[发明专利]工具机的加工品质的预测方法

权利要求书

1.一种工具机的加工品质的预测方法，其特征在于，包含：

关联每一至少一产品准确度项目至一工具机的多个加工路径，而获得所述至少一产品准确度项目与所述加工路径间的多个关系；

依据所述加工路径操作该工具机来处理多个工件样本，并搜集在该工具机的操作期间与所述加工路径相关联的所述工件样本的多组样本侦测数据，其中所述多组样本侦测数据是由安装在该工具机上的至少一侦测器所获得；

针对所述至少一产品准确度项目测量每一所述工件样本，而获得所述工件样本的所述至少一产品准确度项目的至少一组品质样本数据；

过滤并转换每一所述工件样本的该组样本侦测数据为对应至至少一特征型式的至少一组样本特征数据；

使用每一所述工件样本的所述至少一组样本特征数据和所述工件样本的所述至少一组品质样本数据，并根据一预测演算法和所述关系，来建立针对所述至少一产品准确度项目的一预测模型；

依据所述加工路径操作该工具机来处理一工件，并搜集在该工具机的操作期间与所述加工路径相关联的该工件的一组样侦测数据，其中该组侦测数据是由安装在该工具机上的所述至少一侦测器所获得；

过滤并转换该工件的该组侦测数据为对应至所述至少一特征型式的至少一组特征数据；以及

输入该工件的所述至少一组特征数据至该预测模型中，而推估出针对所述至少一产品准确度项目的该工件的至少一预测的准确度值。

2.根据权利要求1所述的工具机的加工品质的预测方法，其特征在于，还包含：

针对所述至少一产品准确度项目实际测量该工件，而获得该工件的至少一实际准确度值；以及

使用该工件的所述至少一组特征数据和该工件的所述至少一实际测量准确度值来更新该预测模型。

3.根据权利要求1所述的工具机的加工品质的预测方法，其特征在于，还包含：

针对所述至少一产品准确度项目实际测量该工件，而获得该工件的至少一实际准确度值；

使用一智能特征选取方法来自每一所述工件样本的所述至少一组样本特征数据与该工件的该组特征数据中选出至少一组关键特征数据；以及

使用所述至少一组关键特征数据、所述工件样本的所述至少一组品质样本数据和该工件的所述至少一实际准确度值来更新该预测模型。

4.根据权利要求3所述的工具机的加工品质的预测方法，其特征在于，该智能特征选取方法包含一非支配排序基因演算法或一逐步选取法。

5.根据权利要求1所述的工具机的加工品质的预测方法，其特征在于，还包含：

设计一产品轮廓，该产品轮廓包含一产品的多个尺寸与公差；以及

根据该产品的所述尺寸与公差及该工具机的多个特性来产生该工具机的所述加工路径。

6.根据权利要求5所述的工具机的加工品质的预测方法，其特征在于，该设计该产品轮廓的操作是使用一计算机辅助设计工具，该产生该工具机的所述加工路径的操作是使用一计算机辅助制造工具。

7.根据权利要求1所述的工具机的加工品质的预测方法，其特征在于，所述至少一特征型式包含时域、频域和/或时频域。

8.根据权利要求1所述的工具机的加工品质的预测方法，其特征在于，该过滤并转换每一所述工件样本的该组样本侦测数据和该转换该工件的该组侦测数据的操作是使用一小波滤杂讯法、一快速傅利叶转换或一离散小波转换。

9.根据权利要求1所述的工具机的加工品质的预测方法，其特征在于，该预测演算法包含一类神经网络演算法、一复回归演算法、一部分最小平方演算法或一支持向量机演算法。

10.根据权利要求1所述的工具机的加工品质的预测方法，其特征在于，所述至少一产品准确度项目包含一粗糙度、一直线度、一棱角度、一垂直度、一平行度和或一圆度。