1.本发明涉及曲轴疲劳强度检测领域，具体涉及一种提高大型曲轴疲劳强度的评估优化方法及系统。
背景技术：2.曲轴是发动机中的主要零件之一，在发动机五大件中是难确保加工质量的零件。曲轴服役工况条件恶劣，其失效形式一般是轴颈磨损和疲劳断裂。疲劳断裂往往是破坏性的，涉及安全方面，必须高度重视。
3.发动机运转过程中，在气体爆发压力、往复惯性力和离心力的作用下，曲轴要承受很大的交变弯曲应力和扭转应力，所以对曲轴的抗拉强度、刚度、耐磨性、耐疲劳性以及冲击韧性等提出了更高的要求，提高曲轴的疲劳强度显得至关重要。圆角滚压是目前最有效的曲轴强化方法，它具有生产效率高、强化效果显著等优点。
4.然而，现有技术中存在难以对滚压工艺过程中的滚压参数进行精准控制，导致难以基于精准的滚压参数对曲轴的疲劳强度进行评估优化的技术问题。
技术实现要素：5.本技术提供了一种提高大型曲轴疲劳强度的评估优化方法及系统，用于针对解决现有技术中难以对滚压工艺过程中的滚压参数进行精准控制，导致难以基于精准的滚压参数对曲轴的疲劳强度进行评估优化的技术问题。
6.鉴于上述问题，本技术提供了一种提高大型曲轴疲劳强度的评估优化方法及系统。
7.本技术的第一个方面，提供了一种提高大型曲轴疲劳强度的评估优化方法，所述方法包括：采集目标曲轴的滚压工艺参数分类；通过所述滚压工艺参数分类，确定所述目标曲轴的参数特征集合；基于所述参数特征集合，搭建所述目标曲轴的疲劳强度评估系统，其中，所述疲劳强度评估系统包括数据采集模块、数据处理模块以及数据优化模块；利用所述数据采集模块，对所述目标曲轴的滚压工艺实时参数进行采集，得到实时滚压参数集合；利用所述数据处理模块，对所述实时滚压参数集合进行数据预处理，且将预处理后的数据标记为样本数据集合；利用所述数据优化模块，对所述样本数据集合进行疲劳强度算法的优化，输出要素优化参数集合，对所述目标曲轴进行参数优化。
8.本技术的第二个方面，提供了一种提高大型曲轴疲劳强度的评估优化系统，所述系统包括：分类参数采集模块，用于采集目标曲轴的滚压工艺参数分类；参数特征确定模块，用于通过所述滚压工艺参数分类，确定所述目标曲轴的参数特征集合；系统搭建模块，用于基于所述参数特征集合，搭建所述目标曲轴的疲劳强度评估系统，其中，所述疲劳强度评估系统包括数据采集模块、数据处理模块以及数据优化模块；实时参数采集模块，用于利用所述数据采集模块，对所述目标曲轴的滚压工艺实时参数进行采集，得到实时滚压参数集合；数据预处理模块，用于利用所述数据处理模块，对所述实时滚压参数集合进行数据预
处理，且将预处理后的数据标记为样本数据集合；算法优化模块，用于利用所述数据优化模块，对所述样本数据集合进行疲劳强度算法的优化，输出要素优化参数集合，对所述目标曲轴进行参数优化。
9.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
10.本技术实施例提供的方法通过采集目标曲轴的滚压工艺参数分类；确定对应的参数特征集合；搭建疲劳强度评估系统；利用数据采集模块，对滚压工艺实时参数进行采集，得到实时滚压参数集合；利用数据处理模块，对实时滚压参数集合进行数据预处理，且将预处理后的数据标记为样本数据集合；利用数据优化模块，对样本数据集合进行疲劳强度算法的优化，输出要素优化参数集合，对所述目标曲轴进行参数优化。达到了对滚压工艺过程中的滚压参数进行精准控制，使得基于精准的滚压参数对曲轴的疲劳强度进行评估优化的技术效果。
附图说明
11.图1为本技术提供的一种提高大型曲轴疲劳强度的评估优化方法流程示意图；
12.图2为本技术提供的一种提高大型曲轴疲劳强度的评估优化方法中对所述目标曲轴的滚压工艺实时参数进行采集的流程示意图；
13.图3为本技术提供的一种提高大型曲轴疲劳强度的评估优化系统的结构示意图。
具体实施方式
14.本技术提供了一种提高大型曲轴疲劳强度的评估优化方法及系统，用于针对解决现有技术中难以对滚压工艺过程中的滚压参数进行精准控制，导致难以基于精准的滚压参数对曲轴的疲劳强度进行评估优化的技术问题。
15.针对上述技术问题，本技术提供的技术方案总体思路如下：
16.采集目标曲轴的滚压工艺参数分类；确定对应的参数特征集合；搭建疲劳强度评估系统；利用数据采集模块，对滚压工艺实时参数进行采集，得到实时滚压参数集合；利用数据处理模块，对实时滚压参数集合进行数据预处理，且将预处理后的数据标记为样本数据集合；利用数据优化模块，对样本数据集合进行疲劳强度算法的优化，输出要素优化参数集合，对所述目标曲轴进行参数优化。达到了对滚压工艺过程中的滚压参数进行精准控制，使得基于精准的滚压参数对曲轴的疲劳强度进行评估优化的技术效果。
17.实施例一
18.如图1所示，本技术提供了一种提高大型曲轴疲劳强度的评估优化方法，所述方法包括：
19.步骤s100：采集目标曲轴的滚压工艺参数分类；
20.步骤s200：通过所述滚压工艺参数分类，确定所述目标曲轴的参数特征集合；
21.进一步的，步骤s200包括：
22.步骤s210：通过对所述滚压工艺参数分类中，各参数进行特征提取，可得到各滚压工艺参数特征集合；
23.步骤s220：通过对所述各滚压工艺参数特征集合进行自下而上的层次聚类，可得到目标聚类结果；
24.步骤s230：根据所述目标聚类结果，确定所述目标曲轴的参数特征集合。
25.其中，步骤s220包括：
26.步骤s221：对所述各滚压工艺参数特征集合进行遍历访问处理，生成均匀分布数据集；
27.步骤s222：将所述均匀分布数据集定义为p个聚类，通过对所述p个聚类中的各自数据点的两两距离进行平均值计算，获得平均距离数据集；
28.步骤s223：根据所述平均距离数据集，获得类分布数据集，所述类分布数据集包括距离平均值最小的分类集；
29.步骤s224：根据所述类分布数据集，对所述平均距离数据集进行逐层递归聚类，得到所述目标聚类结果，其中，所述目标聚类结果满足预设时间内稳定状态。
30.具体而言，本身请提供的一种提高大型曲轴疲劳强度的评估优化方法，在对滚压工艺过程中的滚压参数进行精准控制的基础上，使得基于精准的滚压参数对曲轴的疲劳强度进行评估优化。其中，所述目标曲轴可理解为某一发电机的主要零件之一，所述滚压工艺参数分类可理解为，沉割滚压是在曲轴圆角处加工一个沉割槽，滚压强化部位在槽内，在后序磨削轴颈时不会破坏滚压硬化层，不用担心磨削余量大小对曲轴强度的影响，不但提高了曲轴的疲劳强度，而且还提高了沉割槽的硬度和表面粗糙度。具体的包括在滚压前对改善曲轴疲劳强度的沉割槽圆角尺寸、形状及表面相糙度有一定的要求，对滚轮的要求和工件的开档尺寸公差有一定的要求，在滚压过程中，对滚压圈数也有一定的要求，测量主轴颈跳动进行校直，沉割圆角滚压的主要影响因素除了曲轴本身的状况、圆角尺寸、滚轮的形状和滚压时间等有关外，更为重要的是取决于滚压力的大小。滚压强化的疲劳极限随滚压力增大而增大，但过高又会使材料表面产生冷作硬化，甚至出现裂纹而导致疲劳性能降低，还会引起曲轴弯曲变形，主轴颈跳动超差。
31.进而，通过对所述滚压工艺参数分类中，各参数进行特征提取，可得到各滚压工艺参数特征集合，即对上述各滚压工艺参数分类分别进行特征提取，示例性的，通过对圆角尺寸进行特征提取，得到的即为尺寸特征，通过对滚轮形状进行特征提取，得到的即为形状特征，以此得到所述各滚压工艺参数特征集合，所述各滚压工艺参数特征集合包括但不限于尺寸特征、形状特征，还可以是滚压时间特征、滚压圈数特征以及滚压力特征等。通过对所述各滚压工艺参数特征集合进行自下而上的层次聚类，可得到目标聚类结果。具体的，可通过上述工艺参数的采集手段进行层次聚类，即将需要尺寸测量装置进行参数采集的各参数特征进行聚类，将需要图像采集装置进行参数采集的各参数特征进行聚类，将需要传感器装置进行参数采集的各参数特征进行聚类，所述目标聚类结果，即包含了不同采集手段进行参数采集聚类得到的结果。其中，所述参数特征集合即对应不同采集手段的参数特征分类集合。
32.进一步的，在对所述各滚压工艺参数特征集合进行自下而上的层次聚类时，可通过计算机对所述各滚压工艺参数特征集合中的所有工艺参数特征进行遍历访问，可以生成均匀分布数据集，然后将所述均匀分布数据集中的工艺参数特征定义为p个聚类。其中，所述聚类是指将相似的事物聚集在一起，而将不相似的事物划分到不同的类别的过程。进一步测算所述p个聚类中的各自工艺参数特征数据点之间的两两距离，然后进行平均值计算，可以得到所述p个聚类中的各自工艺参数特征数据点之间的平均距离，即为所述平均距离
数据集。其中，所述平均距离数据集中共有p个平均值数据，分别与所述p个聚类一一对应。
33.进一步根据所述平均距离数据集，获得所述p个聚类平均工艺参数特征的分布数据信息，即所述类分布数据集。其中，所述类分布数据集中包括有距离平均值最小的聚类集。根据所述类分布数据集，对所述平均距离数据集进行逐层递归聚类，直至得到所述目标聚类结果，其中，所述目标聚类结果满足预设时间内稳定状态，且所述目标聚类结果包含了不同采集手段对应的参数特征分类集合。
34.步骤s300：基于所述参数特征集合，搭建所述目标曲轴的疲劳强度评估系统，其中，所述疲劳强度评估系统包括数据采集模块、数据处理模块以及数据优化模块；
35.步骤s400：利用所述数据采集模块，对所述目标曲轴的滚压工艺实时参数进行采集，得到实时滚压参数集合；
36.进一步的，如图2所示，步骤s400包括：
37.步骤s410：基于所述参数特征集合，获得曲轴滚压尺寸特征、曲轴滚压形状特征以及曲轴滚压粗糙度特征；
38.步骤s420：利用尺寸测量装置，对所述目标曲轴在沉割槽圆角深滚压工艺中的滚压半径进行采集，用以得到滚压半径参数集合，其中，所述滚压半径参数集合具有所述曲轴滚压尺寸特征；
39.步骤s430：利用图像采集装置，对所述目标曲轴在沉割槽圆角深滚压工艺中的滚压图像进行采集，用以得到滚压形状集合、滚压表面粗糙度集合，其中，所述滚压形状集合具有所述曲轴滚压形状特征、所述滚压表面粗糙度集合具有所述滚压表面粗糙度集合。
40.具体而言，在得到所述参数特征集合之后，可基于此搭建所述目标曲轴的疲劳强度评估系统，其中，所述疲劳强度评估系统包括数据采集模块、数据处理模块以及数据优化模块，其中，所述疲劳强度评估系统，基于曲轴的圆角滚压工艺中的影响参数特征搭建而成，使得基于上述影响参数特征，对实际的曲轴圆角滚压工艺参数进行评估，进而对评估不达标参数进行优化。其中，所述数据采集模块，用于对实际的曲轴圆角滚压工艺参数进行采集，所述数据处理模块用于对采集数据进行标准化的预处理，所述数据优化模块，即对评估不达标参数进行优化。
41.首先，可利用所述数据采集模块，对所述目标曲轴的滚压工艺实时参数进行采集，得到实时滚压参数集合，所述实时滚压参数集合，即反映了实际的曲轴圆角滚压工艺参数。具体的，可基于所述参数特征集合，获得曲轴滚压尺寸特征、曲轴滚压形状特征以及曲轴滚压粗糙度特征。具体的，沉割槽圆角深滚压工艺是通过滚轮在沉割圆角处滚压产生压缩残余应力，增加沉割圆角表面硬度和改善圆角表面粗糙度，来提高曲轴的疲劳强度。通过合理的沉割圆角滚压后，曲轴的疲劳强度可提高至少130％以上。由于发动机曲轴形状复杂，曲柄各部位的截面大小在轴线方向急剧变化，轴颈与曲柄过渡部位结构截面变化大且形成垂直转折，使曲轴此部位跟其他部位应力分布不均，应力集中严重。在曲柄臂到主轴颈和曲柄销之间的过渡圆角处应力最大，是整个曲轴部件结构截面尺寸的最薄弱部位。另外，过渡圆角一般都是用成形刀车削或铣削加工，表面质量不高，极易产生显微裂纹，在长时间的循环交变载荷下便会产生裂纹，最终导致疲劳断裂。因此，在滚压前对改善曲轴疲劳强度的沉割槽圆角尺寸、形状及表面粗糙度有一定的要求。沉割槽的滚压深度同滚压力大小、曲轴材料和曲轴几何尺寸有关，单边一般会加深0.03mm以上。因此，所述曲轴滚压尺寸特征包括对沉
割槽圆角半径以及材料弹性的参数测量。所述曲轴滚压形状特征包括了对滚轮形状的参数测量，所述曲轴滚压粗糙度特征包含了对圆角表面粗糙度的参数测量。
42.具体的，可利用尺寸测量装置，对所述目标曲轴在沉割槽圆角深滚压工艺中的滚压半径进行采集，用以得到滚压半径参数集合，其中，所述滚压半径参数集合具有所述曲轴滚压尺寸特征。一般的，要求沉割槽圆角半径rw要大于滚轮半径rr，即rw＞rr。如果rw＜rr，则会出现只有两点与工件接触，且滚压效果不好甚至出现损坏滚压轮的现象；当然，滚压轮半径rr要比工件半径rw小多少还要视具体的圆角尺寸、工件材料等来确定。同时，利用图像采集装置，对所述目标曲轴在沉割槽圆角深滚压工艺中的滚压图像进行采集，用以得到滚压形状集合、滚压表面粗糙度集合，其中，所述滚压形状集合具有所述曲轴滚压形状特征、所述滚压表面粗糙度集合具有所述滚压表面粗糙度集合。一般的，沉割槽圆角滚压后一般也有一定的凸起，滚压后的沉割圆角要比滚压轮的半径rr小一些，因为材料都有一定的弹性，在极大的滚压力突然取消后，沉割圆角会有一定的收缩，具体小多少跟曲轴的材料有关，弹性好的材料滚压后可能会比滚轮半径小得多。一般来说滚压后圆角的尺寸r比滚轮半径r1.4mm要小一点。滚压完后表面粗糙度一般能提高一级，滚压圆角表面也会有一薄层硬化层。
43.步骤s500：利用所述数据处理模块，对所述实时滚压参数集合进行数据预处理，且将预处理后的数据标记为样本数据集合；
44.进一步的，步骤s500包括：
45.步骤s510：根据所述实时滚压参数集合，获得第一特征数据集；
46.步骤s520：对所述第一特征数据集进行中心化处理，获得第二特征数据集；
47.步骤s530：获得所述第二特征数据集的第一协方差矩阵；
48.步骤s540：对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；
49.步骤s550：将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
50.具体而言，在得到所述实时滚压参数集合之后，需要对其进行标准的数据预处理，且将预处理后的数据标记为样本数据集合。具体的，可对提取到的特征数据进行数值化处理，并构建特征数据集矩阵，获得所述第一特征数据集。继而对所述第一特征数据集中的各特征数据进行中心化处理，首先求解所述第一特征数据集中各特征的平均值，然后对于所有的样本，每一个特征都减去自身的均值，继而获得新的特征值，由新的特征值构成所述第二特征数据集，所述第二特征数据集为一数据矩阵。通过协方差公式：
[0051][0052]
对所述第二特征数据集进行运算，获得所述第二特征数据集的第一协方差矩阵。其中，为所述第二特征数据集中的特征数据；为该特征数据的平均值；m为所述第二特征数据集中的样本数据总量。继而通过矩阵运算，求出所述第一协方差矩阵的特征值及特征向量，且每一特征值对应一个特征向量。在求出的所述第一特征向量中，选取最大的前k个特征值及其对应的特征向量，并将所述第一特征数据集中的原始特征投影到所选取的特
征向量之上，得到降维之后的所述第一特征数据集。通过主成分分析法对特征数据进行降维处理，在保证信息量的前提下，剔除冗余数据，使得特征数据的样本量减小，且降维后信息量损失最小，从而加快训练模型对于数据的运算速度。
[0053]
步骤s600：利用所述数据优化模块，对所述样本数据集合进行疲劳强度算法的优化，输出要素优化参数集合，对所述目标曲轴进行参数优化。
[0054]
进一步的，步骤s600包括：
[0055]
步骤s610：基于所述疲劳强度算法，构建疲劳强度优化模型；
[0056]
步骤s620：将所述样本数据集合输入至所述疲劳强度优化模型进行训练；
[0057]
步骤s630：获得所述疲劳强度优化模型的训练结果，所述训练结果包括所述要素优化参数集合。
[0058]
其中，步骤s620包括：
[0059]
步骤s621：采集所述目标曲轴的标准滚压工艺参数；
[0060]
步骤s622：参照所述标准滚压工艺参数，对所述样本数据集合进行滚压参数的损失分析，确定对应的损失参数要素；
[0061]
步骤s623：将所述损失参数要素输入进所述疲劳强度优化模型进行优化训练。
[0062]
具体而言，在得到预处理之后的样本数据集合之后，需要对其进行一定的评估优化，即先评估、后优化。可利用所述数据优化模块，对所述样本数据集合进行疲劳强度算法的优化。具体的，可采集所述目标曲轴的标准滚压工艺参数，所述标准滚压工艺参数，可理解为进行工艺生产时规定的标准滚压参数，可参照所述标准滚压工艺参数，对所述样本数据集合进行滚压参数的损失分析，确定对应的损失参数要素，所谓损失分析，即对照标准的滚压参数，评估实际的滚压参数中哪一项滚压参数不及设定的标准参数，可将其标记为所述损失参数要素，所述损失参数要素，即包含了不达标的实际滚压参数对应的特征要素。
[0063]
进而，将所述损失参数要素输入进所述疲劳强度优化模型进行优化训练，即通过模型中嵌入的优化算法，对不达标的实际滚压参数进行精准的模型优化训练，使得训练输出所述要素优化参数集合，其中，所述要素优化参数集合，即反映了不达标的实际滚压参数对应的特征要素需要进行优化的参数集合，最终，利用所述要素优化参数集合，对所述目标曲轴进行参数优化。达到了对滚压工艺过程中的滚压参数进行精准控制，使得基于精准的滚压参数对曲轴的疲劳强度进行评估优化的技术效果。
[0064]
本实施例提供的方法通过采集目标曲轴的滚压工艺参数分类；确定对应的参数特征集合；搭建疲劳强度评估系统；利用数据采集模块，对滚压工艺实时参数进行采集，得到实时滚压参数集合；利用数据处理模块，对实时滚压参数集合进行数据预处理，且将预处理后的数据标记为样本数据集合；利用数据优化模块，对样本数据集合进行疲劳强度算法的优化，输出要素优化参数集合，对所述目标曲轴进行参数优化。达到了对滚压工艺过程中的滚压参数进行精准控制，使得基于精准的滚压参数对曲轴的疲劳强度进行评估优化的技术效果。
[0065]
实施例二
[0066]
基于与前述实施例中一种提高大型曲轴疲劳强度的评估优化方法相同的发明构思，如图3所示，本技术提供了一种提高大型曲轴疲劳强度的评估优化系统，其中，所述系统包括：
[0067]
分类参数采集模块，用于采集目标曲轴的滚压工艺参数分类；
[0068]
参数特征确定模块，用于通过所述滚压工艺参数分类，确定所述目标曲轴的参数特征集合；
[0069]
系统搭建模块，用于基于所述参数特征集合，搭建所述目标曲轴的疲劳强度评估系统，其中，所述疲劳强度评估系统包括数据采集模块、数据处理模块以及数据优化模块；
[0070]
实时参数采集模块，用于利用所述数据采集模块，对所述目标曲轴的滚压工艺实时参数进行采集，得到实时滚压参数集合；
[0071]
数据预处理模块，用于利用所述数据处理模块，对所述实时滚压参数集合进行数据预处理，且将预处理后的数据标记为样本数据集合；
[0072]
算法优化模块，用于利用所述数据优化模块，对所述样本数据集合进行疲劳强度算法的优化，输出要素优化参数集合，对所述目标曲轴进行参数优化。
[0073]
进一步的，所述系统包括：
[0074]
参数特征提取单元，用于通过对所述滚压工艺参数分类中，各参数进行特征提取，可得到各滚压工艺参数特征集合；
[0075]
层次聚类单元，用于通过对所述各滚压工艺参数特征集合进行自下而上的层次聚类，可得到目标聚类结果；
[0076]
参数特征确定单元，用于根据所述目标聚类结果，确定所述目标曲轴的参数特征集合。
[0077]
进一步的，所述系统包括：
[0078]
数据遍历单元，用于对所述各滚压工艺参数特征集合进行遍历访问处理，生成均匀分布数据集；
[0079]
距离计算单元，用于将所述均匀分布数据集定义为p个聚类，通过对所述p个聚类中的各自数据点的两两距离进行平均值计算，获得平均距离数据集；
[0080]
数据获得单元，用于根据所述平均距离数据集，获得类分布数据集，所述类分布数据集包括距离平均值最小的分类集；
[0081]
递归聚类单元，用于根据所述类分布数据集，对所述平均距离数据集进行逐层递归聚类，得到所述目标聚类结果，其中，所述目标聚类结果满足预设时间内稳定状态。
[0082]
进一步的，所述系统包括：
[0083]
特征获取单元，用于基于所述参数特征集合，获得曲轴滚压尺寸特征、曲轴滚压形状特征以及曲轴滚压粗糙度特征；
[0084]
尺寸特征获取单元，用于利用尺寸测量装置，对所述目标曲轴在沉割槽圆角深滚压工艺中的滚压半径进行采集，用以得到滚压半径参数集合，其中，所述滚压半径参数集合具有所述曲轴滚压尺寸特征；
[0085]
表面特征获取单元，用于利用图像采集装置，对所述目标曲轴在沉割槽圆角深滚压工艺中的滚压图像进行采集，用以得到滚压形状集合、滚压表面粗糙度集合，其中，所述滚压形状集合具有所述曲轴滚压形状特征、所述滚压表面粗糙度集合具有所述滚压表面粗糙度集合。
[0086]
进一步的，所述系统包括：
[0087]
第一特征数据集获取单元，用于根据所述实时滚压参数集合，获得第一特征数据
集；
[0088]
第二特征数据集获取单元，用于对所述第一特征数据集进行中心化处理，获得第二特征数据集；
[0089]
第一协方差矩阵获取单元，用于获得所述第二特征数据集的第一协方差矩阵；
[0090]
矩阵运算单元，用于对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；
[0091]
数据投影单元，用于将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
[0092]
进一步的，所述系统包括：
[0093]
模型构建单元，用于基于所述疲劳强度算法，构建疲劳强度优化模型；
[0094]
模型训练单元，用于将所述样本数据集合输入至所述疲劳强度优化模型进行训练；
[0095]
结果获取单元，用于获得所述疲劳强度优化模型的训练结果，所述训练结果包括所述要素优化参数集合。
[0096]
进一步的，所述系统包括：
[0097]
标准参数采集单元，用于采集所述目标曲轴的标准滚压工艺参数；
[0098]
损失分析单元，用于参照所述标准滚压工艺参数，对所述样本数据集合进行滚压参数的损失分析，确定对应的损失参数要素；
[0099]
优化训练单元，用于将所述损失参数要素输入进所述疲劳强度优化模型进行优化训练。
[0100]
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中，通过各种不限类型的计算机处理器识别计算机指令或程序，进而实现上述任一项方法或者步骤。
[0101]
基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作的任何改进和修饰，皆应落入本发明的专利保护范围。
技术特征：1.一种提高大型曲轴疲劳强度的评估优化方法，其特征在于，所述方法包括：采集目标曲轴的滚压工艺参数分类；通过所述滚压工艺参数分类，确定所述目标曲轴的参数特征集合；基于所述参数特征集合，搭建所述目标曲轴的疲劳强度评估系统，其中，所述疲劳强度评估系统包括数据采集模块、数据处理模块以及数据优化模块；利用所述数据采集模块，对所述目标曲轴的滚压工艺实时参数进行采集，得到实时滚压参数集合；利用所述数据处理模块，对所述实时滚压参数集合进行数据预处理，且将预处理后的数据标记为样本数据集合；利用所述数据优化模块，对所述样本数据集合进行疲劳强度算法的优化，输出要素优化参数集合，对所述目标曲轴进行参数优化。2.如权利要求1所述的方法，其特征在于，确定所述目标曲轴的参数特征集合，包括：通过对所述滚压工艺参数分类中，各参数进行特征提取，可得到各滚压工艺参数特征集合；通过对所述各滚压工艺参数特征集合进行自下而上的层次聚类，可得到目标聚类结果；根据所述目标聚类结果，确定所述目标曲轴的参数特征集合。3.如权利要求2所述的方法，其特征在于，所述方法包括：对所述各滚压工艺参数特征集合进行遍历访问处理，生成均匀分布数据集；将所述均匀分布数据集定义为p个聚类，通过对所述p个聚类中的各自数据点的两两距离进行平均值计算，获得平均距离数据集；根据所述平均距离数据集，获得类分布数据集，所述类分布数据集包括距离平均值最小的分类集；根据所述类分布数据集，对所述平均距离数据集进行逐层递归聚类，得到所述目标聚类结果，其中，所述目标聚类结果满足预设时间内稳定状态。4.如权利要求1所述的方法，其特征在于，对所述目标曲轴的滚压工艺实时参数进行采集，包括：基于所述参数特征集合，获得曲轴滚压尺寸特征、曲轴滚压形状特征以及曲轴滚压粗糙度特征；利用尺寸测量装置，对所述目标曲轴在沉割槽圆角深滚压工艺中的滚压半径进行采集，用以得到滚压半径参数集合，其中，所述滚压半径参数集合具有所述曲轴滚压尺寸特征；利用图像采集装置，对所述目标曲轴在沉割槽圆角深滚压工艺中的滚压图像进行采集，用以得到滚压形状集合、滚压表面粗糙度集合，其中，所述滚压形状集合具有所述曲轴滚压形状特征、所述滚压表面粗糙度集合具有所述滚压表面粗糙度集合。5.如权利要求1所述的方法，其特征在于，对所述实时滚压参数集合进行数据预处理，包括：根据所述实时滚压参数集合，获得第一特征数据集；对所述第一特征数据集进行中心化处理，获得第二特征数据集；
获得所述第二特征数据集的第一协方差矩阵；对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。6.如权利要求1所述的方法，其特征在于，对所述样本数据集合进行疲劳强度算法的优化，包括：基于所述疲劳强度算法，构建疲劳强度优化模型；将所述样本数据集合输入至所述疲劳强度优化模型进行训练；获得所述疲劳强度优化模型的训练结果，所述训练结果包括所述要素优化参数集合。7.如权利要求6所述的方法，其特征在于，将所述样本数据集合输入至所述疲劳强度优化模型进行训练，之前包括：采集所述目标曲轴的标准滚压工艺参数；参照所述标准滚压工艺参数，对所述样本数据集合进行滚压参数的损失分析，确定对应的损失参数要素；将所述损失参数要素输入进所述疲劳强度优化模型进行优化训练。8.一种提高大型曲轴疲劳强度的评估优化系统，其特征在于，所述系统包括：分类参数采集模块，用于采集目标曲轴的滚压工艺参数分类；参数特征确定模块，用于通过所述滚压工艺参数分类，确定所述目标曲轴的参数特征集合；系统搭建模块，用于基于所述参数特征集合，搭建所述目标曲轴的疲劳强度评估系统，其中，所述疲劳强度评估系统包括数据采集模块、数据处理模块以及数据优化模块；实时参数采集模块，用于利用所述数据采集模块，对所述目标曲轴的滚压工艺实时参数进行采集，得到实时滚压参数集合；数据预处理模块，用于利用所述数据处理模块，对所述实时滚压参数集合进行数据预处理，且将预处理后的数据标记为样本数据集合；算法优化模块，用于利用所述数据优化模块，对所述样本数据集合进行疲劳强度算法的优化，输出要素优化参数集合，对所述目标曲轴进行参数优化。
技术总结本发明提供了一种提高大型曲轴疲劳强度的评估优化方法及系统，涉及曲轴疲劳强度检测领域，通过采集目标曲轴的滚压工艺参数分类；确定对应的参数特征集合；搭建疲劳强度评估系统；利用数据采集模块，对滚压工艺实时参数进行采集，得到实时滚压参数集合；利用数据处理模块，对实时滚压参数集合进行数据预处理，且将预处理后的数据标记为样本数据集合；对样本数据集合进行疲劳强度算法的优化，输出要素优化参数集合，对所述目标曲轴进行参数优化。解决了难以对滚压工艺过程中的滚压参数进行精准控制，导致难以基于精准的滚压参数对曲轴的疲劳强度进行评估优化的技术问题。达到了基于精准的滚压参数对曲轴的疲劳强度进行评估优化的技术效果。化的技术效果。化的技术效果。
技术研发人员：丛建臣 孙军 邵诗波
受保护的技术使用者：天润工业技术股份有限公司
技术研发日：2022.07.14
技术公布日：2022/11/1
