本发明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领域。
背景技术:
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,本发明提供了一种精密配合偶件的同步加工方法。
技术实现要素:
本发明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)发明目的
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。基于此本发明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
本发明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。
本发明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qk
qk=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;
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”,层次聚类算法是本技术领域的常用算法,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
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
其中,
u1←ω1
u0←ω0
while
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)|)下保证找到可行解,其中
其中,在步骤四中所述的“hotellingt2控制图”,其计算方法为:
当加工一批偶件的配合质量类数目为no时,即|ωo|=no,并且在φr特征频率区间内有
阶段i:
阶段ii:
其中,α为显著性水平,通常设置为0.05或者0.1等;
将第k对偶件在特征频率区间φr下的hotellingt2统计量表示为:
式中,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,是一个多维的矩阵;
由所选取的特征频率区间数目决定的控制图数量,依据统计量与控制限绘制控制图。
其中,在步骤六中所述的“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”,其作法如下:
将第k对偶件在特征频率区间φr下的hotellingt2统计量表示为:
式中,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,是一个多维的矩阵;
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。
(3)本发明的优点
i.本发明针对传统配磨加工质量控制效果不佳,提出了一种精密配合偶件的同步加工方法,该方法通过利用配合加工过程数据,建立基于数据驱动的配合质量在线控制模型。实现精密偶件的同步加工。
ii.本发明提出的精密配合偶件的同步加工方法可以在兼顾经济性和时效性的同时,满足质量控制要求,在提高加工效率的同时能够保证配合加工质量。
附图说明
图1本发明精密配合偶件的同步加工方法设计流程图。
图2本发明简化配偶件示意图。
图3本发明分层聚类树形图。
图4训练组每组数据的的配合质量指数。
图5训练组偶件分层聚类树形图。
图6训练组阶段it2控制图。
图7b组偶件配合质量分类结果。
图8阶段ii控制图。
图9配磨后配合尺寸数据未知的偶件加工配合质量控制图。
图中序号、符号、代号说明如下:
lk:沿着配合偶件轴向所选取的测量截面数目(见图1)
uk(i):第k对偶件在测量截面i所对应的配合间隙值(见图1、图2)
d:阀套内径(见图2)
d:阀套内径(见图2)
□:高配合质量偶件组(见图3、图5)
○:每组配合尺寸数据对应的配合质量指数值(见图4)
●:高低配合质量指数值分界值(见图4)
—:高低配合质量分界线(见图6、图8、图9)
·:超过控制图上限的低配合质量类偶件(见图6、图8、图9)
△:受控的数据点(见图6、图8)
о:误报的情况(见图8)
具体实施方式
见图1—图9,本发明的一个实施例中,提供了一种精密配合偶件的同步加工方法。已知伺服阀滑阀-套筒的配作加工是一个配磨过程,在滑阀外径d和套筒内径d分别加工到一定精度后以滑阀为基准选择配套的套筒进行研磨,直到达到配合工艺要求。现有20套内径尺寸要求为
表1简化偶件配合性能检测依据
试计算该配磨过程的配合质量在线监测模型并验证准确性。给定一组配磨后配合尺寸数据未知的偶件,配合加工振动信号在敏感频率的幅值如表2所示,依据加工过程的振动信号和已搭建的监测模型,试计算该组偶件配磨加工后的配合质量情况。
表2配合加工振动信号在敏感频率的幅值
解:
本发明一种精密配合偶件的同步加工方法,其具体步骤如下:
步骤一:对偶件反复配磨,测量配合尺寸,获得66组数据,如表3所示。
表3配合加工过程
其中两个是废品,因此有效数据为64组,其中高质量类数据(配合性能满足要求)为18组,低质量类数据(配磨过程性能不满足要求)为46组,获得的第一组偶件第一次配磨后的配合尺寸数据如表4所示。
表4第一组偶件第一次配磨后的配合尺寸数据
因此,将64组数据均匀的随机分为a、b两组,每组数据都包含了9组高质量类数据和23组低质量类数据,其中a组数据用于训练控制模型,b组数据用于模型验证与修正。
步骤二:训练组每对偶件按照p=0.05确定的配合质量指数q5%,k,具体公式为:
q5%,k=u0.025,k-u0.975,k
将两组数据中的每一对偶件的配合尺寸数据分为高配合质量类ωo和低配合质量类ω1,如表5所示,
表5质量分类结果
图4为训练组每组数据的的配合质量指数,图5为训练组分层聚类树形图,从图中可以清楚得将低配合质量偶件和高配合质量偶件区分开,其中第3,10,11,14,15,18,24,25,30号偶件为高配合质量,其余的为低配合质量。
步骤三:针对每一对偶件配磨加工中的振动信号,提取敏感特征信号。利用贪心算法寻找敏感特征频率集φ,贪心算法选取特征频率的步骤如表6所示。
表6训练组监测特征频率选择过程及结果
因此,可以得到需要监测的敏感频率为φ={f51,f53,f58,f92,f99,f115,f120,f145,f147},此时的目标函数经过计算可得
因为在不产生虚警情况下即
表7训练组频率特征
步骤四:根据选取的敏感特征频率集合φ,确定t2控制图的数量为r=4,即选取4个连续的特征频率区间:
φ1={f51,f52,f53,f54,f55,f56,f57,f58}
φ2={f92,f93,f94,f95,f96,f97,f98,f99}
φ3={f115,f116,f117,f118,f119,f120,f121,f122}
φ4={f145,f146,f147,f148,f149,f150,f151,f152}
每个区间包含了8份连续的频率,覆盖约2.5赫兹的振动频率范围。计算相应的t2控制限,在阶段i中,置信水平α=0.01,控制图见图6。
步骤五:利用b组作为阶段ii的数据对上述所建立的控制模型进行验证。将b组偶件配合质量计算并进行分类,分类结果如图7所示。根据所提取的四个特征频率区间建立相应的t2控制图,如图8所示,对比图7的分类结果,检测情况在可容许存在一定条件下的误报的情况下与实际情况相符。因此该控制模型可用来对配磨阶段偶件配合质量进行在线监控。
步骤六:对待检测的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统计量得:
y1=29.2801
y2=65.2011
y3=51.7252
y4=28.1485
则该偶件在控制图中的配合质量情况如图9所示。则该偶件为低质量配合偶件。