论文部分内容阅读
工程中某些复杂产品存在精密配合偶件,其装配质量影响着产品的最终性能。这类复杂产品往往装配精度要求高,装配过程参数多,难以一次装配成功,需要进行反复装调才能达到预期装配精度。如红外导引头位标器,包含许多轴孔配合,其配合间隙影响着产品的动力学性能、电性能、光学性能。目前,这类复杂产品往往采用人工或计算机辅助方式进行装调,装调效率不高。本文以这类复杂产品为研究对象,以提高其装调效率为目标,围绕关键装配参数提取、装配离群数据检测及修正等技术展开了研究。 第一章介绍了精密复杂产品数字化装调技术、数据特征选择技术、离群检测技术的国内外相关研究,分析了上述技术目前存在的不足,由此提出了本文的研究内容并分析其研究意义,最后介绍了论文结构。 第二章提出基于统计分类的装配性能敏感参数提取方法。建立了装配性能数据的核密度估计模型,并通过均值转移聚类方法对装配性能数据进行分类,在分类基础上通过带权重的L(2,1)范数稀疏学习进行特征选择,得到装配性能敏感参数,并通过实验验证该算法。 第三章提出基于单分类的装配过程离群参数提取方法。在单分类支持向量机的基础上构建了双边界单分类支持向量机,并结合Boosting算法提出了新的无监督特征选择框架,利用该框架提取装配过程离群参数。最后,通过UCI标准数据集对提出的特征选择框架进行实验分析。 第四章提出了基于离群数据修正的复杂产品装调引导方法。通过剔除装配数据中的负样本,利用装配性能敏感参数和装配过程离群参数简化装配数据,构建离群检测模型;采用单分类支持向量机决策函数的梯度对离群数据进行修正,并通过核密度估计模型优化离群修正结果;构造人工数据对该离群修正方法进行了实验验证。 第五章开发了复杂产品数字化装调引导系统,实现复杂产品的数据管理、关键参数提取、离群检测、离群修正等模块,最后将该系统应用于位标器这一复杂产品的装调中。第六章对全文进行总结,并对本文研究存在的不足进行了分析并对今后的工作进行了展望。