批量化精密加工过程质量保持时序预控模型研究

In batch precision machining of highly automatic manufacturing, it is necessary to establish intelligent manufacturing system that can maintain product quality stability. It is an important means to promote manufacturing towards automation and intellectualization, improve product competitiveness and reduce production cost. The project aims to explore a prediction and control modeling method that maintain quality stability during precision machining, which promotes the technology and method innovation of the batch precision intelligent manufacturing . .This research starts with analysis of parameter sensitivity by adopting factor disturbance mechanism, proposes new modeling method of experiment design, develops composite Gaussian prediction model integrating physical experiments, analysis calculation and finite element simulation process. By predicting, selecting parameters and retraining sample space based on composite Gaussian model, this subject aims to construct time series prediction and control model with time effectiveness. .The key technical problem is how to solve time-varying adaptability and effectiveness of the prediction and control model. The feature and innovation lies in: A multi-layer innovation experiment design method will be proposed, which can greatly decrease the redundancy of samples, shorten model training time, and save pricey field testing cost; The proposed model with time-effective feature will be constructed based on composite Gaussian process, which can realize quality prediction and control to keep quality stable in actual machining process. This research will have remarkable theoretical significance and practical value.

在自动化精密加工制造批量生产中，建立机械产品加工质量保持的智能制造系统是推动制造业向自动化、智能化转变以及提高企业产品竞争力和降低生产成本的重要手段。本项目旨在探索一种在精密加工过程中保持质量稳定的智能化预测与控制系统的建模方法，推进批量化精密智能制造技术与方法的创新。 .从因素扰动机理分析参数的敏感度入手，研究新的实验设计方法以及综合物理实验、分析计算和有限元工艺仿真的复合高斯预测模型建模方法，并基于复合高斯模型进行质量预测、加工参数选择和样本空间再训练等，构建具有时效特征的时间序列预控模型。.拟解决的关键技术问题是预控模型的时变适应性和有效性。其特色与创新在于：提出的多层实验设计方法可降低样本冗余，减少昂贵的现场试验成本和模型训练时间；基于复合高斯过程建立具有时效特征的质量预控模型以保持质量稳定，更符合工程实际。此研究具有明显的理论意义和实际价值。

本项目探索一种精密加工过程中保持质量稳定的智能化预测与控制系统的建模方法，推进批量化精密智能制造技术与方法的创新。内容包括：（1）从因素扰动机理入手，基于理论分析、基于数据驱动的预测模型及统计学方法等多角度分析了工艺参数、刀具磨损等对加工质量的扰动机理；（2）针对加工过程参数调控点的预测，提出了满足工程批量化加工中考虑时效的实时生长型分段预测模型；（3）为获得参数调控点处满足加工要求（质量稳定）的工艺参数调整值，构建了以复合高斯过程回归为主的三类基于数据驱动方法的加工目标指标与工艺参数的预测模型，并提出了一种新的自适应灰狼优化算法来解决加工过程的多目标优化问题；（4）针对质量保持的时序预控模型，从挖掘历史刀具加工过程数据价值的角度出发，提出了基于刀具磨损监测的加工质量稳定的实时控制模型，和批量化加工过程质量和效益双赢的智能调控模型，为批量化加工过程质量保持的实现，提供了一个科学的智能化技术与途径；（5）利用多层试验设计、正交试验设计等设计了加工实验，并开发了质量保持的参数调控系统，验证了参数调控点预测、参数优化及预控模型的合理性及有效性。. 成果旨在运用数据挖掘、建模等技术分析批量化加工过程的质量扰动机理，获得过程调控点和过程工艺参数，为批量化加工过程的质量保持预控提供有效的理论指导和方法支持，使开发的系统更符合实际智能化加工要求，更具代表意义和实际价值。. 重要成果：. 提出了基于历史数据挖掘的质量保持预控模型，并开发了预控系统，取得软件著作权登记3个，在国际知名刊物、国内期刊及国际重要学术会议上发表论文16篇，其中7篇SCI（2区2篇，3区4篇，4区1篇）、4篇EI（其中机械工程学报1篇）、中文核心2篇。