本发明涉及零件加工质量智能预测，具体为一种零件质量预测和评估优化方法及装置。
背景技术：
1、在现代制造业中，零件质量的预测是确保产品性能和可靠性的关键环节。然而，随着生产工艺的日益复杂，尤其是在多种变量共同作用的情况下，传统的质量控制方法已难以适应高效生产的需求。传统手段通常依赖经验法则或简单的统计分析，难以实时预测零件在不同生产条件下的零件质量。这种不足容易导致生产过程中出现质量问题，而这些问题往往在后期被发现，这不仅导致了高废品率，还增加了返工和维修的成本，影响了整体生产效率。此外，随着智能制造的推广，制造企业需要逐步实现自动化和数据驱动的决策。因此，依靠人工检验和经验判断的传统模式显得愈发落后。现代生产需要一种能够利用实时数据进行动态预测和质量控制的系统，以便及时获取反馈并进行必要调整。
2、现有技术中的，公开号为cn111931307b公开了一种零件质量预测和评估优化方法及装置，一种零件质量预测和评估优化方法及系统。该方法依据典型材料的切削机理的理论指导，结合质量检测数据，采用皮尔森相关系数公式计算零件质量参数中关键参数的相关系数，将相关系数与svr模型中的高斯核函数进行融合，得到权值高斯核函数，运用具有权值高斯核函数的svr模型和粒子群算法训练零件质量预测模型，并判断模型输出的零件质量特征是否符合质量要求完成质量评估，对不符合质量要求的零件利用粒子群算法进行关键参数优化。采用该现有技术的方法及系统，能够实现零件加工质量的智能决策，解决在零件加工过程中决策依赖人工、决策方法滞后性严重的问题，但是现有技术依旧存在不足，首先，生产过程中影响零件质量的因素有很多，现有技术只对切削参数的重要参数进行了特征提取，并将通过这种方法提取的特征作为评估决策依据，显然忽略其他潜在影响因素，这会导致零件质量评估精度不够高，缺乏说服力，其次，现有技术对模型的训练及预测需要零件数据，这种预测决策过程依然是滞后的，会导致废品率提高，增加返工和维修的成本，降低整体生产效率问题。
3、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本发明的目的在于提供一种零件质量预测和评估优化方法及装置，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、一种零件质量预测和评估优化方法，具体步骤包括：
4、步骤1：采集历史数据中的零件生产数据和零件质量数据，所述零件生产数据包括生产温度、机床主轴转速、加工时间、切削深度、进给量和切削速度，所述零件质量数据包括零件尺寸，表面数据和零件性质测试结果；
5、步骤2：对零件尺寸进行特征提取得到零件尺寸偏差，对表面数据进行特征提取得到表面平整度，根据零件尺寸偏差和表面平整度生成空间标准系数；
6、步骤3：对零件性质测试结果进行去量钢化处理得到零件功能系数，根据空间标准系数和零件功能系数生成零件合格指数；
7、步骤4：设置零件合格阈值，将每个零件的零件合格指数与预设的阈值进行比较，根据比较结果判断零件的合格情况；对零件合格情况进行统计学分析得到平均零件合格指数和零件合格率，根据平均零件合格指数和零件合格率得到零件质量预测系数；
8、步骤5：以历史生产数据为数据集，以零件质量预测系数为标签，使用回归方法构建零件质量预测模型，使用数据集对零件质量预测模型进行训练优化；
9、步骤6：将待预测的生产数据输入优化后的零件质量预测模型得到零件质量预测系数，设置零件质量预测阈值，若零件质量预测系数大于零件质量预测阈值，则将该生产条件下生产的一批零件定义为合格，否则定义为不合格，根据零件质量预测模型确定这批不合格零件的主要贡献生产数据，对主要贡献生产数据进行优化，将优化后的生产数据输入到零件质量预测模型并对结果进行阈值比较，直至合格，生成优化报告。
10、进一步地，获得所述表面数据所依据的具体逻辑为：将表面分成等面积的n块，以所有块表面的最低点为基准，采集每一块表面的最高值为表面高度。
11、进一步地，得到零件尺寸偏差所依据的具体逻辑为：拟合零件的最小包围盒，计算零件最小包围盒的长、宽、高与标准的零件最小包围盒的长、宽、高的偏差生成零件尺寸偏差；生成零件尺寸偏差所依据的具体公式为：
12、
13、其中，为零件尺寸偏差，为最小包围盒的长，为最小包围盒的宽，为最小包围盒的高，为标准最小包围盒的长，为标准最小包围盒的宽，为标准最小包围盒的高。
14、进一步地，生成空间标准系数所依据的具体逻辑为：对表面数据进行特征提取得到表面平整度，根据零件尺寸偏差和表面平整度生成空间标准系数；提取表面平整度所依据的具体公式为：
15、
16、
17、其中，为表面平整度，为平均表面高度，为第块表面的表面高度，为表面数；
18、生成空间标准系数所依据的具体公式为：
19、
20、其中，为空间标准系数，为零件尺寸偏差，为表面平整度。
21、进一步地，生成零件合格指数所依据的具体逻辑为：对零件性质测试结果进行去量钢化处理得到零件功能系数，根据空间标准系数和零件功能系数生成零件合格指数；生成零件功能系数所依据的具体公式为：
22、
23、其中，为零件功能系数，为零件硬度，为零件韧性，为抗拉强度；
24、生成零件合格指数所依据的具体公式为：
25、
26、其中，为零件合格指数，为零件功能系数，为空间标准系数。
27、进一步地，得到零件质量预测系数所依据的具体逻辑为：计算所有零件的平均零件合格指数，设置零件合格阈值，将每个零件的零件合格指数与预设的阈值进行比较，将零件合格指数大于零件合格阈值的零件标为合格零件，否则为不合格零件，统计合格零件的数量和不合格零件的数量并根据合格零件的数量和不合格零件计算出零件合格率，根据平均零件合格指数和零件合格率得到零件质量预测系数；生成平均零件合格指数所依据的具体公式为：
28、
29、其中，为平均零件合格指数，为第个零件的零件合格指数，所有零件数；
30、生成零件合格率所依据的具体公式为：
31、
32、其中，为零件合格率，为合格零件数；
33、生成零件质量预测系数所依据的具体公式为：
34、
35、其中，为零件质量预测系数，为零件合格率，为平均零件合格指数。
36、进一步地，使用回归方法构建损失函数，其损失函数表示为：
37、
38、其中，是企业数量，为第组零件的零件质量预测系数，为生产数据种类数，表示第组零件的第个生产数据，为特征系数，为预测财务异常系数，为正则化参数。
39、本发明另外提供一种零件质量预测和评估优化装置，所述装置所述的零件质量预测和评估优化方法，具体包括：
40、数据采集模块，用于采集历史数据中的零件生产数据和零件质量数据，所述零件生产数据包括生产温度、机床主轴转速、加工时间、切削深度、进给量和切削速度，所述零件质量数据包括零件尺寸，表面数据和零件性质测试结果；
41、数据处理模块，用于对零件尺寸进行特征提取得到零件尺寸偏差，对表面数据进行特征提取得到表面平整度，根据零件尺寸偏差和表面平整度生成空间标准系数；
42、数据分析模块，用于对零件性质测试结果进行去量钢化处理得到零件功能系数，根据空间标准系数和零件功能系数生成零件合格指数；
43、合格判定模块，用于设置零件合格阈值，将每个零件的零件合格指数与预设的阈值进行比较，根据比较结果判断零件的合格情况；对零件合格情况进行统计学分析得到平均零件合格指数和零件合格率，根据平均零件合格指数和零件合格率得到零件质量预测系数；
44、建模优化模块，用于以历史生产数据为数据集，以零件质量预测系数为标签，使用回归方法构建零件质量预测模型，使用数据集对零件质量预测模型进行训练优化；
45、预测优化模块，用于将待预测的生产数据输入优化后的零件质量预测模型得到零件质量预测系数，设置零件质量预测阈值，若零件质量预测系数大于零件质量预测阈值，则将该生产条件下生产的一批零件定义为合格，否则定义为不合格，根据零件质量预测模型确定这批不合格零件的主要贡献生产数据，对主要贡献生产数据进行优化，将优化后的生产数据输入到零件质量预测模型并对结果进行阈值比较，直至合格，生成优化报告。
46、与现有技术相比，本发明的有益效果是：
47、本发明直接对历史成品零件的质量进行量化，以此作为评估零件质量的依据，并通过机器学习模型找到生产数据和成品零件质量的关系，以此预测待预测的零件质量，在量化零件质量时考虑到多类零件质量相关数据，可提高零件质量评估决策的可信度，
48、本发明在预测零件质量时只需要采集零件生产数据，通过生产数据便可直接预测零件质量可避免零件参数采集导致的决策滞后性和因为这种滞后性导致的高废品率与效率低下。
1.一种零件质量预测和评估优化方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种零件质量预测和评估优化方法，其特征在于：获得所述表面数据所依据的具体逻辑为：将表面分成等面积的n块，以所有块表面的最低点为基准，采集每一块表面的最高值为表面高度。
3.根据权利要求1所述的一种零件质量预测和评估优化方法，其特征在于：得到零件尺寸偏差所依据的具体逻辑为：拟合零件的最小包围盒，计算零件最小包围盒的长、宽、高与标准的零件最小包围盒的长、宽、高的偏差生成零件尺寸偏差；生成零件尺寸偏差所依据的具体公式为：
4.根据权利要求1所述的一种零件质量预测和评估优化方法，其特征在于：生成空间标准系数所依据的具体逻辑为：对表面数据进行特征提取得到表面平整度，根据零件尺寸偏差和表面平整度生成空间标准系数；提取表面平整度所依据的具体公式为：
5.根据权利要求1所述的一种零件质量预测和评估优化方法，其特征在于：生成零件合格指数所依据的具体逻辑为：对零件性质测试结果进行去量钢化处理得到零件功能系数，根据空间标准系数和零件功能系数生成零件合格指数；生成零件功能系数所依据的具体公式为：
6.根据权利要求1所述的一种零件质量预测和评估优化方法，其特征在于：得到零件质量预测系数所依据的具体逻辑为：计算所有零件的平均零件合格指数，设置零件合格阈值，将每个零件的零件合格指数与预设的阈值进行比较，将零件合格指数大于零件合格阈值的零件标为合格零件，否则为不合格零件，统计合格零件的数量和不合格零件的数量并根据合格零件的数量和不合格零件计算出零件合格率，根据平均零件合格指数和零件合格率得到零件质量预测系数；生成平均零件合格指数所依据的具体公式为：
7.根据权利要求1所述的一种零件质量预测和评估优化方法，其特征在于：使用回归方法构建损失函数，其损失函数表示为：
8.一种零件质量预测和评估优化装置，其特征在于：所述装置用于实现权利要求1-7任一项所述的零件质量预测和评估优化方法，具体包括：
