一种精密配合偶件的同步加工方法技术

一种精密配合偶件的同步加工方法，步骤如下：一：沿偶件的轴向位置设置测量点，测得偶件的配合尺寸Uk(i)；二：基于配合尺寸提出质量指数Qk；三：采用傅里叶变化对配合加工阶段的振动信号进行频谱分析，寻找敏感的监测特征；四：对所选择的敏感特征频率区间Φr(r＝1，2，...，R)建立相应的控制图，通过控制图进行监测；五：如果控制图满足要求，则用于生产加工过程的质量控制，若不满足要求，则对模型作进一步修正；六：判断加工中的精密偶件在控制图中是否满足配合质量要求；通过以上步骤，达到了同步监控偶件配合质量的效果，解决了传统配磨加工质量控制效果不佳的实际问题，提高了加工效率与配合加工质量。

【技术实现步骤摘要】
一种精密配合偶件的同步加工方法
本专利技术涉及一种精密配合偶件的同步加工方法，它可以利用精密偶件加工过程中的振动信号特征量建立控制图，并根据控制图结果在线监控精密偶件的配合质量，实现精密偶件配作的同步加工。属于并适用于精密偶件配作加工方法设计、配作加工方法优化等

技术介绍
配作加工过程是制造过程中的典型加工过程，根据实际生产要求主要有两类配作过程：一类是针对可互换产品的配作过程，这类过程不要求高精度，对匹配特性的公差要求较低，比如枪支各部件的配作加工；另一类是针对具有唯一匹配特性产品的过程，这类过程对精度要求极高，强调零部件的一一对应关系，往往表现为自组织的配作加工，如伺服阀滑阀-套筒的配磨过程、齿轮的咬合过程等。目前对于第一类配作过程的研究较多，而缺乏对高精度自组织配作加工过程的优化研究。这类配作加工过程就是将两个需要互相配合的零件通过匹配后精加工达到最终的配合要求，具有形状复杂、加工精度高、体积小、配合公差严格等特点，其结构和精度对整体性能有着重大影响，偶件各自的加工精度和表面质量会影响偶件的配合性能，加工过程质量控制是配合加工的重点也是难点。因此对直观简单、结果精确的精密偶件配合质量在线监控方法的探索具有十分重要的意义，有必要针对偶件加工过程质量进行研究，本专利技术提供了一种精密配合偶件的同步加工方法。
技术实现思路
本专利技术给出了一种精密配合偶件的同步加工方法。以产品的配合尺寸数据为媒介，通过聚类分析，对配合尺寸波动范围进行优劣判别；提取配磨过程振动数据的敏感特征分量，使得通过监控这些振动信号特征量分量，可以有效地辨别出高低配合质量类别，并且这些特征分量的监测质量应满足误报和漏报的比例较小。利用提取的振动信号特征量建立控制图进行配合质量的在线监控，实现精密配合偶件的同步加工。(1)专利技术目的在实际的生产制造过程中主要是通过计量室的反复检验、现场的反复手工精研的方式来保证配合精度，但由于线下的检测设备不具备实时检测的能力，因此每次加工后需要花大量时间送检，造成生产效率低且加工质量无法保障。同时，检测人员和现场操作人员的测量精度不同，常造成误返修甚至是无效返修。基于此本专利技术提供了一种精密配合偶件的同步加工方法，它利用控制图理论，是一种直观简便、操作性强的配合质量在线监控的同步加工方法。(2)技术方案本专利技术一种精密配合偶件的同步加工方法。通过聚类分析产品的配合尺寸数据，判断配合尺寸波动范围的好坏，相应提取配磨过程的振动信号特征量，建立控制图，实现在线监控配合质量达到同步加工的目的。具体的设计流程如图1所示。假设有N组待配合偶件作为训练样本搭建控制图模型，通过测量每件产品每次配磨后的配合尺寸数据对配合尺寸波动范围进行优劣判别，同时提取配磨过程中振动数据中，选取误报和漏报比例较小的敏感特征分量，建立控制图，通过已搭建的模型对配磨后的配合尺寸数据未知的偶件进行配合质量的在线监控，实现精密偶件配合的同步加工。本专利技术一种精密配合偶件的同步加工方法，具体步骤如下：步骤一：采用非接触的基于超声波的配合尺寸测量方法，沿偶件的轴向位置设置一系列测量点(测点i＝1，2，...，Lk)，测得偶件的配合尺寸Uk(i)，简化的配偶件如图2所示；精密偶件配合尺寸Uk(i)可表示为：Uk(i)＝[Uk(1)，Uk(2)，...，Uk(Lk)]i＝1，2，...，Lk(1)其中，Uk(i)表示第k对偶件在测量截面i所对应的配合间隙值，Lk表示沿着配合偶件轴向所选取的测量截面数目，Lk受偶件轴向尺寸长度的影响，对于不同型号的产品其测量数据维度不同；{Uk(i)，i＝1，2，...，Lk}表示配合尺寸沿着偶件轴向的变化范围；步骤二：基于配合尺寸提出质量指数QkQk＝UP/2，k-U1-P/2，k(2)Pr(U1-P/2，k＜Uk(i)＜UP/2，k，i＝1，2，...，Lk)＝1-P(3)其中，U1-P/2，k和UP/2，k分别代表了配合间隙{Uk(i)，i＝2，...，Lk}的第(P/2)百分位和第(1-P/2)百分位，UP/2，k＞U1-P/2，k，p的取值可参照具体的工艺要求来确定，当工艺要求较严格时，可赋予较小的p值；采用机器学习中的层次聚类算法对配合尺寸数据进行分类；经过聚类过程，可以得到高配合质量类偶件和低配合质量类偶件；通过Ward最小方差法和欧式距离获得的分层聚类树形图如图3所示；步骤三：采用快速傅里叶变化(FFT)对配合加工阶段的振动信号进行频谱分析，频率特征记为fi(HZ)，频率间隔设定为Δf＝0.3151，因此fi＝Δf·i，i＝1,2,…,160；其中i表示频率标号，一共分为160个频率特征；通过基于集合覆盖问题的贪心寻优算法来寻找敏感的监测特征；步骤四：基于HotellingT2控制图对所选择的每个敏感特征频率区间Φr(r＝1，2，...，R)建立相应的控制图；对于每一个特征频率区间Φr(r＝1，2，...，R)，用Xr，k表示第k对偶件在特征频率区间Φr内对应于所选的敏感频率的幅值，因此Xr，k在形式上应该是一个多维的矩阵；和分别表示为高配合质量类偶件Ωo在对应的频率Φr下样本均值向量和样本协方差向量，通过控制图进行监测；步骤五：如果控制图能够满足监测低配合质量的要求，则可用于生产加工过程的质量控制，若不满足要求，即不能有效区分低配合质量和高配合质量类，则需要对模型作进一步修正；可以通过调整用于聚类分析的p值，修正特征提取过程中的K值，调整建立控制图当中的显著性水平α来修正；步骤六：对配磨后配合尺寸数据未知的偶件通过上述步骤搭建的模型在线监测加工振动信号的敏感特征量，计算偶件在特征频率区间Φr下的HotellingT2统计量，判断加工中的精密偶件在控制图中是否满足配合质量要求。其中，在步骤二中所述的“采用机器学习中的层次聚类算法对配合尺寸数据进行分类”，层次聚类算法是本
的常用算法，不予赘述。其中，在步骤三中所述的“基于集合覆盖问题的贪心寻优算法来寻找敏感的监测特征”，该贪心寻优算法的计算方法如下：频率特征fi，其振幅为yi，k有一个临界值Hi＝μi+K·σi，其中μi可以通过估计样本均值得到，σi可通过估计量为的平均值；K为常数系数，通常取3；如果偶件k的某一振动幅值有yi，k≥Hi，该频率特征fi就将偶件k诊断为低配合质量类；在一批数量为N的偶件中，频率特征fi的监测性能可以描述为：S0(fi)＝{k|yi，k≥Hi，k，k∈Ω0}(4)S1(fi)＝{k|yi，k≥Hi，k，k∈Ω1}(5)集合S0(fi)表示高配合质量类偶件被特征频率fi错误的诊断为低配合质量的情况，而集合S1(fi)则表示低配合质量类偶件被正确的诊断出情况；定义用于过程监测的最优特征集合Φ，因此，约束条件为集合Φ能够诊断出Ω1中所有的低配合质量类偶件，记为同时，要求误诊断的情况较少，并且集合Φ是尽可能精简的，因此，目标问题可以表示为：其中，表示误报的数量，w是权重参数，λ为所提取的频率特征数量。贪心寻优算法推演过程如下U1←Ω1U0←Ω0whiledo:U1←U1\((S1(fi))∩U1)U0←U0\(S0(fi))∩U0)Ω←Ω∪{fi}(7)在一定有界条件：H(maxi＝1，2，...，160|S1(fi)|)本文档来自技高网...

【技术保护点】
一种精密配合偶件的同步加工方法，其特征在于：具体步骤如下：步骤一：采用非接触的基于超声波的配合尺寸测量方法，沿偶件的轴向位置设置一系列测量点即测点i＝1，2，...，Lk，测得偶件的配合尺寸Uk(i)；该精密偶件配合尺寸Uk(i)表示为：Uk(i)＝[Uk(1)，Uk(2)，...，Uk(Lk)]i＝1，2，...，Lk  (1)其中，Uk(i)表示第k对偶件在测量截面i所对应的配合间隙值，Lk表示沿着配合偶件轴向所选取的测量截面数目，Lk受偶件轴向尺寸长度的影响，对于不同型号的产品其测量数据维度不同；{Uk(i)，i＝1，2，...，Lk}表示配合尺寸沿着偶件轴向的变化范围；步骤二：基于配合尺寸提出质量指数QkQk＝UP/2，k‑U1‑P/2，k  (2)Pr(U1‑P/2，k＜UK(i)＜UP/2，k，i＝1，2，...，Lk)＝1‑P  (3)其中，U1‑P/2，k和Up/2，k分别代表了配合间隙{Uk(i)，i＝2，...，Lk}的第(P/2)百分位和第(1‑P/2)百分位，UP/2，k＞U1‑P/2，k，p的取值参照具体的工艺要求来确定，当工艺要求较严格时，赋予较小的p值；采用机器学习中的层次聚类算法对配合尺寸数据进行分类；经过聚类过程，得到高配合质量类偶件和低配合质量类偶件；步骤三：采用快速傅里叶变化即FFT对配合加工阶段的振动信号进行频谱分析，频率特征记为fi(HZ)，频率间隔设定为Δf＝0.3151，因此fi＝Δf·i，i＝1,2,…,160；其中i表示频率标号，一共分为160个频率特征；通过基于集合覆盖问题的贪心寻优算法来寻找敏感的监测特征；步骤四：基于HotellingT...

【技术特征摘要】
1.一种精密配合偶件的同步加工方法，其特征在于：具体步骤如下：步骤一：采用非接触的基于超声波的配合尺寸测量方法，沿偶件的轴向位置设置一系列测量点即测点i＝1，2，...，Lk，测得偶件的配合尺寸Uk(i)；该精密偶件配合尺寸Uk(i)表示为：Uk(i)＝[Uk(1)，Uk(2)，...，Uk(Lk)]i＝1，2，...，Lk(1)其中，Uk(i)表示第k对偶件在测量截面i所对应的配合间隙值，Lk表示沿着配合偶件轴向所选取的测量截面数目，Lk受偶件轴向尺寸长度的影响，对于不同型号的产品其测量数据维度不同；{Uk(i)，i＝1，2，...，Lk}表示配合尺寸沿着偶件轴向的变化范围；步骤二：基于配合尺寸提出质量指数QkQk＝UP/2，k-U1-P/2，k(2)Pr(U1-P/2，k＜UK(i)＜UP/2，k，i＝1，2，...，Lk)＝1-P(3)其中，U1-P/2，k和Up/2，k分别代表了配合间隙{Uk(i)，i＝2，...，Lk}的第(P/2)百分位和第(1-P/2)百分位，UP/2，k＞U1-P/2，k，p的取值参照具体的工艺要求来确定，当工艺要求较严格时，赋予较小的p值；采用机器学习中的层次聚类算法对配合尺寸数据进行分类；经过聚类过程，得到高配合质量类偶件和低配合质量类偶件；步骤三：采用快速傅里叶变化即FFT对配合加工阶段的振动信号进行频谱分析，频率特征记为fi(HZ)，频率间隔设定为Δf＝0.3151，因此fi＝Δf·i，i＝1,2,…,160；其中i表示频率标号，一共分为160个频率特征；通过基于集合覆盖问题的贪心寻优算法来寻找敏感的监测特征；步骤四：基于HotellingT2控制图对所选择的每个敏感特征频率区间Φr(r＝1，2，...，R)建立相应的控制图；对于每一个特征频率区间Φr(r＝1，2，...，R)，用Xr，k表示第k对偶件在特征频率区间Φr内对应于所选的敏感频率的幅值，因此Xr，k在形式上应该是一个多维的矩阵；和分别表示为高配合质量类偶件Ωo在对应的频率Φr下样本均值向量和样本协方差向量，通过控制图进行监测；步骤五：如果控制图能够满足监测低配合质量的要求，则能用于生产加工过程的质量控制，若不满足要求，即不能有效区分低配合质量和高配合质量类，则需要对模型作进一步修正；能通过调整用于聚类分析的p值，修正特征提取过程中的K值，调整建立控制图当中的显著性水平α来修正；步骤六：对配磨后配合尺寸数据未知的偶件通过上述步骤搭建的模型在线监测加工振动信号的敏感特征量，计算偶件在特征频率区间Φr下的HotellingT2统计量，判断加工中的精密偶件在控制图中是否满足配合质量要求；通过以上步骤，将配合加工的过程数据结合到配合质量控制的模型中，达到了同步监控偶件配合质量的效果，在兼顾经济性与时效性的同时，解决了传统配磨加工质量控制效果不佳的实际问题，提高了加工效率与配合加工质量。2.根据权利要求1所述的一种精密配合偶件的同步...

【专利技术属性】
技术研发人员：戴伟，迟永娇，吴晓楠，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11