论文部分内容阅读
轿车白车身装配需要经历复杂的工艺过程：具有初始误差的冲压件在夹具的作用下装配成组件，分总成，最后形成白车身。装配过程中由于人、机、测、物、法、环等因素的波动会造成白车身制造过程中的尺寸偏差，这些尺寸偏差将直接影响到轿车使用性能、外观质量、制造成本和新产品投放周期，进而影响到汽车企业的市场竞争力，因此对汽车装配质量控制进行研究有着重要的意义。传统的装配误差控制手段中，无法考虑车身薄板件的柔性，或者由于算法的限制在考虑零件柔性时得到的计算结果不够精确。本文首先应用有限元工具并以现有的影响系数法为基础，提出了以装配（由于焊接占白车身装配手段的90%以上，本文所说的装配主要是指焊接）后零件关键产品特征变形为目标函数的优化模型建模方法。相比当前较常用的优化模型中只考虑到零件焊接前受夹紧力、焊枪力的作用下变形，无法模拟整个焊接过程完成后零件刚度发生改变的特点，本文中所提出的优化模型以N-2-1夹具定位原理为基础，通过影响系数法构造出焊接后零件的零件关键产品特征变形与定位点位置的影响系数矩阵，采用遗传算法寻找主平面内的性能好的定位点使得定位点位置对关键点变形的影响系数最小。以关键点位移的影响系数为目标函数，建立定位点位置为设计变量的优化模型。传统装配误差控制手段中，无法考虑车身薄板件的柔性，或者由于算法的限制在考虑零件柔性时得到的计算结果不够精确。针对以上问题，本文提出了基于拉丁超立方抽样的薄板装配偏差分析算法，通过对拉丁超立方抽样的特性的研究，将其代替常用的简单随机抽样，该算法在保证计算精度的前提下大量的减少了抽样次数，解决了模型精度与模拟次数无法同时考虑的矛盾。为了比较该算法相比简单随即抽样法的计算精度与收敛效率，考虑到简单随机抽样需要进行上千次左右的模拟以至于任务量过大，本文建立了高精度的装配变形与偏差源响应面模型，将两种算法的结果代入响应面模型中进行比较。由于该算法能够大量减少抽样的次数，因此在有限元建模时候能够将接触等非线性问题考虑进去。最后，将本文提出的装配偏差分析算法应用到车身螺母板的装配偏差分析中，验证了该方法的有效性。