基于机器学习的自冲铆接质量在线监测

自冲铆接在新能源汽车生产中应用广泛，但现有的铆接质量监测方法存在操作复杂或可靠性差等问题。通过研究铆钉屈服、板材开裂、铆模开裂和底厚过小等铆接缺陷的特点，基于机器学习算法引入4种模型，学习曲线特征建立监测铆接结果的二元分类器及铆接失败原因的多元分类器。测试结果表明，支持向量机模型具有较高的准确率、召回率、F1值和AUC值，在多元分类中除板件开裂识别率稍低外，各缺陷识别率均较高。