[发明专利]基于并联长短期记忆网络的制造装配产品质量预测方法

说明书

本发明公开了一种基于并联长短期记忆网络的制造装配产品质量预测方法。产品各个工位步骤的特征获取；产品各个工位步骤的特征预处理过程；基于并联长短期记忆网络的产品质量预测模型的建立；基于并联长短期记忆网络的产品质量预测模型的参数优化训练；基于上述质量预测模型，对待测样本的质量特征进行预测。本发明用于处理制造装配过程中可能存在并行工步时的产品质量预测问题，其可以自动获取并行工步之间的跨工步工艺过程参数之间的影响，具有较高的产品质量预测精度、灵活性、预测效率和模型重用性。

技术领域

本发明涉及了可能存在并行工步的制造装配过程产品质量预测方法，尤其涉及一种基于并联长短期记忆网络的制造装配过程产品质量预测方法。

背景技术

目前在机械领域企业的发展中，产品的制造装配质量起到了决定性作用。因此制造装配过程产品质量预测，作为制造装配过程产品质量监控和控制的基础，受到了广泛的关注与研究。然而在制造装配过程中，产品通常经过不同类型的多种工位步骤，不同工位步骤之间又存在相互影响，单独工位步骤内部与多个工位步骤之间包含了很多的耦合性特征与不确定性特征。又由于当前制造装配企业产品定制程度高，产品制造装配工艺及设备使用灵活，不同产品经过的工步很可能不同，导致实现制造装配过程的产品质量预测建模将会更加复杂。同时在制造装配过程中，工步与工步之间存在着两种关系，串联关系和并联关系，这两种关系增加了产品质量工步依赖关系探索的难度，同时增加了制造装配过程产品质量预测的难度。

目前存在的制造装配过程产品质量预测装备与方法中，有以下几种方式：基于物理或数学模型的质量预测方法、数据驱动的质量预测方法。

基于物理或数学模型的质量预测模型，针对制造装配过程这种复杂的多工步串并联耦合过程，实现起来十分困难，所以目前的该方向的研究往往针对单工步或相邻工步之间的影响。

数据驱动的质量预测模型，目前的研究中通常使用以下两种方式：使用判别函数直接拟合、假设制造过程为马尔科夫过程。使用判别函数直接拟合时，不考虑产品制造装配过程工艺参数之间的影响，直接以产品制造装配过程的工艺过程参数作为输入，以质量特征作为输出，寻找一个相对较优的映射函数。此时模型的预测精度低，且可重用性很差。使用马尔科夫过程假设时，忽略了制造装配过程的跨工步之间的影响，假设了制造装配过程的当前工步只和上一工步相关。然而在制造装配过程中，经常会出现跨工步之间的影响很大的情况。因此很有必要开发一种可以获取跨工步之间依赖关系的产品制造装配过程质量预测装置及方法。同时在制造装配过程中，可能存在并行工步的情况，即在产品在同一时刻经过了多个工步，此时传统的长短期记忆网络将无法获取跨工步的依赖关系。因此本发明提出了一种长短期记忆网络的变体：并联长短期记忆网络，用于处理存在并行工步情况下的工步依赖关系获取，进而用于产品制造装配过程质量预测。当产品制造装配过程不存在并行工步即所有工步时序上串联连接时，该模型等价于长短期记忆网络。

发明内容

为了解决制造装配过程中产品质量无法准确预测的技术问题，本发明提出一种数据驱动的制造装配过程跨工步质量参数记忆的产品质量预测装置及方法，针对制造装配过程可能存在并行工步的情况，量化并计算制造装配过程跨工步之间的影响及作用，分析各工步产生的工艺过程参数数据的内在特征，获取其和最终产品质量参数之间的联系，最终预测产品质量。本发明所述方法可以广泛用于各种制造装配过程产品质量预测中，所述制造装配过程产品质量预测案例如：大型盾构装备部件制造与整件装配、火箭壳体制造装配、航空发动机部件制造与整件装配、工业汽轮机部件制造与整件装配、水平轴海流能发电机组部件制造与整件装配、空分装备部件制造与整件装配、汽车部件制造与整件装配、高档数控机床部件制造与整件装配、注塑装备部件制造与整件装配等。

本发明特殊地按照可能存在并行工步的制造装配工序将制造装配过程分为各个模块，并且建立各个模块各自独立的质量预测子模型，设计了并联长短期记忆网络按照零部件工序中的各个时刻的制造步骤将各个模块的质量处理模型通过串联或并联连接起来，获取跨工步过程的影响，同时在所有连接之后的质量处理模型最后加入连接上终处理模型，实现质量分类或回归需求。