【摘 要】
:
对汽车装配来说,螺栓打紧已成为重要的工艺环节,螺栓连接质量直接影响到车辆使用性能和安全。生产线上人工检测繁琐且有漏检情况,判错率高。因此,对螺栓打紧异常识别的研究已经成为企业的关注热点。本文结合目前汽车生产线主流的打紧工艺,对打紧过程的角度、扭矩等特征分析,通过改进的SMOTE、加权随机森林和K-meansⅡ算法建立机器学习模型,可准确识别异常打紧螺栓并进行故障分类。在汽车装配螺栓研究中,通过分析
论文部分内容阅读
对汽车装配来说,螺栓打紧已成为重要的工艺环节,螺栓连接质量直接影响到车辆使用性能和安全。生产线上人工检测繁琐且有漏检情况,判错率高。因此,对螺栓打紧异常识别的研究已经成为企业的关注热点。本文结合目前汽车生产线主流的打紧工艺,对打紧过程的角度、扭矩等特征分析,通过改进的SMOTE、加权随机森林和K-meansⅡ算法建立机器学习模型,可准确识别异常打紧螺栓并进行故障分类。在汽车装配螺栓研究中,通过分析设备打紧螺栓过程,提出了一种适合分离打紧异常螺栓的扭矩阈值法,通过计算过程扭矩的目标方差范围,设置面积比阈值提取异常样本,可以准确分离异常螺栓,为模型提供样本支持。对获取的打紧数据预处理,解决因工艺造成的噪声点数据、数据缺失、主体数据偏移等问题。根据螺栓打紧特点进行特征提取,包括划分窗口转换时序特征、求取弹性区域曲线斜率,使用PCA算法对特征降维,减少特征维度。面对异常打紧样本过少的问题,提出了SMOTE改进算法,利用改进算法对异常样本过采样,平衡了原数据集。此算法经验证适用于高维特征的不平衡数据,可挖掘并利用更多的样本信息。本文对传统随机森林算法加权改进,使分类准确度高的决策树拥有较大的投票权重,提高样本分类的准确性。基于加权随机森林算法构建异常打紧识别模型,利用真实数据实验,模型识别效果较好,经验证ISM+WRF优于其他组合算法。基于K-means算法建立故障分类模型,对异常螺栓故障分类,采用无监督指标评价,模型表现优异,可识别出螺纹滑牙,工件未对齐,孔深不足三种打紧故障,故障分类准确率可达96%。在Spark平台搭建5节点的集群环境,通过检测模型可并行处理大规模数据,适用于集群环境的工业生产中。取得的成果可辅助生产线工人诊断并修正打紧异常螺栓,具有一定的应用价值。
其他文献
旋转机械广泛应用于交通、航空、化工、电力等领域。转子盘、轴、轴承和密封件是旋转机械最重要的部件,其安全性、稳定性和可靠性对整个旋转系统的安全运行具有重要影响。随着国民经济和国防事业的不断发展,各行业对旋转机械的研究要求也越来越高,特别是对高速非线性转子系统的研究。此前的研究主要以线性Jeffcott转子为研究对象,本文采用Timoshenko梁单元建立的迷宫密封-转子-轴承系统为研究对象,并添加叶
曲轴是往复式压缩机的核心传动零件,其制造精度直接影响压缩机的工作性能,造成机组的振动,并产生噪声污染。依据共轭曲面原理建立起来的切点跟踪方法对曲轴精密加工效果显著,对缩短曲轴加工周期、提高曲轴的运行平稳性及减振降噪等方面都有明显的作用,但此磨削方法的运动原理较为深奥,运动模型较为复杂,导致误差来源较为复杂。本文在不改变机床以及曲轴设计的基础上,探究提高曲轴连杆颈磨削质量的方法。改良切点跟踪运动模型
为满足当今社会对节能环保的强烈需求,近年来以电驱动为代表的新能源汽车发展迅猛,其中包括纯电动系统和油电混合动力系统,纯电系统由于动力电池技术壁垒的限制目前处于发展瓶颈期,而混合动力系统作为传统燃油系统和纯电系统之间的过度产品经过近年来的发展目前技术相对更加成熟,然而一些关键技术上仍然存在不足之处,如混合动力系统中机电动力分配问题和动力输出模式切换问题。本文以双行星排动力分流式混合动力系统为研究对象
随着计算机算力和传感器检测技术的迅猛发展,汽车工业逐步向智能化、网联化时代发展,其中无人驾驶汽车是汽车发展的趋势之一。无人驾驶汽车需要传感器感知行车环境,根据行车环境进行车辆行驶路径规划以及路径跟踪,路径规划与路径跟踪技术与汽车的操纵稳定性和平顺性息息相关,故本文将对汽车在高速行驶工况下的路径规划与路径跟踪控制进行研究,所研究的对象为无人驾驶的乘用车。首先是对车辆在大地坐标系下通过质点运动学方程建
冲击响应谱为舰船及舰载设备的抗冲击设计提供了重要依据,在进行抗冲击试验时,通过加速度传感器采集加速度数据并计算获取相应的冲击响应谱是试验的关键步骤。由于加速度数据中存在难以避免的趋势项误差成分,导致冲击响应谱在中低频区间谱线失真,从而无法准确的进行抗冲击设计。本文在分析了不同中低频冲击响应谱测量装置测量误差的基础上,设计了低频振子精度检定装置,并通过试验验证了低频振子的测量精度,最后将低频振子作为
当今对油田的持续开发导致油藏压力不断增大。为了保持地层压力,注水量也逐渐加大。此外,在持续采油的情况下,油井产油呈现下降的趋势。这些变化使得高温潜油电泵采油时偏离设计工况下高速运行。在偏离设计工况时,不仅泵的扬程、效率等外特性参数会发生变化,而且泵的流场分布和稳定性也会发生改变。为了研究其变化规律,以高温潜油电泵为研究对象,在其外特性试验分析的基础上利用Fluent软件数值模拟,进一步对其深入研究
近年来,摆线轮传动在工业机器人、航空航天、医疗、机械等领域广泛应用,成为了第二大传动方式。对于摆线轮的测量,目前传统的测量方法已不能满足工业要求;为了精确、快速地测量摆线轮的齿廓和齿距偏差,论文采用视觉测量技术对摆线轮加工误差检测理论和方法进行了深入研究,为摆线轮加工工艺改进和RV减速器传动性能分析提供依据。论文的主要研究内容如下:(1)设计了摆线轮视觉测量系统。根据摆线轮的测量要求,确定了总体测
流体点胶技术是微封装工程中一项关键技术,广泛应用于微机电系统、微纳制造、生命科学等领域。随着微电子技术的发展,电子产品日益微型化、多样化,对封装工艺要求越来越高,也对点胶技术提出了微量、高效、能快速适应工作环境等要求,因此精密点胶技术是现代制造领域的重要研究课题之一。针对现有的点胶技术存在的无法实现微量胶液分配、连续点胶无法保证胶斑一致性等问题,本文提出了一种转印式点胶方法,利用细长移液针的运动将
轧辊轴承作为热轧机的关键零部件,长期在高温、重载、变转速环境下运行,导致滚动轴承极易损坏,一旦发生故障则会影响整个机组的性能稳定性,甚至造成停机。为了避免滚动轴承因突然失效导致机械设备损坏,对轴承进行状态监测并预测其剩余使用寿命,对保证设备正常运行、减少计划外停机时间具有重要意义。针对早期微弱故障特征受强背景噪声影响不易提取问题,提出了基于SVDS的早期微弱故障特征提取方法。首先将原始信号构造成H
机器人已经被广泛应用于各行各业且极大地提高了社会生产力,而机器人抓取技术是机器人研究中的热点之一。目前,大多数工业机器人都是在相对固定的结构化环境下执行抓取任务。但是当工作场景、抓取任务和目标物体等外界因素发生变化时,就要求机器人具有良好的抓取检测性能,否则会导致抓取失败。深度学习具有良好的非线性拟合能力、知识迁移能力,在计算机视觉等领域已取得显著成功。本文利用深度学习方法,重点研究机器人抓取位姿