[发明专利]一种面向装配过程的低压转子多工序不平衡量预测方法

说明书

本发明公开了一种面向装配过程的低压转子多工序不平衡量预测方法，用于解决低压转子初始不平衡量波动大，一次成功率低的问题。该发明的技术方案是通过对低压转子的结构以及装配工艺分析，从零部件加工质量、装配工艺、装配质量中确定各工序不平衡量的影响因素构建关键影响因素备选集，然后利用复杂网络对关键影响因素进行识别；其次在此基础上，针对每一装配工序建立基于双向LSTM网络的不平衡量预测模型；最后以所建立的不平衡量预测模型为基础构建低压转子半实物仿真模型实现装配过程中不平衡量的预测。

技术领域

本发明属于航空发动机制造领域，涉及一种面向装配过程的低压转子多工序不平衡量预测方法。

背景技术

不平衡量是引起低压转子振动的主要原因，严重时会影响到航空发动机的运转可靠性与使用寿命。然而低压转子不平衡量受零件加工质量、装配工艺、装配质量等多因素协同影响，使得其在装配过程中的预测面临影响因素多、互相耦合且作用机理不明确等问题，这导致装配过程中不平衡量难以预测。文献“航空发动机转子同轴度和不平衡量双目标优化装配方法”提出了一种基于神经网络的转子不平衡量预测方法。该方法在根据多级转子结构特点及堆叠装配工艺明确不平衡量的误差源的基础上，建立了基于BP神经网络的多级转子不平衡量预测网络，实现了转子初始不平衡量的识别。但是该方法是在转子装配前对转子不平衡量进行预测，仅仅考虑了零件加工质量和部分装配工艺，忽略了装配过程中各因素对不平衡的影响，预测精确度较低，具有一定的局限性。

发明目的

为解决目前低压转子初始不平衡量波动大，一次成功率低的问题，本发明提出了面向装配过程的不平衡量半实物仿真模型，主要解决以下两个问题：

(1)各工序不平衡量关键影响因素识别。针对各工序初始不平衡量影响因素众多、影响关系黑箱且强耦合的问题，提出基于复杂网络的不平衡量关键影响因素识别方法，采用复杂网络对各工序不平衡量影响因素的关联关系建模，然后基于所建立的关联关系模型采用熵权-TOPSIS模型对其中的关键影响因素进行识别。

(2)面向装配过程的不平衡量预测。针对低压转子不平衡量与其关键影响因素复杂耦合以及双向时序作用关系，本发明在对各装配工序不平衡量关键影响因素识别的基础上，构建以双向LSTM网络为预测模型的半实物仿真模型，实现装配过程中低压转子各工序不平衡量的预测。

发明内容

为实现装配过程中对不平衡量的预测，本发明提出了一种面向装配过程的低压转子多工序不平衡量预测模型，通过对低压转子结构和装配工艺分析形成不平衡量关键影响因素备选，然后利用复杂网络构建因素间的关联关系模型对各工序不平衡量的关键影响因素进行识别，以所识别关键影响因素为输入，利用双向LSTM构建低压转子不平衡量预测模型对各工序不平衡量进行预测，最后建立低压转子半实物仿真模型实现装配过程中不平衡的预测。由于是在综合考虑了不平衡量形成过程中的各种因素的基础上对关键影响因素进行的识别，并且利用虚实融合的方式解决了装配过程中后序工步未进行所导致的输入数据不完备的问题，因此实现了装配过程中对不平衡量的预测并保证了其预测精度。

本发明解决其技术问题所采用的技术方案：一种面向装配过程的低压转子多工序不平衡量预测方法，其特点是包括以下步骤：

步骤一、通过分析低压转子的结构以及装配工艺形成各工序不平衡量关键影响因素备选集，用公式：

factors_i＝{proQua_i,assTec_i,assQua_i} (1)

式中，factors_i表示第i个工序不平衡量关键影响因素备选集，proQua_i是第i个工序所涉及到的零件加工质量，assTec_i是第i个工序所涉及到的装配工艺，assQua_i是第i个工序所涉及到的装配质量；