[發(fā)明專利]一種零件質(zhì)量預(yù)測和評估優(yōu)化方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010799314.8
• 申請日: 2020-08-11
• 公開（公告）號: CN111931307B
• 公開（公告）日: 2022-07-12
• 發(fā)明（設(shè)計(jì)）人: 張開富;王炎;孫騰;駱彬;劉躍剛;許相杰;楊語
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 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(wù)所 11569
• 代理人: 張夢澤

本發(fā)明公開了一種零件質(zhì)量預(yù)測和評估優(yōu)化方法及系統(tǒng)。該方法依據(jù)典型材料的切削機(jī)理的理論指導(dǎo)，結(jié)合質(zhì)量檢測數(shù)據(jù)，采用皮爾森相關(guān)系數(shù)公式計(jì)算零件質(zhì)量參數(shù)中關(guān)鍵參數(shù)的相關(guān)系數(shù)，將相關(guān)系數(shù)與SVR模型中的高斯核函數(shù)進(jìn)行融合，得到權(quán)值高斯核函數(shù)，運(yùn)用具有權(quán)值高斯核函數(shù)的SVR模型和粒子群算法訓(xùn)練零件質(zhì)量預(yù)測模型，并判斷模型輸出的零件質(zhì)量特征是否符合質(zhì)量要求完成質(zhì)量評估，對不符合質(zhì)量要求的零件利用粒子群算法進(jìn)行關(guān)鍵參數(shù)優(yōu)化。采用本發(fā)明的方法及系統(tǒng)，能夠?qū)崿F(xiàn)零件加工質(zhì)量的智能決策，解決了在零件加工過程中決策依賴人工、決策方法滯后性嚴(yán)重的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及零件加工質(zhì)量智能預(yù)測技術(shù)領(lǐng)域，特別是涉及一種零件質(zhì)量預(yù)測和評估優(yōu)化方法及系統(tǒng)。

背景技術(shù)

缸體缸蓋在發(fā)動機(jī)中有較強(qiáng)的功能性，是發(fā)動機(jī)零件中關(guān)鍵核心零部件。但其工作環(huán)境較為復(fù)雜，且長期處于腐蝕環(huán)境下。這種情況下，加工質(zhì)量不佳會加劇缸體缸蓋的損壞，從而影響發(fā)動機(jī)的整體性能。目前，自動化加工生產(chǎn)設(shè)備已經(jīng)廣泛的運(yùn)用于汽車發(fā)動機(jī)生產(chǎn)制造。但是，對缸體缸蓋零件加工質(zhì)量決策方法研究目前主要仍是采用針對刀具、機(jī)床等提出的監(jiān)控?fù)Q刀法、機(jī)床壽命預(yù)測模型等手段，且決策過程嚴(yán)重依賴人工，已不滿足汽車制造智能化的需求。針對上述情況，就如何實(shí)現(xiàn)在零件加工過程中，依靠現(xiàn)有數(shù)據(jù)，快速完成對其質(zhì)量的預(yù)測和評估及完成相對應(yīng)的工藝優(yōu)化，達(dá)成智能決策目的，是缸體缸蓋制造領(lǐng)域急需解決的問題。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種零件質(zhì)量預(yù)測和評估優(yōu)化方法及系統(tǒng)，將典型材料的切削機(jī)理與質(zhì)量檢測數(shù)據(jù)相結(jié)合，從而進(jìn)行零件加工質(zhì)量智能決策，解決了在零件加工過程中決策依賴人工、決策方法滯后性嚴(yán)重的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種零件質(zhì)量預(yù)測和評估優(yōu)化方法，包括：

獲取訓(xùn)練樣本數(shù)據(jù)集；所述訓(xùn)練樣本數(shù)據(jù)集中包括多個(gè)零件信息數(shù)據(jù)集，所述零件信息數(shù)據(jù)集包括生產(chǎn)零件參數(shù)和零件質(zhì)量參數(shù)，所述生產(chǎn)零件參數(shù)包括刀具參數(shù)、工藝參數(shù)和機(jī)床參數(shù)；

根據(jù)切削機(jī)理建立響應(yīng)面經(jīng)驗(yàn)函數(shù)模型，并采用最小二乘法估計(jì)所述響應(yīng)面經(jīng)驗(yàn)函數(shù)模型的系數(shù)，得到擬合后的響應(yīng)面經(jīng)驗(yàn)函數(shù)；所述響應(yīng)面經(jīng)驗(yàn)函數(shù)模型反映切削規(guī)律與零件質(zhì)量偏離程度的關(guān)系；

根據(jù)所述擬合后的響應(yīng)面經(jīng)驗(yàn)函數(shù)，采用皮爾森相關(guān)系數(shù)公式計(jì)算零件質(zhì)量參數(shù)中關(guān)鍵參數(shù)的相關(guān)系數(shù)；所述關(guān)鍵參數(shù)的相關(guān)系數(shù)反映所述關(guān)鍵參數(shù)與擬合后的響應(yīng)面經(jīng)驗(yàn)函數(shù)值的相關(guān)性；所述關(guān)鍵參數(shù)包括切削深度、進(jìn)給量和切削速度；

將各個(gè)關(guān)鍵參數(shù)的相關(guān)系數(shù)作為對角矩陣中主對角線上的元素，得到關(guān)鍵參數(shù)的權(quán)值矩陣；

將所述權(quán)值矩陣與SVR模型中的核函數(shù)進(jìn)行融合，得到權(quán)值高斯核函數(shù)，并根據(jù)所述權(quán)值高斯核函數(shù)建立零件質(zhì)量預(yù)測模型；

根據(jù)所述訓(xùn)練樣本數(shù)據(jù)集，采用粒子群算法與k-fold交叉驗(yàn)證方法對所述零件質(zhì)量預(yù)測模型中的參數(shù)進(jìn)行訓(xùn)練，得到訓(xùn)練好的零件質(zhì)量預(yù)測模型；

獲取待預(yù)測零件信息數(shù)據(jù)，并將所述待預(yù)測零件信息數(shù)據(jù)輸入所述訓(xùn)練好的零件質(zhì)量預(yù)測模型，得到零件質(zhì)量特征；

判斷所述零件質(zhì)量特征是否符合質(zhì)量要求；若符合質(zhì)量要求，則輸出零件質(zhì)量合格指令；若不符合質(zhì)量要求，則對所述待預(yù)測零件信息數(shù)據(jù)中的關(guān)鍵參數(shù)進(jìn)行優(yōu)化，得到優(yōu)化后的關(guān)鍵參數(shù)。

可選的，所述根據(jù)切削機(jī)理建立響應(yīng)面經(jīng)驗(yàn)函數(shù)模型，并采用最小二乘法估計(jì)所述響應(yīng)面經(jīng)驗(yàn)函數(shù)模型的系數(shù)，得到擬合后的響應(yīng)面經(jīng)驗(yàn)函數(shù)，具體包括：

根據(jù)如下公式建立響應(yīng)面經(jīng)驗(yàn)函數(shù)模型：