《数据驱动的零件加工过程精度自愈理论与方法》从零件加工精度控制技术的发展趋势与存在问题出发，以数据驱动为手段，系统阐述了零件加工过程精度自愈理论与方法。《数据驱动的零件加工过程精度自愈理论与方法》共6章，*先，详细介绍了零件加工精度预测、诊断、自愈技术的现状，并指出了批量化零件加工精度控制面临的挑战。然后，针对这些挑战，对零件加工精度预测、零件加工误差成因诊断、零件加工精度自愈方法进行了系统地研究。针对不同的加工误差来源，提出了数控装备稳健自愈与加工工序精度自愈两种方法。*后，开发了精度自愈系统，并以精密齿轮与航发叶片为案例，展示了精度自愈理论与方法的应用验证，全方位地呈现了数据驱动的零件加工过程精度自愈理论与方法。

第1章绪论
　　1.1零件批量化精密加工精度自愈概述
　　随着物联网、大数据等新型互联网技术的发展，我国制造业正在朝着智能化、网络化发展，推动着我国制造业由劳动密集的低端制造向技术密集的高端制造转型升级。《中国制造2025》中提出推动新一代信息技术与制造技术融合发展，把智能制造作为“两化”深度融合的主攻方向。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》(简称“十四五”规划)提出深入实施智能制造和绿色制造工程，发展服务型制造新模式，推动制造业高端化智能化绿色化。《“十四五”智能制造发展规划》提出推进智能制造，要立足制造本质，紧扣智能特征，以工艺、装备为核心，以数据为基础，依托制造单元、车间、工厂、供应链等载体，构建虚实融合、知识驱动、动态优化、安全高效、绿色低碳的智能制造系统，推动制造业实现数字化转型、网络化协同、智能化变革。
　　经过多项国家政策的推动，我国制造业智能化取得了巨大的进展，智能工厂、数字化车间等如雨后春笋般出现。据统计，2020年，我国智能工厂市场规模达到8560亿元，未来将会以10%以上的年增速快速增长[1]。高精度同样是制造业追求的目标，但是目前的智能工厂与数字化车间中，批量化零件加工产线的智能化与高精度的有机结合还不足，其产生的大量数据未能有效地用于提高零件加工精度。复杂零件加工精度是衡量一个国家制造业水平的重要标志之一，我国制造业向高端化转型，对零件加工精度提出了越来越高的要求。“十四五”规划明确提出加快补齐基础零部件等瓶颈短板，加大重要产品与关键核心技术的攻关力度，加快工程化、产业化突破。但是，目前我国复杂零件的加工质量与可靠性还远低于西方发达国家水平。提高批量化复杂零件加工精度，对提升国防、民用产品的工作性能，提高我国在高端制造领域的自主化率具有重要意义。
　　复杂零件由于几何结构和工艺流程复杂，其批量化加工过程中，误差来源多且耦合关系复杂，致使误差模型构建困难、稳健性差，导致零件精度主动控制困难、加工质量不稳定、一次性合格率偏低，造成巨大经济损失。复杂零件按照其*面能否在某一轨迹下包络出自身，分为以齿轮螺旋*面为代表的自包络*面和以叶片自由*面为代表的非自包络*面，二者涵盖了复杂*面零件的主要特征。精密齿轮等大批量生产的复杂零件加工节奏较快，发现零件精度出现问题时，可能同一批零件都会出现精度问题，导致巨大经济损失；航空叶片、整体式叶轮等复杂零件，单个零件加工时间较长且毛坯价格昂贵，特别是大型叶片，其毛坯价格高达几十万元，如果出现加工精度问题，同样会导致巨大经济损失。此外，频繁地对零件加工进行检测与调整降低了生产效率。
　　批量化零件加工产线产生的大数据为基于数据驱动方法指导零件加工精度控制提供了基础。为此，针对上述问题，本书基于数据驱动方法，立足批量化零件加工产线，运用批量化零件加工产线大数据，提出“精度预测—误差诊断—精度自愈”的全闭环思路。
　　精度预测是零件精度控制的前提，然而现有零件加工精度预测模型多是由单次或几次测试的数据建立，测试工况与实际工况相差较大，考虑的误差源种类较少，未考虑误差源相互耦合对精度的影响，导致模型精度与鲁棒性不高，实用性不强。针对上述难题，提出融合多工艺参数作用机理与机器学习的制造产线加工精度预测模型，发挥机理模型物理意义明确的优势，准确界定制造产线加工精度影响因素集及宏观规律；在制造产线多工艺参数耦合机理研究基础上，采用机器学习方法，建立多工序加工工艺参数、装备状态参数与零件加工精度间的相互关系，阐明制造产线零件加工精度的演变规律；在获取演变规律基础上构建加工精度预测模型，并对敏感参数进行优化，阐释以装备状态参数、工序工艺参数驱动零件加工精度的作用机制；构建面向加工精度预测的数字孪生模型，为混合驱动的加工精度预测模型提供输入，实现加工精度的在线预测，解决零件加工精度事先预测的技术难题。
　　误差诊断为加工过程零件精度稳健控制提供依据。但在批量化零件加工过程中，影响加工精度的误差源因素众多，传统的机理模型无法对误差源进行准确追溯。通过研究不同加工装备、工序工艺参数与零件误差的耦合机理，提出分层递阶动态解耦方法，将局部耦合问题从整个系统中分离出来，构建基于应用子空间分解法的多维度动态解耦模型。运用感知/信息集成/多源分类的信息融合及特征提取技术，获取加工过程特征参数大数据集，结合大数据理论，构造基于历史数据演变的耦合系统状态转移矩阵，给出加工参数与零件精度关联判断矩阵，以耦合系统特性状态矩阵*小特征值为目标，提出基于加工机理和大数据结合的零件误差信息反演方法。揭示批量化零件加工参数与误差数据量化统计关系，确定各动态特性及权重分配函数，构造综合动态误差与多源误差项的隶属度函数，建立大数据自学习与内嵌机理函数结合的误差在线溯源模型，实现批量化零件加工误差成因追溯，为加工误差成因在线诊断提供理论支撑。
　　精度自愈是保持零件加工精度稳定性和可靠性的主要方法，主要分为装备精度自愈与工序精度自愈。
　　对于装备精度自愈，现有的模型算法没有考虑算法选择与机床动态特性之间的稳健性关系，难以提升数控装备精度自愈的稳健性，使得数控装备精度自愈技术在工程应用中受到极大限制，迫切需要研究强稳健性的数控装备精度自愈新理论和新方法。为此，本书研究影响数控装备精度的各因素，采用相关性等数据处理方法确定关键动态误差影响因素，针对性地设计与实施单、多因素分析实验，分析各因素影响权重及耦合关系，提出稳健性精度建模的多因素耦合分析技术和稳健性模型自变量科学选择方法。在此基础上，结合批量化制造产线数控装备精度退化规律和模型算法自身属性，分析数学算法的特性与精度退化机理的契合度，提出基于数据驱动的数控装备误差补偿模型自调整方法，设计合理的实验方案，凸显误差影响源；采用敏感点选择算法，结合抗干扰共线性算法对所建模型进行算法选择和优化，建立稳健性预测模型，形成数控装备精度稳健自愈控制方案。
　　对于工序精度自愈，目前工艺参数优化没有考虑加工工序状态的时变特性，没有解决批量化零件加工中刀具磨损/颤振、力/热致变形等引起的工序状态变化对工艺参数优化的影响，急需研发基于工序状态时变特性的工艺优化方法来保持零件的加工精度。为此，提出面向工序精度自愈的工艺参数自适应调整方法。研究工艺参数与工序状态时变特性的映射机制，以工艺参数许可区间为边界条件，以工序精度自愈为目标，建立工艺参数自适应调整模型，通过调整工艺参数改变工序状态时变特性，实现工序精度自愈，进而提高批量化零件加工精度的保持性。此外，批量化零件加工多为重复性过程，为此，将迭代学习等轮廓误差控制方法移植到工序精度误差控制上，提出面向工序精度自愈的轮廓误差控制方法。
　　综上所述，针对批量化零件加工精度的稳定性和可靠性问题，研究批量化零件加工精度在线预测方法，提出零件精密加工误差动态解耦及在线诊断方法，建立数控装备精度稳健自愈理论和方法，开发工艺参数自适应调整的工序精度自愈方法，实现对批量化制造产线加工过程的精度集成控制，对保证批量化加工产线精度稳定性、可靠性具有重要理论意义。有效推动大数据、机械、控制、信息等学科的融合创新发展，为智能制造持续发展提供强大的科学储备，这对推动学科发展具有重要学术价值和科学意义。
　　本书所形成的研究成果可以为航空叶片及精密齿轮等产品的批量化制造提供更加有效、稳健的精度自愈控制测量和解决方案，显著提升加工精度稳定性和可靠性，提高制造业生产效率，缩短产品生产周期，实现我国制造业加工质量的转型升级，为我国在制造领域赢得国际声誉，助力实现制造强国。研究成果应用于航空叶片、精密齿轮等零件批量加工中，可提升相关产品智能产线的加工精度，帮助企业提高产品一次合格率、减少因返工造成的资源浪费，降低生产成本，提高产品质量，帮助企业不断提升生产效益和服务水平，助力企业向高端制造的转型升级，经济效益显著提升。
　　1.2零件加工精度预测及诊断技术研究现状
　　1.2.1零件加工误差源
　　复杂零件加工精度受到诸多因素影响，为方便描述，本书将其分为加工装备误差与工序工艺误差(表1.1)。加工装备误差即零件加工过程中，受不均匀热、力以及机床本身质量等影响，数控装备运动部件实际运动与理想运动发生偏差，进一步引起刀具相对工件位姿发生变化，*终导致实际工件的尺寸、形状与理想工件有差异；工序工艺误差则指除加工装备误差外，其他因素在加工过程中导致零件产生的误差，这些因素包括不合理切削参数、刀具磨损、工件/刀具装夹等。
　　1.2.1.1加工装备误差
　　1.机床几何误差
　　机床几何误差是指在标准检测环境(20℃，1个大气压)下，机床在非加工状态中，由于机床制造、装配等缺陷，机床各部件的实际位姿相对理想位姿发生偏差，进而在零件加工过程中产生的加工误差。几何误差的产生是由于机床制造中的缺陷，是数控机床的固有误差。几何误差一般在机床出厂时已经被控制在合理的范围内。
　　2.机床热误差
　　机床在运行过程中，受电机产热，轴承、齿轮、滚珠丝杠等零部件的摩擦生热以及环境温度的影响，加上机床结构分布并非均匀，使得机床温度场发生不均匀的改变，机床零部件发生热变形，刀具相对于工件的位姿随温度变化而改变，产生零件加工误差。在批量化零件生产中，加工装备热误差是*主要的误差源，占机床总误差的40%～75%[2]。此外，随着机床精度的提高，热误差在总误差源中所占比例增加。
　　3.机床力误差
　　在切削力、重力、夹紧力等力的作用下，机床零部件产生几何变形，导致机床各部件相对位姿发生改变。机床力变形与机床的整体刚度相关，其在重型机床，如大型龙门机床上格外明显。
　　1.2.1.2工序工艺误差
　　1.工艺参数误差
　　在零件加工过程中，合理的切削参数对保证加工精度、提高表面质量和加工效率具有重要的意义。在机床、刀具和工件条件一定的情况下，切削用量的选择具有灵活性和能动性。尤其是在精加工时，应充分发挥机床和刀具的性能，选择*佳的切削参数组合，以取得*佳的加工精度。
　　2.刀具误差
　　在批量化零件加工过程中，受到刀具几何结构、刀具-工件材料硬度、工艺参数等因素的影响，刀具会发生磨损。刀具磨损会导致切削深度发生变化，进一步影响批量化零件加工的精度与表面质量。此外，加工过程中刀具颤振会使加工工件表面出现振纹，降低工件加工精度和表面质量，而且会加剧刀具的磨损，严重时甚至会崩刃，影响加工效率。
　　3.工艺力误差
　　在零件加工过程中，在切削力的作用下，刀具与工件发生变形，导致加工误差。工艺力误差与刀具、工件的刚度有关。例如，在加工叶片等薄壁零件时，工艺力误差非常突出，而加工盘型齿轮时，工艺力误差则不明显。
　　4.装夹误差
　　装夹误差是工件在机床夹具上定位和夹紧过程中产生的误差，直接影响加工精度。其主要分为三类，一是工件的定位基准与夹具定位元件接触不良，导致工件实际位置偏离理论位置；二是夹紧力使工件或夹具产生弹性变形从而造成加工误差；三是夹具本身的制造误差。
　　1.2.1.3典型零件的主要误差源
　　对于不同的复杂零件，其主要的误差源是不同的。本书主要以汽车精密齿轮与航空叶片为对象，进行批量化零件加工精度演变与自愈的研究。
　　1.汽车精密齿轮
　　对于批量化汽车精密齿轮的加工，其主要的切削加工工序为滚齿、倒棱、车削、磨齿等。其中，*终的加工精度主要靠磨齿加工保证。在磨齿加工中，会产生大量的磨削热，而且巨量的切削液参与加工过程，磨削热随着切削液蔓延到机床各处，引起机床整体发生不均匀的温度变化，导致数控机床整体发生热变形，引起加工误差。在这一过程中，齿轮磨削加工的工艺参数主要也是通过影响加工过程中的产热，从而影响加工误差，因此，在防止磨削烧伤的前提下，工艺参数引起的误差相比机床误差来说较小；磨齿机机床、砂轮刀具、齿轮工件的刚度较高，机床力误差、工艺

目录
第1章 绪论 1
1.1 零件批量化精密加工精度自愈概述 1
1.2 零件加工精度预测及诊断技术研究现状 3
1.2.1 零件加工误差源 3
1.2.2 零件加工精度预测方法 6
1.2.3 零件加工误差成因诊断技术 12
1.3 零件加工精度自愈技术与方法研究现状 14
1.3.1 误差补偿技术 14
1.3.2 加工工艺参数优化 19
1.4 面临的机遇与挑战 21
第2章 零件精密加工误差形成机理及精度预测方法 22
2.1 零件精密加工误差形成机理 22
2.1.1 工序工艺致零件加工误差 22
2.1.2 加工装备致零件加工误差 28
2.2 加工误差源耦合作用机制 42
2.2.1 工艺参数耦合作用机制 42
2.2.2 工艺与装备耦合作用机制 48
2.2.3 多工序误差耦合传递分析 59
2.3 数据驱动的零件加工误差建模方法 73
2.3.1 数据驱动的工艺参数致加工误差建模方法 73
2.3.2 数据驱动的加工装备致加工误差建模方法 78
2.4 基于数字孪生的零件加工精度预测技术 86
2.4.1 数字孪生系统搭建 86
2.4.2 基于数字孪生的零件加工精度预测策略 88
2.4.3 零件加工精度预测实例 88
第3章 零件加工误差成因追溯及在线诊断方法 97
3.1 批量化零件加工过程参数在线感知与动态采集技术 97
3.1.1 机床外部数据采集 97
3.1.2 数控机床内部信息提取 103
3.1.3 数据预处理 107
3.2 加工装备误差溯源与诊断方法 110
3.2.1 加工装备空间误差建模 110
3.2.2 基于球杆仪的加工装备空间误差诊断方法 114
3.2.3 基于敏感性分析的加工装备关键空间误差项诊断方法 125
3.3 数据模型混合驱动的零件加工工序误差溯源诊断方法 133
3.3.1 基于振动信号特征提取的滚齿加工过程误差诊断方法 133
3.3.2 基于特征融合和卷积神经网络的铣削误差源诊断方法 149
第4章 数控装备精度退化机理及稳健自愈方法 175
4.1 数控装备动态误差模型稳健性影响因素 175
4.1.1 动态误差模型稳健性影响因素分析 175
4.1.2 数控装备误差*佳建模转速图谱 177
4.1.3 环境温度影响下的热误差补偿模型失效分析 180
4.1.4 温度敏感点变动性特征 183
4.2 数控装备精度退化机理 184
4.2.1 数控机床性能退化的一般规律性分析 184
4.2.2 数控装备精度退化建模及参数求解 185
4.2.3 精度退化建模案例 188
4.3 数控装备精度自愈模型的稳健性理论 196
4.3.1 稳健性建模技术理论 197
4.3.2 双闭环稳健建模方法 204
4.4 数控装备精度自愈控制技术 211
4.4.1 误差补偿技术 211
4.4.2 装备选型与维护方案 219
第5章 加工工序精度自愈方法 224
5.1 面向工序精度自愈的铣削加工工艺参数智能决策方法 224
5.1.1 基于改进灰狼算法的工艺参数优化 224
5.1.2 基于多算法融合的多目标工艺参数智能决策方法 230
5.2 面向工序精度自愈的齿轮加工工艺参数优化方法 249
5.2.1 面向工序精度自愈的滚齿加工工艺参数优化方法及调控策略 249
5.2.2 考虑磨削振纹的磨齿加工工艺参数优化方法 256
5.3 面向工序精度自愈的轮廓误差控制方法 263
5.3.1 数控机床轮廓误差分析和计算 264
5.3.2 基于迭代学习的轮廓误差补偿 267
5.3.3 基于神经网络预测的轮廓误差补偿 271
第6章 自愈系统开发与应用 287
6.1 复杂零件加工产线自愈集成控制技术 287
6.1.1 基于边缘计算的自愈系统整体框架 287
6.1.2 边缘层数据采集方案与控制 290
6.1.3 边缘功能实现 293
6.1.4 云平台功能界面 297
6.2 应用验证 299
6.2.1 精密齿轮 299
6.2.2 航空叶片 307
参考文献 315