汽車零部件壓裝曲線局部趨勢判斷算法研究

班飛，丁國清

（上海交通大學 儀器科學與工程系，上海　200240）

汽車零部件壓裝曲線局部趨勢判斷算法研究

班飛，丁國清

（上海交通大學 儀器科學與工程系，上海200240）

汽車零部件壓裝曲線局部趨勢判斷的現有實現算法存在諸多的缺陷，在實際運用過程中經常導致測控軟件的誤判。為了滿足汽車零部件壓裝過程中日益嚴格的監控和考核要求，本文提出了一種新的閾值限定算法。在實驗室的100多次試驗和工廠中逾10萬次的壓裝應用中，該算法的正確率均達到了100%，表明該算法具有極高的可靠性。關鍵詞：壓裝曲線；局部趨勢；閾值限定；算法

壓裝在汽車零部件的生產和裝配過程中有著廣泛的應用，包括輪轂壓裝［1］、后橋襯套壓裝、發動機缸蓋壓裝［2］等。作為汽車生產和裝配過程中的關鍵工序，壓裝質量的好壞直接關系著整車的質量和安全，因此對壓裝過程進行嚴格的監控和考核是十分必要的。壓裝質量的監控主要是記錄壓裝過程中的壓裝力-位移（F-S）曲線，然后考核F-S曲線的局部趨勢是否符合要求。目前對局部趨勢的考核主要使用的是監控框判別法，構建矩形監控框，然后判斷壓裝曲線是如何通過該區間的。然而，監控框判別法按照現有的基本算法和最小二乘直線擬合算法在實際使用過程中經常出現誤判的情況，影響了對汽車零部件壓裝質量的考核。

文中簡要介紹了監控框判別法的內容，然后分析了現有實現算法的的原理及缺陷。隨后，詳細介紹了閾值限定算法的具體實現過程。最后，通過實驗和工廠中的實際應用驗證了該算法的可靠性和實用性。

1　監控框判別法

目前，對壓裝過程質量的監控和考核主要是根據其壓裝力-位移（F-S）曲線［3］?？己朔椒òūO控框判別法、關鍵點判別法、包絡線法等。其中，尤以監控框判別法應用最多。圖1所示是上汽集團某型號汽車后橋襯套壓裝過程的壓裝力-位移曲線。橫坐標表示壓頭的位移，縱坐標是與該位移對應的壓裝力。按照采樣時間的先后將采樣點依次連接起來，就得到了壓裝過程的F-S曲線。

圖1　壓裝力-位移曲線Fig.1　Press force-displacement curve

不同零部件的壓裝曲線走勢［4］不盡相同，即便是同種零部件不同型號的產品其壓裝曲線可能也有差別。但是，對壓裝曲線考核的基本方法都是通用的。監控框判別法，如圖1所示，主要是為了實現對壓裝曲線局部趨勢的自動判斷。

本例中，設置了兩個矩形監控框，編號分別為4和5。為了考核F-S曲線的局部趨勢，我們設定4號監控框為左邊進入，右邊穿出；5號監控框為底邊進入，上邊穿出。如果F-S曲線沒有從設定的監控框穿過，或者進入和穿出的方向和設定的方向不相符，則會提示F-S曲線局部趨勢錯誤，并判定壓裝過程不合格。

2　監控框判別法現有實現算法的原理及缺陷

目前，監控框判別法的實現主要有基本算法和最小二乘直線擬合算法，下面分別進行介紹。鑒于采樣點數一般比較大，而且個數不固定。從節約內存的角度，一般把采樣數據按照采樣時間的先后依次存儲在線性鏈表中。此外，由于在進行數據處理時需要經常對某個點前后的數據進行查找和訪問，所以一般采用雙向鏈表進行采樣數據的存儲。

2.1基本算法

進入方向考核：假設監控框的左上角和右下角的坐標分別為（xleft，ytop）和（xrightt，ybottom），從鏈表頭部開始依次向后遍歷，找到第一個進入監控框的數據點記為point1，根據鏈表的前向指針找到point1在鏈表中的前一點point2，假設其坐標為（x2，y2）。然后進行圖2所示的考核，只有兩個考核條件同時成立，才可以判定F-S曲線從對應方向進入。

圖2　進入方向考核Fig.2　Enter direction judgement

穿出方向考核：在進入方向考核合格以后，從穿入點point1開始，向后依次遍歷找到第一個不在監控框內的數據點記為point3，假設其坐標為（x3，y3）。然后進行圖3所示的考核，只有兩個考核條件同時成立，才可以判定F-S曲線從對應方向穿出。

算法缺陷：按照上述算法，在工廠實際生產中遇到了下面的問題，如圖4所示是某次壓裝過程中遇到的情況。

5號考核框設定的是左邊進入右邊穿出，從肉眼看過去曲線確實是左進右出穿過5號框，局部趨勢符合要求。但是判定結果卻顯示不合格，而且提示不符合從右邊出去的規則。調出考核框右邊附近的采樣數據如表1所示。

圖3　穿出方向考核Fig.3　Exit direction judgement

5號監控框左上角和右下角頂點的坐標分別為（460，10）和（470，2）。按照上述算法，第一個出右邊的點為（470.0420，8.9697），滿足右邊穿出的判定條件x3＞xright和ybottom≤y3≤ytop，因此符合右邊穿出的要求。

繼續分析左邊框附近的采樣數據如表2所示，發現在左邊框即x=460附近出現了采樣數據點波動出框的現象。

由于在進入監控框之后，按照上述算法，程序會尋找第一個出框的點是否滿足從右邊穿出的要求，因此判斷穿出方向不合格。通過分析多組采樣數據發現，這種微小的位移和壓裝力波動是經常發生的，因此采用這種算法，會經常出現誤判的情況。

2.2最小二乘直線擬合算法

為了解決上述數據波動的影響，有學者提出了最小二乘直線擬合算法。具體的實現過程如下：

1）在進入和穿出點附近取前后的若干個數據點進行最小二乘擬合，得到一條擬合直線［5］。

2）找出該擬合直線與監控框對應邊所在直線的交點，判斷交點是否在該邊上。

3）如果交點在監控框的對應邊上，則判定合格，否則判定不合格。

關于進入點的選取依然是從鏈表頭部依次遍歷，把第一個進入監控框的點point1作為進入點。而穿出點point3的選取方法如下：

1）右邊穿出：第一個滿足橫坐標大于xright且不在監控框內的點。

2）底邊穿出：第一個滿足縱坐標小于ybottom且不在監控框內的點。

圖4　誤判實例Fig.4　Example of misjudgement

表1　右邊框附近的采樣數據Tab.1 Sample data near the right border

表2　左邊框附近的采樣數據Tab.2 Sample data near the left border

圖5　局部放大圖Fig.5　Partial enlarged view

3）頂邊穿出：第一個滿足縱坐標大于ytop且不在監控框內的點。

算法缺陷：使用最小二乘直線擬合的方法，確實減小了采樣數據波動的影響。但是在實際使用該方法對壓裝曲線局部趨勢進行判斷時出現了圖6和圖7所示的誤判情況。

圖6　誤判實例Fig.6　Example of misjudgement

圖7　誤判實例Fig.7　Example of misjudgement

圖6中，監控框設定為左邊進入，右邊穿出。在監控框中間曲線已經穿出了頂邊，但是仍然判斷壓裝過程合格。因為該算法在判定完進入方向正確以后，直接在右側邊框外面尋找穿出點point3。判斷穿出方向時沒有考核曲線在監控框中間的數據點是否已經出框，而是直接考核曲線在右側邊框附近的走勢，因而導致了誤判。

此外，計算最小二乘直線的算法比較復雜，本例中位移和壓力數據均精確到小數點后4位，對于更精密的傳感器可能會得到更加精確的采樣數據。如果計算過程中不慎使用了float類型的變量（一般VC中float類型只能精確到小數點后6位），則會丟失數據精度，進而可能導致計算結果出現較大偏差甚至錯誤。圖7所示情況就是因為計算最小二乘擬合直線的過程中使用了float變量來存儲中間運算結果導致的誤判，將變量改成double類型以后重新計算，結果顯示壓裝過程合格。

3　閾值限定算法

通過對2.1中基本算法的分析可知，該算法的主要不足是在進入方向判斷時很容易受到微小波動的影響。而2.2中的最小二乘直線擬合算法雖然很好的解決了數據波動的影響，但是算法比較復雜，而且沒有考慮到曲線中間穿出監控框的情況。綜合兩種算法的優缺點，這里提出了一種閾值限定算法［6］。

閾值限定算法的具體實現步驟如下：

第一步：進入方向考核同2.1中的基本算法。

第二步：根據生產現場的具體情況，分別設置位移和壓裝力能夠容忍的最大波動量Δx和Δy。從point1開始向后遍歷，對于左邊進入的情況，忽略橫坐標小于（xleft+Δx）的數據點；對于底邊進入的情況，忽略縱坐標小于（ybottom+Δy）的數據點；對于頂邊進入的情況，忽略縱坐標大于（ytop-Δy）的數據點。依次向后遍歷找到第一個穿出監控框的數據點point3.

第三步：穿出方向考核同2.1中的基本算法。

第四步：考慮到可能出現圖8所示的情況，我們設定曲線從監控框頂邊穿出，分析數據后發現只有一個數據點穿出上邊。無論是2.1中的基本算法還是2.2中的最小二乘直線擬合算法均會判定穿出方向合格。但是從判斷曲線局部趨勢的角度，我們要求曲線從考核方向穿出較大的一段長度，而不僅僅是某個數據點。因此為了保證穿出方向的有效性，根據生產現場的具體情況設置閾值N。從point3開始向后遍歷到第N個數據點point4，對point4進行第三步的考核，如果考核合格則判定穿出方向合格，否則考核不合格。

通過在入框點附近設置限定閾值Δx和Δy，可以有效的消除入框點附近數據微小波動的影響。限定閾值Δx和Δy的選擇既不能過大也不能過小，如果設置過大，則可能導致出框方向的誤判，如果設置過小又起不到消除波動影響的作用。因此，應該根據工廠生產的實際情況設定合適大小的閾值。同理，閾值N的選擇也要根據實際情況，如果過大也可能會導致誤判，如果過小就不能保證穿出方向的有效性。

圖8　無效穿出Fig.8　Invalid exit

4　實驗應用

為了驗證閾值限定算法的有效性，首先選取了之前在工業現場采集到的使用現有算法導致誤判的100多組壓裝數據進行實驗。實驗結果表明，在使用原有算法導致誤判的地方，采用閾值限定算法都能夠得出正確的判定結果。隨后，將閾值限定算法應用到上汽集團多個汽車零部件壓裝設備的壓裝測控軟件中，在迄今逾10萬次的壓裝過程考核中均未發生過誤判的情況，表明該算法具有極高的可靠性。

5　結束語

文中著重研究了汽車零部件壓裝過程中壓裝曲線局部趨勢判斷的監控框判別法，分析了現有實現算法的原理及缺陷，提出了一種閾值限定算法。并通過實驗和工廠的實際應用驗證了該算法的有效性和可靠性。該算法對于其他使用監控框判斷曲線局部趨勢的應用也是很好的參考。

［1］萬改改.汽車輪轂伺服壓裝機的參數化設計［D］.廣州：華南理工大學，2012.

［2］劉楠，陶學恒，王慧慧，等.汽車發動機缸蓋智能化壓裝裝置的設計［J］.組合機床與自動化加工技術，2014（1）:139-141.

［3］胡宏偉.軸承壓裝力-位移曲線作軸承壓裝合格判定的可行性分析［J］.機車車輛工藝，2010（5）:7-10.

［4］劉勝勇.軸承壓裝曲線不良原因分析［J］.機車車輛工藝，2005（6）:38-39.

［5］田晶京.帶插值條件的最小二乘法曲線擬合在油罐計量系統中的應用研究［J］.工業儀表與自動化裝置，2011（6）: 3-7.

［6］武瑞娟，龔曉峰，馮霞，等.利用平滑濾波閾值限定法提取背景噪聲［J］.中國無線電，2008（6）:75-77.

Research on press mounting curve′s local trends judgement of auto parts

BAN Fei，DING Guo-qing
（Department of Instrument Science and Engineering，Shanghai Jiaotong University，Shanghai 200240，China）

There are many defects in existing algorithms on press mounting curve's local trends judgement of auto parts.Which often lead to misjudgement in practical applications.In order to meet increasingly strict monitoring and evaluation requirements in auto parts'press mounting，this paper proposes a new threshold-constrained algorithm.In more than 100 experiments in laboratory and more than 100，000 applications in factories，the accuracy rate of this algorithm reaches 100%. Which demonstrates that this algorithm has pretty high reliability.

press mounting curve；local trends；threshold-constrained；algorithm

TN06

A

1674－6236（2016）05-0093-04

2015-05-05稿件編號：201505027

班 飛（1992—），男，河南駐馬店人，碩士研究生。研究方向：汽車零部件與總成檢測。