本技术涉及机床进给轴工作台，尤其涉及一种机床进给轴工作台的位置预测方法、系统及介质。
背景技术：
1、传统的机床进给轴工作台的位置预测方法是在机床进给轴动力学、运动学模型的基础上，通过求解参数化模型，获得机床进给轴工作台的基础预测位置，通过参数化模型求解的基础预测位置与机床进给轴工作台实际位置存在一定的偏差，即残余误差。再使用机器学习来补偿参数化模型基础预测位置与机床进给轴工作台实际位置的残余误差。
2、但是，机床进给轴丝杠在运动过程中，当指令速度运动到v=0时，伺服电机常常出现的状态转换情况：（1）电机反转；（2）电机保持上一个状态的旋转方向。
3、当出现上述状态转换情况时，使用单一的机器学习模型预测残余误差时，由于未对进给轴丝杠运动状态进行分类，且没有考虑运动状态的转换情况，容易导致模型尝试找到一种方式来区分这些实际上无法通过给定特征来区分的样本，导致模型尝试找到一种方式来区分这些实际上无法通过给定特征来区分的样本，导致模型陷入困惑，不能很好的描述出实体机床进给轴的特征，出现机器学习模型预测的残余误差存在位置精度低、计算效率差的问题。
技术实现思路
1、针对现有技术的上述不足，本技术提供一种机床进给轴工作台的位置预测方法、系统及介质，以解决方案没有考虑丝杠运动状态的转换情况，机器学习模型预测的残余误差存在位置精度低、计算效率差的问题。
2、第一方面，本技术提供了一种机床进给轴工作台的位置预测方法，方法包括：
3、获取历史时间段下发给机床进给轴工作台对应伺服系统的指令信息，将指令信息输入预设参数化仿真模型，以获得各个指令信息对应的初始预测位置；其中，指令信息包含指令位置和指令速度；
4、采集历史时间段内机床进给轴工作台对应的历史数据；其中，历史数据由若干条数据组组成，每条数据组至少包括：指令信息、初始预测位置和残余误差，且残余误差为采集到的实际工作台位置与初始预测位置之间的差值；
5、以历史数据中指令速度为0的数据组处为断点，将历史时间段的历史数据划分为若干数据段；将每个数据段中各条数据组中的残余误差减去当前数据段的首条数据组的残余误差，确定减后的数据段为训练数据段；
6、基于历史时间段的时间顺序，确定训练数据段之间的顺序；进而确定当前训练数据段和上一训练数据段对应的丝杠状态转换情况，进而将若干训练数据段划分为四个训练数据集；其中，丝杠状态分为拉伸状态和压缩状态；通过训练数据集训练对应的初始机器学习模型，以获得四个训练好的机器学习模型；
7、获取待预测轨迹；其中，待预测轨迹由待预测指令信息组成，且待预测指令信息由待预测指令位置和待预测指令速度组成；
8、将待预测指令信息输入预设参数化仿真模型，以获得待预测轨迹初始预测位置；
9、将待预测轨迹以指令速度为0处为断点，将下发的待预测指令信息划分为若干待预测分段；获取待预测轨迹各个待预测分段对应的丝杠状态转换情况，将各个待预测分段输入对应的训练好的机器学习模型，获得待预测轨迹各个待预测分段的相对残余误差；基于对刀点位置、各个待预测分段的首个待预测指令位置、当前待预测分段中的待预测指令速度最大值，利用多项式插值的方法，规划从对刀点位置到各个待预测分段首个待预测指令位置的预设假想轨迹；其中，预设假想轨迹由假想指令信息组成，且假想指令信息由假想指令位置和假想指令速度组成；同一待预测分段对应的预设假想轨迹的首个假想指令位置的丝杠状态转换情况和待预测轨迹的首个待预测指令位置的丝杠状态转换情况两者相同；
10、将预设假想轨迹的假想指令信息输入预设参数化仿真模型，以获得预设假想轨迹的初始预测位置；将预设假想轨迹以指令速度为0处为断点，获得若干假想轨迹分段；
11、获取各个假想轨迹分段对应的丝杠状态转换情况，进而将各个假想轨迹分段输入对应的训练好的机器学习模型，获得预设假想轨迹对应的预设误差集合；其中，预设误差集合由假想轨迹分段中各个假想指令信息对应的预设误差组成；
12、基于假想轨迹分段的具体数量，确定当前待预测分段的首个指令位置的残余误差；
13、基于待预测轨迹的初始预测位置、各个分段的相对残余误差和各个待预测分段的首个指令位置的残余误差，获得最终预测位置。
14、进一步地，基于当前训练数据段和上一训练数据段对应的丝杠状态变化，将若干训练数据段划分为四个训练数据集，具体包括：基于当前训练数据段和上一训练数据段对应的信息指令，确定当前训练数据段的丝杠状态变化；其中，丝杠状态变化分为拉伸-压缩状态、拉伸-拉伸状态、压缩-压缩状态、压缩-拉伸状态；进而基于四种丝杠状态变化，将训练数据段划分到对应的训练数据集中。
15、进一步地，基于待预测轨迹的初始预测位置、各个分段的相对残余误差和各个待预测分段的首个指令位置的残余误差，获得最终预测位置，具体包括：通过公式：
16、
17、计算获得最终预测位置h；其中，h表示初始预测位置，i表示第i个待预测轨迹分段，n表示待预测轨迹分段总数，表示第i个待预测轨迹分段对应的相对残余误，表示第i个待预测轨迹分段的首个指令位置处的残余误差。
18、第二方面，本技术提供了一种机床进给轴工作台的位置预测系统，系统包括：
19、历史数据获得模块，用于获取历史时间段下发给机床进给轴工作台对应伺服系统的指令信息，将指令信息输入预设参数化仿真模型，以获得各个指令信息对应的初始预测位置；其中，指令信息包含指令位置和指令速度；采集历史时间段内机床进给轴工作台对应的历史数据；其中，历史数据由若干条数据组组成，每条数据组至少包括：指令信息、初始预测位置和残余误差，且残余误差为采集到的实际工作台位置与初始预测位置之间的差值；
20、训练数据获得模块，用于以历史数据中指令速度为0的数据组处为断点，将历史时间段的历史数据划分为若干数据段；将每个数据段中各条数据组中的残余误差减去当前数据段的首条数据组的残余误差，确定减后的数据段为训练数据段；
21、数据集划分模块，用于基于历史时间段的时间顺序，确定训练数据段之间的顺序；进而确定当前训练数据段和上一训练数据段对应的丝杠状态转换情况，进而将若干训练数据段划分为四个训练数据集；其中，丝杠状态分为拉伸状态和压缩状态；通过训练数据集训练对应的初始机器学习模型，以获得四个训练好的机器学习模型；
22、预测位置获取模块，用于获取待预测轨迹；其中，待预测轨迹由待预测指令信息组成，且待预测指令信息由待预测指令位置和待预测指令速度组成；将待预测指令信息输入预设参数化仿真模型，以获得待预测轨迹初始预测位置；
23、假想数据获取模块，用于将待预测轨迹以指令速度为0处为断点，将下发的待预测指令信息划分为若干待预测分段；获取待预测轨迹各个待预测分段对应的丝杠状态转换情况，将各个待预测分段输入对应的训练好的机器学习模型，获得待预测轨迹各个待预测分段的相对残余误差；基于对刀点位置、各个待预测分段的首个待预测指令位置、当前待预测分段中的待预测指令速度最大值，利用多项式插值的方法，规划从对刀点位置到各个待预测分段首个待预测指令位置的预设假想轨迹；其中，预设假想轨迹由假想指令信息组成，且假想指令信息由假想指令位置和假想指令速度组成；同一待预测分段对应的预设假想轨迹的首个假想指令位置的丝杠状态转换情况和待预测轨迹的首个待预测指令位置的丝杠状态转换情况两者相同；将预设假想轨迹的假想指令信息输入预设参数化仿真模型，以获得预设假想轨迹的初始预测位置；将预设假想轨迹以指令速度为0处为断点，获得若干假想轨迹分段；
24、残余误差获取模块，用于获取各个假想轨迹分段对应的丝杠状态转换情况，进而将各个假想轨迹分段输入对应的训练好的机器学习模型，获得预设假想轨迹对应的预设误差集合；其中，预设误差集合由假想轨迹分段中各个假想指令信息对应的预设误差组成；基于假想轨迹分段的具体数量，确定当前待预测分段的首个指令位置的残余误差；
25、最终位置获取模块，用于基于待预测轨迹的初始预测位置、各个分段的相对残余误差和各个待预测分段的首个指令位置的残余误差，获得最终预测位置。
26、进一步地，残余误差获取模块包括误差计算单元，用于当假想轨迹分段的具体数量为1时，预设误差集合由唯一假想轨迹分段的预设误差组成：{y1，y2，y3…yn}，确定最后一个假想指令位置相对应的预设误差yn为当前待预测分段的首个指令位置的残余误差；当假想轨迹分段的具体数量m大于1时，预设误差集合由若干假想轨迹分段的预设误差组成：{（，，…）、（，，…）、...（，，…）}，确定各个假想轨迹分段的最后一个假想指令位置相对应的预设误差的加和值为当前待预测分段的首个指令位置的残余误差。
27、进一步地，数据集划分模块包括划分单元，用于基于当前训练数据段和上一训练数据段对应的信息指令，确定当前训练数据段的丝杠状态变化；其中，丝杠状态变化分为拉伸-压缩状态、拉伸-拉伸状态、压缩-压缩状态、压缩-拉伸状态；进而基于四种丝杠状态变化，将训练数据段划分到对应的训练数据集中。
28、进一步地，最终位置获取模块包括最终位置计算单元，
29、用于通过公式：
30、，
31、计算获得最终预测位置h；其中，h表示初始预测位置，i表示第i个待预测轨迹分段，n表示待预测轨迹分段总数，表示第i个待预测轨迹分段对应的相对残余误，表示第i个待预测轨迹分段的首个指令位置处的残余误差。
32、第三方面，本技术提供了一种非易失性计算机存储介质，其上存储有计算机指令，计算机指令在被执行时实现如上述任一项的一种机床进给轴工作台的位置预测方法。
33、本领域技术人员能够理解的是，本技术至少具有如下有益效果：
34、1、考虑了进给轴丝杠的拉伸与压缩特性不同，分别训练不同运动状态下的模型，将训练数据集在指令速度v=0处将轨迹划分成不同状态下的分段，判断每个分段中进给轴丝杠拉伸与压缩状态，将每个数据段中的残余误差减去当前数据段的首条数据组的残余误差，训练出相对于每段起点处拉伸状态或压缩状态的残余误差预测模型（训练好的机器学习模型）。
35、2、默认对刀点处为零误差点，考虑了机床进给轴工作台在对刀处以及指令速度v=0处，机床进给轴的运动状态与上一个分段之间发生转换时产生反向间隙和变形量的释放，机床进给轴的运动状态与上一个分段之间不发生转换时变形量继续累计且不会产生反向间隙，将指令速度v=0处运动状态保持不变和运动状态发生变化的训练数据集划分成不同模型的训练集。
36、3、由于机床进给轴有很高的重复定位精度，当以相同的运动状态和速度到达同一位置时，残余误差相等，判断每个分段在指令位置对应的轨迹中与上一个分段之间的运动状态和转换情况，规划从对刀点处到每一个分段起点处与指令位置对应的轨迹相同运动状态和转换情况的假想轨迹，通过训练好的机器学习模型，预测出每个分段首个指令位置的残余误差。
37、4、融合参数化模型与机器学习预测的每个分段起点处的相对残余误差和每个分段首个指令位置的残余误差。提高机床进给轴的仿真精度，具有较好的适用性。
1.一种机床进给轴工作台的位置预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的机床进给轴工作台的位置预测方法，其特征在于，基于假想轨迹分段的具体数量，确定当前待预测分段的首个指令位置的残余误差，具体包括：
3.根据权利要求1所述的机床进给轴工作台的位置预测方法，其特征在于，确定当前训练数据段和上一训练数据段对应的丝杠状态转换情况，进而将若干训练数据段划分为四个训练数据集，具体包括：
4.根据权利要求1所述的机床进给轴工作台的位置预测方法，其特征在于，基于待预测轨迹的初始预测位置、各个分段的相对残余误差和各个待预测分段的首个指令位置的残余误差，获得最终预测位置，具体包括：
5.一种机床进给轴工作台的位置预测系统，其特征在于，所述系统包括：
6.根据权利要求5所述的机床进给轴工作台的位置预测系统，其特征在于，残余误差获取模块包括误差计算单元，
7.根据权利要求5所述的机床进给轴工作台的位置预测系统，其特征在于，数据集划分模块包括划分单元，
8.根据权利要求5所述的机床进给轴工作台的位置预测系统，其特征在于，最终位置获取模块包括最终位置计算单元，
9.一种非易失性计算机存储介质，其特征在于，其上存储有计算机指令，所述计算机指令在被执行时实现如权利要求1-4任一项所述的一种机床进给轴工作台的位置预测方法。
