閥類零件是機(jī)械產(chǎn)品的重要組成部分,其閥孔加工精度能否得到保證對于產(chǎn)品質(zhì)量和產(chǎn)品的可靠性至關(guān)重要。隨著閥類零件的內(nèi)孔加工精度要求的不斷提高,在批量生產(chǎn)條件下依靠常規(guī)的評定手段及抽檢進(jìn)行質(zhì)量控制的方法已不能很好地滿足生產(chǎn)的要求。實(shí)現(xiàn)內(nèi)孔誤差快速、準(zhǔn)確的在線評定以及根據(jù)評定結(jié)果實(shí)時(shí)對加工過程進(jìn)行質(zhì)量監(jiān)控與調(diào)整,對于保證閥類零件產(chǎn)品的生產(chǎn)質(zhì)量具有重要意義。本文依托具體工程項(xiàng)目,提出了基于融合特征與SVR的圓柱度快速評定和基于SVM在線更新的加工過程控制圖模式識(shí)別和異常參數(shù)估計(jì)方法,并對孔類零件加工過程中的異常溯源方法進(jìn)行了研究,以期為加工過程的有效監(jiān)控和調(diào)整提供依據(jù)。主要研究工作如下:（1）提出了一種基于融合特征與SVR的內(nèi)孔圓柱度誤差評定方法,通過將內(nèi)孔直徑測量數(shù)據(jù)與圓度、錐度、直線度作為特征進(jìn)行融合構(gòu)建特征集,采用PCA特征約減算法對特征集進(jìn)行約減,以SVR作為評定工具對內(nèi)孔圓柱度誤差進(jìn)行評定。對于內(nèi)孔測量數(shù)據(jù)特征融合,采用PCA特征約減算法來消除特征合集中的冗余特征分量;對于PCA算法的降維控制參數(shù)與SVR的懲罰參數(shù)、核函數(shù)參數(shù)通過粒子群優(yōu)化算法（Particle Swarm Optim... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．２各單項(xiàng)分解誤差??

目前常見的異常溯源流程為：根據(jù)過程質(zhì)量要求制定過程計(jì)劃，然后按計(jì)劃進(jìn)行過??程監(jiān)控，應(yīng)用人機(jī)料法環(huán)的方法對過程進(jìn)行檢查，之后實(shí)時(shí)輸出過程結(jié)果并根據(jù)結(jié)果進(jìn)??行過程改進(jìn)，修改過程計(jì)劃，之后再進(jìn)行過程監(jiān)控，具體流程圖如圖１．５。??￣｜過程改進(jìn)＾￣??人??門?機(jī)？?；????過程質(zhì)?｜過程?料?＜過程，?過程??量要求Ｉ?１計(jì)劃?法４撿查１?１結(jié)果??環(huán)?＾?Ｉ??過程監(jiān)控ｎ１??圖１．５過程異常溯源流程??目前關(guān)于過程異常溯源的研究主要集中分為三個(gè)方面，一種是基于分析模型、一種??是基于經(jīng)驗(yàn)知識(shí)、一種是基于過程數(shù)據(jù)。具體分類如圖１．６所示。??８??

該優(yōu)化類進(jìn)棚賊�。贻敵鰣A柱度列疋值??－重新采集部分工件數(shù)據(jù)進(jìn)行訓(xùn)練??圖２．１基于融合特征與ＳＶＲ的圓柱度評定方法??對于評定特征提取，本文結(jié)合分解法的思想，考慮從直線度、圓度、錐度三個(gè)方面??提取特征，結(jié)合各原始測量直徑值來預(yù)測圓柱度值（見圖２．２），通過大量數(shù)據(jù)訓(xùn)練出準(zhǔn)??確的圓柱度評定模型。將不同類型的特征進(jìn)行融合有利于增強(qiáng)對圓柱度的預(yù)測及評定，??提高評定精度。然而，特征的融合會(huì)產(chǎn)生如下的困難：①一些回歸預(yù)測算法在高維空間??的計(jì)算非常困難；②特征維數(shù)太多會(huì)呈現(xiàn)“過學(xué)習(xí)”現(xiàn)象，反而降低圓柱度判定精度。??故本文提出對組合后的孔內(nèi)圓柱度數(shù)據(jù)特征進(jìn)行ＰＣＡ約減，以適當(dāng)降低內(nèi)孔圓柱度評價(jià)??特征的維度，同時(shí)對于約減的控制參數(shù)進(jìn)行優(yōu)化，得到最佳的特征維度取值。??１６??


本文編號：2992155