随着车身在线检测系统的广泛应用和对轿车车身制造质量的要求日趋提高,对轿车车身尺寸在线检测数据应用方法的研究也越来越受到工业界和学术界的重视。对轿车车身尺寸在线检测数据进行有效的分析和准确的报警既是提高车身制造质量的重要手段,又是提出具体整改措施的客观依据。本文针对在线检测数据分析和应用展开研究,重点在于建立一套高效、准确、实用的白车身在线检测数据自动报警方法。本文遵从“数据驱动质量”的理念,对轿车白车身制造质量控制中“检测—分析—控制”主线中的几个关键问题进行了分析阐述,对轿车车身尺寸在线检测数据自动报警方法做了一些探索性的研究,形成了基于在线测量的白车身尺寸检测数据分析与偏差源诊断技术,为今后的车身制造质量控制工作提供了新的方法与思路,有助于更有效地提高轿车白车身的制造质量水平。主要研究工作在以下几个方面展开:1、车身尺寸在线检测系统及数据特点分析。根据在线检测系统的特点,运用车身测点布置理论和功能尺寸的要求对白车身在线检测点进行选择和优化;对在线检测测点数据进行精度分析并对选择的测点坐标标定,建立统一车身坐标系;分析在线检测数据的特点,对车身尺寸几种主要的异常类型进行分类及其数据异常来源进行分析。2、建立基于控制图关联分析和分布假设检验的的在线检测数据报警方法。在对在线检测数据的特点进行分析归纳的基础上,提出在线检测异常数据的自动报警方法,并加以应用验证;将不同的控制图进行关联分析,从白车身在线检测数据中甄别出不同异常情况的报警数据;对周期性波动问题进行分布模式的匹配分析,甄别出数据异常并进行报警。形成了一整套基于控制图关联分析和分布假设检验的在线检测数据报警方法。3、基于时间序列模式识别的车身尺寸偏差诊断。对在线检测数据提出基于时间序列模式识别理论的车身尺寸偏差诊断方法,并加以验证。在线检测系统的白车身偏差诊断中,将偏差源进行分类,通过对应偏差状态下的尺寸偏差数据,建立对应的AR模型,通过几何距离函数求出几何距离用作参考,并建立相应的偏差模式集合。当在车间日常生产过程中,可以对在线检测数据进行实时建模,求出几何距离,然后与不同偏差状态下的几何距离进行比较,从而确定白车身尺寸问题的偏差源,快速诊断偏差源。4、在线检测数据报警方法的案例应用。针对白车身后落水槽部分在线检测数据存在波动变化的问题,运用基于控制图关联分析的在线检测数据报警方法对原始检测数据进行报警和基于模式识别的车身尺寸偏差诊断方法进行偏差分析。首先对数据进行预处理,通过报警方法对在线数据进行报警,确定后落水槽尺寸波动的类型,然后运用时间序列模式理论对后落水槽不同原因引起的波动类型进行时间序列建模,并借助于主成分分析,确定后落水槽尺寸波动的主要误差源,使在线检测数据后落水槽波动的问题得到根本解决,证明了基于控制图关联分析的白车身在线检测数据报警方法和基于模式识别的白车身尺寸偏差诊断方法的有效性。