[发明专利]一种涡轮增压叶片质量控制方法

权利要求书

1.一种涡轮增压叶片质量控制方法，其特征在于，包括：

S1. 将待加工零件放置于加工中心，在定位夹具中夹紧；

S2. 完成定位后，确定叶轮叶片加工工艺参数，采用外型线车削与流道铣削相结合的叶轮叶片加工工艺，完成叶轮叶片的一次成型；

S3. 在步骤S2的叶轮叶片加工过程中，基于广义回归神经网络的刀具磨损预测模型，对加工工艺参数进行动态优化调整；

S4. 将车铣完成后的叶轮叶片放到去毛刺工位处；

S5. 在步骤S4中完成叶轮叶片的初步成型后，在加工零件表面喷涂条形码，采用视觉检测技术进行叶轮叶片周向零点定位以及动平衡信息追溯；

S6. 将叶轮叶片运送至动平衡检测区域，通过动平衡测试仪，测得动平衡参数，建立力学模型，融合遗传算法与最小二乘影响系数法，对校正参数进行调整；

S7. 将不满足动平衡要求的零件送回加工中心，基于校正参数进行补偿；

S8. 采用多角度、变光源产品缺陷多维检测系统进行零件缺陷检测。

2.根据权利要求1所述一种涡轮增压叶片质量控制方法，其特征在于，还包括：

在S3建立广义回归神经网络的刀具磨损预测模型中，采用广义回归神经网络将输入层的层数设置为电流信号或振动信号的维数，输入的特征量传递为模式层的输入流；

在模式层中，样本数决定了模式层神经元数目：

其中，T为转置矩阵，n为样本数目，为第i个神经元的输出值，为欧几里得距离的平方，X为网络输入变量，为第i个神经元对应的学习样本，第i个神经元的输出值实际上就是输入的特征量和对应样本X之间的欧几里得距离平方的指数平方的指数形式；

神经元求和的计算公式分为两种：

第一种为，计算出所有模式层的算数和，它与各层的神经元的连接权值为1，其公式为：

第二种计算公式为：

其实质就是计算出所有模式层的神经元加权和，其传递函数为：

其中为第i个输出样本中的第个元素，输出层中的神经元数目多少是根据训练样本中的输出向量的维数k来定的，每一个神经元除以求和层的输出值第个神经元的输出与预测结果的第个元素相对应，也就是：

。

3.根据权利要求1所述一种涡轮增压叶片质量控制方法，其特征在于，还包括：

在对加工工艺参数进行动态优化调整时，采用基于非线性梯度下降法的融合刀具磨损与加工工艺参数的零件加工质量评估方法，定义新函数：

称为能量函数，采用梯度神经网络求解，其模型如下式所示：

其中，参数表示梯度下降算法的步长，表示能量函数的梯度。