面向航空复杂构件制造过程的多源数据驱动智能质量预测方法

摘要

航空复杂构件制造存在多工序、多参数耦合特性，传统质量预测方法难以解决异构数据融合与动态特征提取的难题。为此，本文提出了一种融合工艺参数、传感器信号及检测数据的多源数据驱动智能质量预测方法。该方法首先通过构建多层级数据采集体系实现制造全流程信息追溯；其次，采用深度学习与迁移学习相结合的特征提取策略，破解小样本下模型泛化难题，建立基于注意力机制的多源数据融合框架，达成关键质量特征自适应权重分配；最后，以某型号航空叶片为对象进行验证，实验结果表明：该方法在表面粗糙度预测中平均绝对误差(MAE)降低42.3%,尺寸精度预测准确率达94.7%,疲劳寿命预测误差控制在8.5%以内。该方法为航空复杂构件制造质量智能管控提供了新思路，具备重要的工程应用价值。

关键词

航空复杂构件 / 多源数据融合 / 智能质量预测 / 深度学习 / 制造过程监控