[发明专利]基于非参数多元统计过程控制的叶身型面加工误差控制方法

说明书

技术领域

本发明涉及一种叶身型面加工误差控制方法，特别是涉及一种基于非参数多元统计过程控制的叶身型面加工误差控制方法。

背景技术

叶片加工过程是一个多输入、多输出的复杂过程，过程的波动现象往往是多种影响因素共同作用的结果，而一个影响因素又有可能造成多种过程波动。传统的轮廓质量控制方法，在进行加工过程质量监控和调整时，针对质量数据的高维特点，采用小波变换、主成分分析法、独立成分分析法等方法对数据降维后，再利用多元统计过程控制（MSPC）对轮廓质量进行监控；以及基于样条的轮廓监控方法对轮廓质量进行监控。但是这些降维后的数据仍然具有相当大的维数，或者降维后的数据不能很好的包含全面的信息，没有结合产品实际质量特性，给出一个能较好全面代表产品质量的降维依据，导致不能精确定位发生错误的位置，造成监控不准确。

文献1“Ding,Y.,Zeng,L.,and Zhou,S.(2006)Phase I analysis for monitoring nonlinear profiles in manufacturing processes.Journal of Quality Technology,38,199–216.”中针对非线性轮廓质量监控中质量数据的高维特点，采用小波变换对原始数据进行处理，再通过独立成分分析法对其进行降维，但降维后的数据仍然具有相当大的维数，不易处理。

文献2“Chicken,E.,Pignatiello,J.,and Simpson,J.(2009)Statistical process monitoring of nonlinear profiles using wavelets.Journal of Quality Technology,41,198–212.”中采用一种半参数的小波方法对非线性轮廓的质量进行监控，基于变点模型的似然比检验，通过小波空间自适应性质监控轮廓质量的变异，但该方法需要收集大量的先验信息，通过独立成分分析法对其进行降维，降维后的数据仍然具有不能很好的全面反应轮廓的质量，造成监控不准确。

文献“Chang,S.I.and Yadama,S.(2010)Statistical process control for monitoring nonlinear profiles using wavelet filtering and B-spline approximation.International Journal of Production Research,48,1049–1068.”采用离散小波变换技术对轮廓样本数据进行除噪，基于样条模型将轮廓分段以降低质量数据的维数，但该方法没有给出质量数据降维水平，选择轮廓分段以及控制点数目的依据。

发明内容

为了克服现有叶身型面加工误差控制方法控制精度差的不足，本发明提供一种基于非参数多元统计过程控制的叶身型面加工误差控制方法。该方法采用数据驱动进行过程监控，对过程的波动及时进行监控，当过程失控时进行报警。在叶片的加工过程中，针对叶型质量特性的复杂性和测量数据的高维的特点，分析叶身常发生的变形和变公差要求，采用截面线分段的方法建立起叶身的轮廓和弯扭变形的质量控制矩阵。对叶身型面采样点的轻量化处理，采用等精度离散的方法对测量数据进行降维预处理，按照不同的精度要求对测量样本进行筛选。可以提高叶身型面加工误差的控制精度。

本发明解决其技术问题所采用的技术方案是：一种基于非参数多元统计过程控制的叶身型面加工误差控制方法，其特点是包括以下步骤：

按照叶身的变形和变公差要求，对截面线进行分段。