[發明專利]基于綜合灰關聯序的RNGRU位標器零部件選配方法

有效

• 申請號: 202010061793.3
• 申請日: 2020-01-19
• 公開（公告）號: CN111275328B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 王琳;鐘詩勝;王瑞;鐘百鴻
• 申請（專利權）人: 哈爾濱工業大學（威海）
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F30/20;G06N3/04
• 代理公司: 北京志霖恒遠知識產權代理事務所(普通合伙) 11435
• 代理人: 姜京潤

1.基于綜合灰關聯序的RNGRU位標器零部件選配方法，其特征在于：所述選配方法包括以下步驟：

Ⅰ、綜合灰關聯序模型構建

1)確定分析序列：以因變量為參考序列，自變量為比較序列，參考序列、比較序列統稱為變量序列；

設置參考序列，如公式①所示：

X′₀＝(x′₀(1),x′₀(2),…,x′₀(m)) 公式①

式中，m為變量序列長度，x'₀(m)為參考序列元素；

設置比較序列，如公式②所示：

X′_i＝(x′_i(1),x′_i(2),…,x′_i(m))^T 公式②

式中，i＝1,2,…,n；n為比較序列個數，x'_i(m)為比較序列元素；

2)變量序列的無量綱化：對變量序列進行無量綱化處理，處理結果如公式③所示：

式中，X表示一個矩陣，表示矩陣中的元素；

3)計算灰關聯系數：利用公式④計算X₀對X_i在第k點的灰關聯系數ζ_i(k)，公式④如下所示：

式中，k＝1,…,m；ρ為分辨系數，0＜ρ＜1；

4)計算關聯度：利用參考序列與比較序列的各個點所對應的灰關聯系數的平均值得到關聯度r_0i，如公式⑤所示：

5)采用多種無量綱化處理方法分別對變量序列進行處理，得到每一無量綱化處理方法對應的關聯序，經加和處理后，得到每一變量的加和關聯序；加和關聯序通過公式⑥計算而得，公式⑥如下所示：

式中，j＝1,2,...,t；C_0i為第i個變量對應的加和關聯序，為第i個變量對應的第j種無量綱化處理方法得到的關聯序序號，t為變量采用無量綱化處理方法種數；

6)對加和關聯序按照大小進行排序，得到綜合灰關聯序模型；

Ⅱ、基于綜合灰關聯序模型對位標器裝配參數進行關聯分析

選擇位標器的關鍵零部件陀螺轉子、調漂螺釘為關聯分析對象，通過綜合會關聯序模型對陀螺轉子裝配數據進行關聯分析，找出影響陀螺轉子與調漂螺釘選配的關鍵裝配參數；

Ⅲ、構建RNGRU選配預測模型

結合門控神經網絡和殘差神經網絡的優點，建立殘差門控循環神經網絡，即RNGRU；

基于步驟Ⅱ找出的陀螺轉子與調漂螺釘選配的關鍵裝配參數，以此作為殘差門控循環神經網絡的輸入，調漂螺釘的質量作為輸出，進行調漂螺釘質量回歸預測，完成陀螺轉子與調漂螺釘的選配。

2.根據權利要求1所述的基于綜合灰關聯序的RNGRU位標器零部件選配方法，其特征在于：步驟Ⅱ中，陀螺轉子的裝配數據為陀螺轉子測試中涉及到的相關裝配參數，包括如下11項裝配參數：初始動平衡量、后配重大小、后配重位置、前配重大小、前配重位置、調試后動平衡量、+X方向初始漂移值、+Y方向初始漂移值、+Z方向初始漂移值、-Y方向初始漂移值、-Z方向初始漂移值。

3.根據權利要求2所述的基于綜合灰關聯序的RNGRU位標器零部件選配方法，其特征在于：步驟Ⅱ中，找出的關鍵裝配參數為：+Y方向初始漂移值、+Z方向初始漂移值、-Y方向初始漂移值、-Z方向初始漂移值、后動平衡量、前配重位置。

4.根據權利要求3所述的基于綜合灰關聯序的RNGRU位標器零部件選配方法，其特征在于：步驟Ⅱ中，關聯分析的過程為：將調漂螺釘質量為參考序列X'₀，陀螺轉子的11項裝配參數作為比較序列X′_i(i＝1，2，...，11)，對變量序列數據進行多種無量綱化處理，然后計算每種無量綱化處理方法對應的參考序列與比較序列的灰關聯系數、灰關聯度、關聯序，進而得到加和關聯序、綜合灰關聯序，最后通過綜合灰關聯序，確定影響陀螺轉子與調漂螺釘選配的關鍵裝配參數。