CN117171896A - 一种汽车转向器输入轴加工优化方法及系统 - Google Patents

Abstract

本发明公开了一种汽车转向器输入轴加工优化方法及系统，属于工业加工领域，其中方法包括：执行输入轴的刚度拟合测试，根据测试结果配置刚度危险区域；生成质量约束；遍历输入轴的加工工艺，生成关联工艺集；对关联工艺集进行工艺的结果寻优，根据寻优结果筛选建立预选寻优集；读取加工控制数据，进行加工稳态分析，建立故障与关键影响因素的关联映射；对预选寻优集进行成本控制评价，生成第一优化约束；以关联映射对预选寻优集进行关联评价，生成第二优化约束；对预选寻优集筛选，执行输入轴的加工优化控制。本申请解决了现有技术中汽车转向器输入轴加工不精准、不高效的技术问题，达到了汽车转向器输入轴精准高效加工的技术效果。

Description

一种汽车转向器输入轴加工优化方法及系统

技术领域

本发明涉及工业加工领域，具体涉及一种汽车转向器输入轴加工优化方法及系统。

背景技术

随着汽车行业的快速发展，对汽车转向系统的性能要求日益提高。汽车转向器作为转向器系统的关键零部件，其加工质量对转向系统的性能有着决定性的作用。但是，现有的汽车转向器输入轴在加工上具有精度低、效率不够等问题，很难适应汽车转向系统精密化的发展需求。

发明内容

本申请通过提供了一种汽车转向器输入轴加工优化方法及系统，旨在解决现有技术中汽车转向器输入轴加工不精准、不高效的技术问题。

鉴于上述问题，本申请提供了一种汽车转向器输入轴加工优化方法及系统。

本申请公开的第一个方面，提供了一种汽车转向器输入轴加工优化方法，该方法包括：建立输入轴的数字孪生模型，执行输入轴的刚度拟合测试，根据测试结果配置刚度危险区域，其中，数字孪生模型通过读取输入轴的设计数据构建；读取输入轴的工作场景，并提取工作场景特征，依据工作场景特征和刚度危险区域生成质量约束；遍历输入轴的加工工艺，并将加工工艺进行质量约束的关联评价，生成关联工艺集；以质量约束作为寻优目标，对关联工艺集进行工艺的结果寻优，根据寻优结果筛选建立预选寻优集；读取输入轴的加工控制数据，以加工控制数据进行加工稳态分析，建立故障与关键影响因素的关联映射；对预选寻优集进行成本控制评价，生成第一优化约束；以关联映射对预选寻优集进行关联评价，生成第二优化约束；基于第一优化约束和第二优化约束对预选寻优集筛选，根据筛选结果和关联映射执行输入轴的加工优化控制。

本申请公开的另一个方面，提供了一种汽车转向器输入轴加工优化系统，该系统包括：刚度危险区域单元，用于建立输入轴的数字孪生模型，执行输入轴的刚度拟合测试，根据测试结果配置刚度危险区域，其中，数字孪生模型通过读取输入轴的设计数据构建；质量约束生成单元，用于读取输入轴的工作场景，并提取工作场景特征，依据工作场景特征和刚度危险区域生成质量约束；约束关联评价单元，用于遍历输入轴的加工工艺，并将加工工艺进行质量约束的关联评价，生成关联工艺集；工艺结果寻优单元，用于以质量约束作为寻优目标，对关联工艺集进行工艺的结果寻优，根据寻优结果筛选建立预选寻优集；加工稳态分析单元，用于读取输入轴的加工控制数据，以加工控制数据进行加工稳态分析，建立故障与关键影响因素的关联映射；第一优化约束单元，用于对预选寻优集进行成本控制评价，生成第一优化约束；第二优化约束单元，用于以关联映射对预选寻优集进行关联评价，生成第二优化约束；加工优化控制单元，用于基于第一优化约束和第二优化约束对预选寻优集筛选，根据筛选结果和关联映射执行输入轴的加工优化控制。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了建立输入轴数字孪生模型进行刚度测试并配置刚度危险区域；提取工作场景特征并结合刚度危险区域生成质量约束；遍历工艺过程进行关联评价以获得关联工艺集；对关联工艺集进行约束目标寻优获得预选寻优集；读取加工控制数据进行加工稳态分析建立故障与关键影响因素的关联映射；依据成本控制评价和关键映射对预选寻优集的关联评价对预选寻优集进行约束筛选，实现输入轴精准高效加工的技术方案，解决了现有技术中汽车转向器输入轴加工不精准、不高效的技术问题，达到了汽车转向器输入轴精准高效加工的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种汽车转向器输入轴加工优化方法的一种流程示意图；

图2为本申请实施例提供了一种汽车转向器输入轴加工优化方法中构建工作场景特征的一种流程示意图；

图3为本申请实施例提供了一种汽车转向器输入轴加工优化系统的一种结构示意图。

附图标记说明：刚度危险区域单元11，质量约束生成单元12，约束关联评价单元13，工艺结果寻优单元14，加工稳态分析单元15，第一优化约束单元16，第二优化约束单元17，加工优化控制单元18。

具体实施方式

本申请提供的技术方案总体思路如下：

本申请实施例提供了一种汽车转向器输入轴加工优化方法及系统。首先，建立输入轴数字孪生模型，通过刚度拟合测试配置刚度危险区域。然后，提取输入轴工作场景特征，并结合已确定的刚度危险区域，形成符合实际使用需求的质量约束。接着，对输入轴所有可能的加工工艺方案进行遍历，并依据建立的质量约束进行关联评价，筛选出质量效果良好的关联工艺集。进一步，以质量约束为目标，对关联工艺集进行寻优，获得预选寻优集。同时，对加工过程中的控制参数和故障信息进行分析，确定故障与关键影响因素之间的关联映射。接下来，从成本控制和关联评价两个方面对预选方案集进行约束筛选。最后，对预选寻优集筛选，根据筛选结果和关联映射对输入轴加工过程实施精确控制，实现输入轴的整体精准高效加工。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种汽车转向器输入轴加工优化方法，该方法包括：

建立输入轴的数字孪生模型，执行输入轴的刚度拟合测试，根据测试结果配置刚度危险区域，其中，所述数字孪生模型通过读取输入轴的设计数据构建；

在本申请实施例中，输入轴的数字孪生模型是基于输入轴的设计数据所建立的虚拟模型，能够模拟产品的各种物理特性和运行状态。其中，输入轴的设计数据包括输入轴的平面设计图、材料参数等数据。刚度拟合测试是指在数字孪生模型上施加不同的负载，测试输入轴在不同负载下的刚度变化情况。刚度危险区域是输入轴在承受负载时刚度降低超过安全范围的区域。

首先，根据输入轴的平面设计图及材料参数等设计数据，建立输入轴的数字孪生模型。然后，在该数字孪生模型上施加不同的扭转、弯曲等负载，测试输入轴在不同负载下的刚度变化情况。根据刚度拟合测试的结果，确定刚度降低超过安全范围的刚度危险区域，以作为后续分析的基础。

读取所述输入轴的工作场景，并提取工作场景特征，依据所述工作场景特征和所述刚度危险区域生成质量约束；

进一步的，如图2所示，本申请实施例还包括：

建立N组比对样本，并在比对样本布设微型融合传感器，通过所述微型融合传感器执行N组比对样本的环境数据监测；

将环境数据监测结果作为工作场景的数据，并重新执行数据划分，建立常态化场景、负载化场景和极限值场景，其中，所述常态化场景、所述负载化场景和极限值场景均有与其映射标识的场景值；

依据所述常态化场景、所述负载化场景和极限值场景构建所述工作场景特征。

在一种可行的实施方式中，首先，建立N组与实际输入轴相似的比对样本，该比对样本是与实际输入轴结构和尺寸相似的样件；在比对样本的关键部位布设微型融合传感器，微型融合传感器是集成了温度、压力、震动等多种微小传感器的数据采集模块，体积小且可以灵活布置；这些传感器便于在样件不同位置进行布置，并不影响样件的工作特性。通过微型融合传感器，检测比对样本在模拟工作过程中不同部位的温度、压力、震动等参数，获得N组比对样本的环境数据监测结果。

其次，将比对样本的环境监测数据作为输入轴的实际工作场景数据，利用聚类分析对这些工作场景数据进行重新划分，形成三类代表性工作场景：常态化场景、负载化场景和极限值场景。每个提取出的工作场景都配置一个唯一的场景值，建立场景值与场景的映射关系，为后续根据不同工作场景建立质量约束提供基础。其中，常态化场景是输入轴在正常工况下的工作场景；负载化场景输入轴承受较大负载的工作场景，负载明显高于正常水平；极限值场景是输入轴处于最大允许负载的工作场景，接近强度极限状态。

然后，根据提取的常态化场景、负载化场景和极限值场景，分析各场景下输入轴的具体工况，例如最大负载大小、温度升高值等。综合每个场景的特征参数，构建输入轴的工作场景特征，用于描述输入轴在不同工况下的工作状态，为后续根据工作场景特征提出质量约束条件提供基础。

接着，基于输入轴的工作场景特征和刚度危险区域，分析输入轴在不同工作场景下对刚度的实际需求。例如在极限值场景下，输入轴的最大负载和温升值都很高，这会对刚度危险区域提出较高刚度要求。通过对比不同工作场景的特征和刚度危险区域分布，确定输入轴在各种工况下需要满足的刚度和强度相关的额外约束条件，即生成质量约束，包括对输入轴局部和整体的质量约束。

遍历所述输入轴的加工工艺，并将所述加工工艺进行所述质量约束的关联评价，生成关联工艺集；

在本申请实施例中，加工工艺是历史的完成输入轴制造的各个工艺流程、工艺参数等信息。质量约束的关联评价是判断现有加工工艺是否能满足生成的质量约束。关联工艺集是从现有的工艺流程中筛选出能够满足质量约束的历史加工工艺。

首先，遍历提取输入轴的各种历史加工工艺，包括不同工序的工艺流程、工艺参数的组合。然后，针对每个历史加工工艺，判断其加工出的产品是否能够满足生成的质量约束，即执行质量约束的关联评价。最后，将评价通过的历史加工工艺汇总，构建为关联工艺集，为后续寻找提供目标选择集。

以所述质量约束作为寻优目标，对所述关联工艺集进行工艺的结果寻优，根据寻优结果筛选建立预选寻优集；

在本申请实施例中，工艺的结果寻优是指在满足质量约束的前提下，优化和选择最佳的工艺参数组合。预选寻优集是经过结果寻优筛选出的较优工艺参数组合集合。

具体的，以前述生成的质量约束作为寻优目标，即在满足这些约束条件下寻找最优解。然后在关联工艺集中，利用多目标优化算法对各工艺参数组合进行优化筛选，如增加某工艺工序的执行时间、对工艺工序进行换位等，从而更满足质量约束的加工工艺。最后以优化结果生成预选寻优集，该集合包含了在满足质量约束条件下效果较佳的工艺参数组合。

通过与质量约束关联的寻优筛选，优选出既能满足产品质量要求，又具有良好综合效果的加工工艺，为后续确定最优加工工艺提供基础。

读取输入轴的加工控制数据，以所述加工控制数据进行加工稳态分析，建立故障与关键影响因素的关联映射；

进一步的，本申请实施例还包括：

解析所述加工控制数据，建立历史控制信息、历史故障集；

对所述历史故障集和所述历史控制信息关联，并执行溯源分析，获得与所述历史故障集具有关联的影响因素集；

配置基础关键特征数量约束，并生成特征的冲破约束比例；

对所述影响因素集进行影响值顺序排序，以所述关键特征数量约束进行顺序排序结果筛选；

依据排序筛选结果和所述冲破约束比例重构候补筛选约束；

通过重构后的所述候补筛选约束执行继续筛选，根据继续筛选结果和排序筛选结果完成故障与关键影响因素的映射建立。

进一步的，本申请实施例还包括：

通过公式进行候补筛选约束重构，公式如下：

；

其中，i代表第i个故障，为第i个故障的候补筛选约束，n为基础关键特征数量约束，/>为第i个故障的第j关键特征值，/>为第i个故障的关键特征平均值，/>冲破约束比例。

进一步的，本申请实施例还包括：

通过重构后的所述候补筛选约束执行所述顺序排序结果中未选中的第一顺位筛选，通过重构后的候补筛选约束对所述第一顺位判别；

若判别结果为通过结果，则通过所述通过结果对所述候补筛选约束更新，并继续执行下一顺位判别迭代；

当任意判别结果为未通过结果，则继续筛选终止，获得所述继续筛选结果。

在一种优选的实施方式中，首先，读取历史输入轴加工过程中收集的大量加工控制数据，对这些加工控制数据进行解析和处理，提取其中的历史控制信息和历史故障集。其中，历史控制信息是输入轴加工过程的控制数据集合；历史故障集是加工出的具有故障的输入轴对应的故障集合。其次，遍历历史故障集，从中选取一种输入轴的故障，在历史控制信息中查找对应的历史控制信息，实现历史故障集和历史控制信息的关联。然后，对于历史故障集中的每一个故障案例，分析它对应的历史控制信息，通过溯源判断导致该故障的影响因素，例如退火时间过长、精加工精度不足等，并确定各影响因素对故障的影响值，对所有的影响因素进行总结，得到历史故障集具有关联的影响因素集。

同时，配置基础关键特征数量约束，用于筛选影响因素集，得到产生故障的关键影响因素，例如数量约束为3，即从影响因素集中确定3个产生故障的关键影响因素。同时，确定特征的冲破约束比例，即允许关键影响因素超过基础关键特征数量约束的影响因素的影响程度。

随后，对影响因素集中各影响因素按照对故障的影响值进行顺序排序，按照配置的基础关键特征数量约束对排序后的影响因素按照从大到小进行筛选，获取排序筛选结果，该排序筛选结果中的影响因素数量为基础关键特征数量。接着，按照排序筛选结果中影响因素的影响程度动态设定冲破约束比例，重构候选筛选约束。例如，影响因素集中包含7个影响因素，其中各影响因素按影响值排序后分别为35%、33%、32%、15%、11%、3%、1%，此时，根据基础关键特征数量约束确定35%、33%、32%对应的影响因素为排序筛选结果，假如设置冲破约束比例为10%，则15%对应的影响因素可以纳入排序筛选结果中。此时，35%、33%、32%、15%对应的影响因素即为候补筛选约束。

接着，通过重构后的候补筛选约束继续判断顺序排序结果中未选中的第一顺位筛选，如上例中的35%、33%、32%、15%、11%、3%、1%。其中第一顺位即为11%。然后，对第一顺位继续判断，判断其影响值是否大于或等于冲破约束比例，得到判别结果。如果判别结果为通过结果，则以通过结果对候补筛选约束更新，并继续执行下一顺位判别迭代，例如，11%大于10%，则该第一顺位的判别结果为通过结果，将11%纳入候补筛选约束中，则候补筛选约束为35%、33%、32%、15%、11%，再继续判断下一顺位3%的判别结果是否为通过结果。如果为纳入候补筛选约束中的顺序排序结果中的任意判断结果为未通过结果，则继续筛选终止，获得继续筛选结果，例如除了35%、33%、32%、15%、11%，剩余的3%、1%的判别结果均为未通过结果，则对继续筛选进行终止，得到继续筛选结果为35%、33%、32%、15%、11%。

优选的，在进行候补筛选约束重构过程中，通过如下公式实现候补筛选约束重构过程：；其中，i代表第i个故障，/>为第i个故障的候补筛选约束，n为基础关键特征数量约束，/>为第i个故障的第j关键特征值，/>为第i个故障的关键特征平均值，/>冲破约束比例。该公式中是为了动态生成每个故障的候补筛选约束/>，以提高筛选灵活性。公式主要包含两个部分：/>表示该故障各特征值的平均水平作为基础筛选约束；/>这一项通过计算各个特征值与该故障特征的平均值之间的差值的均值，并结合预设的冲破约束比例σ，使筛选约束灵活超过平均水平；综合这两项，使筛选约束动态调整，既保证特征数量，又增加灵活性。

最后，将获取的继续筛选结果作为形成对应故障的关键影响因素与该故障建立映射关系，实现故障与关键影响因素的关联映射。

对所述预选寻优集进行成本控制评价，生成第一优化约束；

在本申请实施例中，成本控制评价是评估每个工艺参数组合对应的加工成本水平。第一优化约束基于成本评价生成的成本控制优化目标约束。

首先，对预选寻优集中的各工艺参数组合，进行加工成本分析，评估每个组合所需要的设备、工时、材料等对应的成本水平。然后，根据成本评价结果，生成第一优化约束即在满足产品质量的条件下，成本控制在可接受水平的约束条件。该约束将与后续生成的第二优化约束共同用于最后确定最优工艺方案。

通过引入成本因素的约束筛选，能够在保证产品质量的前提下，选择成本效益最优的加工工艺。

以所述关联映射对所述预选寻优集进行关联评价，生成第二优化约束；

在本申请实施例中，第二优化约束是根据关联评价结果生成的降低故障风险的优化目标约束。

具体的，依据得到的故障与关键影响因素的关联映射，对预选寻优集中的各候选工艺方案进行评估。判断每个工艺方案对应的关键影响因素组合，可能导致的故障风险水平。根据各方案的故障风险优劣生成第二优化约束，即降低过程故障发生风险的约束条件。该约束与第一约束共同用于最后确定最优工艺。

通过引入故障风险约束，以获得稳定性好、质量可靠的最终优选工艺参数组合。

基于所述第一优化约束和所述第二优化约束对所述预选寻优集筛选，根据筛选结果和所述关联映射执行输入轴的加工优化控制。

在本申请实施例中，得到第一优化约束和第二优化约束后，依据确定的第一优化约束和第二优化约束，在预选寻优集中进行筛选，获得同时满足成本效益与故障风险的优选工艺参数组合。然后根据筛选结果中工艺方案对应的关键影响因素，按照预建立的关联映射关系，确定每个影响因素的过程控制参数，进行优化调整。最终得到综合考虑成本、质量与稳定性的输入轴最优加工方案和控制参数组合，以此对输入轴进行加工优化控制。

进一步的，本申请实施例还包括：

建立新增工艺的引入关联系数，其中，所述引入关联系数为与新增数量映射的递增系数；

构建工艺数据库，所述工艺数据库为当前工厂的处理工艺集合库，以所述设计数据作为输入轴的基态数据，以所述质量约束作为新增质量控制需求，对所述工艺数据库执行新增工艺匹配；

根据新增工艺匹配结果调用所述引入关联系数，建立附加寻优集；

将所述附加寻优集添加至所述预选寻优集。

在一种优选的实施方式中，根据对汽车转向器输入轴的加工优化，建立可以新增的工艺工序，对每个可引入优化的新增工艺建立对应的引入关联系数。其中，新增工艺的引入越多，引入关联系数也越大。建立该引入关联系数，可以控制新增工艺引入的数量，避免对原有工艺集合造成冲击和成本的大量增加。然后，收集现有的所有输入轴加工工艺参数组合，构建为工艺数据库，接着，以输入轴的设计数据作为基态数据，即输入轴的三维模型、材料参数等产品设计基础数据，以生成的质量约束为对新增工艺的质量控制需求，对工艺数据库进行新增工艺匹配，即对当前工艺中进行新增工艺的增加，组建为新的工艺参数组合即新增工艺匹配结果。

随后，根据新增工艺匹配结果，即满足设计要求和质量约束的新的工艺参数组合，基于预先建立的引入关联系数，调用该新增工艺匹配结果中新增工艺对应的引入关联系数，从中筛选出引入关联系数较小的新增工艺匹配结果，构建为附加寻优集。最后，将该附加寻优集加入预选寻优集中，以提供更丰富的优化空间。

进一步的，本申请实施例还包括：

根据所述关联映射执行关键影响因素的因素控制评价，并生成控制响应策略；

以所述控制响应策略进行加工过程的周期检测，根据周期检测结果进行加工优化控制。

在一种优选的实施方式中，建立的关联映射，已确定了导致不同故障的关键影响因素。基于此，对每个关键影响因素进行控制生产的评估分析，确定检测与控制这些影响因素的优化策略，即生成控制响应策略，为后续根据检测结果进行工艺优化控制提供依据。

然后，在实际加工过程中，定期采集各关键影响因素的数据，进行周期检测。根据生成的控制响应策略，当检测结果显示某一影响因素偏离正常范围时，按照其对应的控制方案进行工艺参数调整，以优化和稳定加工过程。

通过闭环反馈和控制，实现对加工过程的持续监测与动态优化，降低故障发生风险。

综上所述，本申请实施例所提供的一种汽车转向器输入轴加工优化方法具有如下技术效果：

建立输入轴的数字孪生模型，执行输入轴的刚度拟合测试，根据测试结果配置刚度危险区域，为生成质量约束提供数据基础。读取输入轴的工作场景，并提取工作场景特征，依据工作场景特征和刚度危险区域生成质量约束，实现对寻优目标的确定。遍历输入轴的加工工艺，并将加工工艺进行质量约束的关联评价，生成关联工艺集，实现对寻优空间的优化。以质量约束作为寻优目标，对关联工艺集进行工艺的结果寻优，根据寻优结果筛选建立预选寻优集，减小优化结果的偏差。读取输入轴的加工控制数据，以加工控制数据进行加工稳态分析，建立故障与关键影响因素的关联映射；对预选寻优集进行成本控制评价，生成第一优化约束，以此考虑成本控制因素。以关联映射对预选寻优集进行关联评价，生成第二优化约束，以此考虑关联性因素。基于第一优化约束和第二优化约束对预选寻优集筛选，根据筛选结果和关联映射执行输入轴的加工优化控制，实现输入轴加工的精准高效化。

实施例二

基于与前述实施例中一种汽车转向器输入轴加工优化方法相同的发明构思，如图3所示，本申请实施例提供了一种汽车转向器输入轴加工优化系统，该系统包括：

刚度危险区域单元11，用于建立输入轴的数字孪生模型，执行输入轴的刚度拟合测试，根据测试结果配置刚度危险区域，其中，所述数字孪生模型通过读取输入轴的设计数据构建；

质量约束生成单元12，用于读取所述输入轴的工作场景，并提取工作场景特征，依据所述工作场景特征和所述刚度危险区域生成质量约束；

约束关联评价单元13，用于遍历所述输入轴的加工工艺，并将所述加工工艺进行所述质量约束的关联评价，生成关联工艺集；

工艺结果寻优单元14，用于以所述质量约束作为寻优目标，对所述关联工艺集进行工艺的结果寻优，根据寻优结果筛选建立预选寻优集；

加工稳态分析单元15，用于读取输入轴的加工控制数据，以所述加工控制数据进行加工稳态分析，建立故障与关键影响因素的关联映射；

第一优化约束单元16，用于对所述预选寻优集进行成本控制评价，生成第一优化约束；

第二优化约束单元17，用于以所述关联映射对所述预选寻优集进行关联评价，生成第二优化约束；

加工优化控制单元18，用于基于所述第一优化约束和所述第二优化约束对所述预选寻优集筛选，根据筛选结果和所述关联映射执行输入轴的加工优化控制。

进一步的，质量约束生成单元12包括以下执行步骤：

建立N组比对样本，并在比对样本布设微型融合传感器，通过所述微型融合传感器执行N组比对样本的环境数据监测；

将环境数据监测结果作为工作场景的数据，并重新执行数据划分，建立常态化场景、负载化场景和极限值场景，其中，所述常态化场景、所述负载化场景和极限值场景均有与其映射标识的场景值；

依据所述常态化场景、所述负载化场景和极限值场景构建所述工作场景特征。

进一步的，本申请实施例还包括附加寻优集单元，该单元包括以下执行步骤：

建立新增工艺的引入关联系数，其中，所述引入关联系数为与新增数量映射的递增系数；

构建工艺数据库，所述工艺数据库为当前工厂的处理工艺集合库，以所述设计数据作为输入轴的基态数据，以所述质量约束作为新增质量控制需求，对所述工艺数据库执行新增工艺匹配；

根据新增工艺匹配结果调用所述引入关联系数，建立附加寻优集；

将所述附加寻优集添加至所述预选寻优集。

进一步的，本申请实施例还包括候补筛选约束重构单元，该单元包括以下执行步骤：

解析所述加工控制数据，建立历史控制信息、历史故障集；

对所述历史故障集和所述历史控制信息关联，并执行溯源分析，获得与所述历史故障集具有关联的影响因素集；

配置基础关键特征数量约束，并生成特征的冲破约束比例；

对所述影响因素集进行影响值顺序排序，以所述关键特征数量约束进行顺序排序结果筛选；

依据排序筛选结果和所述冲破约束比例重构候补筛选约束；

通过重构后的所述候补筛选约束执行继续筛选，根据继续筛选结果和排序筛选结果完成故障与关键影响因素的映射建立。

进一步的，候补筛选约束重构单元还包括以下执行步骤：

通过公式进行候补筛选约束重构，公式如下：

；

其中，i代表第i个故障，为第i个故障的候补筛选约束，n为基础关键特征数量约束，/>为第i个故障的第j关键特征值，/>为第i个故障的关键特征平均值，/>冲破约束比例。

进一步的，候补筛选约束重构单元还包括以下执行步骤：

通过重构后的所述候补筛选约束执行所述顺序排序结果中未选中的第一顺位筛选，通过重构后的候补筛选约束对所述第一顺位判别；

若判别结果为通过结果，则通过所述通过结果对所述候补筛选约束更新，并继续执行下一顺位判别迭代；

当任意判别结果为未通过结果，则继续筛选终止，获得所述继续筛选结果。

进一步的，本申请实施例还包括因素控制评价单元，该单元包括以下执行步骤：

根据所述关联映射执行关键影响因素的因素控制评价，并生成控制响应策略；

以所述控制响应策略进行加工过程的周期检测，根据周期检测结果进行加工优化控制。

综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。

进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种汽车转向器输入轴加工优化方法，其特征在于，所述方法包括：

建立输入轴的数字孪生模型，执行输入轴的刚度拟合测试，根据测试结果配置刚度危险区域，其中，所述数字孪生模型通过读取输入轴的设计数据构建；

读取所述输入轴的工作场景，并提取工作场景特征，依据所述工作场景特征和所述刚度危险区域生成质量约束；

遍历所述输入轴的加工工艺，并将所述加工工艺进行所述质量约束的关联评价，生成关联工艺集；

以所述质量约束作为寻优目标，对所述关联工艺集进行工艺的结果寻优，根据寻优结果筛选建立预选寻优集；

读取输入轴的加工控制数据，以所述加工控制数据进行加工稳态分析，建立故障与关键影响因素的关联映射；

对所述预选寻优集进行成本控制评价，生成第一优化约束；

以所述关联映射对所述预选寻优集进行关联评价，生成第二优化约束；

基于所述第一优化约束和所述第二优化约束对所述预选寻优集筛选，根据筛选结果和所述关联映射执行输入轴的加工优化控制。

2.如权利要求1所述的方法，其特征在于，所述读取所述输入轴的工作场景，并提取工作场景特征，还包括：

建立N组比对样本，并在比对样本布设微型融合传感器，通过所述微型融合传感器执行N组比对样本的环境数据监测；

将环境数据监测结果作为工作场景的数据，并重新执行数据划分，建立常态化场景、负载化场景和极限值场景，其中，所述常态化场景、所述负载化场景和极限值场景均有与其映射标识的场景值；

依据所述常态化场景、所述负载化场景和极限值场景构建所述工作场景特征。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

建立新增工艺的引入关联系数，其中，所述引入关联系数为与新增数量映射的递增系数；

构建工艺数据库，所述工艺数据库为当前工厂的处理工艺集合库，以所述设计数据作为输入轴的基态数据，以所述质量约束作为新增质量控制需求，对所述工艺数据库执行新增工艺匹配；

根据新增工艺匹配结果调用所述引入关联系数，建立附加寻优集；

将所述附加寻优集添加至所述预选寻优集。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

解析所述加工控制数据，建立历史控制信息、历史故障集；

对所述历史故障集和所述历史控制信息关联，并执行溯源分析，获得与所述历史故障集具有关联的影响因素集；

配置基础关键特征数量约束，并生成特征的冲破约束比例；

对所述影响因素集进行影响值顺序排序，以所述关键特征数量约束进行顺序排序结果筛选；

依据排序筛选结果和所述冲破约束比例重构候补筛选约束；

通过重构后的所述候补筛选约束执行继续筛选，根据继续筛选结果和排序筛选结果完成故障与关键影响因素的映射建立。

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

通过公式进行候补筛选约束重构，公式如下：

；

其中，i代表第i个故障，为第i个故障的候补筛选约束，n为基础关键特征数量约束，为第i个故障的第j关键特征值，/>为第i个故障的关键特征平均值，/>冲破约束比例。

6.如权利要求4所述的方法，其特征在于，所述方法还包括：

通过重构后的所述候补筛选约束执行所述顺序排序结果中未选中的第一顺位筛选，通过重构后的候补筛选约束对所述第一顺位判别；

若判别结果为通过结果，则通过所述通过结果对所述候补筛选约束更新，并继续执行下一顺位判别迭代；

当任意判别结果为未通过结果，则继续筛选终止，获得所述继续筛选结果。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述关联映射执行关键影响因素的因素控制评价，并生成控制响应策略；

以所述控制响应策略进行加工过程的周期检测，根据周期检测结果进行加工优化控制。

8.一种汽车转向器输入轴加工优化系统，其特征在于，用于实施权利要求1-7任意一项所述的一种汽车转向器输入轴加工优化方法，所述系统包括：

刚度危险区域单元，所述刚度危险区域单元用于建立输入轴的数字孪生模型，执行输入轴的刚度拟合测试，根据测试结果配置刚度危险区域，其中，所述数字孪生模型通过读取输入轴的设计数据构建；

质量约束生成单元，所述质量约束生成单元用于读取所述输入轴的工作场景，并提取工作场景特征，依据所述工作场景特征和所述刚度危险区域生成质量约束；

约束关联评价单元，所述约束关联评价单元用于遍历所述输入轴的加工工艺，并将所述加工工艺进行所述质量约束的关联评价，生成关联工艺集；

工艺结果寻优单元，所述工艺结果寻优单元用于以所述质量约束作为寻优目标，对所述关联工艺集进行工艺的结果寻优，根据寻优结果筛选建立预选寻优集；

加工稳态分析单元，所述加工稳态分析单元用于读取输入轴的加工控制数据，以所述加工控制数据进行加工稳态分析，建立故障与关键影响因素的关联映射；

第一优化约束单元，所述第一优化约束单元用于对所述预选寻优集进行成本控制评价，生成第一优化约束；

第二优化约束单元，所述第二优化约束单元用于以所述关联映射对所述预选寻优集进行关联评价，生成第二优化约束；

加工优化控制单元，所述加工优化控制单元用于基于所述第一优化约束和所述第二优化约束对所述预选寻优集筛选，根据筛选结果和所述关联映射执行输入轴的加工优化控制。