[发明专利]一种基于对应分析法的加工关键因素分级方法

摘要

本发明公开了一种基于对应分析法的加工关键因素分级方法，涉及航空发动机钛合金轮盘坯料锻造领域。首先确定坯料锻造过程中的关键加工因素，采用BBD方法得出关键加工因素的锻造试验数据；然后对锻造试验数据进行仿真模拟，得出锻造完成后的缺陷三维尺寸数据；通过响应面分析拟合出代理模型。利用代理模型生成大量的关键加工参数组合及相对应的缺陷三维尺寸，作为对应分析法的大量样本点，生成原始矩阵；对原始矩阵进行标准化，计算列轮廓坐标矩阵并进行变换，生成二维散点图。将关键加工因素锻造试验数据的参数，按固定差值在二维散点图上生成新的值，根据各列点与对应初始列点相对位置变化的距离大小进行分级。本发明提高了准确度，明确了分级。

主权项

1.一种基于对应分析法的加工关键因素分级方法，其特征在于，具体步骤如下：步骤一、针对某型航空发动机钛合金轮盘，确定坯料锻造过程中的关键加工因素；步骤二、采用Box‑Behnken Design方法进行加工因素的试验，得出关键加工因素的锻造试验数据；步骤三、利用仿真软件对锻造试验数据进行仿真模拟，得出锻造完成后的缺陷三维尺寸数据；步骤四、通过响应面分析，拟合出关键加工因素的锻造试验数据与缺陷三维尺寸数据之间的代理模型；代理模型采用含二次交叉项的线性多项式拟合，具体公式为：其中R方向k表示缺陷的径向、轴向和周向三个方向的尺寸；em和en(m＝1,2,3,4；n＝1,2,3,4)均表示关键加工因素，a0、an、amn分别为待定系数；步骤五、利用代理模型生成大量的关键加工参数组合及相对应的缺陷三维尺寸，作为对应分析法的大量样本点；代理模型随机生成N个关键加工参数组合，对应N组缺陷三维尺寸数据；步骤六、利用N组大量样本点的列点，生成原始矩阵X；原始矩阵如下：xN1表示第N组关键加工参数组合下，对应的周向缺陷三维尺寸数据；xN2表示第N组关键加工参数组合下，对应的轴向缺陷三维尺寸数据；xN3表示第N组关键加工参数组合下，对应的径向缺陷三维尺寸数据；步骤七、对原始矩阵X进行标准化，并做奇异值分解计算列轮廓坐标矩阵F，得到原始矩阵X的关键信息；首先、计算原始矩阵X的标准化矩阵Z，消除数量级及单位的影响；其中x_ij表示原始矩阵X的元素，X_i.表示原始矩阵X的第i行元素之和，X_.j表示原始矩阵X的第j列元素之和，X..表示原始矩阵X所有元素之和；然后、对标准化矩阵Z做奇异值分解，得到列轮廓坐标矩阵F，代表了原始矩阵X的关键信息；奇异值分解公式如下：Z＝U1ΛmV1T；U₁和V₁分别为两个m维正交矩阵；Λ_m＝diag(d1,d2,...,dm)，m＝rank(Z)；d是标准化矩阵Z的奇异值，同时，λ_j'为标准化矩阵Z的特征值；j'＝1,…,m；因此得出R型因子载荷阵F，也就是列轮廓坐标矩阵，如下：矩阵P＝(p_ij)_N×3，其中p_.1表示矩阵P第1列元素之和；p_·2表示矩阵P第2列元素之和；p_·3表示矩阵P第3列元素之和，v_ij为分解后满足正交矩阵V₁的各元素；步骤八、当m为2时，对列轮廓坐标矩阵F进行变换，并将行信息和列信息划分坐标，生成二维散点图；步骤九、将关键加工因素锻造试验数据的参数，分别按固定差值逐一增大，在二维散点图上生成新的值，根据各列点与对应初始列点相对位置变化的距离大小进行分级；按固定差值逐一增大的值为：5％、10％、15％、20％、25％、30％、40％、50％；分级的划分如下：相对位置距离变化越大，则说明该加工因素越关键；反之，则说明该加工因素的影响越小。