一种工业精加工过程加工质量实时预测方法和系统技术方案

本发明专利技术公开一种工业精加工过程加工质量实时预测方法和系统，属于MMPs质量预测领域。包括：训练加工质量预测模型，直至满足加工精度要求，所述预测模型，包括：归一化模块，用于对CMM数据归一化；S个特征处理模块中，第一特征处理模块，用于将归一化后CMM进行多次特征计算，第s特征处理模块，用于对第s

【技术实现步骤摘要】
一种工业精加工过程加工质量实时预测方法和系统


[0001]本专利技术属于MMPs(Mutiple Manufacture Process，多阶段制造工艺)质量预测领域，更具体地，涉及一种工业精加工过程加工质量实时预测方法和系统。

技术介绍

[0002]在精加工制造业中，多阶段制造工艺是一个复杂的过程，但往往也很典型。近年来，物联网(Internet of Things,IOT)和先进的数据分析等技术，为在MMPs中实施最终产品质量改进的新方法提供了很多有前途的机会。这一战略与工业4.0旨在实现多阶段制造生产线的持续改进趋势相一致。航空涡轮叶片的加工由多个制造工序组成，以实现最终的产品。每项操作都涉及复杂的制造参数，这些参数不可避免地对产品质量造成微小误差(例如夹具引起的误差、机床刚体误差和热误差)，并在整个生产线上以非线性方式累积和传播。因此，如果能够正确建模工艺参数与最终质量误差之间的非线性映射关系，则可以预测并进一步提高最终产品的质量。这些映射关系的非线性性质，再加上现代工业产品日益增长的质量要求，使得MMPs的质量预测和参数优化成为一个极本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业精加工过程加工质量实时预测方法，其特征在于，该方法包括：训练阶段：接收目标工序的指定；获取多组目标工序各工序当前加工完CMM数据和成品CMM数据，作为训练数据集；采用训练数据集训练加工质量预测模型，直至满足加工精度要求，得到训练好的加工质量预测模型；所述加工质量预测模型，包括：归一化模块，用于对原始CMM数据进行归一化；S个特征处理模块，其中，第一特征处理模块，用于将归一化后CMM数据进行多次特征计算，得到预处理后的数据，剩下的第s特征处理模块，用于对第s
‑
1特征筛选模块的输出进行多次计算，得到当前步的决策输出，用于预测任务；S
‑
1个特征筛选模块，其中，第s特征筛选模块，用于将第s特征处理模块的输出和归一化后CMM数据进行特征筛选，得到第s轮对加工质量具有影响的特征；反馈回归模块，用于将第二特征处理模块至第S特征处理模块的输出进行全连接，再经过Softmax函数，得到指定维度的CMM数据；应用阶段：获取目标工序中各工序当前加工完CMM数据，一起输入至训练好的加工质量预测模型，预测出所有加工工序完成后的CMM数据。2.如权利要求1所述的方法，其特征在于，所述特征处理模块包括：第一特征增强模块，用于对输入数据进行特征增强，分别输出至第二特征增强模块和第三特征增强模块；第二特征增强模块，用于对输入数据进行特征增强，分别输出至第三特征增强模块和第四特征增强模块；第三特征增强模块，用于对第一特征增强模块输出的特征加权值和第二特征增强模块输出的特征求和，对求和后的数据进行特征增强，输出至第四特征增强模块；第四特征增强模块，用于对第二特征增强模块输出的特征加权值和第三特征增强模块输出的特征求和，对求和后的数据进行特征增强，输出至对应特征筛选模块。3.如权利要求2所述的方法，其特征在于，所述特征增强模块包括串联的全连接层、归一化层和门控线性单元GLU。4.如权利要求2所述的方法，其特征在于，权重均为5.如权利要求1所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：袁烨，刘虔钧，程骋，邬雨蝶，张永，张家军，董欣欣，戴永健，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：