汽車(chē)車(chē)身檢測(cè)數(shù)據(jù)的多元經(jīng)驗(yàn)貝葉斯建模與質(zhì)量監(jiān)控方法.pdf

1、汽車(chē)車(chē)身尺寸制造質(zhì)量直接影響到最終汽車(chē)產(chǎn)品的質(zhì)量,因此車(chē)身制造質(zhì)量控制歷來(lái)為國(guó)內(nèi)外汽車(chē)行業(yè)所高度重視。汽車(chē)車(chē)身通常采用離線三坐標(biāo)機(jī)測(cè)量,抽檢樣本僅為1~2輛/班次,測(cè)點(diǎn)數(shù)目卻達(dá)到數(shù)百個(gè),導(dǎo)致質(zhì)量評(píng)價(jià)精度低、反饋周期長(zhǎng);而沖壓件批次尺寸波動(dòng)、夾具磨損、班次輪換等因素使得測(cè)量數(shù)據(jù)穩(wěn)定性下降,進(jìn)一步提升了質(zhì)量評(píng)價(jià)的難度。相比于經(jīng)典統(tǒng)計(jì)理論,貝葉斯統(tǒng)計(jì)方法可以利用歷史數(shù)據(jù)提升當(dāng)前均值、標(biāo)準(zhǔn)差等質(zhì)量評(píng)價(jià)參數(shù)的估計(jì)精度,在車(chē)身小樣本檢測(cè)數(shù)據(jù)分析領(lǐng)域

2、得到了有效應(yīng)用,但是還存在以下問(wèn)題:一方面多元經(jīng)驗(yàn)貝葉斯建模較復(fù)雜,制約了車(chē)身檢測(cè)數(shù)據(jù)多元?dú)v史信息的充分利用;另一方面在數(shù)據(jù)穩(wěn)定性較差時(shí)先驗(yàn)分布與當(dāng)前樣本信息存在嚴(yán)重沖突,對(duì)評(píng)價(jià)精度造成極大影響。
　　為解決上述難題,本文提出融入動(dòng)態(tài)干預(yù)算法的多元經(jīng)驗(yàn)貝葉斯質(zhì)量評(píng)價(jià)方法,重點(diǎn)解決多元經(jīng)驗(yàn)貝葉斯模型構(gòu)建、數(shù)據(jù)穩(wěn)定性監(jiān)測(cè)與動(dòng)態(tài)干預(yù)、動(dòng)態(tài)干預(yù)效率與評(píng)價(jià)精度分析等關(guān)鍵問(wèn)題,開(kāi)發(fā)數(shù)據(jù)分析軟件并應(yīng)用于工程實(shí)踐,有效提升了車(chē)身小樣本測(cè)量數(shù)據(jù)的評(píng)

3、價(jià)精度。本文主要研究工作如下:
　　(1)車(chē)身質(zhì)量的多元經(jīng)驗(yàn)貝葉斯(Multivariate Empirical Bayes,MEB)評(píng)價(jià)模型構(gòu)建。首先通過(guò)對(duì)采樣方法、測(cè)點(diǎn)布置和實(shí)測(cè)數(shù)據(jù)的分析,得出車(chē)身測(cè)量數(shù)據(jù)的統(tǒng)計(jì)特點(diǎn);然后以先驗(yàn)分布形式融合歷史測(cè)量信息,通過(guò)多元經(jīng)驗(yàn)貝葉斯質(zhì)量評(píng)價(jià)模型融合測(cè)點(diǎn)相關(guān)性信息,對(duì)均值、標(biāo)準(zhǔn)差等質(zhì)量參數(shù)進(jìn)行估計(jì);最后分析數(shù)據(jù)穩(wěn)定性下降與模型評(píng)價(jià)精度之間的變化規(guī)律。
　　(2)數(shù)據(jù)穩(wěn)定性監(jiān)測(cè)與MEB

4、質(zhì)量評(píng)價(jià)模型的動(dòng)態(tài)干預(yù)。首先構(gòu)造適用于小樣本測(cè)量數(shù)據(jù)的貝葉斯控制圖,結(jié)合控制圖報(bào)警靈敏度分析設(shè)計(jì)合理的控制限,實(shí)現(xiàn)數(shù)據(jù)穩(wěn)定性的實(shí)時(shí)監(jiān)控;然后針對(duì)過(guò)程穩(wěn)定性較差的情況,通過(guò)對(duì)幾種主要偏差模式序列的匹配分析,識(shí)別出當(dāng)前偏差模式類(lèi)型;最后根據(jù)模式分析的結(jié)果自動(dòng)修正經(jīng)驗(yàn)貝葉斯質(zhì)量評(píng)價(jià)模型。
　　(3)模型動(dòng)態(tài)干預(yù)效率與質(zhì)量評(píng)價(jià)精度分析。一方面通過(guò)仿真方法分析動(dòng)態(tài)干預(yù)算法的效率,包括偏差模式識(shí)別準(zhǔn)確率、故障起始點(diǎn)檢測(cè)誤差,并根據(jù)分析結(jié)果提出

5、數(shù)據(jù)分組方法;另一方面以大量的車(chē)身小樣本實(shí)測(cè)數(shù)據(jù)為分析對(duì)象,研究融入動(dòng)態(tài)干預(yù)算法后MEB模型的評(píng)價(jià)精度、適用性等問(wèn)題。
　　(4)軟件開(kāi)發(fā)及工程應(yīng)用。根據(jù)上述研究開(kāi)發(fā)了車(chē)身檢測(cè)數(shù)據(jù)分析軟件,實(shí)現(xiàn)了測(cè)量數(shù)據(jù)分組、質(zhì)量參數(shù)估計(jì)、數(shù)據(jù)穩(wěn)定性監(jiān)測(cè)和偏差模式識(shí)別等功能。將軟件應(yīng)用于白車(chē)身車(chē)架、尾門(mén)框等區(qū)域的制造質(zhì)量評(píng)價(jià)與監(jiān)測(cè),驗(yàn)證本文算法的有效性。
　　研究結(jié)果表明,本文所提出的基于動(dòng)態(tài)干預(yù)算法的多元經(jīng)驗(yàn)貝葉斯模型能夠顯著提升車(chē)身小樣