丝杠的降温策略生成方法、装置、电子设备及存储介质与流程

本发明涉及人工智能，尤其涉及丝杠的降温策略生成方法、装置、电子设备及存储介质。

背景技术：

1、实际加工过程中，导致丝杠发热的因素有多种，例如摩擦力热：在高速和高频的条件下，丝杠的摩擦力增大导致产热增加、温度升高；转动惯量热：在高速旋转的条件下，丝杠的惯性力不断产生，从而产生转动惯量热，导致滚珠丝杠温度升高；环境温度：当环境温度高或密闭空间内空气流通不良，丝杠容易产生温度升高的现象。

2、丝杆温度过高时容易产生热膨胀，进而导致加工误差，因此需要及时对丝杆降温。针对摩擦力热，可以采用润滑策略。针对转动惯量热，可以适当降低旋转速度或者采用降温冷却技术，例如外部冷却或者内部冷却。外部冷却：在滚珠丝杠周围布置冷却装置（风扇/散热片，用于将热量迅速散发到周围环境）或喷淋冷却剂（水/冷却液，用于喷射在丝杠表面，利用冷却剂的吸热蒸发效应降低温度）来进行外部冷却。内部冷却：在滚珠丝杠内部设置冷却通道，通过流动的冷却介质（如冷却液）来冷却滚珠丝杠。冷却液可以通过外部冷却装置或循环泵引入冷却通道，并通过内部冷却孔流动到滚珠丝杠表面，吸收热量后再排出，实现内部循环冷却。针对环境温度，可以优化机床的工作环境，保证机床周围的通风和空气流通。

3、不同发热因素分别对应的降温方法存在差异，目前针对丝杠的降温方法主要还是采用的数据监测，然后针对可能存在的多种发热因素分别制定各自对应的降温策略。由于各发热因素之间存在一定的关联性，单独决策的方式会导致各发热因素的降温策略在联合使用时的作用效果不佳。

4、因此，现有技术还有待改进和发展。

技术实现思路

1、本发明提供丝杠的降温策略生成方法、装置、电子设备及存储介质，用以解决现有技术中针对不同发热因素单独决策生成各自的降温策略，导致各降温策略在联合使用时作用效果不佳的缺陷。

2、本发明提供一种丝杠的降温策略生成方法，包括：

3、获取丝杠上若干监测位分别对应的温度数据，根据各所述温度数据确定丝杠对应的温度分布特征；

4、根据所述温度分布特征确定目标决策模型，其中，所述目标决策模型包括级联的若干子模型，各所述子模型分别用于输出不同发热因素的降温策略；各所述子模型的级联顺序基于所述温度分布特征确定；每一所述子模型的输入数据为所述目标决策模型的输入数据和位于该子模型前的所有所述子模型的输出数据；

5、将各所述温度数据输入所述目标决策模型，得到目标降温策略，其中，所述目标降温策略包括各所述子模型分别输出的降温策略。

6、根据本发明提供的一种丝杠的降温策略生成方法，所述根据各所述温度数据确定丝杠对应的温度分布特征，包括：

7、获取所述丝杠对应的结构图，将所述结构图和各所述温度数据输入图像预测模型，得到所述丝杠对应的温度场图像；

8、对所述温度场图像进行特征提取，得到所述温度分布特征。

9、根据本发明提供的一种丝杠的降温策略生成方法，所述图像预测模型用于：

10、根据各所述温度数据确定所述结构图上各所述监测位分别对应的灰度值；

11、针对所述结构图中相邻两个所述监测位的中间区域，从两端同时向中间进行逐步预测，每一步长用于预测预设长度的区域的灰度值；

12、针对每一端的首个步长，该步长对应的灰度值基于两个所述监测位的所述温度数据的加权数据确定，并且每一所述监测位的权重值基于该监测位与该步长所预测的区域的距离确定；

13、针对同一预测方向上相邻的两个步长，后一步长对应的灰度值基于两个所述监测位的所述温度数据的加权数据和前一步长的灰度值确定；

14、根据各所述监测位的灰度值和各步长分别对应的区域的灰度值，确定所述温度场图像。

15、根据本发明提供的一种丝杠的降温策略生成方法，所述根据所述温度分布特征确定目标决策模型，包括：

16、根据所述温度分布特征，确定若干所述发热因素的主次顺序；

17、根据所述主次顺序，确定各所述子模型的目标级联顺序；

18、获取模型数据库，其中，所述模型数据库包括若干决策模型，各所述决策模型分别对应不同的所述子模型的级联顺序；

19、根据所述目标级联顺序与所述模型数据库进行匹配，得到所述目标决策模型。

20、根据本发明提供的一种丝杠的降温策略生成方法，所述根据所述温度分布特征，确定若干所述发热因素的主次顺序，包括：

21、将所述温度分布特征输入概率预测模型，得到各所述发热因素分别对应的概率值；

22、根据各所述发热因素的所述概率值，得到各所述发热因素分别对应的位次；

23、根据各所述发热因素的所述位次，确定所述主次顺序。

24、根据本发明提供的一种丝杠的降温策略生成方法，所述获取模型数据库，包括：

25、获取所述丝杠对应的加工场景信息；

26、获取若干标准模型数据库，其中，各所述标准模型数据库分别对应不同的加工场景；

27、根据所述加工场景信息从各所述标准模型数据库中确定所述模型数据库。

28、根据本发明提供的一种丝杠的降温策略生成方法，所述获取丝杠上若干监测位分别对应的温度数据之后，还包括：

29、将各所述温度数据输入形变预测模型，得到所述丝杠的预测形变数据；

30、将所述预测形变数据输入误差预测模型，得到预测热膨胀误差；

31、根据所述预测热膨胀误差，确定所述丝杠对应的热补偿数据。

32、本发明还提供一种丝杠的降温策略生成装置，包括：

33、分析模块，用于获取丝杠上若干监测位分别对应的温度数据，根据各所述温度数据确定丝杠对应的温度分布特征；

34、确定模块，用于根据所述温度分布特征确定目标决策模型，其中，所述目标决策模型包括级联的若干子模型，各所述子模型分别用于输出不同发热因素的降温策略；各所述子模型的级联顺序基于所述温度分布特征确定；每一所述子模型的输入数据为所述目标决策模型的输入数据和位于该子模型前的所有所述子模型的输出数据；

35、决策模块，用于将各所述温度数据输入所述目标决策模型，得到目标降温策略，其中，所述目标降温策略包括各所述子模型分别输出的降温策略。

36、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述任一种丝杠的降温策略生成方法。

37、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种丝杠的降温策略生成方法。

38、本发明提供的丝杠的降温策略生成方法、装置、电子设备及存储介质，通过获取丝杠上若干监测位的温度数据，根据各温度数据确定丝杠的温度分布特征；根据温度分布特征确定目标决策模型，目标决策模型包括级联的若干子模型，各子模型分别用于输出不同发热因素的降温策略；各子模型的级联顺序基于温度分布特征确定；每一子模型的输入数据为目标决策模型的输入数据和位于该子模型前的所有子模型的输出数据；将各温度数据输入目标决策模型，得到目标降温策略，目标降温策略包括各子模型分别输出的降温策略。本发明中各发热因素的降温策略是联合生成的，而非独立决策，因此最终的目标降温策略具有更佳的降温效果。