(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 202111262091.2 (22)申请日 2021.10.28 (71)申请人 大连理工大 学 地址 116024 辽宁省大连市甘井 子区凌工 路2号 (72)发明人 尹鹏博　刘洋　崔家诚　黄诚昊　 高昌勇　刘巍　张洋　付饶　 (74)专利代理 机构 大连理工大 学专利中心 21200 代理人 温福雪 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 17/16(2006.01) G06F 17/18(2006.01)G06F 113/26(2020.01) (54)发明名称 基于多传感器的碳纤维复合材料钻削出口 分层损伤预测方法 (57)摘要 本发明属于机械加工领域， 提供基于多传感 器的碳纤维复合材料钻削出口分层损伤预测方 法； 首先通过采集钻削过程中的力、 力矩、 温度和 振动信号构建输入信号数据集； 然后利用统计分 层因子评估加工分层损伤， 结合 分层损伤评估结 果获得输出数据集； 再建立回归 ‑时序混合预测 模型， 通过输入与输出数据集训练模型， 得到碳 纤维复合材料损伤预测模型； 最终结合钻削过程 中的力、 力矩、 温度和振动的在位采集， 代入损伤 预测模型实现加工损伤的在位预测。 本发明解决 碳纤维复合材料钻削出口分层损伤难以实时预 测的问题， 实现在连续钻孔下待加工孔分层损伤 的准确预测。 此外， 对预测结果给出置信区间， 进 一步避免分层损伤超差的发生， 在工业生产中有 更大的潜力。 权利要求书4页 说明书7页 附图2页 CN 114021443 A 2022.02.08 CN 114021443 A 1.一种基于多传感器的碳纤维复合材料钻削出口分层损伤预测方法， 其特征在于， 结 合钻削过程中力、 力矩、 温度和振动的在位采集， 构建输入信号集， 通过对分层损伤程度的 准确评估， 构建输出数据集， 建立预测待加工孔损伤的机器学习模型， 实现加工损伤的在位 预测； 具体步骤如下： 第一步， 特征信号采集与提取； 在钻削过程中采集力、 力矩、 温度和振动四种信号； 对力和力矩进行去除零点漂移处 理， 并进行滤波处理， 去除振动信号中异常值， 然后提取四种信号的时域特征值， 构建每种 信号的特 征矩阵如下： 其中， X为信号 特征矩阵， Zmax、 Zmin、 Zp‑p、 Zrms、 Zave、 Zrave、 Zvar和Zstd分别代表时域特征值类 型的最大值、 最小值、 峰峰值、 均方根、 均值、 整流平均值、 方差和标准差， 其角标F、 T、 Vib和 Tem分别代表力、 力矩、 振动和温度； 考虑到两个平面内的力矩， 力矩特征矩阵为16维， 温度 特征值为图像峰值特征， 考虑到温度特征值 曲线有两个明显的峰值特征， 温度特征值矩阵 为12维， 力和振动特 征矩阵均为8维， 最终得到4 4维的特征值矩阵； 信号特征矩阵分解 为： X＝U∑VT   (5) 其中， U、 V为 正交阵， ∑为 n×n的对角阵， 将∑分割为 k列， 记为 Σk， 求解降维数据点Yk： Yk＝U∑k      (6) 将原有的n维特 征矩阵降维成k维； 使用主成分分析对信号特征矩阵进行降维分析， 对各主成分进行归一化处理， 通过碎 石图对k值的选取进 行可视化分析， 选取3个力特征值主成分， 4个力矩特征值主成分， 2个温 度特征值主成分， 2个振动特征值主成分； 将钻孔序号Nth记录为一维特征， 并与降维信号特 征矩阵相结合， 用于反映钻孔过程中的时间序列信息， 构造 输入特征矩阵： 其中， 代表了第i个力特征值主成分， 代表了第i个力矩特征值主成分， 代表了第i个温度特 征值主成分， 代表了第i个振动特 征值主成分； 第二步， 分层损伤评估 对出口处图像运用灰度化处理、 二值化处理得到出口损伤轮廓， 采用k ‑means聚类算法 实现对出口损伤轮廓分层轮廓的分割， 引入统计分层因子Fs对分层进行量化评估， 统计分 层因子Fs为：权　利　要　求　书 1/4 页 2 CN 114021443 A 2其中， nm代表分层 轮廓线上采样点数量， di代表分层 轮廓线上采样点到圆心的距离， R代 表拟合半径， ri为di与R的差值， Rnom为公称半径， rt代表孔分层的最大允许偏差， Rt代表孔半 径的最大允许偏差； 使用奇异谱分析对Fs序列进行分解重构， 提取出代表原始序列的不同分量； 对每个孔分 层损伤区域进行提取和量化， 将光学显微镜得到的图像序列转换为以Fs为分量的一维时间 序列 其中， Nh是孔的总数； 选择窗口长度L， 其中2≤L≤Nh； 将一维时间序列 转化为轨迹矩阵Y： 其中， k＝Nh‑L+1； 对轨迹矩阵Y进行奇异值分解， 计算YYT， 得到其特征值λ1≥λ2≥λ3≥…≥λL≥0,U1,U2… UL为与上述特 征值相对应的正交特 征向量， 获得以下公式： 其中， Vi是轨迹矩阵Y的主成分， Yi是滞后序列， 特征 向量λi相应的Ui反映时间序列的演 变， 称为时间经验正交函数； 选择轨迹矩阵Y的任意分量进行分组， 分组后得到的矩阵重新构造， 在重构过程中， 计 算滞后序列Yi在Ui的投影如下： 其中， Yd为轨迹矩阵Y的第d列， 为Y在原始序列特定周期内所反映的时间权值， 称为时 间主成分， 利用时间经验正交函数和时间主成分重构Y的任意分量得到重构序列 如 下：权　利　要　求　书 2/4 页 3 CN 114021443 A 3