CN113536512A - 一种弹体质量智能预测分析方法 - Google Patents

一种弹体质量智能预测分析方法 Download PDF

Info

Publication number
CN113536512A
CN113536512A CN202010292980.2A CN202010292980A CN113536512A CN 113536512 A CN113536512 A CN 113536512A CN 202010292980 A CN202010292980 A CN 202010292980A CN 113536512 A CN113536512 A CN 113536512A
Authority
CN
China
Prior art keywords
quality
prediction
moving average
projectile body
trend
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010292980.2A
Other languages
English (en)
Inventor
张大舜
苗立琴
王静
杜娟
王若平
乔欢
高小姣
钱冬梅
李福坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Equipment & Technology Research Institute
Original Assignee
Changchun Equipment & Technology Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changchun Equipment & Technology Research Institute filed Critical Changchun Equipment & Technology Research Institute
Priority to CN202010292980.2A priority Critical patent/CN113536512A/zh
Publication of CN113536512A publication Critical patent/CN113536512A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明是根据弹体的加工特征，提出预测分析的方法，进行上位机预测软件开发，实现弹体零件加工质量的智能预测。其步骤如下：步骤一：预测软件系统运行状态的控制以及检测数据的采集。步骤二：结合数据库完成测量数据和检测结果的存储。步骤三：针对采集的弹体零件制造过程尺寸精度、位置精度、粗糙度等质量数据为基础，采用趋势分析方法，建立预测模型，对一次移动平均数进行第二次移动平均，再以一次移动平均值和二次移动平均值为基础建立预测模型，当变化量超出预期幅度值时，需要对相关的质量参数进行分析，根据质量数据变化趋势，采取有效措施，实施预先控制。本发明在弹体质量控制中具有显著效果，减少弹体加工过程中质量问题的发生率，进而确定各质量参数变化趋势，为对现场生产工艺参数的调节提供支撑。

Description

一种弹体质量智能预测分析方法
所属技术领域
本发明涉及弹体质量智能预测的分析方法，适用于各种弹体加工质量预测评估。
背景技术
根据弹体的加工特征，利用 Windows 高级编程语言 C#进行上位机监测软件开发，实现系统运行状态的控制以及检测数据的采集和实时动态显示。同时，结合数据库完成测量数据和检测结果的存储。根据质量数据变化趋势，采取有效措施，实施预先控制。减少质量问题的发生率，进而确定各质量参数变化趋势，为对生产现场工艺参数的调节提供支撑。
发明内容
针对采集的弹体零件制造过程尺寸精度、位置精度、粗糙度等质量数据为基础，采用趋势分析方法，建立预测模型，对一次移动平均数进行第二次移动平均，再以一次移动平均值和二次移动平均值为基础建立预测模型，当变化量超出预期幅度值时，需要对相关的质量参数进行分析，根据质量数据变化趋势，采取有效措施，实施预先控制。减少质量问题的发生率，进而确定各质量参数变化趋势，为对生产现场工艺参数的调节提供支撑。
附图说明
下面结合附图对本发明进一步说明。
图1质量趋势预测分析图
图2集成算法示意图
图3预测软件主要界面
具体实施方式
采用趋势分析定量预测方法，根据已测尺寸精度、位置精度、粗糙度等数据拟合函数，使得该函数能反映各参数本身的增长趋势；按照增长趋势曲线确定参数预测值。为提高预测准确程度，可选择二次移动平均值进行预测。
不同的质量预测任务含有不一样的域特征，而对于域特征的应用不同的算法也会有不同的适用性，根据bagging算法以及boosting算法的思想，通过叠加多个强分类算法的方式进行预测。从各个模块来对Model Integrate algorithm来进行预测分析。
运用一次移动平均法求得的移动平均值，存在滞后偏差。特别是在时间序列数据呈现线性趋势时，移动平均值总是落后于观察值数据的变化。二次移动平均法，正是要纠正这一滞后偏差，建立预测目标的线性时间关系数学模型，求得预测值。二次移动平均预测法解决了预测值滞后于实际观察值的矛盾，适用于有明显趋势变动的时间序列的预测，同时它还保留了一次移动平均法的优点。二次移动平均法适用于时间序列，呈现线性趋势变化的预测。
通过预测参数值对现场加工进行指导调整。

Claims (4)

1.一种弹体质量智能预测分析方法是根据弹体的加工特征，提出预测分析的方法，进行上位机预测软件开发，实现弹体零件加工质量的智能预测。其特征在于针对弹体零件制造尺寸等质量数据为基础，采用趋势分析方法，建立预测模型，对相关的质量参数进行分析，根据质量数据变化趋势，实施预先控制。减少质量问题的发生率，进而确定各质量参数变化趋势，为对生产现场工艺参数的调节提供支撑。
2.根据权利要求1所述的建立预测模型，其特征是：针对采集的弹体零件制造过程尺寸精度、位置精度、粗糙度等质量数据为基础，采用趋势分析方法，建立预测模型。
3.根据权利要求1所述的预先控制，其特征是：对一次移动平均数进行第二次移动平均，再以一次移动平均值和二次移动平均值为基础建立预测模型，当变化量超出预期幅度值时，需要对相关的质量参数进行分析，根据质量数据变化趋势，采取有效措施，实施预先控制。
4.根据权利要求1所述的质量参数变化趋势，其特征是：根据预测质量参数对生产现场工艺参数进行调节控制，减少质量问题的发生，实现预先控制。
CN202010292980.2A 2020-04-15 2020-04-15 一种弹体质量智能预测分析方法 Pending CN113536512A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010292980.2A CN113536512A (zh) 2020-04-15 2020-04-15 一种弹体质量智能预测分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010292980.2A CN113536512A (zh) 2020-04-15 2020-04-15 一种弹体质量智能预测分析方法

Publications (1)

Publication Number Publication Date
CN113536512A true CN113536512A (zh) 2021-10-22

Family

ID=78088210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010292980.2A Pending CN113536512A (zh) 2020-04-15 2020-04-15 一种弹体质量智能预测分析方法

Country Status (1)

Country Link
CN (1) CN113536512A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114593375A (zh) * 2022-03-30 2022-06-07 常州通用自来水有限公司 基于泵房能耗的二次供水小区管道漏损监测和定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105950807A (zh) * 2016-06-02 2016-09-21 燕山大学 一种多信息融合的高炉布料过程料面形状建模方法
CN106529145A (zh) * 2016-10-27 2017-03-22 浙江工业大学 一种基于arima‑bp神经网络的桥梁监测数据预测方法
CN107991995A (zh) * 2017-12-01 2018-05-04 长春设备工艺研究所 基于工艺试验数据模型的钛合金数控铣削工艺参数优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105950807A (zh) * 2016-06-02 2016-09-21 燕山大学 一种多信息融合的高炉布料过程料面形状建模方法
CN106529145A (zh) * 2016-10-27 2017-03-22 浙江工业大学 一种基于arima‑bp神经网络的桥梁监测数据预测方法
CN107991995A (zh) * 2017-12-01 2018-05-04 长春设备工艺研究所 基于工艺试验数据模型的钛合金数控铣削工艺参数优化方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
亓四华等: "应用时间序列移动平均模型预测加工精度的研究", 《计量与测试技术》 *
刘顺国: "混合动力调车机车开发质量控制研究", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》 *
庞明超: "某型弹体几何尺寸参数测量方法研究与检测系统开发", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》 *
李丹丹等: "国外反舰导弹军贸市场占有率及未来趋势分析", 《飞航导弹》 *
王丹: "神经网络算法在旋压工艺中的应用研究", <中国优秀硕士学位论文全文数据库（工程科技Ⅰ辑）> *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114593375A (zh) * 2022-03-30 2022-06-07 常州通用自来水有限公司 基于泵房能耗的二次供水小区管道漏损监测和定位方法

Similar Documents

Publication Publication Date Title
CN107220734B (zh) 基于决策树的数控车床车削过程能耗预测系统
EP0643344B1 (en) Apparatus and method for model based process control
Merdol et al. Virtual cutting and optimization of three-axis milling processes
Ridwan et al. A framework for machining optimisation based on STEP-NC
EP0467297A2 (en) Intelligent machining system
Liu et al. Position-oriented process monitoring in milling of thin-walled parts
CN102929210A (zh) 基于特征的数控加工过程控制和优化系统及方法
Stemmler et al. Model predictive control for force control in milling
CN111650891B (zh) 具有恒力自适应控制方法的五轴精密小龙门数控加工中心
Cavone et al. MPC-based process control of deep drawing: An industry 4.0 case study in automotive
Han et al. ESPRIT-and HMM-based real-time monitoring and suppression of machining chatter in smart CNC milling system
CN113534741A (zh) 一种铣削加工薄壁件的控制方法及系统
CN117710008B (zh) 一种适用于喀斯特地区生态产品销售信息管理系统
Bergs et al. Punch-to-punch variations in stamping processes
CN106407669A (zh) 一种切削加工表面粗糙度的预测方法
CN112947122A (zh) 基于系统辨识及plc的pid优化仿真系统
CN113536512A (zh) 一种弹体质量智能预测分析方法
Rattunde et al. Safe optimization for feedrate scheduling of power-constrained milling processes by using Gaussian processes
EP3807731B1 (en) Workpiece surface quality issues detection
CN102467113B (zh) 机械装置的具有参数学习的控制器及其参数学习方法
Sun et al. In-situ prediction of machining errors of thin-walled parts: an engineering knowledge based sparse Bayesian learning approach
Brecher et al. Productivity Increase–Model-based optimisation of NC-controlled milling processes to reduce machining time and improve process quality
EP4343458A1 (en) Method for monitoring quality of an industrial process
Asiltürk et al. Intelligent adaptive control and monitoring of band sawing using a neural-fuzzy system
CN113673166B (zh) 面向加工质量预测的数字孪生模型工况自适应方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20211022