本發(fā)明涉及數(shù)據(jù)處理，具體涉及一種用于生產(chǎn)銅扁線的拉拔模具的壽命預測方法及系統(tǒng)。

背景技術：

1、在銅扁線的生產(chǎn)過程中，拉拔模具作為核心部件發(fā)揮著至關重要的作用，銅扁線廣泛應用于電力電子、新能源汽車、高速列車以及各種高端電器設備中，其制造過程涉及將銅材料通過拉拔模具進行塑性變形，從而獲得所需尺寸和形狀的產(chǎn)品；這一工藝要求模具具有極高的精度和耐用度，以確保銅扁線的質(zhì)量和生產(chǎn)效率；拉拔模具的性能直接影響銅扁線的表面光潔度、尺寸精度及生產(chǎn)速度。然而，由于銅材料的高硬度和高延展性，以及生產(chǎn)過程中的高溫和高壓條件，模具在使用過程中會遭受嚴重的磨損和損傷；模具的磨損會導致產(chǎn)品尺寸偏差、表面缺陷增多，甚至出現(xiàn)模具斷裂等嚴重問題，嚴重影響產(chǎn)品質(zhì)量和生產(chǎn)連續(xù)性；傳統(tǒng)的模具壽命管理依賴人工經(jīng)驗判斷模具的更換時間，容易造成過早或過晚更換，前者增加成本，后者則可能導致生產(chǎn)中斷，定期檢查需要停機進行，影響生產(chǎn)效率，且無法實時監(jiān)測模具狀態(tài)，難以及時發(fā)現(xiàn)潛在的故障。

技術實現(xiàn)思路

1、本發(fā)明的目的是為了解決上述問題，設計了一種用于生產(chǎn)銅扁線的拉拔模具的壽命預測方法及系統(tǒng)。

2、本發(fā)明第一方面提供一種用于生產(chǎn)銅扁線的拉拔模具的壽命預測方法，所述用于生產(chǎn)銅扁線的拉拔模具的壽命預測方法包括以下步驟：

3、通過傳感器采集用于生產(chǎn)銅扁線的拉拔模具在加工過程中實時監(jiān)測關鍵參數(shù)，得到初始監(jiān)測參數(shù)數(shù)據(jù)，對所述初始監(jiān)測參數(shù)數(shù)據(jù)進行預處理，通過數(shù)據(jù)清洗處理、數(shù)據(jù)降噪處理和數(shù)據(jù)標準化處理，完成數(shù)據(jù)的預處理，得到預處理后的監(jiān)測參數(shù)數(shù)據(jù)，其中所述關鍵參數(shù)至少包括模具表面溫度、內(nèi)部壓力、工作頻率、振動幅度；

4、基于短時傅里葉分析對預處理后的監(jiān)測參數(shù)數(shù)據(jù)進行特征提取，得到目標特征數(shù)據(jù)；

5、獲取拉拔模具的歷史壽命數(shù)據(jù)，基于歷史壽命數(shù)據(jù)訓練構建壽命預測模型，將所述目標特征數(shù)據(jù)輸入壽命預測模型中，通過所述壽命預測模型對生產(chǎn)銅扁線的拉拔模具進行壽命預測，輸出壽命預測結果；

6、基于所述壽命預測結果，獲得拉拔模具的剩余使用壽命，將所述剩余使用壽命除以預計的剩余使用壽命得到對應的健康指標，根據(jù)所述健康指標確定拉拔模具的健康狀況，并根據(jù)健康狀況的程度發(fā)送報警信息。

7、可選的，在本發(fā)明第一方面的第一種實現(xiàn)方式中，對所述初始監(jiān)測參數(shù)數(shù)據(jù)進行預處理，通過數(shù)據(jù)清洗處理、數(shù)據(jù)降噪處理和數(shù)據(jù)標準化處理，完成數(shù)據(jù)的預處理，得到預處理后的監(jiān)測參數(shù)數(shù)據(jù)，包括：

8、獲取初始監(jiān)測參數(shù)數(shù)據(jù)，對所述初始監(jiān)測參數(shù)數(shù)據(jù)進行數(shù)據(jù)清洗處理，通過插值法識別并修正異常值，以去除無效數(shù)據(jù)點，得到第一監(jiān)測參數(shù)數(shù)據(jù)；

9、獲取所述第一監(jiān)測參數(shù)數(shù)據(jù)對應的信號屬性，確定所述第一監(jiān)測參數(shù)數(shù)據(jù)對應的原始信號；

10、在所述原始信號中加入服從正態(tài)分布的正負白噪聲的噪聲成分，得到模擬信號集合，其中所述模擬信號集合包括第n次添加的白噪聲后得到的信號和第n次除去白噪聲后得到的信號；

11、對所述模擬信號集合中的信號進行emd分解，得到imf分量，將imf分量在所述模擬信號集合中所有的信號對應的imf分量進行平均，在完成所有imf分量的平均后，將imf分量重新組合起來，重建原始信號，得到重構信號，以對所述第一監(jiān)測參數(shù)數(shù)據(jù)進行數(shù)據(jù)降噪處理，得到第二監(jiān)測參數(shù)數(shù)據(jù)；

12、對所述第二監(jiān)測參數(shù)數(shù)據(jù)進行數(shù)據(jù)標準化處理，得到預處理后的監(jiān)測參數(shù)數(shù)據(jù)。

13、可選的，在本發(fā)明第一方面的第二種實現(xiàn)方式中，所述基于短時傅里葉分析對預處理后的監(jiān)測參數(shù)數(shù)據(jù)進行特征提取，得到目標特征數(shù)據(jù)，包括：

14、基于預處理后的監(jiān)測參數(shù)數(shù)據(jù)對應的時間戳標簽，提取預處理后的監(jiān)測參數(shù)數(shù)據(jù)對應的時間序列特征；

15、對預處理后的監(jiān)測參數(shù)數(shù)據(jù)進行周期加窗處理，對加窗截斷后的波形進行快速傅里葉變化，得到時間和頻率的二維函數(shù)；

16、對特征頻段進行能量積分處理，得到在特征頻段上的時間函數(shù)，計算加窗截斷后波形的均值和標準差進行時域特征和頻域特征提取，將所述時域特征和頻域特征進行特征融合，得到目標特征數(shù)據(jù)。

17、可選的，在本發(fā)明第一方面的第三種實現(xiàn)方式中，所述獲取拉拔模具的歷史壽命數(shù)據(jù)，基于歷史壽命數(shù)據(jù)訓練構建壽命預測模型包括：

18、獲取拉拔模具的歷史壽命數(shù)據(jù)為樣本數(shù)據(jù)進行歸一化處理，設置隨機分布向量；

19、選擇時間序列數(shù)據(jù)生成模型的嵌入網(wǎng)絡、恢復網(wǎng)絡、生成器網(wǎng)絡和判別器網(wǎng)絡，并設置gru網(wǎng)絡的輸入及輸出神經(jīng)元數(shù)量、隱藏層數(shù)、隱藏層神經(jīng)元、迭代次數(shù)，其中所述gru網(wǎng)絡由更新門和重置門構成；

20、選取所述樣本數(shù)據(jù)和隨機分布向量作為時間序列數(shù)據(jù)生成模型的輸入，訓練自編碼網(wǎng)絡優(yōu)化重構過程，再優(yōu)化監(jiān)督損失以學習序列相關性，聯(lián)合訓練自編碼網(wǎng)絡和對抗生成網(wǎng)絡；

21、通過時間序列數(shù)據(jù)生成模型模擬樣本數(shù)據(jù)，得到模擬數(shù)據(jù)，并采用評價指標對所述模擬數(shù)據(jù)進行評價，判斷所述模擬數(shù)據(jù)是否達到迭代次數(shù)，若未達到迭代次數(shù)則繼續(xù)進行迭代，若達到則將所述樣本數(shù)據(jù)和所述模擬數(shù)據(jù)混合重構，設置gru網(wǎng)絡的輸入及輸出神經(jīng)元數(shù)量、隱藏層數(shù)、隱藏層神經(jīng)元、迭代次數(shù)，繼續(xù)迭代直至達到迭代次數(shù)，將gru網(wǎng)絡通過麻雀搜索算法優(yōu)化獲取最優(yōu)參數(shù)組合輸出，得到壽命預測模型；

22、將所述目標特征數(shù)據(jù)輸入壽命預測模型中，通過所述壽命預測模型對生產(chǎn)銅扁線的拉拔模具進行壽命預測，輸出壽命預測結果。

23、可選的，在本發(fā)明第一方面的第四種實現(xiàn)方式中，所述將gru網(wǎng)絡通過麻雀搜索算法優(yōu)化獲取最優(yōu)參數(shù)組合輸出，得到壽命預測模型，包括：

24、初始化麻雀搜索算法的種群規(guī)模、發(fā)現(xiàn)者占比、種群位置維度、最大迭代次數(shù)，

25、初始化上一次種群位置、上一次種群適應度、全局最優(yōu)位置、全局最優(yōu)適應度；

26、將上一次種群位置按適應度值升序排列，生成新的種群位置，取出全局最差適應度、全局最差位置；

27、分別更新新的種群位置中每個發(fā)現(xiàn)者位置、每個追隨者位置、每個預警者位置，得到新的種群位置中每只麻雀的適應度；

28、每次迭代，每只麻雀將本次適應度與上一次種群適應度相比較，若本次適應度小于上一次種群適應度，則將本次適應度賦給上一次種群適應度，本次位置賦給上一次種群位置，將上一次種群適應度與全局最小適應度比較，若上一次種群適應度小于全局最小適應度，則將上一次種群適應度賦給全局最優(yōu)適應度、上一次種群位置賦給全局最優(yōu)位置；

29、進行飛行變異，產(chǎn)生新的個體位置并更新適應度，更新種群位置、種群適應度、全局最優(yōu)位置、全局最優(yōu)適應度；

30、構建迭代次數(shù)與全局最優(yōu)適應度對應關系的數(shù)組，獲取最優(yōu)參數(shù)組合輸出，得到壽命預測模型。

31、可選的，在本發(fā)明第一方面的第五種實現(xiàn)方式中，將所述目標特征數(shù)據(jù)輸入壽命預測模型中，通過所述壽命預測模型對生產(chǎn)銅扁線的拉拔模具進行壽命預測，輸出壽命預測結果，包括：

32、獲取拉拔模具的目標特征數(shù)據(jù)，將所述目標特征數(shù)據(jù)輸入壽命預測模型中，將編碼器所有時間步上的輸出和解碼器當前時間步上的隱藏狀態(tài)點乘，計算編碼器所有時間步上的輸出和編碼器當前時間步上的隱藏狀態(tài)之間的相似度；

33、當編碼器所有時間步上的輸出和編碼器當前時間步上的隱藏狀態(tài)之間的相似度越大，分數(shù)值越大；

34、對分數(shù)值進行歸一化處理，得到注意力權重矩陣，將所述注意力權重矩陣與編碼器輸出矩陣相乘，得到輸出值；

35、將所述輸出值與當前時間步上的原輸出拼接后進行線性變換，得到當前時間步上的預測值，以得到壽命預測結果。

36、可選的，在本發(fā)明第一方面的第六種實現(xiàn)方式中，基于所述壽命預測結果，獲得拉拔模具的剩余使用壽命，將所述剩余使用壽命除以預計的剩余使用壽命得到對應的健康指標，根據(jù)所述健康指標確定拉拔模具的健康狀況，并根據(jù)健康狀況的程度發(fā)送報警信息，包括：

37、獲取拉拔模具對應的健康指標，對所述健康指標進行數(shù)據(jù)的歸一化處理，將所述健康指標縮放至[0，1]，其中所述健康指標越接近1表示拉拔模具狀態(tài)越好，越接近0則表示拉拔模具接近生命周期的終點；

38、當拉拔模具的健康指標接近1時，確定拉拔模具的健康狀況為良好狀態(tài)，拉拔模具繼續(xù)正常使用；

39、當拉拔模具的健康指標下降至預先設定的閾值之下時，確定拉拔模具的健康狀況為警告狀態(tài)，生成警告報警信息，并對拉拔模具采取維護措施，其中預先設定的閾值為0.3；

40、當拉拔模具的健康指標接近或等于0時，確定拉拔模具的健康狀況為臨界狀態(tài)，生成臨界報警信息，并對拉拔模具立即停止使用并進行更換。

41、本發(fā)明第二方面提供了一種用于生產(chǎn)銅扁線的拉拔模具的壽命預測系統(tǒng)，所述用于生產(chǎn)銅扁線的拉拔模具的壽命預測系統(tǒng)包括預處理模塊、特征提取模塊、壽命預測模塊和健康狀況確定模塊，其中，

42、預處理模塊，用于通過傳感器采集用于生產(chǎn)銅扁線的拉拔模具在加工過程中實時監(jiān)測關鍵參數(shù)，得到初始監(jiān)測參數(shù)數(shù)據(jù)，對所述初始監(jiān)測參數(shù)數(shù)據(jù)進行預處理，通過數(shù)據(jù)清洗處理、數(shù)據(jù)降噪處理和數(shù)據(jù)標準化處理，完成數(shù)據(jù)的預處理，得到預處理后的監(jiān)測參數(shù)數(shù)據(jù)，其中所述關鍵參數(shù)至少包括模具表面溫度、內(nèi)部壓力、工作頻率、振動幅度；

43、特征提取模塊，用于基于短時傅里葉分析對預處理后的監(jiān)測參數(shù)數(shù)據(jù)進行特征提取，得到目標特征數(shù)據(jù)；

44、壽命預測模塊，用于獲取拉拔模具的歷史壽命數(shù)據(jù)，基于歷史壽命數(shù)據(jù)訓練構建壽命預測模型，將所述目標特征數(shù)據(jù)輸入壽命預測模型中，通過所述壽命預測模型對生產(chǎn)銅扁線的拉拔模具進行壽命預測，輸出壽命預測結果；

45、健康狀況確定模塊，用于基于所述壽命預測結果，獲得拉拔模具的剩余使用壽命，將所述剩余使用壽命除以預計的剩余使用壽命得到對應的健康指標，根據(jù)所述健康指標確定拉拔模具的健康狀況，并根據(jù)健康狀況的程度發(fā)送報警信息。

46、可選的，在本發(fā)明第二方面的第一種實現(xiàn)方式中，所述預處理模塊包括數(shù)據(jù)清洗處理子模塊、獲取子模塊、加入子模塊、emd分解子模塊和數(shù)據(jù)標準化處理子模塊，其中，

47、數(shù)據(jù)清洗處理子模塊，用于獲取初始監(jiān)測參數(shù)數(shù)據(jù)，對所述初始監(jiān)測參數(shù)數(shù)據(jù)進行數(shù)據(jù)清洗處理，通過插值法識別并修正異常值，以去除無效數(shù)據(jù)點，得到第一監(jiān)測參數(shù)數(shù)據(jù)；

48、獲取子模塊，用于獲取所述第一監(jiān)測參數(shù)數(shù)據(jù)對應的信號屬性，確定所述第一監(jiān)測參數(shù)數(shù)據(jù)對應的原始信號；

49、加入子模塊，用于在所述原始信號中加入服從正態(tài)分布的正負白噪聲的噪聲成分，得到模擬信號集合，其中所述模擬信號集合包括第n次添加的白噪聲后得到的信號和第n次除去白噪聲后得到的信號；

50、emd分解子模塊，用于對所述模擬信號集合中的信號進行emd分解，得到imf分量，將imf分量在所述模擬信號集合中所有的信號對應的imf分量進行平均，在完成所有imf分量的平均后，將imf分量重新組合起來，重建原始信號，得到重構信號，以對所述第一監(jiān)測參數(shù)數(shù)據(jù)進行數(shù)據(jù)降噪處理，得到第二監(jiān)測參數(shù)數(shù)據(jù)；

51、數(shù)據(jù)標準化處理子模塊，用于對所述第二監(jiān)測參數(shù)數(shù)據(jù)進行數(shù)據(jù)標準化處理，得到預處理后的監(jiān)測參數(shù)數(shù)據(jù)。

52、可選的，在本發(fā)明第二方面的第二種實現(xiàn)方式中，所述特征提取模塊包括提取子模塊、周期加窗處理子模塊和能量積分處理子模塊，其中，

53、提取子模塊，用于基于預處理后的監(jiān)測參數(shù)數(shù)據(jù)對應的時間戳標簽，提取預處理后的監(jiān)測參數(shù)數(shù)據(jù)對應的時間序列特征；

54、周期加窗處理子模塊，用于對預處理后的監(jiān)測參數(shù)數(shù)據(jù)進行周期加窗處理，對加窗截斷后的波形進行快速傅里葉變化，得到時間和頻率的二維函數(shù)；

55、能量積分處理子模塊，用于對特征頻段進行能量積分處理，得到在特征頻段上的時間函數(shù)，計算加窗截斷后波形的均值和標準差進行時域特征和頻域特征提取，將所述時域特征和頻域特征進行特征融合，得到目標特征數(shù)據(jù)。

56、本發(fā)明提供的技術方案中，通過傳感器采集用于生產(chǎn)銅扁線的拉拔模具在加工過程中實時監(jiān)測關鍵參數(shù)，得到初始監(jiān)測參數(shù)數(shù)據(jù)，對所述初始監(jiān)測參數(shù)數(shù)據(jù)進行預處理，通過數(shù)據(jù)清洗處理、數(shù)據(jù)降噪處理和數(shù)據(jù)標準化處理，完成數(shù)據(jù)的預處理，得到預處理后的監(jiān)測參數(shù)數(shù)據(jù)；基于短時傅里葉分析對預處理后的監(jiān)測參數(shù)數(shù)據(jù)進行特征提取，得到目標特征數(shù)據(jù)；獲取拉拔模具的歷史壽命數(shù)據(jù)，基于歷史壽命數(shù)據(jù)訓練構建壽命預測模型，將所述目標特征數(shù)據(jù)輸入壽命預測模型中，通過所述壽命預測模型對生產(chǎn)銅扁線的拉拔模具進行壽命預測，輸出壽命預測結果；基于所述壽命預測結果，獲得拉拔模具的剩余使用壽命，將所述剩余使用壽命除以預計的剩余使用壽命得到對應的健康指標，根據(jù)所述健康指標確定拉拔模具的健康狀況，并根據(jù)健康狀況的程度發(fā)送報警信息；本發(fā)明通過實時監(jiān)測模具狀態(tài)并預測其剩余使用壽命，及時發(fā)現(xiàn)拉拔模具異常提高生產(chǎn)效率和產(chǎn)品質(zhì)量，有效降低了維護成本，減少了資源浪費。