轿车内饰装配质量控制技术

轿车内饰装配质量直接影响内美观性,乘员舒适性及车体安全性,传统样架检验难以定量描述内饰装置偏差,而ＣＭＭ测量数据缺乏空间直观性,现提出二维图纸或ＣＭＭ测量数据反求技术建立零部件三维模型,利用虚拟装置技术仿真三维实体装,定量装置偏差,控制轿车内饰装配质量,并以地毯总装过程中出现的地毯腾空缺陷为例。通过ＣＭＭ测量,统计分析,反求技术及虚拟装配等技术进行地毯配质量管理与控制。     

轿车车体装配尺寸偏差控制技术

基于偏差流理论,针对夹具的优化设计及鲁棒设计、柔性件装配偏差分析与综合、制造过程在线测量、故障诊断和偏差在线补偿,从设计和制造并行角度对车体偏差控制进行了系统综述,论述了面向设计和面向制造的偏差控制的辩证统一关系。结合所提出的偏差流库和偏差流检测站的概念,给出了偏差流控制的系统模型,丰富了偏差流理论。     

车身冲压件匹配间隙评价过程中主成分方法应用

以主成分分析理论为基础 ,对车身冲压件的匹配状况进行计算、评价。在工程中应用此方法对某轿车前轮罩总成中前轮罩和前纵梁的匹配曲面进行分析 ,结果表明 ,该方法可以对前轮罩总成匹配状况做出合理的评价 ,为车身装配工艺的调整、改进提出理论根据。     

改进的主成分分析方法在磁浮系统中的应用

为解决磁悬浮列车中多传感器系统的故障诊断和信号重构,提出了一种改进的主成分分析方法.该算法能够改进传统主成分分析方法在有相位偏移信号的系统中处理效果不佳的缺陷.算法理论证明过程也给出了实施改进方法的具体步骤.最后,在磁浮列车传感器信号系统中,基于改进前后的两种主成分分析方法,采用平方预报误差原则,分传感器有故障和无故障两种情况,把故障的检测结果进行了对比.算例结果表明,改进后的算法能明显提高故障的检测概率,降低检测误差.     

基于时序全局主成分分析的白车身检测数据分析方法

白车身制造质量对整车的美观和性能都有着很大的影响,急需一种合理的指标来评价白车身的制造质量。本文介绍了如何利用基于时序全局主成分分析的检测数据分析方法来构造白车身制造质量的综合评价指标。本文还给出一个具体的实例来说明该评价指标的合理性和综合性。     

基于非线性主成分分析的车身制造偏差源诊断

对主成分分析在轿车车身制造偏差源诊断方面的不足进行了分析,进而在其基础上提出采用非线性主成分分析,从而更有效、更准确地来对轿车车身制造偏差源进行诊断,并给出了计算实例。实例证明该方法优于主成分分析,并在工程上有较大的可用性。     

白车身装配尺寸偏差模式识别方法研究

阐述一种用于识别白车身装配尺寸偏差模式 ,从而定位偏差源的方法。通过测点的特征矩阵来表述装配的具体过程 ,应用聚类分析和相关分析将问题点分成不同的模式类 ,对每个模式类进行主成分分析后 ,可将偏差源定位到具体的装配站     

轿车白车身车门偏差控制的研究

针对车门存在的偏差问题，比较系统地分析了轿车车门的偏差的影响因素；利用主分量原理对车门数据进行处理，同时利用计算机进行虚拟匹配；提出车门偏差一般的诊断和控制方法。给出几种三坐标测量数据代表偏差源的不同形式，以及车门偏差控制的方法。     

前后工序分离的轿车白车身在线检测

据统计，白车身装配尺寸偏差导致的质量问题占整车缺陷的30％。影响白车身尺寸偏差的因素有很多，例如原材料质量、工人操作、零件装夹方式、焊接．定位方式的、定位销的磨损等等。非接触式光学测量机的出现．使车身制造的在线检测成为现实。在线检测技术为车身制造过程提供100％的、实时的质量检测数据，     

轿车车身 CAD 中的曲面品质分析方法

曲面品质分析方法在轿车车身ＣＡＤ中具有重要的地位。本文介绍了在车身ＣＡＤ中常用的反射线法、等照度线法和两种新方法——高光线法和焦点曲面法,分析了它们的原理并介绍了它们在车身ＣＡＤ中的应用,目的在于推动我国在这方面的研究。     

指数加权动态核主元分析法及其在故障诊断中应用

核主元分析法能充分利用核函数来解决非线性问题,具有很好的非线性逼近能力,但传统的核主元分析不能处理动态问题。在分析核主元分析法的基础上,提出一种新的指数加权核主元分析算法,建立一个多变量加权自回归统计核主元模型,选择Q统计量来判断系统是否发生故障,给出指数加权核主元分析法诊断故障的具体计算步骤。对液压泵进行了试验,利用小波包对液压泵端盖的振动信号进行处理,提取由13个时域和时频域特征量构成的故障特征矢量。试验结果表明,与传统的核主元分析法相比,新方法能实时更新主元模型和控制限Qa,合理地利用实时动态信息,能较好地处理动态问题,通过计算比较选择合适的加权因子,能获得良好的故障诊断效果,该方法是可行而有效的。     

核函数主元分析及其在故障特征提取中的应用

提出了基于核函数主元分析的故障特征提取方法。该方法利用计算原始特征空间的内积核函数来实现原始特征空间到高维特征空间的非线性映射。通过对高维特征数据作主元分析，得到原始特征的非线性主元．以所选的非线性主元作为特征子空间，并应用转子试验台的故障数据对该方法进行了检验。结果表明，核函数主元分析更适于提取故障信号的非线性特征，它提取的故障特征对故障具有更好的识别能力，并对分类器具有较强的鲁棒性。     

核主元分析在透平机械状态监测中的应用

讨论了核主元分析(K erne l P rinc ipa l Com ponen t A na lys is,简称KPCA)原理,提出了基于KPCA的透平机械状态监测方法。该方法在低维特征空间利用内积核函数,实现原始空间到高维空间的非线性映射以及对高维映像数据的主元分析,从而在低维空间得到原始特征的非线性主元,并根据非线性主元构建特征子空间,实现特征提取和对透平机械状态的分类识别并监测其状态变化。对仿真数据及透平机械在正常、重负荷状态下试验数据的研究表明,KPCA分类效果比主元分析好,能有效地识别出透平机械的不同状态,并能及时监测到状态发生的变化。     

主成分分析在偶件多影响因素重构中的应用

针对液压阀件特性影响因素多的特点,提出利用主成分分析方法对多影响因素进行相关分析,根据各主成分的贡献率对液压阀件特性多影响因素进行重构,实现液压阀件多影响因素特征提取,从而用较少的主成分代替多影响因素。研究结果可以有效的降低液压阀件特性与多影响因素耦合规律的分析难度,同时提高液压阀件特性建模的鲁棒性,解决由于输入变量过多所造成的建模效率下降的难题。     

主元分析方法在航空发动机故障检测与诊断中的应用

针对综合参数法计算的表征发动机整体性能的综合指数不能有效地检测故障,无法识别故障变量以及需要较多的故障样本,本文提出了一种基于主元分析模型的航空发动机故障检测与故障变量识别方法。该方法不需要故障样本数据,利用统计量T2和平方预测误差实现故障检测,利用贡献率图辨识故障变量。通过对某型涡扇发动机进行实例验证分析,表明该方法能够有效地检测到早期潜在故障,准确地识别故障变量,极大地方便了故障的早期发现和排除。     

多传感器主元方向和神经网络的状态识别方法

提出了一种基于特征集第一主元方向及其信息保留率的状态识别方法.首先计算得到多路信号的特征集,继而计算该特征集的第一主元方向在特征集所在的高维空间中的方向角向量,并以该方向角向量和第一主元方向上的信息保留率作为状态识别的新特征集.提出了一种较为宽泛的神经网络收敛准则和判据方法,该方法中网络输出节点数为1,并结合非对称交叉式遗传算法作为网络训练中寻优方法,可有效实现网络的快速训练.试验表明.所提方法可对高维多元数据进行高度抽象,且计算简便,识别准确率较高,泛化能力较强,具有一定的应用价值.     

基于主成分分析的特征频率提取算法及应用

通过研究主成分分析(principal component analysis,简称PCA)中有效特征值与信号频率和幅值之间的关系,发现有效特征值的数量是由原始信号中频率成分的个数决定,与幅值、频率和相位的大小无关。信号中每个频率产生两个有效的特征值,且幅值决定协方差矩阵C的特征值在其分布图中的排列顺序。提出了一种基于PCA的特征频率提取算法,该算法可实现对单个或多个特征频率的准确提取。将此方法应用于大型转子系统轴心轨迹的提纯上,效果优于谐波小波和小波包算法。     

基于主成分分析法的等离子熔射层质量预测

等离子熔射制模是一个多因素影响的过程,不同工艺参数对模具表面熔射层质量的影响程度不同,同时各个参数之间有交互性和相关性。本文提出一种基于主成分分析法的等离子熔射层质量预测方法,通过对影响熔射层质量的相关因素进行主成分分析,排除次要因素,消除参数间的相关性,提取出主要参数。在此基础上建立预测模型,对不同工艺参数下等离子熔射层进行质量预测。算例表明:在熔射工艺参数中,输入功率、扫描速度对熔射层残余应力影响较大;扫描间距对熔射层孔隙率影响较大。选取两组工艺参数进行质量预测,得到熔射层残余应力和孔隙率预测值与实测结果基本一致的结论。     

基于主成分分析的产品外观设计决策模型

利用主成分分析对产品外观设计方案进行多目标决策,回避了设计评价中常用的评价指标模糊权重系数求解,增强了设计决策的客观性。首先,根据设计师访谈、用户调研和国内外的设计评价研究泛选产品设计评价指标;通过评价指标的公信度评测、重合度评测和效用度评测,消减重复、低效的设计评价指标,确定产品设计评价指标体系;基于主客观指标赋值,建立评价矩阵;最后,计算评价矩阵的相关系数矩阵,求解其主成分及其贡献率,构建综合评价函数。通过具体设计方案评价实验,各主成分代表的意义符合工业设计师的认知,最终评价结果与市场和用户综合评价基本一致。该研究在一定程度上增强了设计评价的客观性和科学性,对产品外观设计决策有实际价值。     

基于KPCA的SBR过程监视

序批式反应器生化污水处理系统（SBR）具有复杂的生化反应机理，其固有的严重非线性、持续时间有限、非稳态运行等给其过程监视带来特殊困难。核主元分析（KPCA）方法通过集成算子与非线性核函数计算高维特性空间的主元成分，有效捕捉过程变量中的非线性关系。将KPCA技巧应用到序批式反应器生化污水处理系统，建立了基于KPCA的SBR污水处理过程在线监视策略。在监视暴风雨事件等典型的SBR过程异常状态时，统计指标变化灵敏，诊断及时。与线性PCA相比，显示出更高的过程监视性能。