伺服电缸活塞件偏移校正方法和系统与流程

1.本发明涉及直线往复运动设备技术领域，具体涉及伺服电缸活塞件偏移校正方法和系统。


背景技术：

2.伺服电缸具有高精度、高重复性、快速响应和可编程性的特点，广泛应用于需要精确定位、控制的自动化系统中，如机床、印刷设备、包装机械、机器人等；现有伺服电缸的工作原理是：电动机通过减速机与丝杆配合，将伺服电机的旋转运动转换成直线运动，同时位置反馈系统实时监测滑块位置并将反馈信号发送给控制系统，控制系统根据设定的目标位置和参数，通过控制器和驱动器对电动机施加适当的电流和电压，以实现活塞件位置的精确控制。然而，现有的伺服电缸在使用时，由于活塞件动态特征变化(如位置数据变化、运动数据变化、加速度数据变化)，会导致活塞件在运动过程中，产生径向偏移，在精密场合使用时会影响加工精度；目前，现有的伺服电缸通常由作业人员或自动化机器人定期采用测量仪器，检测伺服电缸的径向偏移数据，在发现伺服电缸径向偏移超过设定值后，将伺服电缸拆卸维修，因此，存在伺服电缸径向偏移检测不准时、校正成本高，且影响加工效率的缺陷。因此，目前亟需一种能够在活塞件每次工作时，对活塞件的径向偏移进行预测，进而预先对活塞件进行径向偏移校正，提高活塞件的校正效率，且避免影响加工效率的伺服电缸活塞件偏移校正方法。


技术实现要素：

3.为了克服以上不足，本发明的目的是提供一种伺服电缸活塞件偏移校正方法和系统，其应用灵活，能够根据活塞件的动态特征，预测活塞件的径向偏移距离，且为预测出超过径向偏移距离安全范围的活塞件提供预校正，提高伺服电缸活塞件径向偏移检测的实时性，降低校正成本，且避免影响伺服电缸加工效率。
4.本发明其中一方面提供了一种伺服电缸活塞件偏移校正系统，包括：伺服电缸；状态检测单元，其安装于伺服电缸输出端，用于获取伺服电缸的活塞件状态数据、径向偏移数据；其中，所述状态检测单元包括：电涡流传感器，用于获取伺服电缸活塞件的径向偏移数据；速度传感器，用于获取伺服电缸活塞件的运动速度数据；加速度传感器，用于获取伺服电缸活塞件的运动加速度数据；位移传感器，用于获取伺服电缸活塞件的运动位置数据；振动检测传感器，用于采集伺服电缸活塞件运动过程中的振动信号数据。偏移校正单元，包括安装环、校正驱动件、抵触件、滚动件，所述安装环安装于伺服电缸输出端，且开设有调节孔，若干个调节孔沿安装环的周向呈阵列式布置；所述校正驱动件安装于安装环上，且至少部分插入于调节孔内；所述抵触件与校正驱动件输出端相连接，且至少部分穿过调节孔，且所述抵触件开设有滚动槽；所述滚动件安装于滚动槽内，且与待校正伺服电缸的活塞件相抵触。控制单元，包括：模型训练模块，用于通过差分操作的方法生成训练集，采用随机森林的方法不断对训练集进行训练，获得训练后的预测模型，进而将所述预测模型嵌入至伺服
电缸的操作系统中，形成伺服电缸活塞件的径向偏移预测模型；偏移预测模块，用于根据所述伺服电缸活塞件的实时运动数据，预测所述伺服电缸活塞件的径向偏移数据；偏移校正模块，判断所述伺服电缸活塞件的径向偏移数据是否超过安全范围，若是，则使偏移校正单元向所述伺服电缸活塞件方向运动，将所述伺服电缸的活塞件预校正至安全范围内，若否，则重新获取所述伺服电缸活塞件的实时运动数据。
5.进一步地，本发明其中一方面还提供了一种伺服电缸活塞件偏移校正方法，包括以下步骤：步骤s1：通过差分操作的方法生成训练集。
6.在步骤s1中，还包括以下训练集的生成过程：步骤s10：采集伺服电缸的活塞件的运动数据，获取所述活塞件的动态数据；步骤s11：对所述动态数据进行预设处理；步骤s12：对经过预设处理的动态数据进行第一差分操作：δx(t)＝x(t)-x(t-1)；其中，x(t)为原始的运动数据，δx(t)为进行第一差分后的动态数据；步骤s13：对经过第一差分操作的动态数据进行第二差分操作：δ2x(t)＝δx(t)-δx(t-1)；其中，δ2x(t)为进行第二差分后的动态数据；步骤s14：提取经过第二差分操作的动态数据中的第一预设特征；步骤s15：将提取的第一预设特征作为训练集的输入特征，同时将伺服电缸的活塞件径向偏移作为输出标签，构建训练集。
7.步骤s2：采用随机森林的方法不断对训练集进行训练，获得训练后的预测模型，进而将所述预测模型嵌入至伺服电缸的操作系统中，形成伺服电缸活塞件的径向偏移预测模型。在步骤s2中，还包括以下预测模型的训练过程：步骤s20：收集伺服电缸活塞件的预设运动数据，且同时收集与所述预设运动数据匹配的径向偏移值；步骤s21：设定随机森林训练参数；步骤s22：将训练集分配给根节点；步骤s23：对于当前节点，将每个特征根据预设分割特征和阈值划分为左子集和右子集；步骤s24：计算划分后的左子集和右子集的目标变量的最小化平方差：
[0008][0009]
其中，x
i,j
是第i个样本在特征j上的取值，y
t
是对应的伺服电缸活塞件径向偏移量；s是分割点；步骤s25：创建两个子节点，分别对应左子集和右子集，将训练样本分配给子节点；步骤s26：递归地对每个子节点执行步骤s22-步骤s25，直至满足预设终止条件；步骤s27：进而生成预测模型，且将叶子节点中的样本平均值作为决策树预测结果，预测伺服电缸活塞件的径向偏移数据。
[0010]
在步骤s2中，还包括以下预测模型的优化过程：步骤s200：提取伺服电缸的活塞件运动数据中的预设数据，进而将所述预设数据作为测试集；步骤s201：使用上述训练完成的预测模型对测试集中的样本进行预测，获得预测结果；步骤s202：将所述预测结果与测试集中的实际径向偏移数据进行比较，计算评估指标：其中，n是测试集的样本数量，yi是第i个样本的实际径向偏移数据，是预测值；步骤s203：根据评估指标的结果，对所述预测模型进行优化；步骤s204：重复步骤s201-步骤s203，直至达到预设模型性能。
[0011]
步骤s3：根据所述伺服电缸活塞件的实时运动数据，预测所述伺服电缸活塞件的径向偏移数据。
[0012]
在步骤s3中，还包括以下根据历史运动数据校正过程：步骤s30：根据伺服电缸活塞件的历史运动数据，预测所述伺服电缸活塞件的径向偏移数据；步骤s31：判断所述伺服电缸活塞件的径向偏移数据是否超过安全范围；步骤s32：若是，则在所述伺服电缸活塞件运动至预设距离时，使偏移校正单元向所述伺服电缸活塞件方向运动，预先将所述伺服电缸的活塞件校正至安全范围内，若否，则获取所述伺服电缸活塞件的实时运动数据。
[0013]
步骤s4：判断所述伺服电缸活塞件的径向偏移数据是否超过安全范围。
[0014]
步骤s5：若是，则使偏移校正单元向所述伺服电缸活塞件方向运动，将所述伺服电缸的活塞件预校正至安全范围内，若否，则返回步骤s3，重新获取所述伺服电缸活塞件的实时运动数据。
[0015]
进一步地，本发明其中一方面还提供了另一种伺服电缸活塞件偏移校正方法，所述方法还包括以下步骤：步骤s100：采集伺服电缸的活塞件的振动数据，生成包含n个样本的训练集：x＝{x1,x2,
…
,xn}，其中，每个样本包含m个特征：xi＝[x
i1
,x
i2
,
…
,x
im
]；步骤s101：采集所述振动数据匹配的伺服电缸活塞件的径向偏移数据，生成标签集：q＝{q1,q2,
…
,qn}；步骤s102：采用回归型支持向量机的方法对所述训练集进行训练，生成基于振动分析的径向偏移预测模型，且使径向偏移数据的预测值接近实际值：
[0016][0017][0018]
其中，f(x)表示预测函数；c是正则化参数，控制复杂度；ξi和是松弛变量，∈是预测精度的容忍度；步骤s103：根据所述伺服电缸活塞件的实时运动数据，通过基于振动分析的径向偏移预测模型预测所述伺服电缸活塞件的径向偏移数据；步骤s104：判断所述伺服电缸活塞件的径向偏移数据是否超过安全范围；步骤s105：若是，则使偏移校正单元向所述伺服电缸活塞件方向运动，将所述伺服电缸的活塞件校正至安全范围内，若否，则返回步骤s103，重新获取所述伺服电缸活塞件的实时运动数据。
[0019]
进一步地，本发明其中一方面还提供了另一种伺服电缸活塞件偏移校正方法，所述方法还包括以下步骤：步骤s1000：采集与伺服电缸活塞件径向偏移相关的时间序列数据，包括：活塞杆径向偏移的测量值及匹配的时间戳；步骤s1001：假设模型：据，包括：活塞杆径向偏移的测量值及匹配的时间戳；步骤s1001：假设模型：其中，δ是差分操作，是原始时间序列数据，α是常数项，β是时间趋势项，γ是系数，p是滞后阶数，θi是滞后系数，ε
t
是误差项；步骤s1002：计算单位根检验统计量：其中，是估计的γ值，是γ的标准差；步骤s1003：将单位根检验统计量与临界值进行比较：若小于，则拒绝原假设，认为时间序列数据是平稳的，若大于，则接受原假设，认为时间序列数据是非平稳的；步骤s1004：根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数。
[0020]
其中，在在对所述时间序列数据进行单位根检验时，所述方法还包括以下步骤：步骤s1100：假设模型：其中，是原始时间序列数据，μ是均值，ε
t
是误差项，p是滞后阶数，θi是滞后系数；步骤s1101：计算单位根检验统计量：其中，是序列的残差，σ2是残差的方差；步骤s1102：将单位根检验统计量与临界值进行比较：若小于，则接受原假设，认为时间序列数据是平稳的，若大于，则拒绝原假设，认为时间序列数据是非平稳的；步骤s1103：根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数。
[0021]
其中，在将单位根检验统计量与临界值进行比较后，所述方法还包括以下步骤：步骤s1200：若是间序列数据未满足平稳性要求，则对时间序列数据进行一阶差分操作：δr
t
＝r
t-r
t-1
；其中，r
t
是第t个观测值，r
t-1
是第t-1个观测值；步骤s1201：判断经过一阶差分操作的时间序列数据是否满足平稳性要求，若是，则根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数，若否，则进行下一阶差分操作：δ2r
t
＝δr
t-δr
t-1
；其中，δr
t
是一阶差分后时间序列数据的第t个观测值，δr
t-1
是一阶差分后时间序列数据的第t-1个观测值；步骤s1202：重复步骤s1200-步骤s1201，直至差分后的时间序列数据满足平稳性要求为止，进而根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数。
[0022]
进一步地，本发明其中一方面还提供了另一种伺服电缸活塞件偏移校正方法，所述方法通过实时动态追踪活塞件的径向偏移数据，为活塞件进行动态追踪校正，所述方法包括以下步骤：步骤s50：采集经过预校正的伺服电缸活塞件的实时径向偏移数据；步骤s51：根据所述实时径向偏移数据，判断所述活塞件的实时径向偏移距离是否还超过安全范围，若否，则返回步骤s50，重新获取所述活塞件的实时径向偏移数据，若是，则根据所述实时径向偏移数据，生成所述活塞件的径向调节数据；步骤s52：根据径向调节数据，通过偏移校正单元向所述活塞件方向运动，将所述偏移校正单元的输出端与所述活塞件抵触，进而增加所述偏移校正单元的推送力，将所述活塞件的径向偏移距离调整至安全范围内。
[0023]
本发明的上述技术方案相比现有技术具有以下优点：
[0024]
1.能够根据活塞件的动态特征，采用随机森林算法预测活塞件的径向偏移距离，且为预测出超过径向偏移距离安全范围的活塞件提供预校正，提高伺服电缸活塞件径向偏移检测的实时性，降低校正成本，且避免影响伺服电缸加工效率；
[0025]
2.能够根据活塞件的动态特征，采用基于振动分析方法预测活塞件的径向偏移距离，通过振动信号的频谱特征、时域特征或时频特征能够更好地反映活塞杆运动的实际情况，进而有助于提高预测的准确性；
[0026]
3.能够根据活塞件的径向偏移数据及其相关的时间序列数据，采用基于时间序列预测的方法预测活塞件的径向偏移距离，能够更好地捕捉径向偏移数据随时间变化的模式和趋势；能够处理非线性关系，进而更好地捕捉到活塞件径向偏移数据与时间之间的复杂关系；还能够为控制单元提供准确的预测结果和不确定性估计，从而帮助控制单元执行准确的决策。
附图说明
[0027]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0028]
图1是本发明的伺服电缸的第一剖视示意图。
[0029]
图2是本发明的伺服电缸的第一立体示意图。
[0030]
图3是本发明的伺服电缸的第二剖视示意图。
[0031]
图4是本发明的伺服电缸的第二立体示意图。
[0032]
图5是本发明的伺服电缸活塞件偏移校正系统的第一连接关系图。
[0033]
图6是本发明的伺服电缸活塞件偏移校正系统的第二连接关系图。
[0034]
图7是本发明的伺服电缸活塞件偏移校正方法的流程图。
[0035]
图8是本发明的训练集构建方法的流程图。
[0036]
图9是本发明的训练集训练方法的流程图。
[0037]
图10是本发明的预测模型优化方法的流程图。
[0038]
图11是本发明的基于振动分析进行径向偏移预测方法的流程图。
[0039]
图12是本发明的基于时间序列分析进行径向偏移预测方法的流程图。
[0040]
图13是本发明的kpss检验方法的流程图。
[0041]
图14是本发明的平稳性操作方法的流程图。
[0042]
图15是本发明的活塞件径向偏移动态追踪校正方法的流程图。
具体实施方式
[0043]
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0044]
本发明其中一方面提供一种伺服电缸活塞件偏移校正系统，这里所描述的伺服电缸优选为使用丝杆作为传动的伺服电缸，使用丝杆作为传动的伺服电缸包括但不仅限于直连式伺服电缸、折叠式伺服电缸等；直连式伺服电动缸的伺服电缸主要包括伺服电机、减速机、丝杠、丝杆螺母及联轴器、活塞杆等部件，通过伺服电机驱动丝杆旋转，丝杆螺母转化为直线运动，从而推动活塞杆，实现直线往复运动；折叠式伺服电缸主要包括伺服电机、减速机、同步轮、同步带、丝杠、丝杆螺母、联轴器及活塞杆等部件，通过伺服电机与同步轮配合，带动丝杠旋转，丝杠螺母转化为直线运动，从而推动活塞杆，实现直线往复运动，折叠式安装方式使整个伺服电缸的长度更短，能够满足有限的安装场合的应用空间，同步轮可以在小范围内调整减速比。概括地，所涉及的伺服电缸的基础原理：利用伺服电机直接或间接的带动丝杠转动，进而将丝杠螺母转化为直线运动，从而推动活塞杆，实现直线往复运动。
[0045]
参考图1-图6所示，在一些实施例中，所涉及的一种伺服电缸活塞件13偏移校正系统至少由伺服电缸、状态检测单元2、偏移校正单元3及控制单元4几个部分构成。
[0046]
伺服电缸
[0047]
伺服电缸包括缸体10、电缸驱动件11、传动件12及活塞件13，电缸驱动件11安装于缸体10上，传动件12的两端分别与电缸驱动件11输出端、活塞件13输入端相连接，通过电缸驱动件11带动传动件12运动，进而通过传动件12带动活塞件13同步运动。
[0048]
其中，参考图1、图3所示，电缸驱动件11包括减速机110及伺服电机111，减速机110安装于缸体10输入端，伺服电机111与减速机110相连接；伺服电机111输出端穿过减速机110，且至少部分插入于缸体10的输入口内。
[0049]
其中，参考图1、图3所示，传动件12包括联轴器120、丝杆121及丝杆121螺母，联轴器120与伺服电机111输出端相连接，丝杆121的一端与联轴器120相连接，丝杆121的另一端与活塞件13相连接，丝杆121螺母安装于丝杆121上；传动件12还包括缓冲垫，缓冲垫只要是能够为丝杠螺母提供缓冲，可以是任何材料、样式的缓冲垫，包括但不仅限于纯橡胶垫、夹层式橡胶缓冲垫，具体由作业人员根据实际加工需求、成本设定。
[0050]
需要说明的是还可以根据实际需求设置第一同步件14、第二同步件15。
[0051]
其中，参考图3、图4所示，第一同步件14安装于伺服电机111输出端，且与伺服电机111输出端相连接；第二同步件15安装于联轴器120上，且与联轴器120固定连接，第二同步件15通过同步带16与第一同步件14相连接，通过第一同步件14带动第二同步件15同步运动。通过第一同步件14、第二同步件15的设置，能够形成折叠式伺服电缸，进而能够使整个伺服电缸的长度更短，进而满足有限的安装场合的应用空间。
[0052]
状态检测单元2
[0053]
状态检测单元2安装于伺服电缸的缸体10输出端，且状态检测传感器包括电涡流传感器20、速度传感器21、加速度传感器2221、位移传感器23及振动检测传感器24，电涡流传感器20，用于获取伺服电缸活塞件13的径向偏移数据；速度传感器21用于获取伺服电缸活塞件13的运动速度数据；加速度传感器2221用于获取伺服电缸活塞件13的运动加速度数据；位移传感器23用于获取伺服电缸活塞件13的运动位置数据；振动检测传感器24用于采集伺服电缸活塞件13运动过程中的振动信号数据。
[0054]
偏移校正单元3
[0055]
偏移校正单元3包括调节环30、连接件31、校正驱动件32、抵触件33及滚珠34，调节环30套设于活塞杆输出端，且调节环30开设有调节孔300，若干个调节孔300沿调节环30的周向呈圆周阵列式布置，在本实施例中参考圆周等间距阵列；连接件31至少设有一个，且连接件31的一端与调节环30固定连接，连接件31的另一端与缸体10固定连接；校正驱动件32安装于调节环30上，且校正驱动件32输出端与抵触件33连接，通过校正驱动件32驱动抵触件33运动，校正驱动件32只要是能够驱动抵触件33直线运动，可以是任何形式的驱动机构，包括但不仅限于液压装置、气动装置、伺服电机111(驱动螺杆、凸轮方式)等提供往复直线运动动力的驱动机构；抵触件33的一端与校正驱动件32相连接，抵触件33的另一端至少部分插入于调节孔300内，且开设有滚珠34槽；滚珠34安装于滚珠34槽内；通过调节件带动滚珠34向待调整活塞件13方向运动，将待调整活塞件13进行径向调节，进而通过滚珠34与活塞件13抵触，辅助待调整活塞件13运动。
[0056]
控制单元4
[0057]
控制单元4包括模型训练模块40、偏移预测模块41及偏移校正模块42。
[0058]
采用上述技术方案，通过状态检测单元2的设置，能够在活塞杆运动时，实时检测活塞杆的径向偏移数据、运动速度数据、运动加速度数据、运动位置数据及振动信号数据，进而实时识别活塞杆的径向偏移情况，以便于及时采取措施对活塞杆进行径向调整、修正；通过偏移校正单元3的设置，在本实施中，能够根据活塞件13的动态特征，为超过径向偏移
距离安全范围的活塞件13提供校正，降低校正成本，且避免影响伺服电缸加工效率。
[0059]
由此本发明其中一方面提出一种伺服电缸活塞件13偏移校正方法，该方法通过随机森林模型为伺服电缸的活塞件13提供径向偏移距离预测，进而为预测出径向偏移超过安全范围的活塞件13提供径向偏移校正，且在校正的同时，减少对活塞件13直线运动的影响，提高伺服电缸活塞件13径向偏移检测的实时性，降低校正成本，且避免影响伺服电缸加工效率。较佳地，实际实施过程中，本发明的一种伺服电缸活塞件13偏移校正方法由前述的伺服电缸活塞件13偏移校正系统执行。例如，该方法可以被设计成能够被计算机理解的语言格式(例如计算机程序)以存储在一存储介质中，从而在伺服电缸工作过程中，被服电缸活塞件13偏移校正系统的控制单元4进行调用执行。
[0060]
本发明的一种伺服电缸活塞件13偏移校正方法，为伺服电缸的活塞件13提供径向偏移预测，进而提供自动化的径向偏移调节。具体地，参考图5-图10，在一些实施例中，本发明的一种伺服电缸活塞件13偏移校正方法由步骤s1-s5构成。
[0061]
步骤s1：通过差分操作的方法生成训练集。
[0062]
其中，参考图8所示，通过差分操作的方法生成训练集的方法包括以下步骤：
[0063]
步骤s10：采集伺服电缸的活塞件13的运动数据，获取活塞件13的动态数据；其中，运动数据包括但不仅限于活塞件13的径向偏移数据、运动速度数据、运动加速度数据、运动位置数据及振动信号数据，进而生成活塞件13的实时动态数据。
[0064]
步骤s11：对动态数据进行预设处理，预设处理包括：噪声去除处理、滤波处理和采样率调整处理，以确保动态数据的质量；其中噪声去除处理采用滑动平均滤波器对活塞件13动态数据进行处理：
[0065][0066]
其中，是噪声去除后的数据，n是滑动窗口的大小；例如：假设采集到了100个时间点的活塞件13动态数据，使用3点滑动平均滤波器进行去噪处理，对于第4个时间点的数据，滤波后的数值是前3个时间点数据的平均值。
[0067]
其中，滤波处理采用低通滤波器对活塞件13动态数据进行处理：
[0068][0069]
其中，是滤波处理后的的数据，a是滤波器的衰减系数；例如：假设使用一阶低通滤波器对活塞件13动态数据进行滤波，设置衰减系数a为0.2，那么滤波后的数据是前一个时间点数据的0.8倍加上当前时间点的数据的0.2倍。
[0070]
其中，采样率调整处理采用线性插值对活塞件13动态数据进行处理：
[0071][0072]
其中，是采样率调整后的数据，f
x
是动态数据的采样率，f
t
是目标采样率；例如：假设原始活塞件13动态数据的采样率为100hz，我们需要将其调整为50hz，采用线性插值方法，对于目标采样率下的每个时间点，可以通过在原始数据中取相邻两个时间点的平均值得到插值结果。
[0073]
其中，对于采样率降低的情况，使用抽取算法降低采样率：
[0074][0075]
其中，是向下取整函数。
[0076]
步骤s12：对经过预设处理的动态数据进行第一差分操作：
[0077]
δx(t)＝x(t)-x(t-1)
[0078]
其中，x(t)为原始的运动数据，δx(t)为进行第一差分后的动态数据。
[0079]
步骤s13：对经过第一差分操作的动态数据进行第二差分操作：
[0080]
δ2x(t)＝δx(t)-δx(t-1)
[0081]
其中，δ2x(t)为进行第二差分后的动态数据。
[0082]
步骤s14：提取经过第二差分操作的动态数据中的第一预设特征；
[0083]
其中，第一预设特征包括但不仅限于统计特征(例如均值、方差、峰值等)或频域特征(例如频谱分析、功率谱密度等)来表示活塞件13的运动特征。
[0084]
步骤s15：将提取的第一预设特征作为训练集的输入特征，同时将伺服电缸的活塞件13径向偏移作为输出标签，构建训练集。
[0085]
步骤s2：采用随机森林的方法不断对训练集进行训练，获得训练后的预测模型，进而将预测模型嵌入至伺服电缸的操作系统中，形成伺服电缸活塞件13的径向偏移预测模型。
[0086]
其中，参考图9所示，采用随机森林的方法不断对训练集进行训练的方法包括以下步骤：
[0087]
步骤s20：收集伺服电缸活塞件13的预设运动数据，且同时收集与预设运动数据匹配的径向偏移值，其中，预设运动数据包括但不仅限于运动速度数据、运动加速度数据、运动位置数据及振动信号数据；且将上述预设运动数据与匹配的径向偏移值整合为数据集，进而将数据集划分为训练集和测试集，其中，将数据集中70％的数据作为训练集，30％的数据作为测试集，确保评估模型的泛化能力。
[0088]
步骤s21：设定随机森林训练参数，包括：决策树数量、棵决策树的最大深度及特征子集范围。
[0089]
步骤s22：将训练集分配给根节点。
[0090]
步骤s23：对于当前节点，将每个特征根据预设分割特征和阈值划分为左子集和右子集，其中预设分割特征和阈值即指能够使目标变量方差最小的特征和阈值。
[0091]
步骤s24：计算划分后的左子集和右子集的目标变量的最小化平方差：
[0092][0093]
其中，x
i,j
是第i个样本在特征j上的取值，y
t
是对应的伺服电缸活塞件13径向偏移量；s是分割点。
[0094]
步骤s25：创建两个子节点，分别对应左子集和右子集，将训练样本分配给子节点。
[0095]
步骤s26：递归地对每个子节点执行步骤s22-步骤s25，直至满足预设终止条件，其中预设终止条件包括但不仅限于达到设定的最大深度、子集样本数量小于设定值、无法再
分割子集(即子集中的目标变量全部相等)。
[0096]
步骤s27：进而生成预测模型，且将叶子节点中的样本平均值作为决策树预测结果，预测伺服电缸活塞件13的径向偏移数据。
[0097]
步骤s3：根据伺服电缸活塞件13的实时运动数据，预测伺服电缸活塞件13的径向偏移数据。
[0098]
其中，参考图7所示，在根据伺服电缸活塞件13的实时运动数据，预测伺服电缸活塞件13的径向偏移数据前，方法还包括以下步骤：
[0099]
步骤s30：根据伺服电缸活塞件13的历史运动数据，预测伺服电缸活塞件13的径向偏移数据，其中，历史运动数据包括但不仅限于伺服电缸活塞件13的历史运动速度数据、历史运动加速度数据、历史运动位置数据、历史振动信号数据及上述数据匹配的径向偏移值。
[0100]
步骤s31：判断伺服电缸活塞件13的径向偏移数据是否超过安全范围。
[0101]
其中，安全范围由作业人员根据实际需求、成本设定。
[0102]
步骤s32：若是，则在伺服电缸活塞件13运动至预设距离时，使偏移校正单元3向伺服电缸活塞件13方向运动，预先将伺服电缸的活塞件13校正至安全范围内，若否，则执行步骤s3，获取伺服电缸活塞件13的实时运动数据。
[0103]
其中，预设距离由作业人员根据实际需求、成本设定，且预设距离至少大于伺服电缸活塞件13运动至偏移校正单元3之间的距离。
[0104]
步骤s4：判断伺服电缸活塞件13的径向偏移数据是否超过安全范围。
[0105]
步骤s5：若是，则使偏移校正单元3向伺服电缸活塞件13方向运动，将伺服电缸的活塞件13预校正至安全范围内，若否，则返回步骤s3，重新获取伺服电缸活塞件13的实时运动数据。
[0106]
参考图10所示，在其中一个依照工作顺序执行的示例中，本发明的一种伺服电缸活塞件13偏移校正方法在将预测模型嵌入至伺服电缸的操作系统中时，方法还包括以下步骤：
[0107]
步骤s200：提取伺服电缸的活塞件13运动数据中的预设数据，进而将预设数据作为测试集。
[0108]
其中，预设数据即指包含有伺服电缸活塞件13的运动速度数据、运动加速度数据、运动位置数据、振动信号数据及与上述预设数据匹配的径向偏移值的数据集，其中，将数据集中30％的数据作为测试集，确保评估模型的泛化能力。
[0109]
步骤s201：使用上述训练完成的预测模型对测试集中的样本进行预测，获得预测结果。步骤s202：将预测结果与测试集中的实际径向偏移数据进行比较，通过均方根误差计算评估指标：
[0110][0111]
其中，n是测试集的样本数量，yi是第i个样本的实际径向偏移数据，是预测值。
[0112]
步骤s203：根据评估指标的结果，对预测模型进行优化，包括调整模型的超参数、增加训练数据量及改进特征，进而重新训练预测模型，且再次进行测试集的评估。
[0113]
步骤s204：重复步骤s201-步骤s203，直至达到预设模型性能。
[0114]
其中，需要注意的是，在进行模型评估和优化时，应该尽量避免过度拟合(overfitting)的问题，过度拟合可能导致模型在训练集上表现良好，但在新的未见过的数据上表现较差，可以使用现有的交叉验证技术来帮助评估模型的泛化能力。
[0115]
参考图1-图6、图11所示，在其中一个依照工作顺序执行的示例中，本发明的一种伺服电缸活塞件13偏移校正方法还包括以下步骤：
[0116]
步骤s100：采集伺服电缸的活塞件13的振动数据，生成包含n个样本的训练集：x＝{x1,x2,
…
,xn}，其中，每个样本包含m个特征：xi＝[x
i1
,x
i2
,
…
,x
im
]；其中，振动数据包括但不仅限于振动频率、振动幅度、峰值因子、峰谷因子及脉冲指数中的至少一种；其中，对生成的训练集，进行现有的特征归一化、去除噪声处理，以提高模型的训练效果。
[0117]
步骤s101：采集振动数据匹配的伺服电缸活塞件13的径向偏移数据，生成标签集：q＝{q1,q2,
…
,qn}。
[0118]
步骤s102：采用回归型支持向量机的方法对训练集进行训练，生成基于振动分析的径向偏移预测模型，且使径向偏移数据的预测值接近实际值，回归型支持向量机的目标函数可以表示为：
[0119][0120][0121]
其中，b是偏置项，f是权重向量，f(x)是预测函数；c是正则化参数，控制复杂度；ξi和是松弛变量，∈是预测精度的容忍度。
[0122]
步骤s103：根据伺服电缸活塞件13的实时运动数据，通过基于振动分析的径向偏移预测模型预测伺服电缸活塞件13的径向偏移数据。
[0123]
步骤s104：判断伺服电缸活塞件13的径向偏移数据是否超过安全范围。
[0124]
步骤s105：若是，则使偏移校正单元3向伺服电缸活塞件13方向运动，将伺服电缸的活塞件13校正至安全范围内，若否，则返回步骤s103，重新获取伺服电缸活塞件13的实时运动数据。
[0125]
例如：假设训练集中的一个样本xi包含以下特征值：振动频率x
i1
＝100hz，振动幅度x
i2
＝0.5mm，峰值因子x
i3
＝1.2，峰谷因子x
i4
＝0.8，脉冲指数x
i5
＝0.6，对应的标签值为qi＝0.4mm。
[0126]
通过训练支持向量机回归模型，可以得到一个预测函数f(x)，假设在实时预测阶段，采集到一个新的振动样本，其特征值为：振动频率x
new1
＝120hz，振动幅度x
new2
＝0.6mm，峰值因子x
new3
＝1.5，峰谷因子x
new4
＝0.9，脉冲指数x
new5
＝0.7；将该新样本x
newi
输入到支持向量机回归模型中，通过模型预测活塞杆径向偏移的预测值o
new
＝0.45mm。
[0127]
参考图1-图6、图12所示，在其中一个依照工作顺序执行的示例中，本发明的一种伺服电缸活塞件13偏移校正方法还包括以下步骤：
[0128]
步骤s1000：采集与伺服电缸活塞件13径向偏移相关的时间序列数据；其中，时间
序列数据即指与伺服电缸活塞杆径向偏移相关的数据，包括但不仅限于：活塞杆径向偏移的测量值及匹配的时间戳。
[0129]
步骤s1001：假设模型：
[0130][0131]
其中，δ是差分操作，是原始时间序列数据，α是常数项，β是时间趋势项，γ是系数，p是滞后阶数，θi是滞后系数，ε
t
是误差项。
[0132]
步骤s1002：计算单位根检验统计量：
[0133][0134]
其中，是估计的γ值，是γ的标准差；adf(augmented dickey-fuller test)检验用于检验时间序列数据是否具有单位根(非平稳性)，adf检验的原假设为序列存在单位根(非平稳性)，备择假设为序列不存在单位根(平稳性)。
[0135]
步骤s1003：将单位根检验统计量与临界值进行比较：若adf小于临界值，则拒绝原假设，认为时间序列数据是平稳的，若adf大于临界值，则接受原假设，认为时间序列数据是非平稳的。
[0136]
例如：假设有一个时间序列数据集[10,15,12,18,16,14,20]，进行adf检验来判断该序列的平稳性：
[0137]
设定滞后阶数p＝1，显著性水平为0.05，根据adf检验的原假设和备择假设，进行计算得到adf统计量的值为-1.8614，对于上述7个观测值的序列，临界值为-3.617，因为adf统计量的值(-1.8614)大于临界值(-3.617)，所以接受原假设，认为该序列是非平稳的；因此，在进行进一步的时间序列分析和预测时，需要进行差分操作，将序列转化为平稳序列。步骤s1004：根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数。
[0138]
参考图1-图6、图13所示，在其中一个依照工作顺序执行的示例中，本发明的一种伺服电缸活塞件13偏移校正方法在对时间序列数据进行单位根检验时，方法还包括以下步骤：
[0139]
步骤s1100：假设模型：
[0140][0141]
其中，是原始时间序列数据，μ是均值，ε
t
是误差项，p是滞后阶数，θi是滞后系数。
[0142]
步骤s1101：计算单位根检验统计量：
[0143][0144]
其中，是序列的残差，σ2是残差的方差；kpss检验用于检验时间序列数据是否具有单位根(非平稳性)，kpss检验的原假设为序列是平稳的，备择假设为序列是非平稳的。步骤s1102：将单位根检验统计量与临界值进行比较：若kpss检验小于临界值，则接受原假设，认为时间序列数据是平稳的，若kpss检验大于临界值，则拒绝原假设，认为时间序列数据是
非平稳的。
[0145]
例如：假设有一个时间序列数据集[10,15,12,18,16,14,20]，进行kpss检验来判断该序列的平稳性：
[0146]
设定滞后阶数p＝1，显著性水平为0.05，根据kpss检验的原假设和备择假设，进行计算得到kpss统计量的值为0.0815，对于上述7个观测值的序列，临界值为0.739，因为adf统计量的值(0.0815)小于临界值(0.739)，所以接受原假设，认为该序列是平稳的。步骤s1103：根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数。
[0147]
在其中一个依照工作顺序执行的示例中，本发明的一种伺服电缸活塞件13偏移校正方法在采集与伺服电缸活塞件13径向偏移相关的时间序列数据后，方法还包括以下步骤：
[0148]
对收集到的时间序列数据进行探索性分析：
[0149]
计算时间序列数据的平均值：
[0150][0151]
计算时间序列数据的中位数：将数据按升序排列，找出中间位置的值，如果数据个数是奇数，则中位数是排序后的中间值，如果数据个数是偶数，则中位数是中间两个数的平均值；计算时间序列数据的方差：
[0152][0153]
计算时间序列数据的标准差：
[0154][0155]
其中，通过上述的平均值、中位数、方差、标准差计算以了解数据的集中趋势和离散程度。参考图1-图6、图14所示，在其中一个依照工作顺序执行的示例中，本发明的一种伺服电缸活塞件13偏移校正方法在将单位根检验统计量与临界值进行比较后，方法还包括以下步骤：
[0156]
步骤s1200：若是间序列数据未满足平稳性要求，则对时间序列数据进行一阶差分操作：
[0157]
δr
t
＝r
t-r
t-1
[0158]
其中，r
t
是第t个观测值，r
t-1
是第t-1个观测值；其中，至少对时间序列数据进行一阶差分操作，如果一阶差分操作仍然不满足平稳性要求，可以进行二阶、三阶或更高阶的差分操作，直到得到平稳序列为止。
[0159]
步骤s1201：判断经过一阶差分操作的时间序列数据是否满足平稳性要求，若是，则执行步骤s1202：根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数，若否，则执行步骤s12010：进行下一阶差分操作：
[0160]
δ2r
t
＝δr
t-δr
t-1
[0161]
其中，δr
t
是一阶差分后时间序列数据的第t个观测值，δr
t-1
是一阶差分后时间序列数据的第t-1个观测值。
[0162]
其中，在每一阶差分后，都要进行平稳性检验，使用adf检验或kpss检验，确保差分后的数据满足平稳性要求。
[0163]
步骤s1202：重复步骤s1200-步骤s1201，直至差分后的时间序列数据满足平稳性要求为止，进而根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数。
[0164]
参考图1-图6、图15所示，在一些实施例中，本发明提供的一种伺服电缸活塞件13偏移校正方法在将伺服电缸的活塞件13预校正至安全范围内后，方法还包括以下步骤：
[0165]
步骤s50：采集经过预校正的伺服电缸活塞件13的实时径向偏移数据；
[0166]
其中，在进行预校正后，进一步的进行的追踪检测伺服电缸活塞件13的实时径向偏移值，以避免预校正出现校正错位问题。
[0167]
步骤s51：根据实时径向偏移数据，判断活塞件13的实时径向偏移距离是否还超过安全范围，若否，则返回步骤s50，重新获取活塞件13的实时径向偏移数据，若是，则根据实时径向偏移数据，生成活塞件13的径向调节数据；
[0168]
其中，在生成活塞件13的径向调节数据时，将需要进行推送力的偏移校正单元3设为第一校正单元，将不需要进行推送力的偏移校正单元3设为第二校正单元，第一校正单元与匹配的需要校正推送距离的值绑定。
[0169]
步骤s52：根据径向调节数据，通过第一校正单元向活塞件13方向运动，将第一校正单元的输出端与活塞件13抵触，进而增加第一校正单元的推送力，将活塞件13的径向偏移距离调整至安全范围内；在第一校正单元将活塞件13校正后，将剩余的偏移校正单元3，即第二校正单元向调整后的活塞件13方向运动，将第二校正单元的滚珠34与活塞件13抵触，通过第一校正单元、第二校正单元形成活塞件13直线运动的径向调节区间，进而减少活塞件13在运动时出现的径向偏移。
[0170]
其中，在生成活塞件13的径向调节数据时，将需要进行推送力的偏移校正单元3的抵触件33设为第一抵触件33，将不需要进行推送力的偏移校正单元3的抵触件33设为第二抵触件33。
[0171]
其中，根据径向调节数据，通过校正驱动件32驱动第一抵触件33向活塞件13方向运动，将第一抵触件33的滚珠34与活塞件13抵触，进而通过校正驱动件32增加驱动力，进而增加第一抵触件33的推送力，将活塞件13的径向偏移距离调整至安全范围内。
[0172]
通过校正驱动件32驱动第二抵触件33向调整后的活塞件13方向运动，将第二抵触件33的滚珠34与活塞件13抵触，通过第一抵触件33、第二抵触件33形成活塞件13的径向调节区间。
[0173]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0174]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
[0175]
附图标记说明：
[0176]
1.伺服电缸
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
14.第一同步件
[0177]
2.状态检测单元
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
15.第二同步件
[0178]
3.偏移校正单元
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
16.同步带
[0179]
4.控制单元
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
20.电涡流传感器
[0180]
10.缸体
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
21.速度传感器
[0181]
11.电缸驱动件
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
22.加速度传感器
[0182]
13.活塞件
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
23.位移传感器
[0183]
24.振动检测传感器
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
110.减速机
[0184]
30.调节环
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
111.伺服电机
[0185]
31.连接件
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
120.联轴器
[0186]
32.校正驱动件
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
121.丝杆
[0187]
33.抵触件
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
122.丝杆螺母
[0188]
34.滚珠
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
130.减速机
[0189]
40.模型训练模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
131.伺服电机
[0190]
41.偏移预测模块
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
300.调节
[0191]
42.偏移校正模块

技术特征：
1.伺服电缸活塞件偏移校正方法，包括伺服电缸、状态检测单元及偏移校正单元，所述状态检测单元及偏移校正单元安装于伺服电缸输出端，所述状态检测单元用于获取伺服电缸的活塞件状态数据及径向偏移数据，所述偏移校正单元用于将伺服电缸的活塞件径向偏移校正；其特征在于，所述方法包括以下步骤：步骤s1：通过差分操作的方法生成训练集；步骤s2：采用随机森林的方法不断对训练集进行训练，获得训练后的预测模型，进而将所述预测模型嵌入至伺服电缸的操作系统中，形成伺服电缸活塞件的径向偏移预测模型；步骤s3：根据所述伺服电缸活塞件的实时运动数据，预测所述伺服电缸活塞件的径向偏移数据；步骤s4：判断所述伺服电缸活塞件的径向偏移数据是否超过安全范围；步骤s5：若是，则使偏移校正单元向所述伺服电缸活塞件方向运动，将所述伺服电缸的活塞件预校正至安全范围内，若否，则返回步骤s3，重新获取所述伺服电缸活塞件的实时运动数据。2.根据权利要求1所述的伺服电缸活塞件偏移校正方法，其特征在于，通过差分操作的方法生成训练集的方法包括以下步骤：步骤s10：采集伺服电缸的活塞件的运动数据，获取所述活塞件的动态数据；步骤s11：对所述动态数据进行预设处理；步骤s12：对经过预设处理的动态数据进行第一差分操作：δx(t)＝x(t)-x(t-1)其中，x(t)为原始的运动数据，δx(t)为进行第一差分后的动态数据；步骤s13：对经过第一差分操作的动态数据进行第二差分操作：δ2x(t)＝δx(t)-δx(t-1)其中，δ2x(t)为进行第二差分后的动态数据；步骤s14：提取经过第二差分操作的动态数据中的第一预设特征；步骤s15：将提取的第一预设特征作为训练集的输入特征，同时将伺服电缸的活塞件径向偏移作为输出标签，构建训练集。3.根据权利要求1所述的伺服电缸活塞件偏移校正方法，其特征在于，采用随机森林的方法不断对训练集进行训练的方法包括以下步骤：步骤s20：收集伺服电缸活塞件的预设运动数据，且同时收集与所述预设运动数据匹配的径向偏移值；步骤s21：设定随机森林训练参数；步骤s22：将训练集分配给根节点；步骤s23：对于当前节点，将每个特征根据预设分割特征和阈值划分为左子集和右子集；步骤s24：计算划分后的左子集和右子集的目标变量的最小化平方差：其中，x
i,j
是第i个样本在特征j上的取值，y
t
是对应的伺服电缸活塞件径向偏移量；s是
分割点；步骤s25：创建两个子节点，分别对应左子集和右子集，将训练样本分配给子节点；步骤s26：递归地对每个子节点执行步骤s22-步骤s25，直至满足预设终止条件；步骤s27：进而生成预测模型，且将叶子节点中的样本平均值作为决策树预测结果，预测伺服电缸活塞件的径向偏移数据。4.根据权利要求3所述的伺服电缸活塞件偏移校正方法，其特征在于，在将所述预测模型嵌入至伺服电缸的操作系统中时，所述方法还包括以下步骤：步骤s200：提取伺服电缸的活塞件运动数据中的预设数据，进而将所述预设数据作为测试集；步骤s201：使用上述训练完成的预测模型对测试集中的样本进行预测，获得预测结果；步骤s202：将所述预测结果与测试集中的实际径向偏移数据进行比较，计算评估指标：其中，n是测试集的样本数量，y
i
是第i个样本的实际径向偏移数据，是预测值；步骤s203：根据评估指标的结果，对所述预测模型进行优化；步骤s204：重复步骤s201-步骤s203，直至达到预设模型性能。5.根据权利要求1所述的伺服电缸活塞件偏移校正方法，其特征在于，在预测所述伺服电缸活塞件的径向偏移数据前，所述方法还包括以下步骤：步骤s30：根据伺服电缸活塞件的历史运动数据，预测所述伺服电缸活塞件的径向偏移数据；步骤s31：判断所述伺服电缸活塞件的径向偏移数据是否超过安全范围；步骤s32：若是，则在所述伺服电缸活塞件运动至预设距离时，使偏移校正单元向所述伺服电缸活塞件方向运动，预先将所述伺服电缸的活塞件校正至安全范围内，若否，则获取所述伺服电缸活塞件的实时运动数据。6.根据权利要求1所述的伺服电缸活塞件偏移校正方法，其特征在于，所述方法还包括以下步骤：步骤s100：采集伺服电缸的活塞件的振动数据，生成包含n个样本的训练集：x＝{x1,x2,
…
,x
n
}，其中，每个样本包含m个特征：x
i
＝[x
i1
,x
i2
,
…
,x
im
]；步骤s101：采集所述振动数据匹配的伺服电缸活塞件的径向偏移数据，生成标签集：q＝{q1,q2,
…
,q
n
}；步骤s102：采用回归型支持向量机的方法对所述训练集进行训练，生成基于振动分析的径向偏移预测模型，且使径向偏移数据的预测值接近实际值：
其中，f(x)表示预测函数；c是正则化参数，控制复杂度；ξ
i
和是松弛变量，∈是预测精度的容忍度；步骤s103：根据所述伺服电缸活塞件的实时运动数据，通过基于振动分析的径向偏移预测模型预测所述伺服电缸活塞件的径向偏移数据；步骤s104：判断所述伺服电缸活塞件的径向偏移数据是否超过安全范围；步骤s105：若是，则使偏移校正单元向所述伺服电缸活塞件方向运动，将所述伺服电缸的活塞件校正至安全范围内，若否，则返回步骤s103，重新获取所述伺服电缸活塞件的实时运动数据。7.根据权利要求1所述的伺服电缸活塞件偏移校正方法，其特征在于，所述方法还包括以下步骤：步骤s1000：采集与伺服电缸活塞件径向偏移相关的时间序列数据，包括：活塞杆径向偏移的测量值及匹配的时间戳；步骤s1001：假设模型：其中，δ是差分操作，是原始时间序列数据，α是常数项，β是时间趋势项，γ是系数，p是滞后阶数，θ
i
是滞后系数，ε
t
是误差项；步骤s1002：计算单位根检验统计量：其中，是估计的γ值，是γ的标准差；步骤s1003：将单位根检验统计量与临界值进行比较：若小于，则拒绝原假设，认为时间序列数据是平稳的，若大于，则接受原假设，认为时间序列数据是非平稳的；步骤s1004：根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数。8.根据权利要求7所述的伺服电缸活塞件偏移校正方法，其特征在于，在对所述时间序列数据进行单位根检验时，所述方法还包括以下步骤：步骤s1100：假设模型：其中，是原始时间序列数据，μ是均值，ε
t
是误差项，p是滞后阶数，θ
i
是滞后系数；步骤s1101：计算单位根检验统计量：其中，是序列的残差，σ2是残差的方差；步骤s1102：将单位根检验统计量与临界值进行比较：若小于，则接受原假设，认为时间
序列数据是平稳的，若大于，则拒绝原假设，认为时间序列数据是非平稳的；步骤s1103：根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数。9.根据权利要求7或8所述的伺服电缸活塞件偏移校正方法，其特征在于，在将单位根检验统计量与临界值进行比较后，所述方法还包括以下步骤：步骤s1200：若是间序列数据未满足平稳性要求，则对时间序列数据进行一阶差分操作：δr
t
＝r
t-r
t-1
其中，r
t
是第t个观测值，r
t-1
是第t-1个观测值；步骤s1201：判断经过一阶差分操作的时间序列数据是否满足平稳性要求，若是，则根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数，若否，则进行下一阶差分操作：δ2r
t
＝δr
t-δr
t-1
其中，δr
t
是一阶差分后时间序列数据的第t个观测值，δr
t-1
是一阶差分后时间序列数据的第t-1个观测值；步骤s1202：重复步骤s1200-步骤s1202，直至差分后的时间序列数据满足平稳性要求为止，进而根据平稳化后的时间序列数据，设定时间序列预测模型及其阶数。10.根据权利要求1所述的伺服电缸活塞件偏移校正方法，其特征在于，在将所述伺服电缸的活塞件预校正至安全范围内后，所述方法还包括以下步骤：步骤s50：采集经过预校正的伺服电缸活塞件的实时径向偏移数据；步骤s51：根据所述实时径向偏移数据，判断所述活塞件的实时径向偏移距离是否还超过安全范围，若否，则返回步骤s50，重新获取所述活塞件的实时径向偏移数据，若是，则根据所述实时径向偏移数据，生成所述活塞件的径向调节数据；步骤s52：根据径向调节数据，通过偏移校正单元向所述活塞件方向运动，将所述偏移校正单元的输出端与所述活塞件抵触，进而增加所述偏移校正单元的推送力，将所述活塞件的径向偏移距离调整至安全范围内。11.伺服电缸活塞件偏移校正系统，执行权利要求1-10任一项所述的伺服电缸活塞件偏移校正方法，其特征在于，所述系统包括：伺服电缸；状态检测单元，其安装于伺服电缸输出端，用于获取伺服电缸的活塞件状态数据、径向偏移数据；偏移校正单元，包括安装环、校正驱动件、抵触件、滚动件，所述安装环安装于伺服电缸输出端，且开设有调节孔，若干个调节孔沿安装环的周向呈阵列式布置；所述校正驱动件安装于安装环上，且至少部分插入于调节孔内；所述抵触件与校正驱动件输出端相连接，且至少部分穿过调节孔，且所述抵触件开设有滚动槽；所述滚动件安装于滚动槽内，且与待校正伺服电缸的活塞件相抵触；控制单元，包括：模型训练模块，用于通过差分操作的方法生成训练集，采用随机森林的方法不断对训练集进行训练，获得训练后的预测模型，进而将所述预测模型嵌入至伺服电缸的操作系统
中，形成伺服电缸活塞件的径向偏移预测模型；偏移预测模块，用于根据所述伺服电缸活塞件的实时运动数据，预测所述伺服电缸活塞件的径向偏移数据；偏移校正模块，判断所述伺服电缸活塞件的径向偏移数据是否超过安全范围，若是，则使偏移校正单元向所述伺服电缸活塞件方向运动，将所述伺服电缸的活塞件预校正至安全范围内，若否，则重新获取所述伺服电缸活塞件的实时运动数据。12.根据权利要求11所述的伺服电缸活塞件偏移校正系统，其特征在于，所述状态检测单元包括：电涡流传感器，用于获取伺服电缸活塞件的径向偏移数据；速度传感器，用于获取伺服电缸活塞件的运动速度数据；加速度传感器，用于获取伺服电缸活塞件的运动加速度数据；位移传感器，用于获取伺服电缸活塞件的运动位置数据；振动检测传感器，用于采集伺服电缸活塞件运动过程中的振动信号数据。

技术总结
本发明公开了伺服电缸活塞件偏移校正方法和系统，包括：通过差分操作的方法生成训练集；采用随机森林的方法不断对训练集进行训练，获得训练后的预测模型，进而形成伺服电缸活塞件的径向偏移预测模型；根据伺服电缸活塞件的实时运动数据，预测伺服电缸活塞件的径向偏移数据；判断伺服电缸活塞件的径向偏移数据是否超过安全范围；若是，则使偏移校正单元向伺服电缸活塞件方向运动，将伺服电缸的活塞件预校正至安全范围内，若否，则重新获取伺服电缸活塞件的实时运动数据。本发明的伺服电缸活塞件偏移校正方法及系统，能够对活塞件的径向偏移进行预测，进而预先对活塞件进行径向偏移校正，提高活塞件的校正效率，且避免影响加工效率。效率。效率。


技术研发人员：曾祥迅
受保护的技术使用者：苏州施米特机械有限公司
技术研发日：2023.07.12
技术公布日：2023/10/15