[發(fā)明專利]一種基于機(jī)器學(xué)習(xí)的智能產(chǎn)線產(chǎn)品質(zhì)量管控方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110595310.2
• 申請(qǐng)日: 2021-05-28
• 公開（公告）號(hào): CN113311795A
• 公開（公告）日: 2021-08-27
• 發(fā)明（設(shè)計(jì)）人: 劉永生;張心卉;蔡世陽(yáng);惠記莊;朱斌;張富強(qiáng);丁凱;陳一馨;徐志博;戶盼茹
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)安大學(xué)
• 主分類號(hào): G05B19/418
• 分類號(hào): G05B19/418
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 賀小停

1.一種基于機(jī)器學(xué)習(xí)的智能產(chǎn)線產(chǎn)品質(zhì)量管控方法，其特征在于，包括以下步驟：

S1、根據(jù)產(chǎn)品的工藝流程確定智能制造生產(chǎn)線上的設(shè)備狀態(tài)數(shù)據(jù)、刀具狀態(tài)數(shù)據(jù)、環(huán)境狀態(tài)數(shù)據(jù)和夾具狀態(tài)數(shù)據(jù)，建立產(chǎn)品加工誤差與復(fù)雜工況因素之間的映射關(guān)系；

S2、獲取工件的關(guān)鍵尺寸測(cè)量數(shù)據(jù)，對(duì)工件關(guān)鍵尺寸測(cè)量數(shù)據(jù)以及S1獲取得到的設(shè)備狀態(tài)數(shù)據(jù)、刀具狀態(tài)數(shù)據(jù)、環(huán)境狀態(tài)數(shù)據(jù)和夾具狀態(tài)數(shù)據(jù)進(jìn)行分類處理，將分類后的數(shù)據(jù)存儲(chǔ)至產(chǎn)品數(shù)據(jù)庫(kù)內(nèi)作為訓(xùn)練樣本數(shù)據(jù)；

S3、采用BP神經(jīng)網(wǎng)絡(luò)算法結(jié)合產(chǎn)品加工誤差與復(fù)雜工況因素之間的映射關(guān)系建立誤差溯源模型，將S2的訓(xùn)練樣本數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輸入，通過對(duì)BP神經(jīng)網(wǎng)絡(luò)的輸入層、隱藏層和輸出層進(jìn)行關(guān)系建模形成誤差溯源模型；

S4、通過在線測(cè)量設(shè)備實(shí)時(shí)測(cè)量工件關(guān)鍵尺寸，通過在線測(cè)量結(jié)果對(duì)工件的加工質(zhì)量進(jìn)行判斷，得到超差工件和合格工件；

S5、將S4的超差工件加工信息輸入S3形成的誤差溯源模型中，對(duì)超差工件誤差進(jìn)行溯源分析，輸出影響誤差的主次要因素；同時(shí)，將S4的超差工件數(shù)據(jù)集成到S2的訓(xùn)練樣本數(shù)據(jù)中，再次訓(xùn)練網(wǎng)絡(luò)，實(shí)時(shí)更新誤差溯源模型；

S6、對(duì)S5的溯源結(jié)果給出誤差補(bǔ)償建議，并將補(bǔ)償建議傳達(dá)至產(chǎn)品質(zhì)量管控系統(tǒng)，對(duì)工藝參數(shù)進(jìn)行調(diào)整，實(shí)現(xiàn)質(zhì)量管控。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S1中，復(fù)雜工況因素向加工誤差的映射表示為：

Y＝F(X)

加工誤差向復(fù)雜工況因素的映射表示為：

X＝F(Y)

其中，X表示復(fù)雜工況因素；Y示產(chǎn)品加工誤差項(xiàng)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S2中，對(duì)獲取得到的多源數(shù)據(jù)和工件尺寸測(cè)量數(shù)據(jù)進(jìn)行分類處理具體為：

將在線測(cè)量設(shè)備獲取的工件尺寸的測(cè)量數(shù)據(jù)與工件尺寸的理論數(shù)據(jù)進(jìn)行對(duì)比，若工件尺寸超差，分析尺寸誤差原因，并用編碼符號(hào)表示，記入超差工件數(shù)據(jù)庫(kù)，同時(shí)將超差工件的超差尺寸及對(duì)應(yīng)的多源數(shù)據(jù)記入超差工件數(shù)據(jù)庫(kù)；

若工件尺寸合格，則將工件的關(guān)鍵尺寸測(cè)量數(shù)據(jù)及對(duì)應(yīng)的多源數(shù)據(jù)記入合格工件數(shù)據(jù)庫(kù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，超差工件數(shù)據(jù)庫(kù)中的數(shù)據(jù)包括設(shè)備狀態(tài)數(shù)據(jù)、刀具狀態(tài)數(shù)據(jù)、夾具狀態(tài)數(shù)據(jù)、環(huán)境狀態(tài)數(shù)據(jù)和工件超差尺寸。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S3建立誤差溯源模型具體為：

S301、依據(jù)提取的訓(xùn)練數(shù)據(jù)樣本，將設(shè)備狀態(tài)數(shù)據(jù)、刀具狀態(tài)數(shù)據(jù)、夾具狀態(tài)數(shù)據(jù)、環(huán)境狀態(tài)數(shù)據(jù)、超差尺寸數(shù)據(jù)、關(guān)聯(lián)尺寸作為網(wǎng)絡(luò)輸入；

S302、分別采用遺傳算法、思維進(jìn)化算法、粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值w、閾值b，得到第一優(yōu)化的權(quán)值w₁和閾值b₁，放入神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代計(jì)算溯源誤差，通過溯源誤差調(diào)整權(quán)值、閾值直至滿足結(jié)束條件，得到第二優(yōu)化的權(quán)值w₂和閾值b₂作為全局最優(yōu)解，分別建立基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)溯源模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，步驟S302中，溯源誤差計(jì)算如下：

其中，E為迭代結(jié)束后的輸出溯源誤差值，d_k為輸出層節(jié)點(diǎn)k的期望溯源輸出值，l為輸出節(jié)點(diǎn)總數(shù)，o_k為輸出層節(jié)點(diǎn)k的實(shí)際溯源輸出值。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，步驟S302中，通過溯源誤差調(diào)整權(quán)值、閾值的原則是使溯源誤差不斷減小，權(quán)值的調(diào)整量與誤差的梯度下降成正比，具體為：

其中，Δw_ab為權(quán)值w_ab的調(diào)整量，η_ab為學(xué)習(xí)速率，x_ab為任意一層節(jié)點(diǎn)a到下一層節(jié)點(diǎn)b的輸入，δ_b為誤差信號(hào)。