买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京科技大学申请的专利一种关键装配误差元素灵敏度分析方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117826731B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410013671.5，技术领域涉及：G05B19/418；该发明授权一种关键装配误差元素灵敏度分析方法及系统是由郭飞燕;宋长杰;刘嘉良;石金康;张硕;黄明吉设计研发完成，并于2024-01-04向国家知识产权局提交的专利申请。

本一种关键装配误差元素灵敏度分析方法及系统在说明书摘要公布了：本发明提供了一种关键装配误差元素灵敏度分析方法及系统，包括：S1：多误差源作用下的装配误差传递机理模型构建；S2：小样本数据支撑的装配误差传递数据模型构建；S3：机理‑数据有机融合模型构建；S4：面向装配精度数据分析的Sobol全局灵敏度计算模型构建；S5：机理‑数据融合驱动的全局灵敏度计算；S6：灵敏度数值分析下的装配关键误差元素辨识；S7：关键装配误差元素灵敏度分析方法有效性验证，本发明综合考虑机理与数据的融合作用对灵敏度分析结果的影响，可实现复杂产品关键误差元素的快速有效辨识。

本发明授权一种关键装配误差元素灵敏度分析方法及系统在权利要求书中公布了：1.一种关键装配误差元素灵敏度分析方法，所述分析方法用于复合材料翼盒装配零件在生产制造过程中进行关键误差元素的辨识，其特征在于，所述分析方法包括以下步骤：S1：根据产品的装配过程和结构特征，构建多误差源作用下的装配误差传递机理模型；S2：根据装配误差传递机理模型和有限样本数据，构建装配误差传递数据预测模型；S3：通过装配误差传递机理模型和装配误差传递数据预测模型构建机理-数据有机融合模型；S4：通过机理-数据有机融合模型构建面向装配精度数据分析的全局灵敏度计算模型；S5：通过机理-数据有机融合模型和Sobol全局灵敏度计算模型进行全局灵敏度计算；S6：通过全局灵敏度计算结果进行装配关键误差元素辨识；S7：对装配关键误差元素辨识结果进行有效性验证；所述S1具体包括：S11：根据产品的装配过程和结构特征，确定产品装配过程中存在的多种误差源，获取误差源的相关数据，并对其装配过程中相应特征的变动情况用小位移旋量模型进行表示；S12：根据中各部件之间的装配关系和工装定位夹紧情况，结合S11中分析得到的误差源，建立关键装配环节处的装配误差传递关系图；S13：根据装配误差传递关系图和小位移旋量模型，采用雅可比旋量模型对其装配误差传递机理模型进行构建；所述S2具体包括：S21：根据装配误差机理模型的结构，确定装配误差传递数据预测模型的采集需求，对数据输出进行定义，其输出数据为机理模型装配精度计算值与实测装配值的偏差；S22：根据数据输出确定数据的采集需求，采集需求包括模型训练构建过程中的输入数据和训练数据；S23：对输入数据与训练数据进行有限数据采集，并对数据进行预处理以去除异常值，通过支持向量回归预测模型优化装配误差传递数据预测模型，通过优化后的预测模型对机理计算装配精度与实测装配精度的数值进行预测；所述S3具体包括：S31：获取产品数据，将产品数据代入装配误差传递机理模型，计算得到装配精度的机理理论计算值，获取误差传递实测数据，将误差传递实测数据和机理理论计算值作为训练样本，训练预测值为装配机理计算偏差的装配误差传递数据预测模型；S32：通过装配误差传递数据预测模型得到机理计算偏差的预测值；S33：将计算得到的装配精度机理计算偏差预测值与装配精度的机理计算理论值相加，得到补偿后的装配精度计算值；S34：通过补偿后的装配精度计算值构建用于装配精度预测的机理-数据有机融合模型；所述S4具体包括：S41：设置各装配参数的取值范围并在有限数据中进行随机采样，根据采样结果同时求出机理模型的理论计算精度，依于采样数据建立第一矩阵和第二矩阵；S42：将第一矩阵和第二矩阵中的同一列进行交换，获得对应第一矩阵的第三矩阵和对应第二矩阵的第四矩阵；S43：第一矩阵、第二矩阵、第三矩阵和第四矩阵中的误差源参数输入机理-数据有机融合模型，得到四组的装配精度数据集；S44：通过四组装配精度数据集计算得到四组装配参数的一阶灵敏度与全局灵敏度；S45：通过四组装配精度数据集、一阶灵敏度与全局灵敏度构建Sobol全局灵敏度计算模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。