CN119398624A 基于多因素融合的机加产品质量在线检测精度评定方法 （杭州电子科技大学）

基于多因素融合的机加产品质量在线检测本发明公开了基于多因素融合的机加产品线检测精度评定的加工过程输入因素特征和输22.根据权利要求1所述的基于多因素融合的机加产品质量在线检测精度评定方法，其何尺寸类型和加工工艺，确定因素特征向量x=[x,…,xi,.…,x],I=5，作为在线个历史样本构成的特征样本集合记为saara={[x(j),ma]lj=1,2,..,J;d=1,2,...,D}，X(j)为第j个因素特征向量集3.根据权利要求2所述的基于多因素融合的机加产品质量在线检测精度评定方法，其l,l为标准4.根据权利要求3所述的基于多因素融合的机加产品质量在线检测精度评定方法，其3得到子集和子集K(1);s=1+log2(p)和ns=p/s；均值(EX,EX2,..,EXS,...,EXS)和标准差；步骤3_8、基于步骤3_7中得到在因素特征xi下，精度等级为ma的随机模糊样板集合Rimg对应的关键参数(EximgEni,mgHeimg)，则对于5种因素特征下的3种精度等级，获得其对应的15个随机模糊样板集合关键参5.根据权利要求4所述的基于多因素融合的机加产品质量在线检测精度评定方法，其;其中q1=max{EX+301,...,EXS+30s}，;46.根据权利要求5所述的基于多因素融合的机加产品质量在线检测精度评定方法，其步骤4_1、在线获取待评定数据R(i)=[R1(i)…,(i).,⃞(i]，计算随机模糊待。7.根据权利要求6所述的基于多因素融合的机加产品质量在线检测精度评定方法，其模糊待检集合Ri的期望曲线vi和含熵期望曲线；步骤5_3、根据步骤5_2所确定的范围，从随机模糊样板集合Rimg选取H个子集元素cimg(p)，满足从随机模;8.根据权利要求7所述的基于多因素融合的机加产品质量在线检测精度评定方法，其5,其中M={m1,m2,m3}，设定ei的可信度因子Ti=wi，得到融合后的信度分布0(e)：;;其中P(M)为M的幂集，Bmge(S)为融合后的信度分布，B;,ci为任意一不同于M的集9.根据权利要求8所述的基于多因素融合的机加产品质量在线检测精度评定方法，其步骤7_3、设定合格产品的理想公差区间为[Miower,Mupper]，Miower为下公差，6标定参数与实际加工状态保持一致，提供更准确的精度等级判断，从而有效提升产品的加工质量。区别于传统的精度检测方法，基于多因素融合的机加产品质量在线检测精度评定工等自动调整标定策略，实时修正检测精度。这样可以克服因复杂工况或环境变化带来过程中的尺寸变化进行动态调整和标定，以确保在复杂环境下仍能实现高精度的质量控7[0010](4)在线获取产品质量检测时的输入因素特征数据，构建关于输入因素特征数据获取描述多环境因素特征与检测精度之间非线性映射关[0012](6)将多个环境因素特征的信度分布进行融合，根据融合结果确定产品质量在线[0013](7)利用精度等级对实际测量值进行评定后，根据评定值与产品所测几何尺寸的[0014]本发明提出了一种基于多因素融合的机加产品质量在线检测精度评定方法。首[0016](1)提高在线检测精度评定的准确性。本发明通过构建多因素融合模型的多个输[0020](5)具有良好的适用性和推广价值。本发明方法可广泛应用于机加产品的质量控8[0024]本申请实施例提出了一种基于多因素融合的机加产品质量在线检测精度标定方[0028](4)在线获取产品质量检测时的输入因素特征数据，构建关于输入因素特征数据获取描述多环境因素特征与检测精度之间非线性映射关[0030](6)将多个环境因素特征的信度分布进行融合，根据融合结果确定产品质量在线[0031](7)利用精度等级对实际测量值进行评定后，根据评定值与产品所测几何尺寸的X=[x1,…,xi,…,x](I=5)振动频率和检测单元温度xs；将精度等级{m1,..,ma,..,mp}(D=3)作为融合模征样本集合记为saara={[x(j),ma]lj=1,2,..,J;d=1,2,...,D}，X(j)表示第j个9。[0037](2_1)根据因素特征向量x所对应的同一精度等级筛选历史样本suata，得到在因素特征xz(i=1,2,..,I)下，精度等级为ma(d=1,2,..,D)的N个样本构成的集合,xz(n)表示集合中的第"个样本。[0038](2_2)基于步骤(2_1)获取的simg，可根据式(1)~式(3)求取关于集合simg的雾化样板集合的关键参数(EX,En,He)：saara=[x(j),mall=1,2,…,180;d=1,2,3}中的180个样本。[0048](3_1)基于步骤(2_4)获得的雾化样板集合，将其所包含的个正,满足(1)<(2)<.<X(P)}。[0049](3_2)将排序后的正态随机数集合均匀划分为两。于步骤(3_1)和(3_2)可以依次得到低阶子集(1)<Z(2)<...<(N)。若N为奇数，K(1)：算和的KL散度值K(JIIJH)：个数为ns，其中第s组数据可表示为Ti=(x(1),x(2),…,x(n5),s=1,2,…,s}，其中s和ns由式(8)和式(9)获得：[0058]S=1+log2(p)(8)[0060]其中P代表步骤(3_4)中正态随机数的个数，且P之S。[0064]同理可获得所有s组数据的均值(EX1,EX2,...,EXS,...,EXS)和标准差。~式(14)获得随机模糊样板集合的关键参数(EximgEni,mgHeimg)：[0069]其中q1=max{EX十301,...,EXS十30s}，;[0070]若sima被判断为雾化状态，则通过式(15)~式(18)获得随机模糊样板集合的关键表示im的样本四阶中心矩。[0076](3_8)基于步骤(3_7)中方法可以得到在因素特征xi下，精度等级为ma的随机模糊样板集合Rimg对应的关键参数(EximgEni,mgHeimg)，则对于5种因素特征下的3种(EximgEni,mgHeimg)，依次代替步骤(2_3)中的EX、En和He，根据步骤(2_3)和(2_;;;;。[0086]计算对历史样本筛选得到的的KL散度值，并和雾化样板集合的KL散度值进行对比从而判断[0089]基于表2中的随机模糊样板集合的关键参数，可得到15个随机模糊样板集合。Eni和Hei：。R=[31.6000,57.4000,0.1047,102.0000,45.8000][0100]基于的关键参数可得到随机模糊待检集合和，随机模糊待检集合[0103](5_2)在因素特征下，求Gima，同时求取曲线和的交点的纵坐标值9i,ma，以及曲线D.ma和v交点的纵坐相交区域的子集范围。[0105](5_3)根据步骤(的H个子集元素cimg(p)：[0107]同时从随机模糊待检集合中选取满足式(23)的h个子集元素ci(p)：[0111](5_4)将获取的三种精度等级的匹配值(m,i(ms,i根据式(26)进行归一和含熵期望曲线，将其与5个随机模糊待检集合的期望曲线和含熵[0130](6_4)通过式(30)计算各输入特征的信息熵，并通过式(31)计算各属性的融合因子w=(w,w2,…,w1)：,其中M={m1,m2,m3}，设定ei后的信度分布0(e)：[0136][0138]其中p(M)为M的幂集，Bmge(s)为融合5条信度分布后得到最终的信度分布，B;,ci为任意一不同于M的集合。[0139](6_6)基于步骤(6_5)得到的融合信度0(e)，选取最大信度所对应的精度等级作W=(W1,W2,W3,W,W5)，设定ei的可信度因子T=wi，融合不同因素特征下的信度[0143](7_1)根据步骤(6_6)的在线检测精度评定结果ma，该精度等级代表了测量设备[0144](7_2)使用测量设备对待测产品进行测量，得到产品的实际几何尺寸值，记作Mactual，并基于精度等级所对应的测量误差区间，计算评定待检测产品的评定尺寸区间。[0145](7_3)根据产品设计要求，设定合格产品的理想公差区间为[Miower,Mupper]，[0157]1.确定在线检测精度评定多因素融合模型的输入因素特征和输出的精度等级在某一机械元件加工过程中，确定因素特征向量x=[x1,…,xi,…,XJ(l=5)作为在线。saara=[x(j),mall=1,2,…,180;d=1,2,3}中的180个样本[0164]根据步骤(2_4)可得到sima所对应的雾化样板集合[0170]计算对历史样本筛选得到的的KL散度值，并和雾化样板集合的KL散度值进行对比从而判断sima的雾化状态，进一步获取sima的随机模糊样板集合的关键参数[0173]基于表7中的随机模糊样板集合的关键参数，可得到15个随机模糊样板集合[0179]在线评定数据为⃞=[31.6000,57.40