[发明专利]一种基于支持向量机的制造过程可靠性建模方法及装置

权利要求书

1.一种基于支持向量机的制造过程可靠性建模方法，其特征在于，包括：

获取车削工艺过程中包含标注信息为工件实际表面粗糙度的多种工艺参数组，构成样本训练集；

将所述样本训练集输入至支持向量机模型进行训练，确定训练完备的支持向量机模型；

将随机生成的多组采样参数组输入至所述训练完备的支持向量机模型，根据输出的工件预测表面粗糙度，判断所述车削工艺过程的可靠性。

2.根据权利要求1所述的基于支持向量机的制造过程可靠性建模方法，其特征在于，所述获取车削工艺过程中包含标注信息为工件实际表面粗糙度的多种工艺参数组，构成样本训练集，包括：

获取车削工艺过程中，多次切削实验下对应的不同的工件参数，并采集切削后的所述工件实际表面粗糙度，其中，所述工件参数包括切削速度、切削深度和进给量中的至少一种；

针对每次切削实验，将不同的所述工件参数构成对应的所述工艺参数组；

将所述工艺参数组对应的所述工件实际表面粗糙度作为标注信息，形成所述样本训练集。

3.根据权利要求1所述的基于支持向量机的制造过程可靠性建模方法，其特征在于，所述将所述样本训练集输入至支持向量机模型进行训练，确定训练完备的支持向量机模型，包括：

将所述样本训练集中的数据进行归一化处理后输入至所述支持向量机模型；

基于网格搜索法，优化支持向量机模型参数，生成不同的参数组合，在参数空间内搜索最小化泛化误差的参数组合；

根据所述最小化泛化误差的参数组合，确定所述训练完备的支持向量机模型。

4.根据权利要求1所述的基于支持向量机的制造过程可靠性建模方法，其特征在于，所述工艺参数组中的工件参数包括切削速度、切削深度和进给量，所述多组采样参数组的随机生成过程，包括：

基于拉丁超立方采样，分别生成所述切削速度、所述切削深度和所述进给量对应的基本随机变量；

将不同的所述基本随机变量，作为对应的每一维的抽样区间；

根据预设的抽样范围，在所述每一维的抽样区间均匀抽样，生成每一维对应的抽样数据；

将不同维度的抽样数据进行组合，生成所述采样参数组。

5.根据权利要求4所述的基于支持向量机的制造过程可靠性建模方法，所述分别生成所述切削速度、所述切削深度和所述进给量对应的基本随机变量，包括：

分别针对所述切削速度、所述切削深度和所述进给量，确定对应的平均值和方差；

基于拉丁超立方采样，分别根据所述切削速度、所述切削深度和所述进给量对应的所述平均值和所述方差，生成对应的正态分布；

根据所述切削速度、所述切削深度和所述进给量对应的正态分布，生成对应的所述基本随机变量。

6.根据权利要求5所述的基于支持向量机的制造过程可靠性建模方法，其特征在于，所述分别针对所述切削速度、所述切削深度和所述进给量，确定对应的平均值和方差，包括：

分别针对车削工艺过程中采集的所述切削速度、所述切削深度和所述进给量，预设对应的平均值和方差；或分别根据车削工艺过程中采集的所述切削速度、所述切削深度和所述进给量，计算对应的平均值和方差。

7.根据权利要求1所述的基于支持向量机的制造过程可靠性建模方法，其特征在于，所述根据输出的工件预测表面粗糙度，判断所述车削工艺过程的可靠性，包括：

根据所述采样参数组对应输出的所述工件预测表面粗糙度和预设的表面粗糙度上限值，判断工件是否合格；

若不合格，则记为落入失效域的采样点，统计所述落入失效域的采样点的失效数目；

根据所述失效数目，判断所述车削工艺过程的可靠性。

8.根据权利要求7所述的基于支持向量机的制造过程可靠性建模方法，其特征在于，所述根据所述采样参数组对应输出的所述工件预测表面粗糙度和预设的表面粗糙度上限值，判断工件是否合格，包括：

若所述工件预测表面粗糙度大于所述表面粗糙度上限值，则判断工件不合格。