一种多工序加工过程误差流的处理及控制方法

摘要

本发明公开了一种多工序加工过程误差流的处理及控制方法，其特征在于，包括下述步骤：1)通过把各加工特征映射到相应工序，并对零件加工特征进行编码处理，依据加工特征间存在的关联关系，采用搜索算法实现了对关联工序集的快速搜索；2)通过对工序流进行工序流层、工序节点层、工步节点层空间粒度分解，采用机器人学理论和刚体运动学方法推导出出关联工序间存在的误差传递效应方程；3)采用线性化处理方法，对建立的误差传递模型进行线性化处理，建立工序间误差传递的线性描述模型，并采用线性回归方法实现对线性误差模型的校验；4)依据工序节点加工误差控制函数，采用“状态+事件”机制，对工序加工误差进行监控及诊断。

主权项

1.一种多工序加工过程误差流的处理及控制方法，其特征在于，包括下述步骤：(1)关联工序搜索流程I：通过抽取零件加工特征建立工序流-加工特征映射网络，然后选择分析工序k，判断是否存在关联工序，如是，搜索工序k的关联工序集并放入一个代号为Result的表中；如不是，则在步骤(4)中分析工序k的加工误差；(2)工序流多层状态空间建模流程II：将步骤(1)Result表中搜索到的关联工序集取出，通过对该工序集组成的工序流进行空间粒度分解，采用多层状态空间模型分别对所分解的加工工序流层、工序节点层、工步节点层对应的零件误差状态进行建模，推导出了各关联工序间存在的误差传递模型的数学表达式：$x\left(k\right)=A\left(k\right)x(k-1)+[{}_M{}^{P}R^O\left(k\right)+\Delta {}_M{}^{P}R\left(k\right)]B\left(k\right)x_M^u\left(k\right)+[B\left(k\right)[{}_M{}^{P}R^O\left(k\right)+\Delta {}_M{}^{P}R\left(k\right)]{}_P{}^{M}R^O\left(k\right)$                                        [4]$-B\left(k\right)]X^O\left(k\right)-[{}_M{}^{P}R^O\left(k\right)+\Delta {}_M{}^{P}R\left(k\right)]B\left(k\right)\Delta {}_P{}^{M}T\left(k\right)+w\left(k\right)$式中：x(k)表示k工序零件加工特征的误差状态；X^O(k)表示k工序零件理想加工特征；x_M^u(k)表示k工序机床坐标系中机床误差引起的加工误差；A(k)、B(k)分别表示k工序未被加工特征和被加工特征的标识矩阵；_M^PR^O(k)、Δ_M^PR(k)分别表示k工序机床坐标系到零件坐标系的理想旋转矩阵和微小偏差旋转矩阵；_P^MR^O(k)、Δ_P^MR(k)分别表示k工序零件坐标系到机床坐标系的理想旋转矩阵和微小偏差旋转矩阵；Δ_P^MT(k)表示k工序零件坐标系到机床坐标系的微小偏差平移矩阵；w(k)表示k工序随机噪声；(3)误差传递模型线性化处理流程III：对步骤(2)建立的误差传递模型进行线性化处理，建立工序间误差传递的线性模型如下，$x\left(k\right)=[A\left(k\right)+B\left(k\right)E\left(k\right)A_2\left(k\right)-B\left(k\right)P_1\left(k\right)A_1\left(k\right)]x(k-1)+$                                  [11]$\left[{}_M{}^{P}R^O\left(k\right)P\left(k\right)\right|B\left(k\right){}_F{}^{P}R^O\left(k\right)S\left(k\right)B_2\left(k\right)-B\left(k\right)P_2\left(k\right)B_2\left(k\right)-B\left(k\right)P_3\left(k\right)B_1\left(k\right)]\left[\begin{array}{c}{u}_m^T\left(k\right)\\ u_f^T\left(k\right)\end{array}\right]+w\left(k\right)$式中：A₁(k)、A₂(k)、E(k)、P₁(k)是基准误差相关的等效矩阵，B₁(k)、B₂(k)、S(k)、P₂(k)、P₃(k)是夹具误差相关的等效矩阵，P(k)是机床误差描述矩阵；u_m^T(k)表示k工序机床误差引起的被加工特征面误差项，u_f^T(k)表示k工序夹具定位参数误差状态项；_F^PR^O(k)表示k工序夹具坐标系到工件坐标系的理想旋转坐标变换矩阵；w(k)表示k工序随机噪声；然后，采用线性回归方法进行线性误差模型的校验，实现对工序误差传递效应的量化分析；(4)多工序过程工序质量状态监控与误差源诊断流程IV：根据步骤(3)的量化分析结果，为控制各工序节点加工误差，对工序节点加工误差控制函数定义为下式：D(k)＝F(k，X(k)，U(k)，x(k)，u(k)，w(k))             [12]式中：k表示工序节点序号，X(k)表示工序节点k加工特征质量特性值；U(k)表示工序节点k包括夹具状态、机床状态、定位基准特征面状态在内的输入过程变量；x(k)表示工序节点k加工特征误差状态；u(k)表示工序节点k输入过程变量调节量；w(k)表示工序节点k的随机噪声；依据式[12]，采用“状态+事件”机制，对工序加工误差进行监控及诊断；上述方法中，步骤(2)所述的空间粒度分解，其具体分解过程为，首先在各工步节点建立零件加工特征质量状态模型M_IIIij，i＝1，…，p，…q；j＝1，…，p，…q，这里i和j分别表示工序节点序号和工步节点序号，p和q是自然数，在此基础上，在工序节点建立零件加工特征质量状态模型M_IIi，然后建立工序流的误差传递模型M_I，同层内不同节点间的关系用r描述，不同层各节点间关系用R描述；所述的对分解的加工工序流层、工序节点层、工步节点层对应的零件误差状态进行建模具体方法为，首先采用机器人学理论对零件加工特征进行矢量化描述，建立包括工件、夹具、机床在内的三种坐标系，并对基准、夹具、机床引起的误差进行等效处理，然后采用刚体运动学理论推导出步骤(2)的误差传递模型的数学表达式；所述的等效处理，其过程是：由工件坐标系转换到夹具坐标系产生的微分运动矢量描述为式(5)：$\Delta q^P\left(k\right)=[{\mathrm{\Delta O}}_x^P\left(k\right),{\mathrm{\Delta O}}_y^P\left(k\right),{\mathrm{\Delta O}}_z^P\left(k\right),{ϵ}_x^P\left(k\right),{ϵ}_y^P\left(k\right),{ϵ}_z^P\left(k\right)]---\left(5\right)$变换过程中坐标原点和各轴的旋转运动微分矢量由已加工完成的特征面X(k-1)决定，经线性化处理可得，$\Delta O^P\left(k\right)=[\Delta O_x^P\left(k\right),\Delta O_y^P\left(k\right),\Delta O_z^P\left(k\right){]}^T=[\frac{\partial O^P\left(X^O(k-1)\right)}{\partial X(k-1)}]\mathrm{\Delta X}(k-1)=A_1\left(k\right)x(k-1)---\left(6\right)$$\Delta {ϵ}^P\left(k\right)=[{ϵ}_x^P\left(k\right),{ϵ}_y^P\left(k\right),{ϵ}_z^P\left(k\right){]}^T=[\frac{\partial r\left(X^O(k-1)\right)}{\partial X(k-1)}]\mathrm{\Delta X}(k-1)=A_2\left(k\right)x(k-1)---\left(7\right)$式(6)、(7)中：A₁(k)、A₂(k)由工件定位的空间位置确定，表示前工序质量特征误差；由夹具坐标系转换到机床坐标系产生的微分运动矢量描述为式(8)：$\Delta q^F\left(k\right)=[O_x^F\left(k\right),O_y^F\left(k\right),O_z^F\left(k\right),{ϵ}_x^F\left(k\right),{ϵ}_y^F\left(k\right),{ϵ}_z^F\left(k\right)]---\left(8\right)$变换过程中坐标原点和各轴的旋转运动微分矢量由夹具参数f(k)决定，经线性化处理可得，$\Delta O^F\left(k\right)=[\Delta O_x^F\left(k\right),\Delta O_y^F\left(k\right),\Delta O_z^F\left(k\right){]}^T=[\frac{\partial O^F\left(f^O\left(k\right)\right)}{\partial f\left(k\right)}]\mathrm{\Delta f}\left(k\right)=B_1\left(k\right)u_f^T\left(k\right)---\left(9\right)$$\Delta {ϵ}^F\left(k\right)=[{ϵ}_x^F\left(k\right),{ϵ}_y^F\left(k\right),{ϵ}_z^F\left(k\right){]}^T=[\frac{\partial r\left(f^O\left(k\right)\right)}{\partial f\left(k\right)}]\mathrm{\Delta f}\left(k\right)=B_2\left(k\right)u_f^T\left(k\right)---\left(10\right)$式(9)、(10)中：B₁(k)、B₂(k)由夹具定位参数确定，步骤(3)所述的误差传递模型线性化处理是指采用泰勒展开式忽略对误差传递效应影响较小的高阶项，从而获得步骤(3)的描述工序误差传递效应的线性表达式；步骤(4)所述的“状态”是指步骤(3)建立的误差传递模型对当前k工序质量特性误差进行量化分析结果及其SPC控制图对k工序质量特性波动监测结果，事件则描述了k工序是否发生异常，若发生异常，则“事件”发生，触发式(12)，进行工序异常诊断与调节。