噴油嘴磨粒流加工全因子試驗分析方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種噴油嘴磨粒流加工全因子試驗分析方法,屬于磨粒流加工技術(shù)領(lǐng) 域。
【背景技術(shù)】
[0002] 磨料流加工技術(shù)是一種最新的機械加工方法,它是以磨料介質(zhì)(摻有磨粒的一種 可流動的混合物)在壓力下流過工件所需加工的表面,進行去毛刺、除飛邊、磨圓角,以減 少工件表面的波紋度和粗糙度,達到精密加工的光潔度。該法在需要繁復(fù)手工精加工或形 狀復(fù)雜的工件,以及其他方法難以加工的部位是最好的可供選擇的加工方法。該法也可應(yīng) 用于以滾筒、震動和其它大批量加工不夠滿意或加工時要受傷的工件。并且能有效得到去 除放電加工或激光光束加工后再生的脫層和先前工序加工表面所殘留的殘余應(yīng)力。
【發(fā)明內(nèi)容】
[0003] 本發(fā)明的目的在于提供一種噴油嘴磨粒流加工全因子試驗分析方法,以便更好地 針對磨粒流加工方法予以研宄分析,為使用該技術(shù)提供更好的依據(jù)。
[0004] 為了實現(xiàn)上述目的,本發(fā)明的技術(shù)方案如下。
[0005] 一種噴油嘴磨粒流加工全因子試驗分析方法,其具體步驟如下:
[0006] 第一步,擬合選定模型:具體包括:
[0007] (1)看方差分析表中的總效果:Htl:模型無效O氏模型有效:如果對應(yīng)的回歸項的 p-value< 0. 05,則表明應(yīng)拒絕原假設(shè),即可以判定本模型總體來說是有效的,如果對應(yīng)的 回歸項p-value> 0. 05,則表明無法拒絕原假設(shè),即可以判定模型總的來說是無效的。
[0008] (2)看方差分析表中的失擬現(xiàn)象:本項所檢驗的假設(shè)是:?無失擬GH1有失擬:在 ANOVA分析結(jié)果中,如果失擬項對應(yīng)的p-value> 0. 05,說明無法拒絕原假設(shè),即可以判定 本模型并沒有失擬現(xiàn)象;反之,說明所選模型可能漏掉了關(guān)鍵項,應(yīng)該考慮重新建立模型; 失擬項對應(yīng)的計算依據(jù)是:最初計算重復(fù)試驗間的差異,將其作為試驗誤差的估計;將缺 失的項與所造成的誤差平方和與之比較,經(jīng)過F檢驗即可得到結(jié)論。以后,將分析結(jié)果中判 斷為不顯著的項都歸為隨機誤差項,重新計算失擬項是否顯著。
[0009] (3)看方差分析表中的彎曲項:本項所檢驗的假設(shè)是:HQ:無彎曲G氏:有彎曲;在 ANOVA分析結(jié)果中,如果彎曲項對應(yīng)的p-value> 0. 05,則表明無法拒絕原假設(shè),即可以判 定本模型并沒有彎曲現(xiàn)象;反之,說明數(shù)據(jù)呈彎曲狀態(tài),而模型中并沒有平方項,應(yīng)該將平 方項補上;彎曲項計算的依據(jù)是:計算重復(fù)試驗間的差異,將其做為試驗誤差的估計,首先 對自變量取三個觀測值,分別取高水平、低水平及中心點對應(yīng)的實施例數(shù)據(jù),然后去除線性 項,獲得二次項的平方和;二次項的平方和與實施例誤差進行比較,通過F檢驗判斷模型是 否呈彎曲。
[0010] ⑷擬合的總效果相關(guān)系數(shù)R2(即R-Sq)以及修正的總效果相關(guān)系數(shù)R2adj即 (R-Sq(adj))。
[0011] 通過回歸分析結(jié)果中的平方和分解公式可得: _2]SSlotal=SSModel+SSError (1)
[0013] 通過考慮SSsfodel在SST(rtal中所占的比例,來定義R平方項(R-Square,即R-Sq):
【主權(quán)項】
1. 一種噴油嘴磨粒流加工全因子試驗分析方法,其特征在于;具體步驟如下: 第一步,擬合選定模型;具體包括: (1) 看方差分析表中的總效果;H。;模型無效〇Hi模型有效;如果對應(yīng)的回歸項的 p-value< 0. 05,則表明應(yīng)拒絕原假設(shè),即可W判定本模型總體來說是有效的,如果對應(yīng)的 回歸項p-value> 0. 05,則表明無法拒絕原假設(shè),即可W判定模型總的來說是無效的; (2) 看方差分析表中的失擬現(xiàn)象:本項所檢驗的假設(shè)是;H。無失擬〇Hi有失擬;在方差 分析結(jié)果中,如果失擬項對應(yīng)的p-value> 0. 05,說明無法拒絕原假設(shè),即可W判定本模型 并沒有失擬現(xiàn)象;反之,說明所選模型可能漏掉了關(guān)鍵項,應(yīng)該考慮重新建立模型;失擬項 對應(yīng)的計算依據(jù)是;最初計算重復(fù)試驗間的差異,將其作為試驗誤差的估計;將缺失的項 與所造成的誤差平方和與之比較,經(jīng)過F檢驗即可得到結(jié)論;W后,將分析結(jié)果中判斷為不 顯著的項都歸為隨機誤差項,重新計算失擬項是否顯著; 做看方差分析表中的彎曲項:本項所檢驗的假設(shè)是;H。;無彎曲〇Hi;有彎曲;在ANOVA分析結(jié)果中,如果彎曲項對應(yīng)的p-value> 0. 05,則表明無法拒絕原假設(shè),即可W判 定本模型并沒有彎曲現(xiàn)象;反之,說明數(shù)據(jù)呈彎曲狀態(tài),而模型中并沒有平方項,應(yīng)該將平 方項補上;彎曲項計算的依據(jù)是:計算重復(fù)試驗間的差異,將其做為試驗誤差的估計,首先 對自變量取=個觀測值,分別取高水平、低水平及中屯、點對應(yīng)的實施例數(shù)據(jù),然后去除線性 項,獲得二次項的平方和;二次項的平方和與實施例誤差進行比較,通過F檢驗判斷模型是 否呈彎曲; (4) 擬合的總效果相關(guān)系數(shù)R2W及修正的總效果相關(guān)系數(shù)R2adj; (5) 對S值或s2的分析:假定觀測值與理論模型的誤差為W0為均值,W0 2為方差 的正太分布;在方差分析表中,殘差誤差對應(yīng)的平均離差平方和的數(shù)值正是0 2的無偏估計 量,將其記為均方誤差MSE,而有些軟件在計算后會將其平方根S-并輸出,可W認為S值 是曰的估計;一般情況下,將預(yù)測值加減2倍S,即是預(yù)測值的95%的置信區(qū)間;S值越小 說明模型越好; (6) 各項效應(yīng)的顯著性;在計算結(jié)果的最開始部分,估計回歸系數(shù)y中,列出了各項的 效應(yīng)及檢驗結(jié)果;通過對每一項的分別的檢驗,可W得出有些項是顯著的而有些項是不顯 著的,該里要注意的是;對于一個效應(yīng)顯著的高階項,其包含的低階項必然是效應(yīng)顯著項; 對于各項效應(yīng)的顯著性的分析,MINITAB軟件還輸出一些相關(guān)圖形,幫助進一步驗證有關(guān)結(jié) 論;主要是Pareto效應(yīng)圖及正態(tài)效應(yīng)圖; 第二步:殘差診斷;具體的說殘差診斷包括四個步驟,分別觀察計算機自動輸出的四 個圖形: (1) 觀察殘差圖中W觀測值順序為橫軸的散點圖,觀察散點圖中,各點是否在水平軸上 下隨機波動; (2) 觀察殘差圖中W響應(yīng)變量擬合值為橫軸的散點圖,觀察圖中,殘差是否保持著等方 差性,如果殘差沒有保持等方差性,此圖會出現(xiàn)"漏斗狀"或"卿趴狀"; (3) 觀察殘差的正態(tài)性檢驗圖,判斷殘差是否按正態(tài)分布規(guī)律分布; (4) 觀察殘差中W自變量為橫軸的散點圖,主要看圖中是否存在彎曲趨勢;當(dāng)散點明 顯呈U型或反U型彎曲,該說明對響應(yīng)變量y而言,對該自變量X僅取線性項不滿足要求, 模型中還缺少平方項或者立方項,應(yīng)增加X的平方項或立方項,將會使模型擬合效果更好; 殘差診斷的四個圖均是正常的則代表模型是正常的; 第=步;判斷模型是否需要改進: 該步驟的主要任務(wù)是依據(jù)第一步和第二步的結(jié)果,通過數(shù)值分析和殘差圖兩個方面判 斷模型是否需要改進,W及模型應(yīng)該如何改進;如果模型需要改進應(yīng)依據(jù)殘差圖進行平方 項或立方項的增加,另外,基于根據(jù)各個效應(yīng)的顯著性,對模型中的不顯著項進行刪減,總 之,發(fā)現(xiàn)模型中有需要修改的地方,就返回最初的第一步; 經(jīng)過前=步的反復(fù)修改完善,最終確定一個滿意模型,選定該模型進行下一步分析; 第四步;分析解釋模型:主要有下列=方面的內(nèi)容,該=方面的要求,一般在計算機軟 件中會自動給出: (1) 各因子主效應(yīng)圖和交互效應(yīng)圖;從主效應(yīng)圖和交互效應(yīng)圖中進一步確認所選的那 些因子和交互作用項是否真的顯著W及未選中的那些因子的主效應(yīng)及交互效應(yīng)是否真的 不顯著,從而更具體更直觀的確認選定的模型; (2) 輸出等高線圖、響應(yīng)曲面圖:等高線圖和響應(yīng)曲面圖能夠幫助進一步確認各個自 變量W及他它們之間的交互項是如何影響響應(yīng)變量結(jié)果的; (3) 實現(xiàn)最優(yōu)化;按照具體問題的望大、望小或望目在數(shù)值上求出在整個實施例范圍 內(nèi)的最佳值,該個數(shù)值可W通過MINITAB軟件自動給出;雖然在因子設(shè)計階段實施例設(shè)計 的目的是篩選變量,但實際上,在DOE分析的第一步中就可W判定哪些變量是顯著的哪些 變量是不顯著的,可W在使用該些信息的基礎(chǔ)上,獲得最佳值;計算機提供的"響應(yīng)變量優(yōu) 化器"可W自動給出最優(yōu)設(shè)置;通常只要在選定響應(yīng)變量后再對最優(yōu)目標予W設(shè)定即可; 第五步:判斷目標是否已經(jīng)達到;主要是將分析預(yù)測的目標值與原實施例目標相比 較;如果離目標尚遠,則應(yīng)考慮安排新一輪實施例,如果已基本達到目標,則應(yīng)設(shè)定驗證試 驗W確保將來按照最佳條件生產(chǎn)能獲得預(yù)期效果。
【專利摘要】本發(fā)明涉及一種噴油嘴磨粒流加工全因子試驗分析方法,其具體步驟如下:第一步,擬合選定模型:具體包括:(1)看方差分析表中的總效果;(2)看方差分析表中的失擬現(xiàn)象;(3)看方差分析表中的彎曲項;(4)擬合的總效果相關(guān)系數(shù)R2以及修正的總效果相關(guān)系數(shù)。(5)對s值或s2的分析。(6)各項效應(yīng)的顯著性。第二步:殘差診斷。第三步:判斷模型是否需要改進。第四步:分析解釋模型。第五步:判斷目標是否已經(jīng)達到。該發(fā)明完善了擬分析磨粒流加工數(shù)學(xué)模型,推導(dǎo)出以磨料物理屬性為主的回歸方程,實現(xiàn)對磨粒流加工質(zhì)量的定量控制,此研究具有一定的學(xué)術(shù)意義和工程價值。
【IPC分類】G06F19-00
【公開號】CN104794366
【申請?zhí)枴緾N201510226907
【發(fā)明人】李俊燁, 吳桂玲, 侯吉坤, 張心明, 許穎, 劉建河, 孫鳳雨
【申請人】長春理工大學(xué)
【公開日】2015年7月22日
【申請日】2015年5月7日