基于跨工步隐式参数记忆的产品加工质量预测装置及方法制造方法及图纸

本发明专利技术公开了一种基于跨工步隐式参数记忆的产品加工质量预测装置及方法。所述装置包含数据获取模块、数据预处理模块、质量预测模型构建模块、参数优化模块、质量特征预测模块、在线更新模块；方法包括数据获取；数据预处理(样本数据异常值处理、依据产品制造过程的特征分组与排序、组内未知输入特征的处理、不平衡数据集工位步骤样本均衡随机重采样、组内特征降维)；质量预测模型构建(质量预测模型结构的构建、模型最优参数优化训练)；待测样本质量特征预测的步骤。本发明专利技术可以自动获取离散制造过程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。

【技术实现步骤摘要】
基于跨工步隐式参数记忆的产品加工质量预测装置及方法
本专利技术涉及了产品制造过程的质量预测装置及方法，尤其涉及一种基于跨工步隐式参数记忆的产品加工质量预测装置及方法。
技术介绍
产品制造过程质量特征的测量往往是一个高成本、低效率的过程，同时很多质量的测量对于产品产生破坏性作用，导致一个产品的彻底报废。因此很有必要提供一种产品质量预测装置及方法，建立工艺过程参数与质量特征的映射关系，降低产品质量特征实验测量造成的成本损失与时间损失。然而对于离散制造这一常见的制造模式，存在一些技术难点。离散型制造企业的生产过程，常常分解成很多个加工任务，而每一个加工任务只需要极少的资源就可以完成，但零件从一个工作环节到另一个工作环节，之间常进行不同类型和要求的多种加工任务，不同加工任务之间又存在着相互之间的影响，其中包含了很多的变化与不确定性因素。同时，又因离散型企业产品定制程度高，其零件加工工艺及设备使用过于灵活，使其品质控制上难度极高。所以要想实现离散制造过程的过程控制与质量预测建模将会更加复杂。本专利技术旨在解决离散制造过程的质量预测建模中的一些问题，并为该领域的研究提供一定的思路。目前已经存在一些技术对制造业产品制造过程质量预测模型建立进行了一定的研究，其研究可以分为两类：基于数据驱动的质量预测模型和基于物理或数学模型的质量预测模型。基于数据驱动的质量预测模型。如见中国专利申请文件“一种可重组生产线产品质量预测方法”(申请号CN200810202402.4，申请日2008.11.07)，公开了一种可重组生产线产品质量预测方法，其根据选取的关键工序质量控制点，采用贝叶斯统计的方法对关键质量特征进行预测，对检测获得的误差序列进行实时建模，求出生产的预测数值。另有中国专利申请文件“多工序制造过程质量波动预测方法”(申请号CN201210292407.7，申请日期2012.08.16)，公开了一种多工序制造过程质量波动预测方法，采用贝叶斯状态空间的方法设计质量波动模型，同时采用小波滤波的方法对质量波动模型中的噪声进行处理，最终使用多元质量控制图进行制造过程监控。另有中国专利申请文件“一种高炉多元铁水质量预测控制方法及系统”(申请号CN201610825945.6，申请日期2016.09.14)，公开了一种高炉多元铁水质量预测控制方法及系统，对于铁水质量预测模型的建立是以热风温度、热风压力、富氧率、设定喷煤量为输入，以高炉多元铁水质量指标为输出的多输出最小二乘支持向量回归模型。基于物理或数学模型的质量预测与精度预测模型。如见中国专利申请文件“一种基于动态工件-装夹系统的铣削加工表面误差预测方法”(申请号CN201510609382.2，申请日期2015.09.22)，提供了一种基于动态工件-装夹系统的铣削加工表面误差预测方法，建立工位与定位元件系统坐标系，构建工件-定位元件接触模型，分析定位元件与工件之间的接触刚度随法向接触力的变化，构建工件-定位元件系统模型。另有中国专利申请文件“一种数控切割机床切割精度的预测方法”(申请号CN201710993224.0，申请日期2017.10.23)，提供了一种数控切割机床切割精度预测方法，计算了数控机床供电电压幅值、频率、谐波含量以及数控机床的切割速度和待加工工件的长度对切割精度的影响因子，最终综合各影响因子，计算出数控机床的切割精度。从调研情况看出，当前很少有针对离散制造多工步且存在跨工步影响的特点的研究。目前存在的制造过程产品质量预测装备与方法中，基于物理或数学模型的质量预测模型，将会设置很多的假设条件同时应用很多的经验公式，大大限制了预测模型的使用范围，同时针对制造过程这种复杂的多工步过程，不确定性和复杂度很高，只使用物理或数学模型将很难完成整体的质量预测建模，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影响的研究。对于数据驱动的质量预测模型建立方法，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，不考虑产品制造过程工艺参数的相互影响，直接以产品制造过程的所有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，工序发生一点变化就需要重新构建整个模型进行训练。使用马尔科夫过程假设时，忽略了制造过程的跨工步之间的影响，假设了制造过程的当前工步只和上一工步相关。然而在离散制造过程中，经常会出现这样的情况，比如目前存在一个产品的制造过程：精铣-倒角-研磨。在这个过程中，倒角步骤对于研磨步骤的隐式质量特征的影响程度小于精铣步骤对于研磨步骤的影响程度，然而此时如果只假设制造过程为马尔科夫过程，将会丢弃精铣对研磨过程的影响，导致模型的预测精度下降。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过程质量预测装置及方法。
技术实现思路
为了解决
技术介绍
存在的问题，本专利技术目的在于提出一种数据驱动的离散制造过程跨工步质量参数记忆的产品质量预测装置及方法，量化并计算离散制造过程跨工步之间的影响及作用，分析离散制造过程中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，最终预测产品质量并进行反馈调节。本专利技术采用了以下技术方案：一、一种基于跨工步隐式参数记忆的产品加工质量预测装置：所述装置包含数据获取模块、数据预处理模块、具有基于长短期记忆网络的质量预测模型构建模块、参数优化模块、质量特征预测模块、在线更新模块；CAPP系统经数据获取模块连接到分布式数据库，分布式数据库和数据预处理模块连接，数据预处理模块和参数优化模块连接，参数优化模块和质量预测模型构建模块连接，分布式数据库和在线更新模块连接，质量特征预测模块分别和分布式数据库、质量预测模型构建模块连接。其中数据获取模块与CAPP系统等具有接口可以直接获取制造过程工艺过程参数；数据预处理模块用于制造过程产品工艺参数数据的预处理；质量预测模型构建模块使用基于长短期记忆网络方法的产品质量预测模型架构；参数优化模块用于基于长短期记忆网络方法的产品质量预测模型的参数优化过程；质量特征预测模块基于上述质量预测模型，对新样本的质量特征进行预测。本专利技术创新于质量预测模型构建模块以及适配的参数优化模块。分布式数据库存储特征数据，CAPP系统经数据获取模块向分布式数据库发送采集到的产品各个工位步骤的工艺过程参数和测量参数；分布式数据库向数据预处理模块发送工艺过程参数和测量参数，数据预处理模块进行预处理后发回到分布式数据库；分布式数据库向参数优化模块发送预处理后的工艺过程参数和测量参数以及已标记的质量特征参数进行训练，经参数优化模块将各个优化后的参数发送到质量预测模型构建模块获得优化后的模型；分布式数据库向质量预测模型构建模块发送待测的工艺过程参数和测量参数，质量预测模型构建模块经训练后的模型映射后获得对应的质量特征参数，最终向用户反馈。二、一种基于跨工步隐式参数记忆的产品加工质量预测方法：本专利技术包括具有基于循环神经网络单元的产品质量预测模型架构的确立步骤、基于循环神经网络单元的产品质量预测模型的参数优化步骤。所述方法包括以下主要流程步骤：步骤一、产品各个工位步骤的特征获取；步骤二、产品各个工位步骤的特征预处理过程本文档来自技高网...

【技术保护点】
1.一种基于跨工步隐式参数记忆的产品加工质量预测装置，其特征在于：所述装置包含数据获取模块、数据预处理模块、质量预测模型构建模块、参数优化模块、质量特征预测模块、在线更新模块；CAPP系统经数据获取模块连接到分布式数据库，分布式数据库和数据预处理模块连接，数据预处理模块和参数优化模块连接，参数优化模块和质量预测模型构建模块连接，分布式数据库和在线更新模块连接，质量特征预测模块分别和分布式数据库、质量预测模型构建模块连接。

【技术特征摘要】
1.一种基于跨工步隐式参数记忆的产品加工质量预测装置，其特征在于：所述装置包含数据获取模块、数据预处理模块、质量预测模型构建模块、参数优化模块、质量特征预测模块、在线更新模块；CAPP系统经数据获取模块连接到分布式数据库，分布式数据库和数据预处理模块连接，数据预处理模块和参数优化模块连接，参数优化模块和质量预测模型构建模块连接，分布式数据库和在线更新模块连接，质量特征预测模块分别和分布式数据库、质量预测模型构建模块连接。2.根据权利要求1所述的一种基于跨工步隐式参数记忆的产品加工质量预测装置，其特征在于：分布式数据库存储特征数据，CAPP系统经数据获取模块向分布式数据库发送采集到的产品各个工位步骤的工艺过程参数和测量参数；分布式数据库向数据预处理模块发送工艺过程参数和测量参数，数据预处理模块进行预处理后发回到分布式数据库；分布式数据库向参数优化模块发送预处理后的工艺过程参数和测量参数以及已标记的质量特征参数进行训练，经参数优化模块将各个优化后的参数发送到质量预测模型构建模块获得优化后的模型；分布式数据库向质量预测模型构建模块发送待测的工艺过程参数和测量参数，质量预测模型构建模块经训练后的模型映射后获得对应的质量特征参数。3.一种基于跨工步隐式参数记忆的产品加工质量预测方法，其特征在于：所述方法包括以下主要流程步骤：步骤一、产品各个工位步骤的特征获取；步骤二、产品各个工位步骤的特征预处理过程；步骤三、产品质量预测模型架构的确立；步骤四、产品质量预测模型的参数优化训练过程；步骤五、基于上述质量预测模型，对待测样本的质量特征进行预测。4.根据权利要求3所述的一种基于跨工步隐式参数记忆的产品加工质量预测方法，其特征在于：方法具体如下：步骤1、数据获取通过多传感器获取产品各个工位步骤中的过程参数数据作为输入特征数据，包括产品各个工位步骤的工艺过程参数和测量参数；步骤2、数据预处理数据预处理过程包括异常值处理、依据产品制造过程的特征分组与排序、组内未知输入特征的处理、不平衡数据集工位步骤样本均衡随机重采样、组内特征降维；步骤2-1、样本数据异常值处理设定阈值基准，根据参数数据与阈值基准之间的大小关系，判断所有输入特征是否存在异常值或离群点，若存在异常值或离群点则删除；步骤2-2、依据产品制造过程的特征分组与排序将产品的制造过程按照加工工序设置不同模块，工序中的每个工位步骤设置一个模块，按照输入特征记录时所处的模块将输入特征进行分组，同时按照模块之间的时序关系将分好组后的输入特征进行排序；步骤2-3、组内未知输入特征的处理一个零件在整个加工工序中所得到的输入特征以及最终该零件的质量特征组成了样本条目，然后作以下判断：若含有未知输入特征的样本条目的数量少于样本条目总数的30％，针对所有含有未知输入特征的样本条目中的未知输入特征，使用该特征的均值进行填充；若含有未知输入特征的样本条目的数量不少于样本条目总数的30％，针对所有含有未知输入特征的样本条目中的未知输入特征，使用未知输入特征所在工位步骤的其他特征作为输入，使用回归或分类方法进行预测获得后进行填充；步骤2-...

【专利技术属性】
技术研发人员：刘振宇，张栋豪，郏维强，刘惠，谭建荣，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33