(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110629422.5 (22)申请日 2021.06.04 (65)同一申请的已公布的文献号 申请公布号 CN 113435110 A (43)申请公布日 2021.09.24 (73)专利权人 西北工业大 学 地址 710072 陕西省西安市碑林区友谊西 路127号 (72)发明人 王明微　刘磊　周竞涛　张惠斌　 (74)专利代理 机构 西安匠星互智知识产权代理 有限公司 612 91 专利代理师 陈星 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06F 17/18(2006.01)(56)对比文件 JP 2007271524 A,20 07.10.18 US 2020217 737 A1,2020.07.09 US 2021079890 A1,2021.0 3.18 CN 109871947 A,2019.0 6.11 CN 111413031 A,2020.07.14 CN 110595689 A,2019.12.20 琚奕鹏等.基 于转子跳动和初始不平衡量优 化的多级盘转子结构装配 工艺. 《航空发动机》 .2018,(第0 6期), Yang Z,Hus sain T,Popov A A,et al..Novel optimizati on technique for variation propagation control in an aero- engine assembly. 《Journal of Engi neering Manufacture》 .201 1, 审查员 张敏 (54)发明名称 一种面向装配过程的低压转子多工序不平 衡量预测方法 (57)摘要 本发明公开了一种面向装配过程的低压转 子多工序不平衡量预测方法， 用于解决低压转子 初始不平衡量波动大， 一次成功率低的问题。 该 发明的技术方案是通过对低压转子的结构以及 装配工艺 分析， 从零部件加工质量、 装配工艺、 装 配质量中确定各工序不平衡量的影响因素构建 关键影响因素备选集， 然后利用复杂网络对关键 影响因素进行识别； 其次在此基础上， 针对每一 装配工序建立基于双向LSTM网络的不平衡量预 测模型； 最后以所建立的不平衡量预测模型为基 础构建低压转子半实物仿真模型实现装配过程 中不平衡量的预测。 权利要求书1页 说明书6页 附图2页 CN 113435110 B 2022.06.21 CN 113435110 B 1.一种面向装配过程的低压转子多工序不平衡量预测方法， 其包 含以下内容： 1） ， 通过分析低压转子的结构以及装配工艺形成各工序不平衡量关键影响因素备选 集； 2） ， 根据工序不平衡量关键影响因素备选集中各影响因素间的相互作用关系利用复 杂网络构建影响因素关联关系模型； 3） ， 根据关联关系模型计算各因素的度中心性、 聚集系数、 介数中心性、 接近度中心 性、 离心度中心性、 特 征向量中心性、 平均邻居度七个因素重要度指标 形成属性原 始矩阵； 4） ， 根据形成属性原始矩阵进行标准化得到矩阵， 然后采用熵权 ‑TIOPSIS模型计算各 因素重要度， 并根据重要度变化趋势确定阈值， 实现各工序不平衡量关键影响因素识别； 5） ， 根据关键影响因素随工步的变化情况分为随工序变化和随工步变化两类的关键 影响因素， 以工序所包含的工步数为时间步， 每一时间步的输入识别出 的关键影响因素中 由随工序变化和随工步变化两 部分组成， 构建基于双向LSTM的不平衡量预测模型； 6） ， 构建以不平衡量预测模型为核心的不平衡量半实物仿真模型，  该模型输入是将 各工步以虚实结合的方式输入， 即将已进 行工步的实测数据与未进行的工步的理论数据相 结合输入到训练好的网络中即可 得到该工序不平衡量的预测值。权　利　要　求　书 1/1 页 2 CN 113435110 B 2一种面向装配过 程的低压转子多工序不平衡 量预测方 法 技术领域 [0001]本发明属于航空发动机制造领域， 涉及一种面向装配过程的低压转子多工序不平 衡量预测方法。 背景技术 [0002]不平衡量是引起低压转子振动的主要原因， 严重时会影响到航空发动机的运转可 靠性与使用寿命。 然而低压转子不平衡量受零件加工质量、 装配工艺、 装配质量等多因素协 同影响， 使 得其在装配过程中的预测面临影响因素多、 互相耦合且作用机理不明确等问题， 这导致装配过程中不平衡量难以预测。 文献 “航空发动机转子同轴度和 不平衡量双目标优 化装配方法 ”提出了一种基于神经网络的转子不平衡量预测方法。 该方法在根据多级转子 结构特点及堆叠装配工艺明确不平衡量的误差源的基础上， 建立了基于BP神经网络的多级 转子不平衡量预测网络， 实现了转子初始不平衡量的识别。 但是该方法是在转子装配前对 转子不平衡量进行预测， 仅仅考虑了零件加工质量和部分装配工艺， 忽略了装配过程中各 因素对不平衡的影响， 预测精确度较低， 具有一定的局限性。 [0003]发明目的 [0004]为解决目前低压转子初始不平衡量波动大， 一次成功率低的问题， 本发明提出了 面向装配过程的不平衡量半实物仿真模型， 主 要解决以下两个问题： [0005](1)各工序不平衡量关键影响因素识别。 针对各工序初始不平衡量影响因素众多、 影响关系黑箱且强耦合的问题， 提出基于复杂网络的不平衡量关键影响因素识别方法， 采 用复杂网络对各工序不平衡量影响因素的关联关系建模， 然后基于所建立的关联关系模型 采用熵权 ‑TOPSIS模型对其中的关键影响因素进行识别。 [0006](2)面向装配过程的不平衡量预测。 针对低压转子不平衡量与其关键影响因素复 杂耦合以及双向时序作用关系， 本发明在 对各装配工序不平衡量关键影响因素识别的基础 上， 构建以双向LSTM网络为预测模型的半实物仿真模型， 实现装配过程中低压转子各工序 不平衡量的预测。 发明内容 [0007]为实现装配过程中对不平衡量的预测， 本发明提出了一种面向装配过程的低压转 子多工序不平衡量预测模型， 通过对低压转子结构和装配工艺分析形成不平衡量关键影响 因素备选， 然后利用复杂网络构建因素间的关联关系模型对各工序不平衡量的关键影响因 素进行识别， 以所识别关键影响因素为输入， 利用双向LSTM构建低压转子不平衡量预测模 型对各工序不平衡量进行预测， 最后建立低压转子 半实物仿真模型实现装配过程中不平衡 的预测。 由于是在综合考虑了不平衡量形成过程中的各种因素的基础上对关键影响因素进 行的识别， 并且利用虚实融合的方式解决了装配过程中后序工步未进 行所导致的输入数据 不完备的问题， 因此实现了装配过程中对不平衡量的预测并保证了其预测精度。 [0008]本发明解决其技术问题所采用的技术方案： 一种面向装配过程的低压转子多工序说　明　书 1/6 页 3 CN 113435110 B 3