[发明专利]一种零件质量预测和评估优化方法及系统

说明书

本发明公开了一种零件质量预测和评估优化方法及系统。该方法依据典型材料的切削机理的理论指导，结合质量检测数据，采用皮尔森相关系数公式计算零件质量参数中关键参数的相关系数，将相关系数与SVR模型中的高斯核函数进行融合，得到权值高斯核函数，运用具有权值高斯核函数的SVR模型和粒子群算法训练零件质量预测模型，并判断模型输出的零件质量特征是否符合质量要求完成质量评估，对不符合质量要求的零件利用粒子群算法进行关键参数优化。采用本发明的方法及系统，能够实现零件加工质量的智能决策，解决了在零件加工过程中决策依赖人工、决策方法滞后性严重的问题。

技术领域

本发明涉及零件加工质量智能预测技术领域，特别是涉及一种零件质量预测和评估优化方法及系统。

背景技术

缸体缸盖在发动机中有较强的功能性，是发动机零件中关键核心零部件。但其工作环境较为复杂，且长期处于腐蚀环境下。这种情况下，加工质量不佳会加剧缸体缸盖的损坏，从而影响发动机的整体性能。目前，自动化加工生产设备已经广泛的运用于汽车发动机生产制造。但是，对缸体缸盖零件加工质量决策方法研究目前主要仍是采用针对刀具、机床等提出的监控换刀法、机床寿命预测模型等手段，且决策过程严重依赖人工，已不满足汽车制造智能化的需求。针对上述情况，就如何实现在零件加工过程中，依靠现有数据，快速完成对其质量的预测和评估及完成相对应的工艺优化，达成智能决策目的，是缸体缸盖制造领域急需解决的问题。

发明内容

本发明的目的是提供一种零件质量预测和评估优化方法及系统，将典型材料的切削机理与质量检测数据相结合，从而进行零件加工质量智能决策，解决了在零件加工过程中决策依赖人工、决策方法滞后性严重的问题。

为实现上述目的，本发明提供了如下方案：

一种零件质量预测和评估优化方法，包括：

获取训练样本数据集；所述训练样本数据集中包括多个零件信息数据集，所述零件信息数据集包括生产零件参数和零件质量参数，所述生产零件参数包括刀具参数、工艺参数和机床参数；

根据切削机理建立响应面经验函数模型，并采用最小二乘法估计所述响应面经验函数模型的系数，得到拟合后的响应面经验函数；所述响应面经验函数模型反映切削规律与零件质量偏离程度的关系；

根据所述拟合后的响应面经验函数，采用皮尔森相关系数公式计算零件质量参数中关键参数的相关系数；所述关键参数的相关系数反映所述关键参数与拟合后的响应面经验函数值的相关性；所述关键参数包括切削深度、进给量和切削速度；

将各个关键参数的相关系数作为对角矩阵中主对角线上的元素，得到关键参数的权值矩阵；

将所述权值矩阵与SVR模型中的核函数进行融合，得到权值高斯核函数，并根据所述权值高斯核函数建立零件质量预测模型；

根据所述训练样本数据集，采用粒子群算法与k-fold交叉验证方法对所述零件质量预测模型中的参数进行训练，得到训练好的零件质量预测模型；

获取待预测零件信息数据，并将所述待预测零件信息数据输入所述训练好的零件质量预测模型，得到零件质量特征；

判断所述零件质量特征是否符合质量要求；若符合质量要求，则输出零件质量合格指令；若不符合质量要求，则对所述待预测零件信息数据中的关键参数进行优化，得到优化后的关键参数。

可选的，所述根据切削机理建立响应面经验函数模型，并采用最小二乘法估计所述响应面经验函数模型的系数，得到拟合后的响应面经验函数，具体包括：

根据如下公式建立响应面经验函数模型：