缸体铸件缩裂缺陷的模式识别分析.pdfVIP

第16卷 专辑 中 国 稀 土 学 报 1．998年8月 129；1211 ￥垡；!§i噬：』!些! 』Qg!!§!Q!!塾星￡塑!』!§§§!g!§!g!堕!Q§!l!! 缸体铸件缩裂缺陷的模式识别分析 吴铸 张兆春李重河 钦佩 陈念贻 (中国科学院土海冶金研究所，上：每200050) 奉Z剧用模式识别优化优化技术对影响汽车发功帆缸体铸件缩裂缺陷的铁水的化学成分和工艺 参数进行-『=寸忻，牛找出了缸悼铸1牛缩鞋缺陷的主要鼹藏，绐出主要蔼素的优{匕范岛．卞土研究结果 矗明模式识别优化技术可作为分斫汽车发动帆缸体符件的缩裂靛笛麻目的一崇可行选径． 关键词：铸造．缩裂．模式识别 模式识别优}E技术特别适合于对影响因素多且复杂的数据集进行处理，以便从中抽提 有用信息…，缩裂缺陷是铸造生产中较多的缺陷形式之一，影响汽车发动机缸体铸件缩裂 的因素有很多，而且各因素之间相互制约，因此口Ⅱ何对影啊缸体铸件缩裂缺陷的因素进行 优化处理，达到减少嬉裂缺陷的目的就构成了～个复杂的多因子分析问题。本文将报道利 用模式识别技术对影响汽车发动机缸体铸件缩裂缺陷的因素进行分析和处理的优化结果． 1原理与方法 least 本文利用台目标；}类信息的偏最小二乘法(partialsquaremethod，简称PLs)对影响 汽车发动机缸体铸件嫡裂缺陷的因素进行分析．偏最小二乘法方法的数学基础是主成分分 析，但同时叉是主成分回归的进一步发展口3。“，在主成分回归对原始数据矩阵x的因子数测 试中．所处理的仅为x矩阵，对于目标矩阵Y中包含的信息来加考虑．而PLS方法基于这种 考虑，以目标去计算数据矩阵x的因子，同时以矩阵Y的列矩阵x的列去预测矩阵Y的因子， PLS回归同多元线性回归、主成分回归方法相比，具有较低的预报残差平方和 、精 residual (prediction x中的线性相关问题。利用PLS回归方法可以降低X和Y矩阵的维数，且数据关系矩阵的线 I三E相关性越高，PLS回归模型的维数就越低．应用PLS回归的这一特征，可对生产工艺数据 集进行变量删除．即抽提影响目标的主要因素，具体做法可简述为：首先计算数据集的 PRESS值： PRESS：∑(y：一y。。…。) =， 随隐变量数的变化确定有效隐变量数，即将使PRESS具有最小值的隐变量数确定为有效隐 变量数。至此，数据矩阵中的有效信息已经全都提取，有效隐变量数即为影响目标的主要 因素。有关PLS算法的详细描述，请参见文献旺3‘”． 2数据处理与结果 ．L 塑： 塞 篁篁 壑堡篁丝冀型垫堕墅堡薹堡型坌堑 !耋 2．1建立样本集 本文处理的数据是某铸造厂铸造汽车发动机缸体的生产记录．所用的铸铁材质为灰铸 铁，缩裂缺陷是该铸造厂较常见的缺陷之一，为了找出形成铸造缺陷的原因，在建立样本 集时，将样本分为优、劣两类，缸体铸件形成缩裂缺陷的样本为劣类，而无任何缺陷的样 本为优类样本．影响缸体铸件缩裂缺陷的因素为三个方面；第一个方面为铁水化学成分， 是型砂性能(包括紧实率、水分、透气性、湿压强度和劈裂强度)和浇注工艺参数(浇注温度 和浇注速度)．在建立样本集时，共选定这三个方面的15个变量，收集到的生产记录经整理 有90个有效样本． 2．2抽提重要影响因素及PLS映射结果 对控制发动机缸体铸件缩裂缺陷的问题进行优化，首先要找出影响缩裂缺陷的主要因 ”‘ 素，这在模式识别优化过程中，则是需要对众多影响因素进行变量筛