基于变量选择的装配过程质量预测模型构建

来源 :组合机床与自动化加工技术 | 被引量 : 0次 | 上传用户:lastkaixin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于装配过程的复杂性和非线性,质量影响因素较多,难以建立精确的质量预测模型,而引起产品质量问题的通常只有少数关键过程因素,据此提出基于变量选择和概率神经网络的质量预测模型.针对数据不平衡特征,采用多分类马修斯相关系数构建了概率神经网络预测模型;并采用后向选择方法自动识别出关键过程因素,实现了对产品质量特性的预测和质量问题的根源定位.在某高精度航空产品的装配过程进行了应用,验证了模型的有效性.
其他文献
为改进永磁同步电机控制性能,设计了一种基于分数阶的协同控制器.首先,将分数阶微积分与协同控制相结合,设计了分数阶速度控制器;其次,设计了协同负载转矩观测器,将观测值反馈至分数阶速度控制器,以降低负载转矩对系统的干扰;最后,设计了离散时间协同观测器,实现转子位置和转速的精确估计,提高系统的稳定性及速度估计性能.仿真结果表明,所提出的控制方案能够改善系统的瞬态响应和鲁棒性,对抖振抑制具有良好的效果.
为了提高重型液力自动变速器锁止回路控制流道的结构合理性,使用ANSYS软件对锁止回路控制流道进行流固耦合分析,研究不同阀口开度Ls和结构参数h时压降和最大Von-mises应力的变化情况.其次,基于CCD-RSM试验建立完全二阶响应面模型,通过诊断图评估回归模型的拟合优度,分析阀口开度和结构参数的交互作用.最后,使用响应面法对目标参数进行优化.结果表明,优化后的锁止回路控制流道进出口压降减小了31.37%,最大Von-mises应力和最大变形量分别减小了31.20%和57.55%,为提升锁止阀的工作性能和
针对航空发动机故障领域知识图谱构建过程中实体抽取的需要,构建了相关数据集,提出了一种融合字、词序列信息的Lattice Transformer-CRF实体抽取方法.该方法先是通过lattice结构,将字、词序列信息同时作为输入,通过Transformer模型进行特征提取后,将信息输入到CRF模型中进行序列标注,从而得到最优解.实验结果表明:在方法有效性验证中,与其他方法对比,在公共数据集上,所提方法的精确率、召回率和F值均取得了较高的得分;在方法适用性验证中,所提方法F值达到了95.02%,表明该方法可解
准直器是氢原子钟必不可少的元件,针对目前单孔准直器尺寸大的问题,提出基于电子束曝光制备新型多孔准直器的思路.通过电子束曝光技术和玻璃棒管嵌套拉制法制备的13μm、20μm、10μm、12μm这4种多孔准直器的对比,探究了孔径形貌、光透过率、内壁粗糙度等基本性能.实验结果表明准直器光透过率按孔径由小到大分别是99.04%、98.06%、98.40%、96.18%,前3种准直器这一项性能指标都较为优越.内壁面粗糙度Sa按孔径由小到大分别是0.757 nm、1.210 nm、6.991 nm、7.350 nm,
在刀具磨损状态识别中,传统机器学习模型如支持向量机(SVM)、BP神经网络(BPNN)等训练过程耗时较长,尤其是在数据量较大的情况下,即实时性不能保证.提出将模型训练速度快、精度高的轻量级梯度提升机(Light Gradient Boosting Machine,LightGBM)应用在刀具磨损状态的识别中,提出采用遗传算法(Genetic Algorithm,GA)来优化LightGBM模型得到最优参数.在刀具磨损监测实验过程中利用加速度传感器采集刀具X、Y、Z轴上的振动信号,再利用小波系数阈值去噪法对
为了能更好的提取出低速重载下转轴裂纹的微弱故障特征,在充分考虑到微弱故障信号的周期性后,对变分模态分解(Variational Mode Decomposition,VMD)的影响参数使用粒子群算法进行优化.信号经自适应VMD算法分解后,得到若干本征模函数(Intrinsic Mode Function,IMF),由相关系数法获得最优分量,结合快速谱峭度法(Fast Spectral Kurtosis,FSK)对最优分量进行带通滤波,对滤波信号包络谱中的故障特征进行分析.仿真与实验结果表明,包络谱中转频及
滚动轴承声信号与振动信号相比其信噪比更低,此外还会受到强脉冲噪声的影响.频谱幅度调制(SAM)是一种新的故障特征提取方法,该方法能够有效识别脉冲噪声并对信号进行非线性滤波.然而尽管其可抑制脉冲噪声,但依然会受到其他背景噪声的干扰导致其滤波效果受到影响.针对上述问题,提出一种加权平均时变滤波经验模态分解WATVFEMD及SAM的滚动轴承声信号特征提取方法.首先对声信号进行TVFEMD分解;其次,提出了一种强调敏感分量的新型指标,利用该指标对各个IMFs加权并重构为WATVFEMD信号;最后,对重构信号进行S
四棱锥光功能织构模芯加工质量决定其压印织构膜的表面质量.分析单晶铜各个晶面的结合力,采用结合力最小的(111)晶面构建四棱锥织构的4个侧面,并规划四棱锥织构模芯的切削方案.选择不同基准面加工单晶铜样件,得到(100),(110)和(111)三种晶面的平均表面粗糙度分别为:8.19 nm,9.75 nm,6.08 nm.分析得出4个侧面均为(111)晶面的四棱锥光功能织构模芯表面质量最佳,其平均粗糙度可达6.57 nm,利用逆反射比表面积Ks评价其形状误差,Ks值平均为96.6%,满足四棱锥光功能织构模芯的
零件加工质量规则获取对于改善零件质量有重要意义.由于零件加工数据存在不均衡的问题,直接挖掘难以得到不合格品相关规则,而现有的采样均衡化方法往往存在误删关键样本、破坏样本总体分布、产生噪声等缺陷,会导致挖掘结果不准确,为此提出了面向不均衡数据集的基于改进混合采样的质量规则获取模型.先利用提出的基于关键规则欠采样与改进SMOTE过采样的混合采样均衡化方法,对质量数据均衡化处理,再使用FP-tree关联规则算法挖掘质量规则.利用企业实际生产数据,与基于FP-tree的方法、基于随机混合采样的方法进行对比分析,得
针对滚动轴承剩余寿命(RUL)预测中自动故障边界识别精度不足与构建的健康因子单调性和趋势性不够理想的问题:提出一种基于集成迁移学习的滚动轴承剩余寿命预测方法.首先,利用源域数据协助标记不足的目标域数据训练具有不同激活函数的多个深度信念网络(DBN),选用预测精度最佳的DBN识别故障边界;其次,将经过训练的DBN作为特征提取器迁移到目标域,利用主成分分析(PCA)将提取的特征进行降维构建轴承健康因子,通过集成策略构建集成的健康因子;最后,采用长短时记忆神经网络作为预测模型.采用XJTU-SY滚动轴承数据集进