[發明專利]一種航空發動機葉片加工過程退化的輪廓質量控制方法

有效

• 申請號: 201810617404.3
• 申請日: 2018-06-15
• 公開（公告）號: CN108803478B
• 公開（公告）日: 2020-01-31
• 發明（設計）人: 王佩;胡磊;郭澤坤;賀華
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G05B19/19
• 分類號: G05B19/19;G05B19/408
• 代理公司: 61205 陜西電子工業專利中心
• 代理人: 陳宏社;王品華

1.一種航空發動機葉片加工過程退化的輪廓質量控制方法，其特征在于，包括如下步驟：

(1)建立航空發動機葉片多階段加工過程退化Profile誤差累積的耦合預測模型：

(1a)對影響航空發動機葉片加工過程退化的多源誤差進行分析：

通過狀態空間和誤差流傳遞原理，對發動機葉片進行誤差傳遞分析和加工過程退化機理分析，得到多源誤差下的發動機葉片加工過程退化的系數表達式：

其中，當模型做預測時，P_k表示節點工序k加工質量特性波動的預測值，當P_k為實際數據時，表示節點工序k加工質量特性波動的測量值；節點工序k的誤差狀態值為以基準d_k在坐標測量機上測量得到的加工質量測量值為加工過程節點工序k的基準為d_k、刀具路徑引起的加工誤差為t_k、夾具幾何誤差為l_k、切削力引起的工件的變形誤差為j_k；W_k表示節點工序k制造系統狀態噪聲項w_k的方差；V_k表示節點工序k測量誤差項v_k的方差；加工過程節點工序k-1的基準誤差引起節點工序k的基準誤差為加工誤差引起節點工序k的加工誤差為夾具幾何誤差引起節點工序k的夾具幾何誤差為變形誤差引起的節點工序k的變形誤差為D₀表示t＝0時刻關于工序質量的初始信息集；m₀表示D₀信息集條件下工序質量的均值估計值；C₀表示D₀信息集條件下工序質量的方差；對任意兩個不同的工序t和s，當t≠s時，v_t和v_s、w_t和w_s以及v_t和w_s都相互獨立；A_(k-1)、B_k為系數矩陣，為測量系統的坐標轉換矩陣；

(1b)建立航空發動機葉片多工序加工過程Profile模型：

對多源誤差下的發動機葉片加工過程退化的系數表達式進行多元線性回歸，得到航空發動機葉片多工序加工過程Profile模型：

(1c)對航空發動機葉片多工序加工過程Profile模型進行轉換：

假設測量噪聲和狀態噪聲服從高斯核拉普拉斯分布，整個加工過程的測量系統為同一個測量系統，對航空發動機葉片多工序加工過程Profile模型進行轉換，得到航空發動機葉片多階段加工過程退化Profile誤差累積的耦合預測模型：

其中A_(k-1)、C_k、G_k、O_k、L_k為系數矩陣；表示多源誤差觀測值；

(2)對航空發動機葉片多階段加工過程退化Profile誤差累積的耦合預測模型進行最小二乘回歸：

對航空發動機葉片多階段加工過程退化Profile誤差累積的耦合預測模型進行最小二乘回歸，得到多種誤差源對加工過程退化的影響關系式：

其中，F_k為系數矩陣A_(k-1)、C_k、G_k、O_k、L_k的集合，F_k＝(A_(k-1) C_k G_k O_k L_k)；

(3)采用提前一步預測殘差方法，對發動機葉片加工過程輪廓誤差進行自相關性處理：

(3a)建立發動機葉片加工過程節點工序k的殘差表達式：

根據步驟(1)建立的耦合預測模型,建立發動機葉片加工過程節點工序k的殘差表達式：

其中，k＝1時，ξ為初值向量，提前一步預測殘差為服從標準正態分布且獨立同分布；

(3b)獲取發動機葉片加工過程節點工序k的殘差方程：

將步驟(2)中的多種誤差源對加工過程退化的影響關系式帶入步驟(3a)建立的殘差表達式中，得到發動機葉片加工過程節點工序k的殘差方程：

其中，Z_k為單位矩陣、系數矩陣-A_(k-1)、C_k、G_k、O_k、L_k的集合；

為自相關性處理后得到的多源誤差觀測值；

(4)對發動機葉片加工過程節點工序k的殘差方程進行最小二乘回歸，得到誤差系數矩陣估計值

(5)建立基于聚類的T²控制圖監控模型：

(5a)構造發動機葉片加工過程輪廓誤差樣本集：

將發動機葉片加工過程輪廓誤差作為發動機葉片加工過程輪廓誤差樣本，建立由f個相同規格葉片加工過程輪廓誤差樣本組成的加工過程輪廓誤差樣本集，f＞p,p為樣本數據的維數；

(5b)獲取加工過程輪廓誤差樣本集中每個葉片加工過程輪廓誤差樣本的誤差系數矩陣估計值

對每個葉片加工過程輪廓誤差樣本進行自相關性處理后再進行最小二乘回歸，得到f個葉片加工過程輪廓誤差樣本的誤差系數矩陣估計值

(5c)計算葉片加工過程輪廓誤差樣本集的穩健協方差矩陣估計值

(5d)獲取葉片加工過程輪廓誤差樣本集的相似矩陣S_ff：

其中，a_ij為S_ff第i行第j列的元素，分別為第i、j個葉片加工過程輪廓誤差樣本的誤差系數矩陣估計值；

(5e)對葉片加工過程輪廓誤差樣本集進行聚類：

根據相似矩陣S_ff，對葉片加工過程輪廓誤差樣本集進行聚類，得到至少包含[f/2]+1個樣本的聚類集，并將其作為初始受控主群C；

(5f)獲取初始受控主群C內樣本總體的誤差系數矩陣估計值

對初始受控主群C內的樣本進行混合模型的擬合，然后對混合模型進行自相關性處理后再進行最小二乘回歸，得到初始受控主群C內樣本總體的誤差系數矩陣估計值

(5g)獲取多元T²控制圖的T²：

針對未被引入初始受控主群C內的r個發動機葉片加工過程輪廓誤差樣本，0＜r＜[f/2]-1；逐個計算每個發動機葉片加工過程輪廓誤差樣本的誤差系數矩陣估計值與的馬氏距離，并將其作為多元T²控制圖的T²；

(6)獲取航空發動機葉片加工過程退化的輪廓質量控制結果：

根據多元T²控制圖的受控原理，若T²＜χ²[1-α/f]，則發動機葉片加工過程輪廓誤差樣本引入初始受控主群C；若T²≥χ²[1-α/f]，則發動機葉片加工過程輪廓誤差樣本不引入初始受控主群C；當第r個發動機葉片加工過程輪廓誤差樣本運行完，迭代停止；令C_final＝C；則主群C_final以內的樣本來自受控過程，以外的樣本來自失控過程，χ²表示卡方分布規律，α為比較系數。