基于无监督学习的高精加工质量异常预测

作     者：金左雨 

作者单位：华中科技大学 

学位级别：硕士

导师姓名：刘红奇

授予年度：2018年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

主      题：高精加工 质量预测 特征分析 聚类分析 

摘      要：在高精加工过程中,多种因素如机床?切削条件?刀具几何参数?环境条件?材料性能?刀具磨损?振动等都可能会对表面质量造成较大的影响?在铝制手机壳倒角轮廓高光加工过程中,现场常出现刀纹?发雾?崩膜?漏铣?雾刀纹?拉丝?高光面尺寸异常?暗线?白线等表面质量缺陷,而现场对表面质量的监测长期依靠人工进行目检费时费力,严重影响加工效率和产品合格率?本文系统梳理了国内外对于高精加工表面质量检测的建模过程及聚类算法在故障诊断中的研究现状,结合显微镜下观察的异常质量工件微观表面,从高光加工的工艺特点以及影响加工质量的因素出发设计了加工质量异常预测分析思路,搭建了高精加工质量异常预测实验大数据采集平台?在长时间数据采集基础上,介绍了基于短时能量的数据自动截取技术,对质量缺陷敏感特征向量进行构建?从无监督学习多个热点问题如聚类评价指标,基于决策图的聚类中心选取,相似度度量以及核映射方案等讨论了质量异常预测模型的建立及参数优化过程,并对模型进行泛化性测试,与其余聚类算法展开对比,最后,总结了基于核聚类算法的质量异常预测流程,在某工厂高光加工车间开展模型现场验证,对样本质量进行预测?本文对表面质量预测模型的研究有助于降低不必要的人力物力,及时调整加工条件,从而显著提高工件的合格率,降低生产成本,并且为无监督学习在机床状态检测领域提供了新的思路。