Bootstrap重采样Bayesian方法在白车身制造尺寸不合格率估计中的应用

白车身质量是汽车整车质量控制中的重要环节,针对白车身制造尺寸质量控制中检测数据属于小样本数据、数据处理分析不能采用一般大样本条件下统计分析方法的问题引入Bootstrap重采样Bayesian方法。通过对白车身尺寸质量的不合格率进行定义,分析简单计算、滑动计算、β分布Bayesian计算等3种估计不合格率的方法,引入Bootstrap重采样技术结合Bayesian方法进行不合格率的估计,并通过Matlab软件对4种算法进行仿真比较。仿真结果表明,Bootstrap重采样Bayesian方法的预测精度高于其余3种方法,适用于小样本情况下白车身制造尺寸不合格率的估计。最后通过一个实例演示了Bootstrap重采样Bayesian方法在白车身制造尺寸不合格率估计中的应用流程。     

智能制造中的生产过程质量控制标准化体系研究

智能制造是"中国制造2025"的核心,也是实现我国制造业转型升级的必然选择。虽然全生命周期质量管理的理念已经深入人心,但互联互通、系统集成等多项智能制造关键技术的应用,为生产过程的质量控制技术带来了新的发展机遇。传统的生产过程质量控制多基于MES或ERP系统的历史数据,通过统计过程控制(SPC)来实现产品质量控制,缺乏实时性,而导致该现象的原因是不同设备选用的接口、协议等存在差异,无法与系统实现实时性数据传输,或者由于不明确的质量数据需求,导致数据量不足或数据资源浪费。为了实现智能制造所要求的质量数据在线测控系统的互联互通与实时采集分析,解决智能设备生产过程状态参数监测、实时传输等问题,本文将提出一系列与智能设备生产过程质量控制相关的标准化体系,同期开展的标准制定工作,将为解决上述问题提供新的思路与方法。     

轿车白车身装配过程的一种模型表达方法

提出一种称为“TRAS”模型的轿车白车身装配过程表达模型,通过车身装配树表达工艺过程,通过零件和总成件装配矩阵表达车身结构和装配关系,并通过基准点、定位点、装配点、检测点等及其他要素特征点及其特征矩阵,来描述装配特征和装配尺寸传递关系。该模型为进一步开展定量偏差分析奠定了数据表达基础,可应用于白车身CMM测量数据分析和尺寸偏差诊断。     

线激光扫略的白车身装配特征机器人在线检测技术研究

为实现白车身装配特征位置参数的在线检测,监控和保障白车身焊接尺寸质量,研制了一种基于线激光摆动扫略的白车身装配特征机器人在线检测系统.提出了摆动式线激光单目视觉传感器的测量系统方案和传感器参数标定方法及传感器摆动运动标定方法;分析了传感器摆动采集光刀图像的特点,进而提出了面向孔槽、柱状类装配特征的光刀点云提取算法及位置参数计算方法;进行了系统集成,开发了在线检测系统,并展开工程应用验证.验证结果表明:本技术实现了对白车身各类装配特征快速、精密、稳定的检测.     

基于物联网边缘的智能装配工艺多模态数据质量保障方法研究

目前,物联网和大数据技术的发展和使用掀起了一场新的工业革命。其中,广泛的网络连接和数据交换使制造技术和制造流程正在变得自动化和智能化。在智能制造的背景下,加强对智能制造过程中装配工艺数据的安全保障,是实现产品安全生产和交付的一个关键因素。本文以智能制造场景中的装配工艺多模态数据为研究基础,提出了一种基于物联网边缘的多模态数据质量保障方法。本方法可对用于智能决策的多模态数据存在的冗余标签进行清洗,以提升智能制造场景中装配过程中的数据质量,进而保障生产安全。     

数据赋能离散式制造的特定工件的质量符合率预测北大核心

物联网和5G技术的发展使得生产制造环节中产生的大量数据被收集变成可能。中国智能制造的创新和发展离不开数据驱动,基于数据驱动的离散式生产制造中特定工件的质量符合率,对制造企业的生产制造过程控制极为重要,是实现智能生产和智能决策的关键环节。通过对国内外关于质量符合率的研究进行文献综述,界定离散式制造、特定工件和质量符合率的概念,基于实际生产特定工件中收集的12 934笔数据建立质量符合率随机森林模型和Bagging模型,分别对包含20个变量的数据集进行学习。根据两个模型预测精度的对比分析,表明随机森林模型对质量符合率的预测更加有效,其预测精度达99.47%。此外,基于数据样本集,对影响特定工件质量水平的变量进行重要性分析,找出关键变量,提取不同质量水平的特定工件的重要特征,为提高特定工件质量符合率提供决策依据和指导。     

数据赋能离散式制造的特定工件的质量符合率预测

物联网和5G技术的发展使得生产制造环节中产生的大量数据被收集变成可能。中国智能制造的创新和发展离不开数据驱动,基于数据驱动的离散式生产制造中特定工件的质量符合率,对制造企业的生产制造过程控制极为重要,是实现智能生产和智能决策的关键环节。通过对国内外关于质量符合率的研究进行文献综述,界定离散式制造、特定工件和质量符合率的概念,基于实际生产特定工件中收集的12 934笔数据建立质量符合率随机森林模型和Bagging模型,分别对包含20个变量的数据集进行学习。根据两个模型预测精度的对比分析,表明随机森林模型对质量符合率的预测更加有效,其预测精度达99.47%。此外,基于数据样本集,对影响特定工件质量水平的变量进行重要性分析,找出关键变量,提取不同质量水平的特定工件的重要特征,为提高特定工件质量符合率提供决策依据和指导。     

浅谈激光在线测量系统在焊装线体上的应用

在汽车制造工艺过程中,白车身作为所有装配的载体包括了汽车各系统功能安装点,白车身精度的稳定性是至关重要。目前,各汽车厂普遍采用在线+离线组合的测量方式对白车身质量进行监控,在线测量系统的应用实现100%测量的,实时、动态监控生产线,及时发现质量异常,并报送给质量人员开展分析和处理;同时能够将测量的数据存储,为生产过程中的SPC、MSA等分析工具提供大量的数据支撑,更有效地对误差做出客观性判定和指导生产。     

基于功能尺寸最短路径的零件尺寸标注模式的设计

机械零件的尺寸标注模式有多种.尺寸标注模式影响着机械产品的精度和制造成本.为获得零件尺寸合理的标注模式,建立了包含零件尺寸标注所有可能模式的装配尺寸联系路径图;以满足装配体功能尺寸形成路径最短为目标,基于装配尺寸链最短路径原则和最短路径问题的求解,通过2种方法建立了装配体功能尺寸最短路径生成树.功能尺寸最短路径生成树确...     

整车渗水问题分析及对策

市场上出现整车漏水是汽车装配过程中需要着重关注和解决的问题,漏水问题涉及的因素很多,分析较为复杂,是研发制造整车质量初期控制的难点之一。该文主要研究以某款车型为案例,从车身涂胶、密封海绵、车身钣金止口内间隙和胶条安装工艺及员工操作熟练度4个方面对漏水的原因分析和控制措施探讨,介绍了整车漏水的问题原因分析和控制措施及临时维修措施,为整车漏水试制问题的解决提供了借鉴和参考。     

基于光纤应变传感器的型架定位器位置检测方法研究

针对飞机装配过程中型架定位器的位置变化,提出一种基于光纤应变传感器的定位器位置检测方法。通过光纤应变传感器对型架主体及定位器组件关键特征区域的应变和定位器位置变化量进行实时采集,对采集的数据进行分析和处理,采用BP（back propagation,反向传播）神经网络建立飞机型架不同区域应变量与定位器位置变化量之间的数学模型。在某型工艺装备上搭建型架定位器位置检测试验平台,根据试验数据分别建立了定位器在平面及空间范围受载下的位置检测神经网络模型。试验结果表明：当神经网络样本数量一定时,模型对定位器位置的预测精度与加载偏移角度有关,偏移角度越小,加载覆盖率越高,模型的预测精度越高。其中,平面内以30°间隔、空间以45°间隔加载时,建立的神经网络模型对定位器位置的预测精度满足定位要求,验证了本文方法的可行性。该方法摈弃了用数字化设备直接测量的传统方式,弥补了因视线遮挡而造成个别定位器位置无法被检测的缺陷,能对装配过程中所有定位器的位置进行检测,解决定位器位置偏差过大造成的飞机部件检测质量差的问题,提升了飞机的装配质量。     

半导体精密控温技术在航天器包装容器的应用

目的 对某型号航天器包装容器进行温控系统设计,以达到航天器高精度控温的要求.方法 对总体保温布局进行设计,优化被动保温结构,采用半导体控温方式,利用Ansys Workbench进行稳态和瞬态热力学分析.通过试验测试,验证保温结构设计和热力学分析结果的合理性.结果 在外部施加热源温度36℃和0℃情况下,随着热源区域的远离,包装容器内部的温度也趋于平稳,内部装载产品区域温度基本能维持在20.99～22.662℃.实际试验结果显示箱内温度变化不大于±1℃,比传统的空调控温精度高出70％左右.结论 通过优化箱体的被动保温结构,采用半导体精密控温,可以满足未来航天器小型化、高精度运输要求.     

Dynamic Intelligent Supply-Demand Adaptation Model Towards Intelligent Cloud Manufacturing

As a new mode and means of smart manufacturing, smart cloud manufacturing (SCM) faces great challenges in massive supply and demand, dynamic resource collaboration and intelligent adaptation. To address the problem, this paper proposes an SCM-oriented dynamic supply-demand (S-D) intelligent adaptation model for massive manufacturing services. In this model, a collaborative network model is established based on the properties of both the supply-demand and their relationships; in addition, an algorithm based on deep graph clustering (DGC) and aligned sampling (AS) is used to divide and conquer the large adaptation domain to solve the problem of the slow computational speed caused by the high complexity of spatiotemporal search in the collaborative network model. At the same time, an intelligent supply-demand adaptation method driven by the quality of service (QoS) is established, in which the experiences of adaptation are shared among adaptation subdomains through deep reinforcement learning (DRL) powered by a transfer mechanism to improve the poor adaptation results caused by dynamic uncertainty. The results show that the model and the solution proposed in this paper can perform collaborative and intelligent supply-demand adaptation for the massive and dynamic resources in SCM through autonomous learning and can effectively perform global supply-demand matching and optimal resource allocation.     

基于分级代理的智能家庭网络模型研究

针对现有家庭网络中智能设备不能有效学习家庭用户习惯,致使不能满足用户的个性化服务质量的问题,给出了一种基于分级代理的智能家庭网络模型.首先给出了一种智能家庭网络设备的形式化描述,以此为基础提出了分级代理的智能家庭网络模型:全局Agent通过对家庭中的长期数据进行学习,总结出一定的服务规则,指导设备Agnet根据家庭成员的生活习惯改变工作方式;设备Agent利用强化学习算法,自主学习,解读家庭环境的状态变化,并做出最优选择.该模型的应用实例及仿真结果表明,应用此模型,设备可以学习用户习惯,为用户提供个性化服务.     

带检测环节的制造单元布局优化

针对带检测环节的智能制造单元，考虑其具有随机性因素的特点，本文对其机器布局问题进行研究。首先对该智能制造单元的生产过程及特点进行分析，建立其机器布局优化问题的随机非线性整数规划的数学模型；然后建立该智能制造单元对应的仿真模型，对该优化问题进行求解；最后分析抽检率的变化对最优解造成的影响，并对该智能制造单元的性能指标进行方差分析，研究不同的布局方案和抽检率对系统性能的影响程度。研究成果为企业进行智能制造单元的机器布局提供决策依据。     

造船厂钢板出库作业计划的建模及优化研究

对于造船厂钢板堆场出库作业计划问题,在分析堆场出库作业流程的基础上,建立了以出库作业时间最短为目标的优化模型.该模型可归结为多层组合优化问题.针对本问题寻优过程的阶段性和复杂性的特点,提出了基于改进遗传算法的多层嵌套启发式优化算法.与传统人工决策的作业方案相比,该优化结果可以缩短24%～67%的作业时间.     

基于全连接神经网络的压铸件质量预测算法

目的 针对复杂压铸制造过程中高精度监控和质量预测问题,构建全连接神经网络,以提高压铸件缺陷分类和预测的准确性及高效性。方法 提出了一种基于全连接神经网络的算法,用于压铸件的质量预测。以汽车发动机下缸体为研究对象,先通过压铸岛采集关键工艺数据,后通过异常值处理和数据归一化进行数据预处理,再采用最小冗余和最大相关性的启发式算法（MRMR）进行特征处理,选出对压铸件质量影响较大的5个参数,该算法以3个压射速度、真空度、动模流量为输入层参数,以铸件质量为输出层参数。最后确定该算法的结构及各个参数,进行模型的训练与构建,并与不同算法进行性能比较。结果 与传统的决策树、SVM算法相比,该算法在相同数据集的分类和预测性能方面均更优,表明全连接神经网络在预测压铸缺陷方面具有优势。结论 该算法在实际应用中具有很大的潜力,证明全连接神经网络在预测能力和精度方面具有优势,可以为数据分类和预测提供更好的解决方案。     

基于数字孪生与深度学习技术的制造加工设备智能化方法研究

针对传统制造加工设备在生产加工过程中存在设备与数据信息联系不紧密,设备使用维护多依赖于人工经验等问题,提出了一种新的设备智能化方法。首先,在信息层建立能反映制造加工设备真实状态的数字孪生体;其次,基于历史加工大数据,通过数字孪生体对加工过程的行为进行建模及深度学习和训练,并利用训练好的人工神经网络根据采集到的实时数据来预测制造加工设备下一时刻的状态,使制造加工设备实现物理层与信息层数据的深度融合,拥有自我感知、自我预测的能力,最终实现智能化;最后,以浆料微流挤出成型设备挤出结构系统的智能化实施过程为例,验证了所提出方法的可行性。实例结果表明该设备智能化方法可有效地对挤出结构系统的运行状态进行监测及预测,为后续提高挤出成型精度提供了有效的数据信息。研究表明数字孪生和深度学习技术能够提升制造加工设备的智能化程度,可为未来智能制造的发展提供理论支撑。     

Concurrent optimal allocation of design and process tolerances for mechanical assemblies with interrelated dimension chains

Concurrent tolerance allocation has been the focus of extensive research, yet very few researchers have considered how to concurrently allocate design and process tolerances for mechanical assemblies with interrelated dimension chains. To address this question, this paper presents a new tolerance allocation method that applies the concept of concurrent engineering. The proposed method allocates the required functional assembly tolerances to the design and process tolerances by formulating the tolerance allocation problem into a comprehensive model and solving the model using a non-linear programming software package. A multivariate quality loss function of interrelated critical dimensions is first derived, each component design tolerance is formulated as the function of its related process tolerances according to the given process planning, both manufacturing cost and quality loss are further expressed as functions of process tolerances. And then, the objective function of the model, which is to minimize the sum of manufacturing cost and expected quality loss, is established and the constraints are formulated based on the assembly requirements and process constraints. The purpose of the model is to balance manufacturing cost and quality loss so that concurrent optimal allocation of design and process tolerances is realized and quality improvement and product cost reduction is achieved. The proposed method is tested on a practical example.     

Mission reliability evaluation based on operational quality data for multistate manufacturing systems

Modern and intelligent manufacturing systems have a prominent multistate feature. However, previous studies of reliability analysis of multistate manufacturing systems mostly focused on the basic reliability of manufacturing systems but disregarded their operating characteristics, which has hindered the development of Prognostics and Health Management technique for intelligent manufacturing systems. Therefore, an evaluation approach of mission reliability for multistate manufacturing systems based on operational quality data is proposed in this paper. First, from the systematic viewpoint of the composition and operational principle of the manufacturing system, the relationship among production task execution state, production equipment degradation state, and produced product quality state is expounded, and the connotation of the mission reliability of multistate manufacturing systems is defined. Second, an extended state task network (ESTN) is presented to organise operational quality data by considering the quality state of work in process (WIP). Third, a fusion model of operational quality data for manufacturing systems is established with the aid of the ESTN, and an operational quality data-oriented evaluation method of mission reliability is been put forward. Finally, a case study of a manufacturing system for a cylinder head is conducted to verify the proposed approach.