[發明專利]一種基于機器學習的智能產線產品質量管控方法及系統

在審

• 申請號: 202110595310.2
• 申請日: 2021-05-28
• 公開（公告）號: CN113311795A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 劉永生;張心卉;蔡世陽;惠記莊;朱斌;張富強;丁凱;陳一馨;徐志博;戶盼茹
• 申請（專利權）人: 長安大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 賀小停

本發明提供的一種基于機器學習的智能產線產品加工質量管控方法及系統，首先，建立產品加工誤差與復雜工況因素之間的映射關系，建立誤差溯源模型，輸出影響誤差的主次要因素，給出誤差補償建議；由于超差尺寸與誤差源之間存在復雜的非線性關系，且誤差源錯綜復雜，采用傳統的數理方法會導致誤差溯源模型建立困難及實際應用效果較差，BP神經網絡具有非線性映射功能，設計合理能夠以任意精度逼近任意復雜的非線性映射，基于此方法建立模型步驟簡單，且誤差追溯精度大大提高。

技術領域

本發明涉及智能制造領域，特別涉及一種基于機器學習的智能產線產品加工質量管控方法及系統。

背景技術

當前，新一輪科技革命和產業變革加速發展，新一代信息技術正在與制造業深度融合，數字化、網絡化、智能化已經成為全球制造業發展的重要方向。在產品批量生產過程中,產品的加工精度會受到加工負載、刀具磨損、設備健康狀態和加工工藝參數等多種工況因素影響。因此，在智能制造環境下，企業制造車間應具有產品加工質量智能管控環節，可以對產品加工質量進行評估，并對不合格工件進行誤差溯源，從而提高產品質量，增強企業市場競爭力。

而目前，利用智能制造單元對產品質量的管控未達到工藝要求。

較為缺乏探索智能制造單元產品質量與制造大數據的關聯關系，將機器學習應用于產品加工質量管控的案例，總體實施效果未達到對智能車間進行高效產品質量管控的要求。

發明內容

本發明的目的在于提供一種基于機器學習的智能產線產品加工質量管控方法及系統，解決了現有的缺乏探索智能制造單元產品質量與制造大數據的關聯關系，將機器學習應用于產品加工質量管控的案例，總體實施效果未達到對智能車間進行高效產品質量管控的要求。

為了達到上述目的，本發明采用的技術方案是：

本發明提供的一種基于機器學習的智能產線產品質量管控方法，包括以下步驟：

S1、根據產品的工藝流程確定智能制造生產線上的設備狀態數據、刀具狀態數據、環境狀態數據和夾具狀態數據，建立產品加工誤差與復雜工況因素之間的映射關系；

S2、獲取工件的關鍵尺寸測量數據，對工件關鍵尺寸測量數據以及S1獲取得到的設備狀態數據、刀具狀態數據、環境狀態數據和夾具狀態數據進行分類處理，將分類后的數據存儲至產品數據庫內作為訓練樣本數據；

S3、采用BP神經網絡算法結合產品加工誤差與復雜工況因素之間的映射關系建立誤差溯源模型，將S2的訓練樣本數據作為BP神經網絡的網絡輸入，通過對BP神經網絡的輸入層、隱藏層和輸出層進行關系建模形成誤差溯源模型；

S4、通過在線測量設備實時測量工件關鍵尺寸，通過在線測量結果對工件的加工質量進行判斷，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，對超差工件誤差進行溯源分析，輸出影響誤差的主次要因素；同時，將S4的超差工件數據集成到S2的訓練樣本數據中，再次訓練網絡，實時更新誤差溯源模型；

S6、對S5的溯源結果給出誤差補償建議，并將補償建議傳達至產品質量管控系統，對工藝參數進行調整，實現質量管控。

優選地，步驟S1中，復雜工況因素向加工誤差的映射表示為：

Y＝F(X)

加工誤差向復雜工況因素的映射表示為：

X＝F(Y)

其中，X表示復雜工況因素；Y示產品加工誤差項。

優選地，步驟S2中，對獲取得到的多源數據和工件尺寸測量數據進行分類處理具體為：