(19)中华 人民共和国 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 202111135591.X (22)申请日 2021.09.27 (71)申请人 鄂尔多斯应用技 术学院 地址 017000 内蒙古自治区鄂 尔多斯市康 巴什区鄂 尔多斯大街 东1号 (72)发明人 李晓雪　张振良　 (74)专利代理 机构 重庆信必达知识产权代理有 限公司 5 0286 代理人 刘竹 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 10/04(2012.01) G06Q 50/04(2012.01) G06F 119/04(2020.01) (54)发明名称 一种自润滑材 料摩擦层磨损状态预测方法 (57)摘要 本发明公开了一种自润滑材料摩擦层磨损 状态预测方法， 涉及材料磨损领域， 该方法包括 以下步骤： S1： 使用Minitab软件应用回归模型和 方差分析研究磨损参数对材料磨损量损失的影 响； S2： 利用支撑向量回归器生成的线性平面函 数进行磨损量损失预测； S3： 针对非线性支持向 量机的情况， 使用PSO算法对惩罚参数和核函数 参数进行筛选和取值， 并对磨损量进行预测； S4： 使用深度胶囊网络中对磨损量进行预测； S5： 将3 种方法得到的鞠策结果进行比较， 得出最可靠的 预测模型和方法。 采用本发明的技术方案利用回 归方差模型、 向量回归机和胶囊网络三种方法来 对自润滑材料的摩擦层摩擦磨损状态进行预估， 以得到较为准确的预估 模型。 权利要求书2页 说明书9页 附图5页 CN 113987918 A 2022.01.28 CN 113987918 A 1.一种自润滑材 料摩擦层磨损状态预测方法， 其特 征在于： 该 方法包括以下步骤： S1： 使用Minitab软件应用回归模型， 以根据不同的载荷， 滑动速度和滑动距离来计算 磨损量损失， 并采用方差分析研究磨损参数对材 料磨损量损失的影响； S2： 利用支撑向量回归器生成的线性平面函数对输入的载荷、 滑动距离和滑动速度进 行磨损量损失预测； S3： 针对非线性支持向量机的情况， 需要引 入惩罚参数和核函数参数， 并使用PSO算法 对惩罚参数和核函数参数进行筛 选和取值， 之后对磨损量进行 预测； S4： 使用深度胶囊网络中Squashing的非线性函数作为激活函数； 低层的胶囊通过变换 矩阵作出预测， 预测结果向更高级的胶 囊提供磨损的参数信息， 当多个预测一致时， 激活更 高级的胶囊； 当低层胶囊的预测向量和高层胶囊的激活向量有较大 的标量积时， 低层级胶 囊就倾向于 向高层胶囊输出， 最终在最高阶层的胶囊层得到预测向量， 从而对磨损量进行 预测； S5： 将使用Minitab软件应用回归模型得到的磨损量预测数据、 使用向量回归器得到的 磨损量预测数据、 使用胶囊网络得到的磨损量预测数据和实际磨损量数据进行对比， 得出 最可靠的预测模型和方法。 2.根据权利要求1所述的自润滑材料摩擦层磨损状态预测方法， 其特征在于： 所述S1中 的回归模型采用如下回归方程式： V＝‑6.05+0.2806F+0.022276L‑0.0032v 式中V， F， L和v分别代表磨损量损失， 施加的载荷， 滑动距离和滑动 速度， 之后采用方差 分析研载荷、 滑动速度和滑动距离对材 料磨损量损失的影响。 3.根据权利要求1所述的自润滑材料摩擦层磨损状态预测方法， 其特征在于： 所述S3 中 PSO算法对惩罚参数和核函数参数进行筛 选和取值包括以下几个步骤： S3‑1： 初始化解空间。 设置支持向量机参数组的初始选取范围， 并随机产生初始搜索点 的位置p及其速度v， 并将每 个粒子个 体经历过的最 好位置pB设置为当前位置； S3‑2： 粒子评价。 通过适应度函数计算出各粒子位置的适应度值， 如果优于该粒子当前 的个体极值， 则将pB设置为该粒子的位置， 并更新个体最佳适应度值， 寻度和位置进行更 新， 寻找最优个体极值点的适应度值； 如果该粒子的最优个体极值好于当前 的全局极值则 记为全局极值点， 并记录该点的粒子序号， 将种群经过的最佳位置gb设置为该最优粒子的 当前位置， 并更新全局最佳适应度值； S3‑3： 粒子更新。 在每一次迭代中， 粒子跟踪当前所确定的个体极值和全局极值， 并对 粒子的速度和位置进行 更新； S3‑4： 结果校验。 若粒子寻优的精度已经达到要求， 或者目前迭代次数已经到达了事先 设定的最大次数， 就停止迭代， 输出 结果， 否则返回S4 ‑2步骤重新进行计算； S3‑5： 对径向基核函数进行参数寻优， 得到最优的惩罚参数c的取值为15.73， 径向基核 函数下的参数g取值 为0.01， MSE为0.0 04。 4.根据权利要求3所述的自润滑材料摩擦层磨损状态预测方法， 其特征在于： 对PSO算 法下所需设定的各个参数作出合理的取值， 其中种群最大数量设定为20， 局部搜索能力参 数设定为1.5， 全局搜索能力参数设定为1.7， 迭代次数设定为20 0次。 5.根据权利要求3所述的自润滑材料摩擦层磨损状态预测方法， 其特征在于： 所述S3 ‑4权　利　要　求　书 1/2 页 2 CN 113987918 A 2步骤中， 为了测试实验结果， 采集自润滑材料 的相关数据并提取特征后输入到粒子群优化 的SVR模型中进行训练， 将数据集的20％， 作为测试集。 6.根据权利要求1所述的自润滑材料摩擦层磨损状态预测方法， 其特征在于： 所述S4中 需构建基于胶 囊网络的模 型预测模块， 包括： 输入层； 卷积层； L组胶 囊层； 其中， 输入层获得 磨损表面分离过后的特征， 卷积层采用512个步幅为1的7*7卷积核， 对输入的数据进行卷 积， L组胶 囊层并包含卷积运算， 开始构建相应的张量结构作为后续胶 囊层的输入， 对L组胶 囊层中每一组胶囊层进行胶囊预测后得到L层 胶囊的预测向量。 7.根据权利要求6所述的自润滑材料摩擦层磨损状态预测方法， 其特征在于： 所述L组 胶囊层中每一组胶囊层的动态路由算法包括以下步骤： a： 用f表示胶囊层数， 初始化层数为1， 即第一层为低层 胶囊； b： 输入总层数L、 每层 胶囊的数量、 路由算法迭代步数R以及输出向量维数； c： 判断f<L， 若是， 接d步骤。 若不是， 算法结束， 得到L层输出向量； d： 选取第f层为低层胶囊， 读取低层胶囊总数I， 用i表示单个胶囊； 选取第f+1层为 高层 胶囊， 读取高层胶囊总数J， 用j表示单个胶囊并构建优化 问题， 设置初始迭代步数r＝0； 初 始化bij＝0； e： 判断r<R， 若不是， 输出 结果向量， 令f＝f+1， 回到 c步骤； 若是， 接f步骤； f： 计算耦合系数、 高层 胶囊输出向量、 更新缩放因子， 令r＝r+1， 回到e步骤。权　利　要　求　书 2/2 页 3 CN 113987918 A 3