【技术实现步骤摘要】
本专利技术属于喷气织机曲轴寿命预测，具体涉及一种基于psogwo-svr的喷气织机曲轴寿命预测方法及系统。
技术介绍
1、在现代纺织工业中，喷气织机作为一种高效、高速的织造设备，在生产过程中扮演着至关重要的角色。随着纺织行业对生产效率和产品质量要求的不断提高，喷气织机的运行稳定性和可靠性成为了企业关注的焦点。曲轴是喷气织机中传递动力、实现往复运动的核心部件，它的工作性能和寿命直接影响着整个织机的运行效率和可靠性。在高速运转和复杂载荷作用下，曲轴容易出现疲劳裂纹、磨损、变形等失效形式，一旦曲轴发生故障，将导致织机停机，给企业带来巨大的经济损失和生产延误。而进行喷气织机曲轴寿命预测一定程度上可以缓解这些问题。
2、一方面，由于喷气织机的采购成本较高，企业需要尽可能延长其关键部件的使用寿命，以降低设备的维护成本和更换成本，提高设备的投资回报率。通过对曲轴寿命的准确预测，可以合理安排维护计划和备件采购，避免过早更换造成的资源浪费和过晚更换导致的设备故障，从而实现经济效益的最大化。另一方面，纺织企业通常采用流水线生产方式，喷气织机的停机将导致整个生产线的中断，影响产品的交付周期和客户满意度。通过对曲轴寿命的预测，企业可以提前做好设备维护和维修准备，减少因设备故障造成的生产中断，保证生产的连续性和稳定性，提高企业的市场竞争力。
3、目前，在疲劳寿命预测技术中，对喷气织机曲轴进行寿命预测的研究较少，现有的采用机器学习、深度学习的寿命预测方式虽然能够实现输入与输出之间的映射关系，但是难以基于不同预测对象的特点进行针对性的
技术实现思路
1、有鉴于此，本专利技术提出了一种基于psogwo-svr的喷气织机曲轴寿命预测方法及系统，用于解决喷气织机曲轴寿命预测精度不高的问题。
2、本专利技术第一方面，公开了一种基于psogwo-svr的喷气织机曲轴寿命预测方法，所述方法包括：
3、建立喷气织机曲轴有限元模型；
4、根据喷气织机曲轴设计参数确定喷气织机曲轴寿命的影响因素，根据所述影响因素构建实验样本数据；
5、将所述实验样本数据输入所述喷气织机曲轴有限元模型中进行有限元模拟，得到所述实验样本数据对应的应力值，根据所述应力值计算对应的疲劳寿命；
6、以实验样本数据为样本属性、以疲劳寿命为样本标签，构建数据集；
7、通过所述数据集训练psogwo-svr预测模型；所述psogwo-svr预测模型为基于粒子群-灰狼混合优化算法优化的svr模型；
8、获取待测喷气织机曲轴的设计参数，通过psogwo-svr预测模型进行待测喷气织机曲轴寿命预测。
9、在以上技术方案的基础上，优选的，所述喷气织机曲轴寿命的影响因素包括喷气织机曲轴的大带轮转矩、小带轮转矩、水平加速度、垂直加速度、曲轴末端水平位移和曲轴末端垂直位移。
10、在以上技术方案的基础上，优选的，所述根据所述影响因素构建实验样本数据具体包括：
11、采用box-behnken设计法选取大带轮转矩、小带轮转矩、水平加速度、垂直加速度、曲轴末端水平位移和曲轴末端垂直位移六个影响因素的值，形成预设数量的实验样本数据。
12、在以上技术方案的基础上，优选的，所述将所述实验样本数据输入所述喷气织机曲轴有限元模型中进行有限元模拟，得到所述实验样本数据对应的应力值，根据所述应力值计算对应的疲劳寿命具体包括：
13、分别将所述实验样本数据输入所述喷气织机曲轴有限元模型，并对所述喷气织机曲轴有限元模型施加应力、加速度和位移，分别得到喷气织机曲轴的应力值；
14、分别根据所述应力值计算对应的疲劳寿命。
15、在以上技术方案的基础上，优选的，所述psogwo-svr预测模型通过粒子群-灰狼混合优化算法来优化svr模型的超参数；
16、所述粒子群-灰狼混合优化算法的优化方式为：
17、以所述svr模型的超参数为个体向量，在超参数的解空间内初始化灰狼优化算法的种群；
18、计算种群中各个灰狼个体的适应度值，并保存最优个体的位置；
19、结合粒子群优化算法进行种群中的灰狼个体位置更新；
20、判断是否达到预设的收敛条件，若否，重新进行种群中的灰狼个体位置更新，迭代运算直到达到预设的收敛条件，否则，结束迭代，输出最优个体的位置作为svr模型的超参数。
21、在以上技术方案的基础上，优选的，所述进行种群中的个体位置更新的公式为：
22、
23、
24、其中，i表示种群中的灰狼个体编号，k表示迭代次数；分别表示第i个灰狼个体在第k次、第k+1次迭代时的位置；分别表示第i个灰狼个体在第k次、第k+1次迭代时的速度，ω表示惯性因子；c1、c2和c3为学习因子；r1、r2和r3为介于[0,1]之间的随机数；x1、x2和x3均为从种群中随机选择的个体位置。
25、在以上技术方案的基础上，优选的，所述psogwo-svr预测模型的表达式为：
26、
27、y＝(m1,m2,ax,ay,ux,uy)
28、
29、其中，k(yt,yj)为高斯核函数，yt和yj表示两个编号为t、j的样本的特征向量，σ为高斯核函数的参数，和αt均为拉格朗日乘子，b为常数，m为样本数量，f(y)为psogwo-svr预测模型的预测值，y为样本特征向量，m1为大带轮转矩，m2为小带轮转矩，ax为水平加速度，ay为垂直加速度，ux为曲轴末端水平位移，uy为曲轴末端垂直位移。
30、本专利技术第二方面，公开了一种基于psogwo-svr的喷气织机曲轴寿命预测系统，所述系统包括：
31、数据获取模块：用于根据喷气织机曲轴设计参数确定喷气织机曲轴寿命的影响因素，根据所述影响因素构建实验样本数据；
32、有限元模拟模块：用于建立喷气织机曲轴有限元模型，将所述实验样本数据输入所述喷气织机曲轴有限元模型中进行有限元模拟，得到所述实验样本数据对应的应力值，根据所述应力值计算对应的疲劳寿命；
33、数据集构建模块：用于以实验样本数据为样本属性、以疲劳寿命为样本标签，构建数据集；
34、模型训练模块：用于通过所述数据集训练psogwo-svr预测模型；所述psogwo-svr预测模型为基于粒子群-灰狼混合优化算法优化的svr模型；
35、寿命预测模块：用于获取待测喷气织机曲轴的设计参数，通过psogwo-svr预测模型进行待测喷气织机曲轴寿命预测。
36、本专利技术第三方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；
37、其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
38、所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如本专利技术第本文档来自技高网...
【技术保护点】
1.一种基于PSOGWO-SVR的喷气织机曲轴寿命预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于PSOGWO-SVR的喷气织机曲轴寿命预测方法，其特征在于，所述喷气织机曲轴寿命的影响因素包括喷气织机曲轴的大带轮转矩、小带轮转矩、水平加速度、垂直加速度、曲轴末端水平位移和曲轴末端垂直位移。
3.根据权利要求2所述的基于PSOGWO-SVR的喷气织机曲轴寿命预测方法，其特征在于，所述根据所述影响因素构建实验样本数据具体包括：
4.根据权利要求1所述的基于PSOGWO-SVR的喷气织机曲轴寿命预测方法，其特征在于，所述将所述实验样本数据输入所述喷气织机曲轴有限元模型中进行有限元模拟，得到所述实验样本数据对应的应力值，根据所述应力值计算对应的疲劳寿命具体包括：
5.根据权利要求1所述的基于PSOGWO-SVR的喷气织机曲轴寿命预测方法，其特征在于，所述PSOGWO-SVR预测模型通过粒子群-灰狼混合优化算法来优化SVR模型的超参数；
6.根据权利要求5所述的基于PSOGWO-SVR的喷气织机曲轴寿命预测方法，
7.根据权利要求6所述的基于PSOGWO-SVR的喷气织机曲轴寿命预测方法，其特征在于，所述PSOGWO-SVR预测模型的表达式为：
8.一种基于PSOGWO-SVR的喷气织机曲轴寿命预测系统，其特征在于，所述系统包括：
9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器、通信接口和总线；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令被处理器执行使计算机实现如权利要求1～7任一项所述的方法。
...【技术特征摘要】
1.一种基于psogwo-svr的喷气织机曲轴寿命预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于psogwo-svr的喷气织机曲轴寿命预测方法，其特征在于，所述喷气织机曲轴寿命的影响因素包括喷气织机曲轴的大带轮转矩、小带轮转矩、水平加速度、垂直加速度、曲轴末端水平位移和曲轴末端垂直位移。
3.根据权利要求2所述的基于psogwo-svr的喷气织机曲轴寿命预测方法，其特征在于，所述根据所述影响因素构建实验样本数据具体包括：
4.根据权利要求1所述的基于psogwo-svr的喷气织机曲轴寿命预测方法，其特征在于，所述将所述实验样本数据输入所述喷气织机曲轴有限元模型中进行有限元模拟，得到所述实验样本数据对应的应力值，根据所述应力值计算对应的疲劳寿命具体包括：
5.根据权利要求1所述的基于psogwo-svr...
【专利技术属性】
技术研发人员：周嘉诚，段忠炜，熊小双，姜璐，樊飞，余联庆，胡峰，沈敏，
申请(专利权)人：武汉纺织大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。