[發明專利]一種零件質量預測和評估優化方法及系統

有效

• 申請號: 202010799314.8
• 申請日: 2020-08-11
• 公開（公告）號: CN111931307B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 張開富;王炎;孫騰;駱彬;劉躍剛;許相杰;楊語
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/20;G06N3/00;G06F111/10
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 張夢澤

1.一種零件質量預測和評估優化方法，其特征在于，包括：

獲取訓練樣本數據集；所述訓練樣本數據集中包括多個零件信息數據集，所述零件信息數據集包括生產零件參數和零件質量參數，所述生產零件參數包括刀具參數、工藝參數和機床參數；

根據切削機理建立響應面經驗函數模型，并采用最小二乘法估計所述響應面經驗函數模型的系數，得到擬合后的響應面經驗函數；所述響應面經驗函數模型反映切削規律與零件質量偏離程度的關系；

根據所述擬合后的響應面經驗函數，采用皮爾森相關系數公式計算零件質量參數中關鍵參數的相關系數；所述關鍵參數的相關系數反映所述關鍵參數與擬合后的響應面經驗函數值的相關性；所述關鍵參數包括切削深度、進給量和切削速度；

將各個關鍵參數的相關系數作為對角矩陣中主對角線上的元素，得到關鍵參數的權值矩陣；

將所述權值矩陣與SVR模型中的核函數進行融合，得到權值高斯核函數，并根據所述權值高斯核函數建立零件質量預測模型；

根據所述訓練樣本數據集，采用粒子群算法與k-fold交叉驗證方法對所述零件質量預測模型中的參數進行訓練，得到訓練好的零件質量預測模型；

獲取待預測零件信息數據，并將所述待預測零件信息數據輸入所述訓練好的零件質量預測模型，得到零件質量特征；

判斷所述零件質量特征是否符合質量要求；若符合質量要求，則輸出零件質量合格指令；若不符合質量要求，則對所述待預測零件信息數據中的關鍵參數進行優化，得到優化后的關鍵參數；

所述判斷所述零件質量特征是否符合質量要求，具體包括：

對所述零件質量特征進行劃分，得到一級質量特征和二級質量特征；所述一級質量特征與零件質量存在直接關系，所述二級質量特征與零件質量存在間接關系；

根據質量評價準則，確定所述二級質量特征的評價結果矩陣；其中，所述質量評價準則為根據零件的極限尺寸數據和尺寸公差得到的四個尺寸范圍，四個尺寸范圍分別對應零件質量的優、良、合格和不合格四個級別；所述評價結果矩陣為1*4矩陣，所述評價結果矩陣中的元素依次對應零件質量的優、良、合格和不合格四個級別，當元素值為1時表示所述二級質量特征在相應尺寸范圍內，當元素為0時表示所述二級質量特征不在相應尺寸范圍內；

獲取二級評價因素權重矩陣，將所述二級評價因素權重矩陣與所述二級質量特征的評價結果矩陣的乘積確定為一級評價因素結果；

獲取一級評價因素權重矩陣，將所述一級評價因素權重矩陣與所述一級評價因素結果的乘積確定為質量評估結果；所述質量評估結果為1*4矩陣，所述質量評估結果中的元素值依次對應零件質量的優、良、合格和不合格四個級別；

將所述質量評估結果中的最大元素值對應的級別確定為零件質量的級別；

判斷所述零件質量的級別是否為優，若為優，則符合質量要求，否則，不符合質量要求。

2.根據權利要求1所述的零件質量預測和評估優化方法，其特征在于，所述根據切削機理建立響應面經驗函數模型，并采用最小二乘法估計所述響應面經驗函數模型的系數，得到擬合后的響應面經驗函數，具體包括：

根據如下公式建立響應面經驗函數模型：

式中，Y表示響應面經驗函數，y表示零件質量實際值，A表示零件質量目標值，F表示切削力規律函數，T表示切削溫度規律函數，D_s表示切削位移規律函數，α₀…α₉均表示回歸系數；

將所述響應面經驗函數模型中的F、T、D_s、FT、FD_s、TD_s、F²、T²、作為自變量，將所述響應面經驗函數模型轉換為多元線性函數；

將所述訓練樣本數據集代入所述多元線性函數后，采用最小二乘法估計所述回歸系數；

根據所述回歸系數得到擬合后的響應面經驗函數。