基于符号动力学的机电产品关键质量特性波动预控技术研究

Predictive control of key quality characteristics of complex electromechanical products manufacturing process such as high-end CNC machine tools is the core technology in the equipment manufacturing industry and quality control areas of research focus. Large gap between the foreign product quality control ability, especially for the accurate prediction of the product quality characteristics variation, technology-based diagnosis and control is particularly insufficient. On the basis of in-depth analysis of the key quality characteristics of complex electromechanical products variation characteristics, the project employs Coupling Theory, Genes Related Model and Symbolic Dynamics into quality prevention control system. The main study content is the key quality characteristic genes related model of products, symbolization forecast and controltechnology and methods. Firstly, the key quality characteristic variation regularity and the mapping relation between symptom space and problem source space are deeply studied. Secondly, utilizing the quality characteristic data and problem information symbolization method combining the control diagram, we set up quality characteristic data symptom and problem information related double chain genes pool model. Finally, employing the symbolization control chart, quality characteristic decoupling prediction and symbol sequence identification into modeling process, we build the symbolization quality characteristic variation forecast, diagnosis and control technology model integrating data prediction, mapping genes pool, variation recognition and feedback control, which provides the theory foundation and technology support of the prevention control of complex electromechanical products in our country.

对高档数控机床这类复杂机电产品制造过程的关键质量特性预测性控制，是装备制造业中的重要核心技术,也是质量控制领域研究热点之一。由于与国外产品质量控制能力的差距较大，对产品质量特性波动精确预测、技术型诊断和控制方面的研究尤显不足。本项目在全面深入分析复杂机电产品关键质量特性波动特征的基础上，将耦合理论、基因关联模型和符号动力学方法引入质量预防控制系统中，以"产品关键质量特性基因关联模型与符号化预测控制技术与方法"作为主要研究内容。首先深入研究关键质量特性"症状空间-故障源空间"的映射关系；然后利用质量特性数据与故障信息符号化方法并结合控制图，建立质量特性数据症状与故障信息关联双链基因库模型；最后将符号化控制图、质量特性解耦预测、符号序列识别方法引入建模过程，最终建立起"数据波动预测-映射基因库模型-变异识别诊断-反馈控制"一体化技术模型，为我国重大机电装备质量控制供理论基础与技术支撑。

复杂机电产品通过预测控制、异常识别诊断措施来保证产品的质量，可避免重大事故的发生，降低事故危害性，从而获得潜在的巨大经济效益和社会效益。本项目以复杂机电产品关键质量特性为研究对象，分析了符号化质量特性数据序列与故障信息序列及映射规则，将耦合理论、基因关联模型和符号动力学方法引入质量预防控制系统中，建立了质量特性数据症状与故障信息关联双链基因库模型以及预测控制的系统化模型，研究了符号化的产品质量特性波动预测方法与控制技术。项目完成了所有计划的研究内容：（1）分析质量特性影响因素，提取影响因素主元序列，对其定性评价和定量分析之后，然后归一化处理，构建了数据异常特征核的符号序列与影响因素故障特征核的符号序列。（2）分析质量特性数据与信息三维结构矩阵，然后根据时间维展开构建二维控制图结构，建立了以控制图为核心的二维映射关联关系，然后结合符号化序列，最终构建了数据与故障信息关联的符号化控制图。（3）挖掘数据序列与故障信息序列中表征异常模式的符号特征，根据符号化控制图，建立了时间尺度上的数据异常与故障信息关联映射规则。（4）设计了质量特性基因双链模型，以基因双链模型为核心结构，搭建了质量特性海量基因信息库，为预测诊断提供基础信息依据。（5）运用预测解耦技术、符号动力学原理对质量特性数据构建了符号化时间序列预测模型，以质量特性基因双链模型为基础，建立了“数据预测—控制图—变异源”的质量特性波动符号化异常识别方法与控制技术。结合数控加工中心机床的制造和加工过程，该预控技术得到初步的应用验证，并将在后续研究中继续完善。

内容获取失败，请点击重试