽命預(yù)測。

36、本發(fā)明第三方面，公開一種電子設(shè)備，包括：至少一個處理器、至少一個存儲器、通信接口和總線；

37、其中，所述處理器、存儲器、通信接口通過所述總線完成相互間的通信；

38、所述存儲器存儲有可被所述處理器執(zhí)行的程序指令，所述處理器調(diào)用所述程序指令，以實現(xiàn)如本發(fā)明第一方面所述的方法。

39、本發(fā)明第四方面，公開一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲計算機指令，所述計算機指令使計算機實現(xiàn)如本發(fā)明第一方面所述的方法。

40、本發(fā)明提出的一種基于psogwo-svr的噴氣織機曲軸壽命預(yù)測方法及系統(tǒng)相對于現(xiàn)有技術(shù)具有以下有益效果：

41、1)本發(fā)明全面考慮曲軸的設(shè)計特性與運行條件，根據(jù)噴氣織機曲軸設(shè)計參數(shù)篩選噴氣織機曲軸壽命的影響因素，根據(jù)所述影響因素構(gòu)建實驗樣本數(shù)據(jù)，通過有限元模擬獲取對應(yīng)的疲勞壽命，從而構(gòu)建數(shù)據(jù)集，可以降低數(shù)據(jù)集獲取難度，避免了單純依賴實驗數(shù)據(jù)而帶來的數(shù)據(jù)量不足的問題；通過使用psogwo優(yōu)化的svr模型，結(jié)合粒子群優(yōu)化和灰狼優(yōu)化算法，可以更有效地尋找最優(yōu)模型參數(shù)，從而提高預(yù)測精度，提供更可靠的曲軸壽命評估。

42、2)本發(fā)明以大帶輪轉(zhuǎn)矩、小帶輪轉(zhuǎn)矩、水平加速度、垂直加速度、曲軸末端水平位移和曲軸末端垂直位移作為預(yù)測模型的輸入特征，以壽命值作為輸出特征，利用粒子群-灰狼混合優(yōu)化算法優(yōu)化支持向量機回歸模型的超參數(shù)，建立了噴氣織機曲軸設(shè)計參數(shù)與疲勞壽命之間的預(yù)測模型，可以很好的反應(yīng)出噴氣織機曲軸設(shè)計參數(shù)與壽命之間的關(guān)系，針對性更強，可以提高預(yù)測的噴氣織機曲軸壽命值的精度，減小預(yù)測值與仿真值之間的誤差。

43、3)本發(fā)明融合了粒子群優(yōu)化算法和灰狼優(yōu)化算法，利用粒子群優(yōu)化算法的粒子位置更新方式來替代基本的灰狼優(yōu)化算法的灰狼個體位置更新，形成粒子群-灰狼混合優(yōu)化算法，可以提高算法整體的尋優(yōu)能力和收斂速度。

44、4)本發(fā)明的方法可以根據(jù)不斷增加或更新的實驗樣本數(shù)據(jù)進行預(yù)測模型的更新和優(yōu)化，具備良好的動態(tài)適應(yīng)性，提高了噴氣織機曲軸壽命預(yù)測的適用性。