【技术实现步骤摘要】
一种压铸件质量的预警方法和系统
本专利技术涉及压铸质量过程控制领域,特别是涉及一种压铸件质量的预警方法和系统。
技术介绍
压力铸造技术是一种生产效率和机械化程度都较高的铸造方法,也是现代制造中发展较快的一种少切削的成型技术。压力铸造是指液态金属在高速、高压下,注射入精密加工的金属压铸型内并在压力下结晶凝固,形成轮廓清晰、表面光洁的压铸件。近年来,随着技术的不断发展,压铸机的自动化程度也越来越高,整个压铸生产线所涵盖的信息量也越来越多。但是对于压铸生产线的信息管理以及处理手段却远远不能满足现代压铸企业的需求。统计过程控制(spc)是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价,根据反馈信息及时发现系统性因素出现的征兆,并采取措施消除其影响,使过程维持在仅受随机性因素影响的受控状态,以达到控制质量的目的。现在已应用于很多压铸企业,然而受限于压铸机的自动化水平以及压铸环境的恶劣,传统的控制图法难以在实际生产中使用。对于现代制造企业而言,随着客户对质量要求的不断提高,加之计算机、数据库和工业网络技术的迅猛发展,致使产品质量追溯系统成为质量控制系统中不可或缺的一部分,可以实现高效的生产数据自动采集、统计、生产流程控制和学习按产品查询等功能,但无法自动提取出数据中获得关系和规则,缺乏挖掘数据背后知识的方法。
技术实现思路
本专利技术的主要目的在于克服现有技术的不足,提供一种压铸件质量的预警方法和系统。为实现上述目的,本专利技术采用以下技术方案:一种压铸件质量的预警方法,包括以下步骤:S1、实时采集压铸加工过程的压射曲线数据,所述压射曲线数据包括压头位置曲线 ...
【技术保护点】
1.一种压铸件质量的预警方法,其特征在于,包括以下步骤:S1、实时采集压铸加工过程的压射曲线数据,所述压射曲线数据包括压头位置曲线、压射速度曲线及压射压力曲线;S2、根据所述压射曲线数据,通过将慢速压射阶段与快速压射阶段分别取均值,得到慢速压射速度与快速压射速度,并在压头位置曲线上确定慢速转快速的位置,在压射速度曲线与压射压力曲线上分别得到最大速度与最大压力,再将慢速压射速度、快速压射速度、慢速转快速的位置、增压建立时间、最大速度、最大压力作为产品质量特征数据进行0‑1归一化处理生成产品工艺特征向量,并与当前模次号绑定,一并作为产品质量数据特征向量输入质量判别模块,其中所述质量判别模块具有基于所述压射曲线数据的历史数据训练得到的支持向量机(SVM)分类器;S3、所述质量判别模块通过所述支持向量机(SVM)分类器对产品工艺特征向量进行处理,以判断产品所具有的工艺数据特征是否位于产品合格的多向量空间区域中,当判断为否时触发报警。
【技术特征摘要】
1.一种压铸件质量的预警方法,其特征在于,包括以下步骤:S1、实时采集压铸加工过程的压射曲线数据,所述压射曲线数据包括压头位置曲线、压射速度曲线及压射压力曲线;S2、根据所述压射曲线数据,通过将慢速压射阶段与快速压射阶段分别取均值,得到慢速压射速度与快速压射速度,并在压头位置曲线上确定慢速转快速的位置,在压射速度曲线与压射压力曲线上分别得到最大速度与最大压力,再将慢速压射速度、快速压射速度、慢速转快速的位置、增压建立时间、最大速度、最大压力作为产品质量特征数据进行0-1归一化处理生成产品工艺特征向量,并与当前模次号绑定,一并作为产品质量数据特征向量输入质量判别模块,其中所述质量判别模块具有基于所述压射曲线数据的历史数据训练得到的支持向量机(SVM)分类器;S3、所述质量判别模块通过所述支持向量机(SVM)分类器对产品工艺特征向量进行处理,以判断产品所具有的工艺数据特征是否位于产品合格的多向量空间区域中,当判断为否时触发报警。2.如权利要求1所述的压铸件质量的预警方法,其特征在于,基于所述压射曲线数据的历史数据训练得到支持向量机(SVM)分类器的过程包括:(1)利用滑动窗口算法对压铸曲线的时间序列数据进行分割处理,以位置曲线中压头位置为起点位置作为判断依据,将时序数据分为[lts/lw]段,其中lts为总的时序数据长度,lw为生产节拍时间,这样便将总数据划分为单个的生产节拍时间内的时序数据;(2)将分割后的数据进行特征提取,对于慢速与快速压射阶段分别取均值得到慢速压射速度与快速压射速度,并在对应压头位置曲线找到慢速转快速的位置,并在压射速度曲线与压射压力曲线分别得到最大速度与最大压力;将各个特征值进行0-1归一化,转换函数如下:其中max为样本数据的最大值,min为样本数据的最小值,x为所处理的具体特征值,x*为归一化之后的特征值;由此将特征向量归一化为0-1之间的无量纲特征;(3)调出压铸件质量信息数据库,依顺序将压铸件质量信息与产品工艺特征绑定,并将数据打乱重排,分为测试数据集与训练数据集,并利用以支持向量机(SVM)为基础构建分类算法,选取径向基核函数RBF作为核函数,RBF函数表达如下:其中k代表RBF函数,X1与X2分别代表两个不同特征值向量,σ表示样本方差;(4)对训练数据集进行训练,得到SVM分类器;(5)将训练得到的SVM分类器在测试数据集上进行测试,若预测成功率满足要求,则SVM分类器构建完成,若不满足,则返回过程步骤(4),重行调整参数进行训练。3.如权利要求2所述的压铸件质量的预警方法,其特征在于,步骤(4)中使用如下的随机梯度下降的方法对训练数据集进行训练,其中每次迭代都随机选择学习样本更新模型参数,...
【专利技术属性】
技术研发人员:宋立博,李培杰,
申请(专利权)人:清华大学深圳研究生院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。