田波

摘要：隨著我國(guó)對(duì)于精密機(jī)械裝配的需求量增大，提高對(duì)控制誤差的要求，幾何公差方法可以更細(xì)致的實(shí)現(xiàn)對(duì)誤差的控制，因而廣受歡迎，本文基于機(jī)器學(xué)習(xí)提出輔助公差規(guī)范方法，提升公差精準(zhǔn)度及計(jì)算效率。

關(guān)鍵詞：機(jī)器學(xué)習(xí);幾何公差;自動(dòng)生成

前言：

零件在生產(chǎn)制造過(guò)程中無(wú)法達(dá)到零誤差，為了有效地控制其在合適的范圍內(nèi)，企業(yè)檢測(cè)部門(mén)需要對(duì)零件進(jìn)行誤差對(duì)比，其目的是為了確保所生產(chǎn)的產(chǎn)品是合格的，其次是所允許的誤差范圍可以將其稱為公差，目前不同精準(zhǔn)度的產(chǎn)品對(duì)于公差數(shù)值和類型需求存在明顯的差異。尤其是像航天機(jī)械加工來(lái)說(shuō)對(duì)于零件公差要求較高，這也是因?yàn)樵撔袠I(yè)制作成本較大，若是未能在設(shè)計(jì)階段計(jì)算出公差，將會(huì)影響到機(jī)械產(chǎn)品的裝配能力以及裝配質(zhì)量，甚至還會(huì)帶來(lái)額外的成本以及使用壽命等。目前所提到的公差類型有兩種即尺寸公差和幾何公差，前者主要是指最大限度內(nèi)尺寸最小極限的尺寸差距，也是零件加工中所被允許變動(dòng)的范圍量;后者則是在集合公差符號(hào)標(biāo)注下的公差數(shù)值，不同幾何公差符號(hào)標(biāo)注公差，不同幾何公差符號(hào)有所差異，這就需要技術(shù)人員可以在允許的范圍內(nèi)進(jìn)行公差調(diào)整。

一、機(jī)器學(xué)習(xí)幾何公差關(guān)鍵技術(shù)分析

在遵循公差規(guī)范的前提下需要對(duì)零件進(jìn)行框架搭建，其具體包括公差類型選擇、公差原則確定、公差規(guī)范標(biāo)記等，其中基準(zhǔn)框架是整個(gè)規(guī)范中關(guān)鍵部分，是確定幾何公差類型以及原則的基礎(chǔ)。

人工智能可以實(shí)現(xiàn)深度學(xué)習(xí)和機(jī)器學(xué)習(xí)，其中本課題所應(yīng)用的機(jī)器學(xué)習(xí)是利用統(tǒng)計(jì)學(xué)方法，構(gòu)建統(tǒng)計(jì)學(xué)模型用于擬合數(shù)據(jù)，與深度學(xué)習(xí)相比，所涉及到的數(shù)據(jù)類型比較少，基于扎實(shí)的數(shù)學(xué)理論，更容易根據(jù)自身的需要搭建模型，所訓(xùn)練出的模型適合于公差規(guī)范應(yīng)用場(chǎng)景。同時(shí)機(jī)器學(xué)習(xí)也可以惡習(xí)分為無(wú)監(jiān)督學(xué)習(xí)和監(jiān)督學(xué)習(xí)，無(wú)監(jiān)督學(xué)習(xí)需要在學(xué)習(xí)期間構(gòu)建相對(duì)主觀的價(jià)值體系，其目的是用于對(duì)數(shù)據(jù)的篩選和分析，如聚類分析;后者的監(jiān)督學(xué)習(xí)則是包含人為設(shè)置要素在內(nèi)的訓(xùn)練集，如決策樹(shù)、支持向量等，如圖所示。

二、幾何公差數(shù)據(jù)集的構(gòu)建

（一）影響幾何公差選取因素

在DRF坐標(biāo)系中，需要先確定集合要素公差的具體的位置，通常為了滿足零件裝配要求，需要提出更高要求的公差要求，其目的是提升最終零件可以裝配成成品。充分考慮到零件裝配成本、生產(chǎn)商制造能力、檢測(cè)能力等，在本課題研究中提出四類即定位特征、空間特征、基準(zhǔn)特征以及生產(chǎn)特征。

（二）機(jī)器學(xué)習(xí)模型構(gòu)建

本課題CAT系統(tǒng)包括提取零件幾何要素信息，用于制定特征向量，并將其作為整個(gè)尋兩次訓(xùn)練集;其次就是基于訓(xùn)練集，搭建機(jī)器學(xué)習(xí)模型以及訓(xùn)練模型，具體實(shí)施步驟如下：

1.在SolidWorks中構(gòu)建3D模型的約束關(guān)系;

2.將裝配件拆分為若干個(gè)零件，并對(duì)每個(gè)零件進(jìn)行特征表面的信息的提取;

3.拆分零件確定具體每個(gè)零件的規(guī)范要素以及裝配順序，構(gòu)建DRF;

4.了解零件間裝配關(guān)系，確定規(guī)范基準(zhǔn)，以及規(guī)范要素與基準(zhǔn)在空間視角下的關(guān)系;

5.分析檢測(cè)成本以及加工精準(zhǔn)度;

6.將所分析出的數(shù)據(jù)信息放入到CSV中，搭建數(shù)據(jù)庫(kù)

在機(jī)器學(xué)習(xí)模型中訓(xùn)練集效果較好，若是將新的數(shù)據(jù)信息重新放入到模型中會(huì)表現(xiàn)較差，使得模型出現(xiàn)應(yīng)用效果不佳的現(xiàn)象，這一現(xiàn)象被稱為過(guò)擬合，在本文中為了避免過(guò)擬合問(wèn)題的出現(xiàn)，從數(shù)據(jù)、模型以及訓(xùn)練三個(gè)方面提出改進(jìn)措施，具體內(nèi)容為：

1.機(jī)器學(xué)習(xí)模型是基于訓(xùn)練數(shù)據(jù)，若是在模型應(yīng)用中所使用的數(shù)據(jù)數(shù)量比較小很容易出現(xiàn)過(guò)擬合，為此在特征數(shù)據(jù)的選其中減少訓(xùn)練集中特征數(shù)量，降低訓(xùn)練集的數(shù)，實(shí)現(xiàn)對(duì)數(shù)據(jù)集的簡(jiǎn)化，進(jìn)而有助于改善過(guò)擬合現(xiàn)象。

2.簡(jiǎn)化機(jī)器學(xué)習(xí)模型，由于模型太過(guò)于復(fù)雜也會(huì)出現(xiàn)過(guò)擬合現(xiàn)象，因而在SVM算法中使用簡(jiǎn)單的核函數(shù)進(jìn)行映射，同樣在RF算法和KNN算法分別減少訓(xùn)練數(shù)以及k值。

3.為防止過(guò)擬合現(xiàn)象的出現(xiàn)，采用交叉驗(yàn)證方法，將現(xiàn)有的數(shù)據(jù)集評(píng)分為K組，采用K-1組訓(xùn)練模型，并對(duì)剩余組進(jìn)行模型預(yù)測(cè)，并計(jì)算出預(yù)測(cè)誤差，求取誤差平均數(shù)值，獲取交叉驗(yàn)證誤差。

（三）案例分析

以二級(jí)齒輪減速器作為案例分析對(duì)象，減速器作為常見(jiàn)的機(jī)械配件之一，其廣泛用于各類傳送裝置中，為了降低本次研究的復(fù)雜性，進(jìn)選擇其中驅(qū)動(dòng)軸間的傳動(dòng)機(jī)構(gòu)，對(duì)其他零件不做詳細(xì)討論。

基于零件裝配關(guān)系從三維CAD軟件中獲取二級(jí)齒輪減速傳動(dòng)軸之間的專配關(guān)系，如圖5所示。

機(jī)器學(xué)習(xí)是無(wú)法直接處理語(yǔ)義信息，為此需要將其轉(zhuǎn)換為數(shù)字信息進(jìn)行處理，當(dāng)前進(jìn)行轉(zhuǎn)換的方法有很多在本文中采用到了One-hot編碼，以此來(lái)加速數(shù)據(jù)計(jì)算。

結(jié)束語(yǔ)：

幾何公差的存在是為了更好的控制產(chǎn)品誤差，為了提升誤差精準(zhǔn)率，采用計(jì)算機(jī)輔助的方式，在本文中提出基于計(jì)算機(jī)幾何公差按規(guī)范設(shè)計(jì)流程，采用數(shù)據(jù)驅(qū)動(dòng)理念將公差規(guī)范結(jié)果作為數(shù)據(jù)，通過(guò)篩選和分析將其放入到數(shù)據(jù)集中，實(shí)現(xiàn)對(duì)模型算法的訓(xùn)練，從理論和實(shí)踐的角度討論影響幾何公差的罌粟，并以為二級(jí)齒輪減速機(jī)為例討論具體實(shí)現(xiàn)過(guò)程，驗(yàn)證本文方法的有效性。

參考文獻(xiàn)：

[1]田立群.幾何公差定義理論意義和檢測(cè)妥協(xié)性的關(guān)系研究[J].機(jī)械工程師，2018（08）：157-159+163.

[2]劉偉東，涂玉婷，劉海明.幾何公差狀態(tài)向量模型及其分析與綜合技術(shù)[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，44（05）：78-83+89.