本發(fā)明涉及裝備檢測領(lǐng)域，特別是一種基于三維模型的多屬性決策質(zhì)量檢測方法。

背景技術(shù)：

復(fù)雜裝備研制生產(chǎn)具有多品種、小批量、高要求、高風(fēng)險等特點，在這種生產(chǎn)方式下，制造企業(yè)特別是生產(chǎn)制造車間需要更加真實的反映裝備使用環(huán)境、功能、行為、故障狀態(tài)及檢測過程與結(jié)果。這就使得傳統(tǒng)的單一化故障注入質(zhì)量檢測方法難以充分滿足復(fù)雜裝備質(zhì)量檢測的需求。

如何利用先進的質(zhì)量監(jiān)測方法改善復(fù)雜裝備當(dāng)前檢測模式，降低生產(chǎn)風(fēng)險，優(yōu)化運行效率，提高市場競爭力，最終實現(xiàn)數(shù)字化制造，已成為現(xiàn)代制造業(yè)的主要發(fā)展趨勢之一，也是當(dāng)前國內(nèi)外專家學(xué)者的重要研究課題。

復(fù)雜裝備數(shù)字化研制方法使一些以激光雷達掃描儀、攝影測量儀、三維坐標(biāo)測量機、激光跟蹤儀、三維激光掃描儀等為代表的數(shù)字化檢測技術(shù)得以更廣泛的應(yīng)用，尤其是在復(fù)雜裝備的結(jié)構(gòu)件和零部件的質(zhì)量檢測應(yīng)用越發(fā)普遍，一方面提高了檢測效率，另一方面提升了復(fù)雜裝備制造裝配的質(zhì)量和效率。積極加快實施數(shù)字化質(zhì)量檢測手段，實現(xiàn)三維質(zhì)量檢測規(guī)劃和數(shù)據(jù)分析的合理化、普及化應(yīng)用，從而提高企業(yè)對多變市場的快速響應(yīng)能力和綜合競爭力，已然成為支撐企業(yè)又好又快發(fā)展，促進其核心競爭能力提升的助推器。

制造業(yè)的數(shù)字化一方面可大大降低傳統(tǒng)企業(yè)對資源的消耗，使整個行業(yè)間的資源和信息可以共享集成，大大縮短產(chǎn)品設(shè)計和制造等各個生產(chǎn)環(huán)節(jié)的時間。另一方面，制造業(yè)的數(shù)字化能擴大信息產(chǎn)業(yè)內(nèi)部產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，擴大信息產(chǎn)業(yè)的規(guī)模及產(chǎn)業(yè)內(nèi)部投資類、消費類市場規(guī)模，也能帶動相關(guān)高新方法產(chǎn)業(yè)的市場規(guī)模，為國民經(jīng)濟結(jié)構(gòu)調(diào)整提供了原始動力。實施數(shù)字化質(zhì)量檢測可滿足企業(yè)對生產(chǎn)方式向數(shù)字化、精密化、柔性化、高效化等方向轉(zhuǎn)型改造的需求，可提高產(chǎn)品設(shè)計和生產(chǎn)的自動化水平，降低數(shù)字化制造模式的設(shè)計與制造風(fēng)險，促進產(chǎn)品質(zhì)量和制造效率的提高，從而提升制造企業(yè)的核心制造能力。

目前在復(fù)雜裝備多屬性決策的數(shù)字化質(zhì)量檢測方法研究還不夠充分，因此對企業(yè)實施數(shù)字化質(zhì)量檢測方法只起到了點的推動作用，而沒有起到面的推廣作用；從現(xiàn)有企業(yè)的數(shù)字化質(zhì)量檢測方法的應(yīng)用情況來看，并不是每個實施了數(shù)字化質(zhì)量檢測的企業(yè)都能取得理想的效果，造成企業(yè)實施數(shù)字化質(zhì)量檢測后效果迥異的重要原因包括：未能建立一套適合企業(yè)生產(chǎn)模式的數(shù)字化質(zhì)量檢測規(guī)則；僅考慮單一屬性的質(zhì)量檢測技術(shù)無法滿足當(dāng)前的企業(yè)需求；未采用規(guī)范化的數(shù)字化質(zhì)量檢測操作流程等等。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供了一種可以保證復(fù)雜裝備質(zhì)量檢測的合理性、完備性以及一定功能、性能水平下質(zhì)量穩(wěn)定性的基于三維模型的多屬性決策質(zhì)量檢測方法。

本發(fā)明的目的通過以下技術(shù)方案實現(xiàn)。

一種基于三維模型的多屬性決策質(zhì)量檢測方法，步驟包括：

1)選擇產(chǎn)品型號，并對該型號產(chǎn)品三維質(zhì)量模型進行參數(shù)提取：通過建立文件指針和機械接口與三維質(zhì)量模型的特征數(shù)進行連接，提取出復(fù)雜裝備結(jié)構(gòu)件和零部件的參數(shù)，輸出到制定路徑當(dāng)中的Excel表格中；

2)復(fù)雜裝備產(chǎn)品零件特征識別：通過對質(zhì)量檢測特征的識別，獲取相應(yīng)特征的特征參數(shù)，所述質(zhì)量檢測特征包括復(fù)合特征、單元特征、成型特征、過渡特征，并將特征數(shù)據(jù)存放在數(shù)據(jù)庫中，所述特征數(shù)據(jù)包括零件代碼、特征名稱、特征尺寸；

3)多屬性決策質(zhì)量檢測模型構(gòu)建：將步驟2)提取的零件三維質(zhì)量模型特征和特征數(shù)據(jù)基于多屬性決策方法進行有序組合形成復(fù)雜裝備構(gòu)件的質(zhì)量檢測模型；

4)數(shù)字化質(zhì)量檢測規(guī)則確定：針對復(fù)雜裝備零件采用人工交互、智能分析、模型重構(gòu)和對比三種方法進行質(zhì)量檢測，當(dāng)對于待檢測的特征里面完全是人工交互模塊中已存儲的零件特征，則使用人工交互方法；當(dāng)待檢測的特征具有相似的特征時，即與模型數(shù)據(jù)庫中零件的質(zhì)量檢測特征相同，但尺寸不完全相同的特征，采用智能分析方法，進行分析推理，并對復(fù)雜裝備零件進行檢驗規(guī)劃；當(dāng)對于復(fù)雜特征及精度要求高的特征，則選擇模型重構(gòu)和對比方法，重復(fù)步驟4)，直到檢測方案滿足零件功能檢測要求，并且無干涉、漏檢問題時，確立為最佳的質(zhì)量檢測方案，并以報告的形式導(dǎo)入模型數(shù)據(jù)庫進行存檔，作為該型號下一代產(chǎn)品研制的數(shù)據(jù)基礎(chǔ)。

進一步的，所述步驟1)具體為通過復(fù)雜裝備構(gòu)件三維質(zhì)量模型設(shè)計軟件的應(yīng)用程序接口，建立指針對象進行連接，向三維質(zhì)量模型設(shè)計軟件傳遞相關(guān)參數(shù)，并將對話框顯示在軟件界面上。

進一步的，所述步驟2)具體為采用eclipse開發(fā)工具對質(zhì)量信息進行處理，根據(jù)知識庫知識，通過搜索關(guān)鍵詞進行正向演繹推理，提取零件的特征名稱和特征數(shù)據(jù)，并以屬性結(jié)構(gòu)顯示；提取的復(fù)雜裝備構(gòu)件特征數(shù)據(jù)包括零件代碼、特征名稱、特征尺寸等數(shù)據(jù)，存放在數(shù)據(jù)庫中，并在軟件界面顯示。

進一步的，所述步驟3)中多屬性決策質(zhì)量檢測模型為M＝(F₁，F(xiàn)₂，B，T，E，L)，式中，M代表多屬性決策質(zhì)量檢測模型；F₁為功能模型；F₂為故障模型；B為行為模型；T為檢測模型；E為環(huán)境模型；L為各屬性模型之間的關(guān)聯(lián)關(guān)系。

進一步的，所述步驟4)中人工交互方法具體為：人工輸入零件信息，通過檢測工藝數(shù)據(jù)頭進行檢索，對檢索工藝進行修改、添加、插入或移動，保存編輯結(jié)果，審核、標(biāo)準(zhǔn)化、批準(zhǔn)，確定檢驗工藝規(guī)程，如果打印則輸出檢測報告，否則重新輸入零件信息。

進一步的，所述步驟4)中智能分析方法具體為：提取待檢測零件的相關(guān)要素，當(dāng)實例庫中有匹配的實例時，則返回實例的結(jié)論和檢驗方案，本方法結(jié)束；否則計算相似度，當(dāng)有相似實例時，則將相似的實例修正返回結(jié)論和檢驗方案，存儲新實例后結(jié)束；否則判斷實例庫是否檢索完畢，當(dāng)實例庫檢索完畢時，本方法結(jié)束；否則返回判斷實例庫中有無匹配實例。

進一步的，所述步驟4)中模型重構(gòu)和對比方法具體為：復(fù)雜裝備零件通過數(shù)字設(shè)備生成三維掃描模型，從三維數(shù)字化設(shè)計模型庫中提取三維數(shù)字化設(shè)計模型，將三維掃描模型和三維數(shù)字化設(shè)計模型進行模型對比后生成檢測報告，判斷是否合格。

相比于現(xiàn)有技術(shù)，本發(fā)明的優(yōu)點在于：(1)實現(xiàn)復(fù)雜裝備零件的三維設(shè)計模型的參數(shù)提取、特征識別、重構(gòu)、對比，線上查詢、人工交互、智能分析、知識庫調(diào)用，數(shù)據(jù)存儲，檢驗反饋等功能；(2)突破傳統(tǒng)質(zhì)量檢測方法與現(xiàn)代數(shù)字化質(zhì)量檢測方法不兼容的桎梏，能夠?qū)鹘y(tǒng)的檢測手段融入到數(shù)字化質(zhì)量檢測的新模式，避免了傳統(tǒng)方法和數(shù)字方法的劣勢，充分發(fā)揮了兩者的優(yōu)點，使檢驗效率大幅提升；(3)增加了復(fù)雜裝備質(zhì)量檢測反饋功能，將檢測數(shù)據(jù)以表單形式存儲到數(shù)據(jù)庫中，供相關(guān)的設(shè)計制造部門瀏覽查閱，分析設(shè)計工藝和加工工藝優(yōu)劣，盡早判斷出誤差來源，進而改進設(shè)計制造工藝；(4)滿足企業(yè)對生產(chǎn)方式向數(shù)字化、精密化、柔性化、高效化等方向轉(zhuǎn)型改造的需求，可提高產(chǎn)品設(shè)計和生產(chǎn)的自動化水平，降低資源消耗和生產(chǎn)成本，促進產(chǎn)品質(zhì)量和制造效率的提高，從而提升制造企業(yè)的核心制造能力；(5)多屬性決策手段的應(yīng)用改變了傳統(tǒng)復(fù)雜裝備質(zhì)量檢測手段單一的不足，使復(fù)雜裝備的質(zhì)量檢測更好地適應(yīng)多變的客戶需求和市場環(huán)境，提高產(chǎn)品的競爭力。

附圖說明

圖1為本發(fā)明提取的零件設(shè)計參數(shù)示意圖。

圖2為本發(fā)明提取的零件特征示意圖。

圖3為本發(fā)明識別特征的數(shù)據(jù)庫形式示意圖。

圖4為本發(fā)明人工交互方法流程圖。

圖5為本發(fā)明智能分析方法流程圖。

圖6為本發(fā)明模型重構(gòu)和對比方法流程圖。

圖7為本發(fā)明多屬性決策質(zhì)量檢測模型關(guān)聯(lián)關(guān)系圖。

具體實施方式

下面結(jié)合說明書附圖和具體的實施例，對本發(fā)明作詳細描述。

本發(fā)明的目的是針對復(fù)雜裝備多品種、小批量、質(zhì)量高要求等特點，為復(fù)雜裝備質(zhì)量檢測的合理性、完備性以及一定功能、性能水平下質(zhì)量穩(wěn)定性提供一種有效途徑和方法。該方法針對當(dāng)今傳統(tǒng)質(zhì)量檢測方法的缺點，通過與數(shù)字化檢測方法的結(jié)合，采用一種數(shù)字化環(huán)境下采用多屬性決策手段進行質(zhì)量檢測的方法，依據(jù)復(fù)雜裝備三維模型的參數(shù)提取和特征識別，建立多屬性決策質(zhì)量檢測一體化模型，參照復(fù)雜裝備產(chǎn)品的現(xiàn)有標(biāo)準(zhǔn)和規(guī)范，建立數(shù)字化復(fù)雜裝備零件的質(zhì)量檢測規(guī)則庫，并采用檢測規(guī)則對其進行標(biāo)準(zhǔn)化檢測，生成檢測報告。改變了傳統(tǒng)的復(fù)雜裝備產(chǎn)品質(zhì)量檢測方式，在產(chǎn)品制造過程前發(fā)現(xiàn)質(zhì)量缺陷，有效地降低設(shè)計風(fēng)險、縮短研制周期，是目前復(fù)雜裝備產(chǎn)品數(shù)字化質(zhì)量檢測有效、可行的實施方法。

本發(fā)明是針對方法狀態(tài)明確的特定規(guī)格產(chǎn)品，是獨立于型號研制的產(chǎn)品滿足質(zhì)量要求程度的度量，是指導(dǎo)產(chǎn)品的研發(fā)、生產(chǎn)、應(yīng)用等活動的基本路線圖，是為產(chǎn)品研制提供權(quán)衡比較的參考依據(jù)。本發(fā)明是一種對復(fù)雜裝備的產(chǎn)品質(zhì)量進行多屬性決策控制的數(shù)字化質(zhì)量檢測方法，該方法針對復(fù)雜裝備零件參數(shù)提取和特質(zhì)識別的實現(xiàn)過程、多屬性決策質(zhì)量檢測模型構(gòu)建、數(shù)字化質(zhì)量檢測規(guī)則與具體實現(xiàn)三大核心部分按層級展開，所述復(fù)雜裝備零件參數(shù)提取和特征識別的實現(xiàn)過程采用基于三維模型進行復(fù)雜裝備質(zhì)量檢測規(guī)劃，需要從三維設(shè)計模型提取出該模型的幾何參數(shù)信息，并能從這些大量信息中識別出復(fù)雜裝備零件特征，為后續(xù)方法的選擇提供數(shù)據(jù)來源；所述多屬性決策質(zhì)量檢測模型構(gòu)建以多屬性決策為手段，基于上述參數(shù)提取與特征識別形成多屬性決策質(zhì)量檢測模型，為后續(xù)質(zhì)量檢測規(guī)則與具體實現(xiàn)提供基礎(chǔ)支撐；所述數(shù)字化質(zhì)量檢測規(guī)則與具體實現(xiàn)采用人工交互方法、智能分析方法、模型重構(gòu)和對比方法對復(fù)雜裝備的質(zhì)量檢測制定規(guī)則，并圍繞該規(guī)則進行數(shù)字化環(huán)境下多屬性決策質(zhì)量檢測的具體實現(xiàn)。

本發(fā)明是針對復(fù)雜裝備零件參數(shù)提取和特征識別的實現(xiàn)過程、多屬性決策質(zhì)量檢測模型構(gòu)建、數(shù)字化質(zhì)量檢測規(guī)則與具體實現(xiàn)三個核心部分進行復(fù)雜裝備產(chǎn)品的質(zhì)量檢測，從而為復(fù)雜裝備在研制、生產(chǎn)及使用環(huán)節(jié)的生命周期內(nèi)的合理性、完備性以及一定功能、性能水平下質(zhì)量穩(wěn)定性提供一種有效途徑和方法。步驟包括：

1)如圖1所示，選擇產(chǎn)品型號，并對該型號產(chǎn)品三維質(zhì)量模型進行參數(shù)提?。和ㄟ^建立文件指針和機械接口與三維質(zhì)量模型的特征數(shù)進行連接，提取出復(fù)雜裝備結(jié)構(gòu)件和零部件的參數(shù)，輸出到制定路徑當(dāng)中的Excel表格中，最終完成產(chǎn)品三維質(zhì)量模型的參數(shù)提取任務(wù)；

2)如圖2所示，復(fù)雜裝備產(chǎn)品零件特征識別：通過對質(zhì)量檢測特征的識別，獲取相應(yīng)特征的特征參數(shù)，所述質(zhì)量檢測特征包括復(fù)合特征、單元特征、成型特征、過渡特征，并將特征數(shù)據(jù)存放在數(shù)據(jù)庫中，如圖3所示，所述特征數(shù)據(jù)包括零件代碼、特征名稱、特征尺寸；

3)多屬性決策質(zhì)量檢測模型構(gòu)建：將步驟2)提取的零件三維質(zhì)量模型特征和特征數(shù)據(jù)基于多屬性決策方法進行有序組合形成復(fù)雜裝備構(gòu)件的質(zhì)量檢測模型；

4)數(shù)字化質(zhì)量檢測規(guī)則確定：針對復(fù)雜裝備零件采用人工交互、智能分析、模型重構(gòu)和對比三種方法進行質(zhì)量檢測，當(dāng)對于待檢測的特征里面完全是人工交互模塊中已存儲的零件特征，則使用人工交互方法；當(dāng)待檢測的特征具有相似的特征時，即與模型數(shù)據(jù)庫中零件的質(zhì)量檢測特征相同，但尺寸不完全相同的特征，采用智能分析方法，進行分析推理，并對復(fù)雜裝備零件進行檢驗規(guī)劃；當(dāng)對于復(fù)雜特征(典型凸臺、型腔、孔類、倒圓和倒角等基本特征經(jīng)過組合，構(gòu)成復(fù)雜特征)及精度要求高的特征(當(dāng)檢測件滿足以下條件：1，該檢測件的功能與某特征精度強相關(guān)；2，該檢測件某特征精度要求高于行業(yè)內(nèi)標(biāo)準(zhǔn)。則認(rèn)為該特征精度要求高)，則選擇模型重構(gòu)和對比方法，重復(fù)步驟4)，直到檢測方案滿足零件功能檢測要求，并且無干涉、漏檢等問題時，確立為最佳的質(zhì)量檢測方案，并以報告的形式導(dǎo)入模型數(shù)據(jù)庫進行存檔，作為該型號下一代產(chǎn)品研制的數(shù)據(jù)基礎(chǔ)。

在本發(fā)明中，復(fù)雜裝備產(chǎn)品零件參數(shù)提取和特征識別采用基于三維模型進行零件質(zhì)量檢測規(guī)劃，需要從三維設(shè)計模型提取出該模型的幾何參數(shù)信息，并能從這些大量信息中識別出零件的型面特征，為后續(xù)方法的選擇提供數(shù)據(jù)來源。

所述步驟1)具體為通過復(fù)雜裝備構(gòu)件三維質(zhì)量模型設(shè)計軟件的應(yīng)用程序接口，建立指針對象進行連接，向三維質(zhì)量模型設(shè)計軟件傳遞相關(guān)參數(shù)，并將對話框顯示在軟件界面上。

所述步驟2)具體為基于復(fù)雜裝備產(chǎn)品零件三維質(zhì)量模型設(shè)計軟件提取的參數(shù)種類繁多，采用eclipse開發(fā)工具對質(zhì)量信息進行處理，根據(jù)知識庫知識，通過搜索關(guān)鍵詞進行正向演繹推理，提取零件的特征名稱和特征數(shù)據(jù)，并以屬性結(jié)構(gòu)顯示；提取的復(fù)雜裝備構(gòu)件特征數(shù)據(jù)包括零件代碼、特征名稱、特征尺寸等數(shù)據(jù)，存放在數(shù)據(jù)庫中，并在軟件界面顯示，方便質(zhì)量檢測人員進行瀏覽。

在本發(fā)明中，多屬性決策質(zhì)量檢測模型構(gòu)建方法以功能、故障、行為、檢測、環(huán)境五個屬性作為多屬性決策的基本要素。故障行為的定量化應(yīng)以定量的故障模型、功能模型、行為模型為基礎(chǔ)，通過故障仿真獲得故障行為；檢測響應(yīng)定量化需要行為模型和檢測模型的支撐，通過檢測仿真獲得檢測對故障的響應(yīng)結(jié)果；考慮環(huán)境的影響需要將環(huán)境模型化，明確環(huán)境與故障、故障行為和檢測之間的定量藕合關(guān)系，并加載到受環(huán)境影響的模型上參與仿真計算。

1)功能。不僅包括功能語義描述、定義，還包括對裝備功能的定量數(shù)學(xué)描述，在檢測性一體化模型中以定性的功能語義描述和定量的數(shù)學(xué)模型聯(lián)合表示，對于很難建立理論模型的功能單元，其功能模型即為實物樣機模型。

2)故障。用于描述故障屬性、特點、特征等，能進行故障發(fā)生時間仿真、故障模擬注入、故障仿真和故障傳播影響分析等。

3)行為。裝備狀態(tài)、輸出等的變化過程，如位置變化、輸出信號變化等，在模型中體現(xiàn)為參數(shù)、變量變化軌跡，主要用于描述裝備注入故障后的變化和表現(xiàn)。

4)檢測。對裝備仿真生成的某些信號和特征進行測量和處理，用于描述檢測屬性、特征并進行檢測仿真等。

5)環(huán)境。包括工作環(huán)境和自然環(huán)境，環(huán)境特征參數(shù)傳遞、耦合到其他相關(guān)聯(lián)的模型中參與計算和仿真，有助于使所建質(zhì)量檢測模型更能準(zhǔn)確反映真實情況。

所述步驟3)中多屬性決策質(zhì)量檢測模型為M＝(F₁，F(xiàn)₂，B，T，E，L)，式中，M代表多屬性決策質(zhì)量檢測模型；F₁為功能模型；F₂為故障模型；B為行為模型；T為檢測模型；E為環(huán)境模型；L為各屬性模型之間的關(guān)聯(lián)關(guān)系。

功能模型為式中：P為推力；R為空氣動力；F_c為控制力；mg為引力；F_k為附加哥勢力；F_rel為附加相對力。

故障模型：

行為模型：

式中：q、χ和δ分別為位置、速度、姿態(tài)角和偏移向量；t₀和t_r分別為零件初始時刻和運動中任意時刻。

測試模型：

環(huán)境模型：本實施例中以溫度因素為例，式中：T_i為大氣層第i層的溫度；為第i層的溫度梯度；Δh_i為距離第i層層底的高度差。

如圖7所示，故障模型中的故障注入模型是在功能模型基礎(chǔ)上，將部分相關(guān)變量和參數(shù)作修改后得到，功能模型與故障模型之間通過輸入變量I、物理參數(shù)P和狀態(tài)變量S發(fā)生聯(lián)系。

環(huán)境往往作為負載、干擾施加于裝備，環(huán)境模型與功能模型之間通過環(huán)境特征產(chǎn)生聯(lián)系，在建立功能模型時一般把環(huán)境特征變量轉(zhuǎn)化為輸入變量，從而將兩類子模型關(guān)聯(lián)起來。

環(huán)境模型與故障模型也是通過環(huán)境特征相關(guān)聯(lián)，將環(huán)境特征轉(zhuǎn)化為環(huán)境應(yīng)力變量或模糊化為環(huán)境應(yīng)力等級，再將環(huán)境應(yīng)力變量或環(huán)境應(yīng)力等級作為輸入施加于故障模型中的故障物理模型或故障統(tǒng)計模型，用于仿真生成故障注入樣本。

行為模型用于描述系統(tǒng)的變化軌跡，它與功能模型之間通過系統(tǒng)的輸入變量I、狀態(tài)變量S和輸出變量O發(fā)生聯(lián)系。若某些故障的行為不能通過定量的功能仿真、故障仿真獲得，則可以借助工作原理分析和故障模式及影響分析，建立故障模型和行為模型之間的關(guān)系，它們之間通過輸入I和輸出O聯(lián)系。裝備的行為會受到環(huán)境噪聲的干擾，因而行為模型與環(huán)境模型之間通過環(huán)境噪聲A產(chǎn)生聯(lián)系。

檢測模型用于捕捉系統(tǒng)的行為表現(xiàn)，與行為模型之間通過狀態(tài)變量S和輸出變量O發(fā)生聯(lián)系。測試設(shè)備可以直接測量裝備的輸入和某些物理參數(shù)，檢測模型與功能模型之間通過輸入變量I和物理參數(shù)P發(fā)生聯(lián)系?？紤]到測試設(shè)備會受環(huán)境應(yīng)力作用發(fā)生故障以及檢測受環(huán)境噪聲影響，檢測模型與環(huán)境模型之間通過環(huán)境特征和環(huán)境噪聲A產(chǎn)生聯(lián)系。

多屬性決策質(zhì)量檢測模型中各屬性模型在使用前必須經(jīng)過模型檢驗、校核和確認(rèn)，可信度達到要求才能參與多屬性決策質(zhì)量檢測模型的構(gòu)建和仿真計算，對于難以準(zhǔn)確建立精細化模型的單元用實物模型代替，可采用半實物仿真方式進行質(zhì)量檢測。

人工交互方法以輸入零件信息為起始點，以輸出檢驗工藝卡片為最終目的，根據(jù)復(fù)雜裝備產(chǎn)品零件檢測標(biāo)準(zhǔn)與規(guī)范，為人工交互方法設(shè)計好知識庫，并通過合理布局，使界面更加友好。

如圖4所示，所述步驟4)中人工交互方法具體為：人工輸入零件信息，通過檢測工藝數(shù)據(jù)頭進行檢索，對檢索工藝進行修改、添加、插入或移動，保存編輯結(jié)果，審核、標(biāo)準(zhǔn)化、批準(zhǔn)，確定檢驗工藝規(guī)程，如果打印則輸出檢測報告，否則重新輸入零件信息。

對于相似的飯金特征，系統(tǒng)可以從已有的飯金特征進行智能分析，合理制定出飯金檢驗規(guī)劃。在傳統(tǒng)的飯金零件檢驗方法中，檢驗員需要有充足的檢驗經(jīng)驗和檢驗技巧。因此通過將總結(jié)的檢驗經(jīng)驗和檢驗技巧輸入到智能分析模塊的專家知識庫中，通過基于實例的推理方法，根據(jù)已經(jīng)存儲到數(shù)據(jù)庫中相似的檢驗方案來生成新的檢驗方案。

如圖5所示，所述步驟4)中智能分析方法具體為：提取待檢測零件的相關(guān)要素，當(dāng)實例庫中有匹配的實例時，則返回實例的結(jié)論和檢驗方案，本方法結(jié)束；否則計算相似度，當(dāng)有相似實例時，則將相似的實例修正返回結(jié)論和檢驗方案，存儲新實例后結(jié)束；否則判斷實例庫是否檢索完畢，當(dāng)實例庫檢索完畢時，本方法結(jié)束；否則返回判斷實例庫中有無匹配實例。

當(dāng)復(fù)雜裝備零件的特征中涉及到復(fù)雜的特征曲面或者是需要較高的檢測精度要求的條件下，檢測規(guī)劃輸出的檢測工藝卡片中采用數(shù)字化方法進行檢測時，需要以模型重構(gòu)與對比的方式進行質(zhì)量檢測。

如圖6所示，所述步驟4)中模型重構(gòu)和對比方法具體為：復(fù)雜裝備零件通過數(shù)字設(shè)備生成三維掃描模型，從三維數(shù)字化設(shè)計模型庫中提取三維數(shù)字化設(shè)計模型，將三維掃描模型和三維數(shù)字化設(shè)計模型進行模型對比后生成檢測報告，判斷是否合格。