针对数控加工过程能耗现场采集困难,难以实现精确预测的难题,提出了一种多特征数据驱动的数控铣削加工能耗预测方法。首先,对影响数控铣削加工过程能耗的特征属性进行分析,提出了多特征数据采集及处理方法;其次,运用ReliefF的特征选择算法,对能耗预测影响较大的特征数据进行筛选,确定能耗预测的输入特征数据;运用人工蜂群优化BPNN神经网络(ABC-BPNN)的算法对数控铣削加工过程进行能耗预测;最后,通过某工件表面铣削加工案例对所提的方法进行验证,并进行算法对比,说明了所选方法的有效性。

针对数控车削加工过程碳排放影响要素繁多、动态特性复杂的特点,提出了一种基于多维特征数据驱动的数控车削加工过程碳排放预测方法。首先,对数控车削加工过程碳排放特性进行分析,建立了包含原材料消耗、辅助材料消耗、能源消耗和废弃物回收处理的总碳排放量计算模型,确定了碳排放不同维度的影响要素;其次,针对不同影响要素的类型,提出了数控车削加工过程碳排放数据的采集、预处理方法,利用岭回归方法对数据主要特征进行选择提取;再次,以提取的特征数据为自变量,提出了一种基于改进的果蝇-差分进化优化BP神经网络算法的数控车削加工过程碳排放预测模型;最后,通过实验对所提方法和模型的有效性进行了验证。