1.一种制造系统多重输入下的大型柴油机机体质量预测方法，其特征在于，包括如下步骤：（1）、将柴油机机体加工过程中所使用到的夹具、机床、刀具、柴油机机体加工特征及机体加工输出的质量特征作为节点，确定各节点间的指向关系，生成柴油机机体加工质量传递网络；

具体步骤包括：分析柴油机机体的加工工艺，将工序提取为多个加工特征，将所提取的加工特征定义为柴油机机体质量传递网络中的加工特征节点，将加工特征加工过程中使用的设备和刀具定义为机体传递网络中向加工特征输入的加工要素节点，将加工特征加工后的质量特征定义为机体传递网络中加工特征向外输出的质量特征节点，通过有向边来表示节点间的输入输出关系，得到柴油机机体加工质量传递网络；

柴油机机体加工质量传递网络描述为:

G=(N,E)

其中N为质量传递网络中节点，E=（i, j），表示为由节点i指向j的有向边；

（2）、基于PageRank算法对节点重要度进行排序，将PageRank值较大的网络节点作为柴油机机体加工的关键质量控制点；

具体步骤包括：采用PageRank值对不同类型节点重要度进行排序，将PageRank值较大的网络节点作为柴油机机体加工的关键控制点，计算柴油机机体加工质量传递网络中的PageRank值，其计算方法如下：,

,其中Bi为第i次迭代后所得各网络节点的PageRank值矩阵，amn表示第m个网络节点指向第n个网络节点的边数；

假设各个节点的初始PageRank值都为1/N，即B0={1/N,1/N,…,1/N}，通过不断迭代，Bi最终会收敛于一个定值，即为各个节点的真实PageRank值；通过PageRank值的对比确定柴油机机体加工的关键控制点；

（3）、基于节点度对所选取的关键控制点所输出的质量特征的重要度进行排序，确定机体加工关键质量特征；

具体步骤包括：柴油机机体加工过程中的关键控制点输出的质量特征依据节点度的大小进行排序，节点度越大，质量特征就越重要，节点度的计算方法如下：,其中 为节点的节点度， 为入度，即为指向节点的边数， 为出度，即为该节点向外传递的边数；

（4）、在将工艺参数作为船用柴油机机体加工质量预测模型的输入的基础上，同时将工艺系统误差柴油机机体加工过程中的设备误差、刀具误差、夹具误差、操作误差及对所预测工序质量存在影响的前工序质量特征作为预测模型的输入，将关键质量特征作为质量预测模型的输出，建立船用柴油机机体加工质量预测模型；

具体步骤包括：工艺系统误差包括机体加工过程中的设备误差、刀具误差、夹具误差及操作误差，所述前工序质量特征为对关键特征有影响的前工序所输出的质量特征，所述工艺参数为切削速度、切削深度和进给量；其中工艺系统误差的表征方法为：设备误差：通过主轴振动程度对设备误差进行表征，其中主轴振动的范围为0时，评价为无振动；主轴振动的范围为0.1～0.3时，评价为轻振动；主轴振动的范围为0.4～0.6时，评价为中振动；主轴振动的范围为0.7～0.9时，评价为重振动；主轴振动的范围为1时，评价为剧烈振动应当立即停机；

夹具误差：夹具误差包括制造、磨损造成的误差和装夹误差，表示为,其中Δi——由于角铁制造误差及磨损导致的夹具实际角度与理想角度的偏差

Δj——由于角铁的摆放导致的夹具实际位置与理想位置的偏差刀具误差：将刀具磨损量作为刀具误差的表征，表示为

,其中 ——刀具已使用时间

t——刀具的理论寿命

操作误差：操作工人的操作误差，表示为

,其中εc——操作误差

ρe——操作工人的操作经验

ρt——操作工人的思考时间因素

其中操作工人的操作经验定义为机体多工序制造系统中操作工人完成某一制造任务所达到的熟练程度，量化为,其中H——操作工完成某一工序的次数

HM——某型号柴油机机体加工的总次数

思考时间是操作工人在完成某一工序任务时，花费在必要认知活动上的时间，以机体加工的辅助时间表示工人的思考时间，思考时间因素可表示为,其中T——机体某一工序任务的总时长

T0——该工序的辅助时间

TM——为完成工序任务所用时间的最大值；

（5）、基于支持向量机回归算法建立柴油机机体加工质量预测模型，并通过网格搜索法及交叉验证法对柴油机机体加工质量预测模型的惩罚因子c值及其核函数RBF的参数g值进行优化；

（6）、将测试集代入柴油机机体加工质量预测模型进行关键质量特征值的预测，通过R平方值和均方根误差对柴油机机体加工质量预测模型的精度进行检验。

2.根据权利要求1所述的一种制造系统多重输入下的大型柴油机机体质量预测方法，其特征在于，所述步骤（5）的具体步骤包括：（5.1）、通过支持向量机回归的方法建立柴油机机体加工质量预测模型，其中模型的输入为工艺系统误差、前工序质量特征及工艺参数，模型的输出为关键质量特征，将输入数据集按照2:1的比例划分为训练集和测试集，通过训练集对支持向量机回归模型进行训练；

（5.2）、使用K折交叉验证法将训练集划分为n个子集，计算n个子集的平均精度；通过网格搜索法遍历不同惩罚因子c和核函数参数g的组合，选择子集精度最高的参数组合为支持向量机回归算法的最优参数组合；将所得支持向量机回归的最优参数组合代入支持向量机回归预测模型得到柴油机机体加工质量最优预测模型。

3.根据权利要求2所述的一种制造系统多重输入下的大型柴油机机体质量预测方法，其特征在于，所述步骤（6）的具体步骤包括：预测模型的评价指标为R平方值及均方根误差RMSE，计算方法如下：,其中，m为检验样本点的数目，yi为检验样本点的实际值， 为预测2

模型的预测值，为检验样本点集的平均值，当R 值越逼近于1时，则该预测模型的精确程度越高；

,当

RMSE

越接近0的时候，表示预测模型的精度越高。