一种基于误差修正的动平衡机去重量误差预测方法及系统技术方案

本发明专利技术提供了一种基于误差修正的动平衡机去重量集成预测方法及系统，所属领域为机械误差分析技术领域。基于误差修正的动平衡机去重量集成预测方法及系统包括：获取动平衡机的运行数据和制动盘数据；将上述数据输入训练好的误差预测模型进行预测，将动平衡机初检工位确定的去重量和模型预测的结果相加作为动平衡机去重系统最终的去重量；其中，动平衡机初检工位确定的去重量由动平衡机现有系统解算得到；动平衡机历史运行数据和制动盘数据作为误差预测模型的训练数据集。本发明专利技术提高了动平衡机的去重精度，提高了制动盘在高速旋转过程中的平稳性。中的平稳性。中的平稳性。

【技术实现步骤摘要】
一种基于误差修正的动平衡机去重量误差预测方法及系统


[0001]本专利技术设计制动盘不平衡量平衡过程中去重量误差预测
，尤其涉及一种基于误差修正的动平衡机去重量误差预测方法及系统。

技术介绍

[0002]随着汽车产业的快速发展，车辆行驶的安全性也引起了人们更多的重视，在影响车辆行驶安全的众多因素中，制动性能的优劣占据着相当大的比重。在汽车制动系统的发展中，制动配置也在不断地发生着改变，逐渐从“前盘后毂”的传统设计变成“前盘后盘”的形式。制动盘的使用量迅速飙升，制动盘质量的优劣严重影响着车辆的使用性能以及驾驶的安全性和可靠性。
[0003]由于在制动盘的生产过程中使用材料质量、加工工艺以及加工环境等因素的影响，会造成制动盘本身出现质量分布不均匀的现象。这种在制动盘的高速旋转过程中因为质量分布不均匀产生的振动属于危害性振动，会严重影响到车辆的行驶安全以及车内人员的人身安全。
[0004]这种危害性振动的本质原因主要是：在车辆的行驶过程中制动盘会跟随车轮做高速的旋转运动，因其自身质量分布不均匀产生离心力是制动盘内部受力不平衡而产生振动，这种现象称为动不平衡现象，而不均匀的质量被称为不平衡量。针对不平衡量的问题主要是通过平衡检测和校正的工艺进行平衡，其中平衡检测指对制动盘存在的不平衡量的幅值和相位进行检测，而校正主要指在不平衡量检测完成后，通过去重的方式使制动盘达到平衡。
[0005]目前，动平衡机提高校正精度的研究大都集中在提高不平衡量的检测技术上，希望通过更精确的不平衡量检测技术提高制动盘的平衡精度。但是动平衡机的铣削去重系统也会由于刀具进给不足或者进给过量以及在铣削过程中夹紧机构提供的摩擦力不足使制动盘发生滑动等不可避免的因素影响去重精度，这是检测技术无法解决的问题。

技术实现思路

[0006]为了解决上述问题，本专利技术提出了一种基于误差修正的动平衡机去重量误差预测方法及系统，利用随机森林模型进行去重量误差预测，根据预测结果通过调整刀具的进给以及铣削角度对检测系统无法弥补的铣削误差进行补偿。
[0007]在实施方式中，采用以下技术方案：
[0008]一种基于误差修正的动平衡机去重量误差预测方法，包括：
[0009]数据获取模块，获取动平衡机的运行数据和制动盘数据；
[0010]模型预测模块，将上述数据输入训练完成的校正去重量误差预测模型进行预测；
[0011]数据输出模块，将模型输出的预测结果与动平衡机初检工位确定的去重量相加作为最终的制动盘去重量；
[0012]其中，去重量误差预测模型的训练数据集为动平衡机的历史运行数据和制动盘数
据；将动平衡机历史运行数据和制动盘数据输入去重量误差预测模型，输出去重量误差预测值。
[0013]在另一些实施方式中，采用以下技术方案：
[0014]一种终端设备，包括存储器和处理器，存储器用于存放多条指令；处理器用于实现指令，上述指令适于由处理器加载并执行上述的基于误差修正的动平衡机去重量误差预测方法。
[0015]在另一些实施方式中，采用以下技术方案:
[0016]一种计算机可读存储介质，用于存储各个指令，上述指令由终端设备的处理器执行上述的基于误差修正的动平衡机去重量误差预测方法。
[0017]与现有技术相比，本专利技术的优势在于：
[0018]1、本专利技术利用集成学习算法里的随机森林模型建立去重量误差预测模型，弥补了动平衡机去重工位导致的校正误差无法进行补偿的缺点。
[0019]2、本专利技术利用去重量误差预测对动平衡机检测工位解算的去重量进行修正，提升了动平衡机的去重精度，提高了制动盘在高速旋转过程中的平稳性。
附图说明
[0020]图1为本专利技术实施例中的基于误差修正的去重量误差预测流程图；
[0021]图2为本专利技术实施例中动平衡机运行特征和制动盘参数特征与去重量误差之间的相关关系图；
[0022]图3为本专利技术实施例总的模型去重量误差预测结果；
具体实施方式
[0023]应该注意的是，以下说明都是示例性的，目的是对本申请提供进一步的说明。除非明确说明，否则本专利技术所使用的所有技术和科学术语都具有与本申请所属领域技术人员理解的相同含义。
[0024]实施例一
[0025]根据本专利技术的实施例，公开了一种基于误差修正的动平衡机去重量误差预测方法，包括如下步骤：
[0026](1)获取实时的动平衡机运行数据和制动盘数据；
[0027]具体的，动平衡机运行数据和制动盘数据是指所有与铣削去重相关的数据，包括但不限于：动平衡机的铣削功率、铣削深度、铣削角度、制动盘最大外圆半径、密度等数据。
[0028](2)将上述数据输入去重量误差预测模型进行预测；
[0029]具体的，采集动平衡机检测工位确定的运行数据和制动盘数据，提取铣削深度、铣削角度和制动盘最大外圆半径等数据。
[0030]本实例提出了一种基于误差修正的动平衡机去重量误差预测模型。该方法利用随机森林建立去重量误差预测模型，然后将模型的预测结果与动平衡机检测工位确定的去重量相加最为最终的去重量。该方法提高了动平衡机去重工位的校正精度，提高了制动盘在高速旋转过程中的平稳性。
[0031]详细方法如下：
[0032](1)数据准备
[0033]为了确定预测模型的输入量，首先使用相关系数ρ
xy
分析铣削宽度、制动盘直径等因素与去重量之间的相关性，ρ
xy
越大，表示x
i
和y
i
两个特征之间的相关性越强，ρ
xy
定义为：
[0034][0035]其中，和分别为两个特征的平均值，N为测试样本的数量。
[0036]表1展示了两个特征之间的相关系数与相关程度之间的关系，基于相关系数可以判断出两个特征之间的相关程度。
[0037]表1相关系数和相关程度的关系
[0038][0039]图2显示了铣削宽度(Milling width)、铣削功率(Milling power)、平衡耗时(Time) 以及制动盘直径(Rotor diameter)四个特征和去重量误差(Error)之间的相互关系图，从图中可以看出铣削宽度、铣削功率、平衡耗时均有较强的相关性，所以本实例选择铣削宽度、铣削功率、平衡耗时三个特征作为模块输入。
[0040](2)基于随机森林的去重量误差预测模型
[0041]1)模型简介
[0042]随机森林回归算法是由一组回归决策子树构成的组合模型。利用集成学习的思想，取所有决策子树的均值最为随机森林回归预测结果，其数据表达式为：
[0043][0044]其中，T表示树的数目，x表示自变量，θ
t
表示服从独立同分布的随机变量，h(x,θ
t
)为基于x和θ的输出。
[0045]随机森林算法引入了Bagging(套袋)和随机子空间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于误差修正的动平衡机去重量误差预测系统，其特征在于，包括：数据获取模块，用于获取动平衡机的运行数据和制动盘数据；模型预测模块，用于将上述数据输入训练完成的去重量误差预测模块进行预测；数据输出模块，用于将模型的预测结果与动平衡机初检工位确定的去重量相加作为最终的去重量；其中，去重量误差预测模型的训练数据集为动平衡机的历史运行数据和制动盘数据；将动平衡机的历史运行数据和制动盘数据输入去重量误差预测模型，输出去重量误差预测值。2.如权利要求1所述的一种基于误差修正的动平衡机去重量误差预测方法，其特征在于，所述动平衡机运行数据和制动盘数据包括但不限于动平衡机的铣削深度、铣削宽度、铣削角度和制动盘最大外圆半径、制动盘密度。3.如权利要求1所述的一种基于误差修正的动平衡机去重量误差预测方法，其特征在于，所述去重量误差预测模型利用随机森林模型构建。4.如权利要求1所述的一种基于误差修正的动平衡机去重量误差预测方法，其特征在...

【专利技术属性】
技术研发人员：胡艳娟，吕文军，张邦成，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：