[发明专利]一种航空发动机叶片加工过程退化的轮廓质量控制方法

权利要求书

1.一种航空发动机叶片加工过程退化的轮廓质量控制方法，其特征在于，包括如下步骤：

(1)建立航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型：

(1a)对影响航空发动机叶片加工过程退化的多源误差进行分析：

通过状态空间和误差流传递原理，对发动机叶片进行误差传递分析和加工过程退化机理分析，得到多源误差下的发动机叶片加工过程退化的系数表达式：

其中，当模型做预测时，P_k表示节点工序k加工质量特性波动的预测值，当P_k为实际数据时，表示节点工序k加工质量特性波动的测量值；节点工序k的误差状态值为以基准d_k在坐标测量机上测量得到的加工质量测量值为加工过程节点工序k的基准为d_k、刀具路径引起的加工误差为t_k、夹具几何误差为l_k、切削力引起的工件的变形误差为j_k；W_k表示节点工序k制造系统状态噪声项w_k的方差；V_k表示节点工序k测量误差项v_k的方差；加工过程节点工序k-1的基准误差引起节点工序k的基准误差为加工误差引起节点工序k的加工误差为夹具几何误差引起节点工序k的夹具几何误差为变形误差引起的节点工序k的变形误差为D₀表示t＝0时刻关于工序质量的初始信息集；m₀表示D₀信息集条件下工序质量的均值估计值；C₀表示D₀信息集条件下工序质量的方差；对任意两个不同的工序t和s，当t≠s时，v_t和v_s、w_t和w_s以及v_t和w_s都相互独立；A_(k-1)、B_k为系数矩阵，为测量系统的坐标转换矩阵；

(1b)建立航空发动机叶片多工序加工过程Profile模型：

对多源误差下的发动机叶片加工过程退化的系数表达式进行多元线性回归，得到航空发动机叶片多工序加工过程Profile模型：

(1c)对航空发动机叶片多工序加工过程Profile模型进行转换：

假设测量噪声和状态噪声服从高斯核拉普拉斯分布，整个加工过程的测量系统为同一个测量系统，对航空发动机叶片多工序加工过程Profile模型进行转换，得到航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型：

其中A_(k-1)、C_k、G_k、O_k、L_k为系数矩阵；表示多源误差观测值；

(2)对航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型进行最小二乘回归：

对航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型进行最小二乘回归，得到多种误差源对加工过程退化的影响关系式：

其中，F_k为系数矩阵A_(k-1)、C_k、G_k、O_k、L_k的集合，F_k＝(A_(k-1) C_k G_k O_k L_k)；

(3)采用提前一步预测残差方法，对发动机叶片加工过程轮廓误差进行自相关性处理：

(3a)建立发动机叶片加工过程节点工序k的残差表达式：

根据步骤(1)建立的耦合预测模型,建立发动机叶片加工过程节点工序k的残差表达式：

其中，k＝1时，ξ为初值向量，提前一步预测残差为服从标准正态分布且独立同分布；

(3b)获取发动机叶片加工过程节点工序k的残差方程：

将步骤(2)中的多种误差源对加工过程退化的影响关系式带入步骤(3a)建立的残差表达式中，得到发动机叶片加工过程节点工序k的残差方程：

其中，Z_k为单位矩阵、系数矩阵-A_(k-1)、C_k、G_k、O_k、L_k的集合；

为自相关性处理后得到的多源误差观测值；

(4)对发动机叶片加工过程节点工序k的残差方程进行最小二乘回归，得到误差系数矩阵估计值

(5)建立基于聚类的T²控制图监控模型：

(5a)构造发动机叶片加工过程轮廓误差样本集：

将发动机叶片加工过程轮廓误差作为发动机叶片加工过程轮廓误差样本，建立由f个相同规格叶片加工过程轮廓误差样本组成的加工过程轮廓误差样本集，f＞p,p为样本数据的维数；

(5b)获取加工过程轮廓误差样本集中每个叶片加工过程轮廓误差样本的误差系数矩阵估计值

对每个叶片加工过程轮廓误差样本进行自相关性处理后再进行最小二乘回归，得到f个叶片加工过程轮廓误差样本的误差系数矩阵估计值

(5c)计算叶片加工过程轮廓误差样本集的稳健协方差矩阵估计值

(5d)获取叶片加工过程轮廓误差样本集的相似矩阵S_ff：

其中，a_ij为S_ff第i行第j列的元素，分别为第i、j个叶片加工过程轮廓误差样本的误差系数矩阵估计值；

(5e)对叶片加工过程轮廓误差样本集进行聚类：

根据相似矩阵S_ff，对叶片加工过程轮廓误差样本集进行聚类，得到至少包含[f/2]+1个样本的聚类集，并将其作为初始受控主群C；

(5f)获取初始受控主群C内样本总体的误差系数矩阵估计值

对初始受控主群C内的样本进行混合模型的拟合，然后对混合模型进行自相关性处理后再进行最小二乘回归，得到初始受控主群C内样本总体的误差系数矩阵估计值

(5g)获取多元T²控制图的T²：

针对未被引入初始受控主群C内的r个发动机叶片加工过程轮廓误差样本，0＜r＜[f/2]-1；逐个计算每个发动机叶片加工过程轮廓误差样本的误差系数矩阵估计值与的马氏距离，并将其作为多元T²控制图的T²；

(6)获取航空发动机叶片加工过程退化的轮廓质量控制结果：

根据多元T²控制图的受控原理，若T²＜χ²[1-α/f]，则发动机叶片加工过程轮廓误差样本引入初始受控主群C；若T²≥χ²[1-α/f]，则发动机叶片加工过程轮廓误差样本不引入初始受控主群C；当第r个发动机叶片加工过程轮廓误差样本运行完，迭代停止；令C_final＝C；则主群C_final以内的样本来自受控过程，以外的样本来自失控过程，χ²表示卡方分布规律，α为比较系数。