CN101493858A - 提高汽车覆盖件制造质量稳定性的工艺优化系统 - Google Patents

提高汽车覆盖件制造质量稳定性的工艺优化系统 Download PDF

Info

Publication number
CN101493858A
CN101493858A CNA2009100466829A CN200910046682A CN101493858A CN 101493858 A CN101493858 A CN 101493858A CN A2009100466829 A CNA2009100466829 A CN A2009100466829A CN 200910046682 A CN200910046682 A CN 200910046682A CN 101493858 A CN101493858 A CN 101493858A
Authority
CN
China
Prior art keywords
submodule
random
module
attribute
response surface
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2009100466829A
Other languages
English (en)
Other versions
CN101493858B (zh
Inventor
林忠钦
来新民
王武荣
李淑慧
侯波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN2009100466829A priority Critical patent/CN101493858B/zh
Publication of CN101493858A publication Critical patent/CN101493858A/zh
Application granted granted Critical
Publication of CN101493858B publication Critical patent/CN101493858B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明涉及一种用于汽车制造技术领域的提高汽车覆盖件制造质量稳定性的工艺优化系统，其中：GUI模块为图形用户接口，实现用户与其他模块的交互；变量属性模块保存用户输入的可控工艺属性、噪声因素属性和质量检测指标属性；变量筛选模块筛选对质量检测指标影响最显著的可控工艺、噪声因素；响应面建模模块建立可控工艺、噪声因素与质量检测指标之间的响应面模型；噪声因素随机属性模块保存用户输入的噪声因素随机属性；随机响应面建模模块建立可控工艺与质量检测指标均值、标准差之间的随机响应面模型；工艺优化模块采用多目标优化算法处理获得最优工艺条件。本发明可以实现提高汽车覆盖件制造质量稳定性，减小废品率的目标。

Description

提高汽车覆盖件制造质量稳定性的工艺优化系统
技术领域
本发明涉及一种用于汽车制造技术领域的工艺优化系统，特别是一种提高汽车覆盖件制造质量稳定性的工艺优化系统。
背景技术
对于越来越复杂的汽车覆盖件制造问题，工艺优化技术逐步代替传统的直接搜索和试错法来提高优化处理效率、为产品制造工艺设计提供最优方案，目前已在汽车覆盖件制造行业得到了广泛的应用。然而，在汽车覆盖件的实际制造过程中，压边力、润滑等工艺参数会产生波动；随着时间的推移，模具表面发生磨损，几何尺寸会发生变化；同一牌号钢板在不同厂家、不同生产批次，板料厚度、力学性能也会存在差别。如不考虑上述随机因素波动偏差的影响将导致优化设计方案的可靠性大大降低，甚至使设计失效。传统的工艺优化技术无法考虑这些随机因素的波动偏差，无法分析这些随机因素的波动对产品质量稳定性的影响。近年来车身覆盖件中大量采用高强度钢板，与低碳钢板相比，此类板材轧制工艺控制难度大，材料性能波动更为剧烈，导致其应用于车身覆盖件时制造质量波动问题愈发突出。因此，如何在产品设计阶段就能考虑随机因素的变差及其对制造质量的影响，如何通过工艺优化来减小随机因素波动对制造质量的影响，成为提高汽车覆盖件制造质量稳定性、降低废品率和制造成本的关键。
经对现有技术的文献检索发现，
Figure A20091004668200051
等在《7th InternationalConference and Workshop on Numerical Simulation of 3D Sheet Metal FormingProcesses Interlaken，Switzerland，2008：819-828》(2008年在瑞士苏黎世召开的第7届国际板料成形数值仿真大会，第819页～第828页)上发表了“Stochastic analysis of uncertainties for metal forming processes withLs-Opt”(基于Ls-Opt对金属成形过程的不确定性进行随机分析)。该文中提出基于可靠性的优化设计技术，具体为：结合实验设计、逐步回归神经网络模型和有限元仿真程序建立响应面模型，采用基于可靠性的优化技术获得稳健工艺方案。其不足在于：采用神经网络建立响应面模型对专业经验的依赖较强，容易出现数值问题，对普通工程技术人员缺乏可操作性；基于可靠性的优化结果与蒙特卡罗法结果有一定误差，该方法的正确性和有效性缺乏验证。
检索中还发现，Y.Q.Li等在《International Journal of AdvancedManufacturing Technology》(国际先进制造技术学报)(2006年30卷第631页)上发表了“CAE-based six sigma robust optimization for deep-drawing sheetmetal process.International Journal of Advanced ManufacturingTechnology”(面向板料成形过程的六西格玛稳健优化)。该文中提出一套六西格玛稳健优化技术，具体为：将质量工程中的六西格玛理念与响应面法、有限元仿真程序相结合，建立质量检测指标均值、标准差的双响应面模型，采用传统单目标优化技术得到稳健工艺方案。其不足在于：质量检测指标均值、方差均采用泰勒级数展开法作近似处理，处理精度难以保证；不适用于分析形状复杂、具有多处缺陷的汽车覆盖件成形问题。
发明内容
本发明针对现有技术的不足，提供一种提高汽车覆盖件制造质量稳定性的工艺优化系统，用于在产品设计阶段检测制造工艺、板材性能的波动偏差对制造质量的影响，通过工艺优化以减小随机因素的波动对制造质量的影响，达到提高汽车覆盖件制造质量稳定性，减小废品率的目标。
本发明是通过以下技术方案实现的，本发明包括：GUI(图形用户接口)模块、变量属性模块、变量筛选模块、响应面建模模块、噪声因素随机属性模块、随机响应面建模模块和工艺优化模块，其中：
GUI模块为用户使用的图形界面，通过该界面实现用户与变量属性模块、变量筛选模块、响应面建模模块、噪声因素随机属性模块、随机响应面建模模块和工艺优化模块的交互式操作，并接收交互式操作过程中上述各个模块的中间结果及最后结果。
变量属性模块负责保存用户在GUI模块输入的可控工艺属性、噪声因素属性和质量检测指标属性，并传输给GUI模块、变量筛选模块和响应面建模模块。
变量筛选模块负责筛选对质量检测指标影响最显著的可控工艺、噪声因素，并传输给GUI模块、响应面建模模块、随机响应面建模模块和噪声因素随机属性模块。
响应面建模模块负责建立可控工艺、噪声因素与质量检测指标之间的响应面模型，并传输给GUI模块和随机响应面建模模块。
噪声因素随机属性模块负责保存用户在GUI模块输入的噪声因素随机属性，并传输给GUI模块和随机响应面建模模块。
随机响应面建模模块负责建立可控工艺与质量检测指标均值、标准差之间的随机响应面模型，并传输给GUI模块和工艺优化模块。
工艺优化模块负责建立优化目标函数及约束条件，采用多目标优化算法处理获得最优工艺条件，并将最优工艺条件传输给GUI模块。
所述变量属性模块，包括：可控工艺子模块、噪声因素子模块和质量检测指标子模块，可控工艺子模块负责保存用户在GUI模块输入的可控工艺属性，并传输给变量筛选模块；噪声因素子模块负责保存用户在GUI模块输入的噪声因素属性，并传输给变量筛选模块；质量检测指标子模块负责保存用户在GUI模块输入的质量检测指标属性，并传输给变量筛选模块、响应面建模模块。
所述变量筛选模块，包括：编码变换子模块、筛选处理子模块，其中，编码变换子模块接收变量属性模块中可控工艺子模块和噪声因素子模块的输出，负责转换可控工艺和噪声因素的取值范围，并传输给筛选处理子模块；筛选处理子模块接收变量属性模块中质量检测指标子模块的输出，采用一次正交回归法，结合有限元程序输出对质量检测指标影响最显著的可控工艺和噪声因素，并将筛选后的可控工艺传输给响应面建模模块、随机响应面建模模块，将筛选后的噪声因素传输给响应面建模模块、噪声因素随机属性模块。
所述响应面建模模块，包括：取值域区间划分子模块、均匀设计子模块和响应面拟合子模块，其中，取值域区间划分子模块接收变量筛选模块中筛选处理子模块输出的可控工艺，将可控工艺的取值范围划分为若干区间，并传输给均匀设计子模块；均匀设计子模块接收变量属性模块中质量检测指标子模块的输出，在每个取值域区间内生成均匀设计表，结合有限元程序获得质量检测指标，生成均匀实验样本，并传输给响应面拟合子模块；响应面拟合子模块在均匀实验样本的基础上，建立每个取值域区间内可控工艺、噪声因素与质量检测指标之间的多项式函数作为响应面模型，若响应面精度满足要求，将响应面模型传输给随机响应面建模模块；若响应面精度不满足要求，则重新返回取值域区间划分子模块，继续细分可控工艺的取值域区间直至响应面满足精度要求。
所述随机响应面建模模块，包括：随机取值域区间划分子模块、随机均匀设计子模块、随机属性处理子模块和随机响应面拟合子模块，其中，随机取值域区间划分子模块接收变量筛选模块中筛选处理子模块的输出，将可控工艺的取值范围划分为若干区间，并传输给随机均匀设计子模块；随机均匀设计子模块在每个取值域区间内生成均匀设计表，并传输给随机属性处理子模块；随机属性处理子模块接收变量属性模块中质量检测指标子模块的输出和响应面建模模块中响应面拟合子模块的输出，根据均匀设计表，采用蒙特卡罗法(Monte Carlo Method)处理得到质量检测指标的均值、标准差，生成均匀实验样本，并传输给随机响应面拟合子模块；随机响应面拟合子模块在均匀实验样本的基础上，建立每个取值域区间内可控工艺与质量检测指标的均值、标准差之间的多项式函数作为随机响应面模型，若随机响应面精度满足要求，将随机响应面模型传输给工艺优化模块；若随机响应面精度不满足要求，则重新返回随机取值域区间划分子模块，继续细分可控工艺的取值域直至随机响应面达到精度要求。
所述工艺优化模块，包括优化模型子模块和优化处理子模块，其中，优化模型子模块接收随机响应面建模模块中随机响应面拟合子模块输出的随机响应面模型，将用户设定的制造质量目标转换为由质量检测指标均值、标准差组成的多目标优化函数和约束函数，并传输给优化处理子模块；优化处理子模块采用NSGA-II(改进的非支配排序遗传算法)优化算法获得最优的可控工艺条件。
与现有技术相比，本发明具有以下优点：
1)处理速度快，处理过程稳定，可操作性强。采用响应面模型代替有限元程序运算，能够显著提高优化效率；响应面模型采用构造原理成熟、形式简单的多项式函数建立，避免采用复杂模型时带来的拟合效率低、不收敛、对专业经验的依赖较强等问题，对普通工程技术人员具有较强的可操作性。
2)响应面模型精度可控，处理结果精度高。对可控工艺的取值域划分区间越多，在各区间内建立的响应面精度越高，可根据具体问题选择划分区间的个数，以合理控制响应面精度与处理时间；作为准精确处理方法的蒙特卡罗法获得的均值、方差在理论上是无限逼近真实结果的，因此具有很高的处理精度。
3)适用于分析形状复杂、缺陷位置较多的复杂汽车覆盖件制造问题。汽车覆盖件制造过程是一个非线性程度很强的系统，通过对复杂零件不同缺陷部位的制造质量分别进行研究，能够显著降低系统的非线性程度，使得采用多项式函数近似描述系统“输入-输出”关系也能具有较高的精度，使得分析形状复杂、缺陷位置较多的复杂汽车覆盖件制造问题成为可能。
4)能自动处理获得全局最优的稳健工艺条件，并具有良好的人机界面。将用户设定的质量目标转化为质量检测指标均值、标准差组成的多目标优化模型，采用多目标优化算法处理得到全局最优的稳健工艺条件，并将优化后的制造质量结果反馈给用户，具有良好的人机界面和很强的工程指导性。
附图说明
图1本发明的系统结构框图。
图2某车型的行李箱盖内板成形结果；
其中：1-3均表示破裂缺陷部位，4表示起皱缺陷部位。
图3传统优化结果与本发明优化结果之间的比较图；
其中：图(a)为破裂指标SM1的概率密度曲线比较图；图(b)为起皱指标d1的概率密度曲线比较图。
具体实施方式
下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本实施例包括：GUI模块、变量属性模块、变量筛选模块、响应面建模模块、噪声因素随机属性模块、随机响应面建模模块和工艺优化模块，其中：GUI模块为用户使用的图形界面，通过该界面实现用户与变量属性模块、变量筛选模块、响应面建模模块、噪声因素随机属性模块、随机响应面建模模块和工艺优化模块的交互式操作，并接收交互式操作过程中上述各个模块的中间结果及最后结果；变量属性模块负责保存用户在GUI模块输入的可控工艺属性、噪声因素属性和质量检测指标属性，并传输给GUI模块、变量筛选模块和响应面建模模块；变量筛选模块负责筛选对质量检测指标影响最显著的可控工艺、噪声因素，并传输给GUI模块、响应面建模模块、随机响应面建模模块和噪声因素随机属性模块；响应面建模模块负责建立可控工艺、噪声因素与质量检测指标之间的响应面模型，并传输给GUI模块和随机响应面建模模块；噪声因素随机属性模块负责保存用户在GUI模块输入的噪声因素随机属性，并传输给GUI模块和随机响应面建模模块；随机响应面建模模块负责建立可控工艺与质量检测指标均值、标准差之间的随机响应面模型，并传输给GUI模块和工艺优化模块；工艺优化模块负责建立优化目标函数及约束条件，采用多目标优化算法处理获得最优工艺条件，并将最优工艺条件传输给GUI模块。
所述变量属性模块，包括：可控工艺子模块、噪声因素子模块和质量检测指标子模块。可控工艺子模块负责保存用户在GUI模块输入的可控工艺属性，并传输给变量筛选模块中的编码变换子模块；噪声因素子模块负责保存用户在GUI模块输入的噪声因素属性，并传输给变量筛选模块中的编码变换子模块；质量检测指标子模块负责保存用户在GUI模块输入的质量检测指标属性，并传输给变量筛选模块中的筛选处理子模块、响应面建模模块中的均匀设计子模块。
所述变量筛选模块，包括：编码变换子模块、筛选处理子模块。其中，编码变换子模块负责转换可控工艺和噪声因素的取值范围，并传输给筛选处理子模块；筛选处理子模块采用一次正交回归法，结合有限元程序输出对质量检测指标影响最显著的可控工艺和噪声因素，并将筛选后的可控工艺传输给响应面建模模块中的取值域区间划分子模块、随机响应面建模模块中的随机取值域区间划分子模块，将筛选后的噪声因素传输给响应面建模模块中的均匀设计子模块、噪声因素随机属性模块。
所述响应面建模模块，包括：取值域区间划分子模块、均匀设计子模块和响应面拟合子模块。其中，取值域区间划分子模块将可控工艺的取值范围划分为若干区间，并传输给均匀设计子模块；均匀设计子模块在每个取值域区间内生成均匀设计表，结合有限元程序获得相应的质量检测指标，生成均匀实验样本，并传输给响应面拟合子模块；响应面拟合子模块在均匀实验样本的基础上，建立每个取值域区间内可控工艺、噪声因素与质量检测指标之间的多项式函数作为响应面模型，若响应面精度满足要求，将响应面模型传输给随机响应面建模模块中的随机属性处理子模块；若响应面精度不满足要求，则重新返回取值域区间划分子模块，继续细分可控工艺的取值域区间直至响应面满足精度要求。
所述随机响应面建模模块，包括：随机取值域区间划分子模块、随机均匀设计子模块、随机属性处理子模块和随机响应面拟合子模块。其中，随机取值域区间划分子模块将可控工艺的取值范围划分为若干区间，并传输给随机均匀设计子模块；随机均匀设计子模块在每个取值域区间内生成均匀设计表，并传输给随机属性处理子模块；随机属性处理子模块根据均匀设计表，采用蒙特卡罗法(MonteCarlo Method)处理得到相应的质量检测指标的均值、标准差，生成均匀实验样本，并传输给随机响应面拟合子模块；随机响应面拟合子模块在均匀实验样本的基础上，建立每个取值域区间内可控工艺与质量检测指标的均值、标准差之间的多项式函数作为随机响应面模型，若随机响应面精度满足要求，将随机响应面模型传输给工艺优化模块中的优化模型子模块；若随机响应面精度不满足要求，则重新返回随机取值域区间划分子模块，继续细分可控工艺的取值域直至随机响应面模型达到精度要求。
所述工艺优化模块，包括优化模型子模块和优化处理子模块。其中，优化模型子模块将用户设定的制造质量目标转换为由质量检测指标均值、标准差组成的多目标优化函数和约束函数，并传输给优化处理子模块；优化处理子模块采用NSGA-II(改进的非支配排序遗传算法)优化算法获得最优的可控工艺条件。
本实施例为应用于某车型中的复杂汽车覆盖件行李箱盖内板制造工艺优化，获得最稳健的工艺条件，并与传统优化结果进行对比。
根据图1所示，首先调用变量属性模块，可控工艺子模块保存用户在GUI模块输入的可控工艺属性：四段拉延筋阻力(x1、x2、x3和x4)压边压强x5及其取值范围，传输给变量筛选模块中的编码变换子模块；噪声因素子模块保存用户在GUI模块输入的噪声因素属性：板料厚度z1、应变硬化指数z2、各向异性系数z3和润滑条件z4及其取值范围，并传输给变量筛选模块中的编码变换子模块；质量检测指标子模块保存用户在GUI模块输入的质量检测指标属性：安全裕度SM1、SM2和SM3为破裂缺陷部位1～3的质量检测指标，起皱高度d1为起皱缺陷部位的质量检测指标，如图2所示，并传输给变量筛选模块中的筛选处理子模块、响应面建模模块中的均匀设计子模块。
然后进入变量筛选模块，编码变换子模块将可控工艺和噪声因素的取值范围均转化为[1，+1]，并传输给筛选处理子模块；筛选处理子模块采用一次正交回归法，结合有限元程序输出对质量检测指标影响最显著的可控工艺、噪声因素，本例中对质量检测指标(SMi和d1，i＝1，2，3)影响最大的工艺因素为x1、x2和x5，噪声因素为z2、z3和z4，将筛选后的可控工艺(x1、x2和x5)传输给响应面建模模块中的取值域区间划分子模块、随机响应面建模模块中的随机取值域区间划分子模块，将筛选后的噪声因素(z2、z3和z4)传输给响应面建模模块中的均匀设计子模块、噪声因素随机属性模块。
调用响应面建模模块，若不划分取值域，直接进入均匀设计子模块，生成包含可控工艺(x1、x2和x5)、噪声因素(z2、z3和z4)的六因素均匀设计表，结合有限元程序获得质量检测指标(SMi和d1，i＝1，2，3)，生成均匀实验样本，并传输给响应面拟合子模块；响应面拟合子模块在均匀实验样本的基础上，建立可控工艺、噪声因素与质量检测指标之间的多项式函数作为响应面模型，经过精度校验发现响应面精度不高。重新返回取值域子模块，将可控工艺x5的取值范围划分为两个子区间，并传输给均匀设计子模块；调用均匀设计子模块、响应面拟合子模块建立可控工艺、噪声因素与质量检测指标(SMij和d1j，j＝1，2，代表不同取值域区间)之间的响应面模型；此时获得的响应面精度满足要求，将响应面模型传输给随机响应面建模模块中的随机属性处理子模块。
调用噪声因素随机属性模块，将筛选后的噪声因素(z2、z3和z4)传输给GUI模块，保存用户在GUI模块输入的噪声因素(z2、z3和z4)的均值、标准差等随机属性，并传输给随机响应面建模模块中的随机属性处理子模块。
进入随机响应面建模模块，随机取值域区间划分子模块将可控工艺x5的取值范围划分为两个子区间，并传输给随机均匀设计子模块；均匀设计子模块在x5的两个子区间内分别生成均匀设计表，并传输给随机属性处理子模块；随机属性处理子模块采用蒙特卡罗法处理获得两个子区间内，均匀设计表所对应的质量检测指标的均值{μk(SMij)和μk(d1j)，k＝1，2(代表可控工艺x5的两个子区间)}、标准差{σk(SMij)和σk(d1j)，k＝1，2(代表可控工艺x5的两个子区间)}，生成均匀实验样本，并传输给随机响应面拟合子模块；随机响应面拟合子模块在均匀实验样本的基础上，建立两个取值域区间内可控工艺与质量检测指标的均值、标准差之间的多项式函数作为随机响应面模型，经过精度校验发现响应面满足精度要求，将随机响应面模型传输给工艺优化模块中的优化模型子模块。
进入工艺优化模块，优化模型子模块将用户设定的制造质量目标(本例中为发生破裂失效的零件废品率低于0.01％，同时尽量减小起皱)转换为由质量检测指标均值、标准差组成的多目标优化函数和约束函数，分别如式(1)、式(2)所示，并传输给优化处理子模块；
Minimum μk(d1j)+σk(d1j)       (1)
s.t.μk(SMij)-3.72σk(SMij)＞5  (2)
优化处理子模块采用NSGA-II多目标优化算法对上述优化模型进行处理，得到最优的可控工艺条件如下：拉延筋阻力系数(DB1)为0.26，拉延筋阻力系数(DB2)为0.228，压边压强为0.65Mpa，并传输给GUI模块。
图3将本发明获得的优化结果与传统优化结果进行了对比，其中本发明获得最优工艺条件下汽车覆盖件的制造质量用虚线表示，而传统优化结果用实线表示。若采用不考虑随机因素变差影响的传统优化方法，在其最优工艺条件下，发生破裂失效的零件废品率将达到19.1％，如图3(a)所示，超出用户制订的质量目标；而发生起皱失效的废品率为5.83％，如图3(b)所示。而本发明获得的稳健优化结果表明，在最优稳健工艺条件下，发生破裂失效的零件废品率降至0.01％，如图3(a)所示，已达到用户制订的质量目标；发生起皱失效的概率仅为3.48％，如图3(b)所示，也优于传统优化结果。

Claims (6)

1、一种提高汽车覆盖件制造质量稳定性的工艺优化系统，其特征在于，包括：GUI模块、变量属性模块、变量筛选模块、响应面建模模块、噪声因素随机属性模块、随机响应面建模模块和工艺优化模块，其中：
GUI模块为用户使用的图形界面，通过该界面实现用户与变量属性模块、变量筛选模块、响应面建模模块、噪声因素随机属性模块、随机响应面建模模块和工艺优化模块的交互式操作，并接收交互式操作过程中上述各个模块的中间结果及最后结果；
变量属性模块负责保存用户在GUI模块输入的可控工艺属性、噪声因素属性和质量检测指标属性，并传输给GUI模块、变量筛选模块和响应面建模模块；
变量筛选模块负责筛选对质量检测指标影响最显著的可控工艺、噪声因素，并传输给GUI模块、响应面建模模块、随机响应面建模模块和噪声因素随机属性模块；
响应面建模模块负责建立可控工艺、噪声因素与质量检测指标之间的响应面模型，并传输给GUI模块和随机响应面建模模块；
噪声因素随机属性模块负责保存用户在GUI模块输入的噪声因素随机属性，并传输给GUI模块和随机响应面建模模块；
随机响应面建模模块负责建立可控工艺与质量检测指标均值、标准差之间的随机响应面模型，并传输给GUI模块和工艺优化模块；
工艺优化模块负责建立优化目标函数及约束条件，采用多目标优化算法处理获得最优工艺条件，并将最优工艺条件传输给GUI模块。
2、根据权利要求1所述的提高汽车覆盖件制造质量稳定性的工艺优化系统，其特征是，所述变量属性模块，包括：可控工艺子模块、噪声因素子模块和质量检测指标子模块，其中，可控工艺子模块负责保存用户在GUI模块输入的可控工艺属性，并传输给变量筛选模块；噪声因素子模块负责保存用户在GUI模块输入的噪声因素属性，并传输给变量筛选模块；质量检测指标子模块负责保存用户在GUI模块输入的质量检测指标属性，并传输给变量筛选模块、响应面建模模块。
3、根据权利要求1所述的提高汽车覆盖件制造质量稳定性的工艺优化系统，其特征是，所述变量筛选模块，包括：编码变换子模块、筛选处理子模块，其中，编码变换子模块接收变量属性模块中可控工艺子模块和噪声因素子模块的输出，负责转换可控工艺和噪声因素的取值范围，并传输给筛选处理子模块；筛选处理子模块接收变量属性模块中质量检测指标子模块的输出，采用一次正交回归法，结合有限元程序输出对质量检测指标影响最显著的可控工艺和噪声因素，并将筛选后的可控工艺传输给响应面建模模块、随机响应面建模模块，将筛选后的噪声因素传输给响应面建模模块、噪声因素随机属性模块。
4、根据权利要求1所述的提高汽车覆盖件制造质量稳定性的工艺优化系统，其特征是，所述响应面建模模块，包括：取值域区间划分子模块、均匀设计子模块和响应面拟合子模块，其中，取值域区间划分子模块接收变量筛选模块中筛选处理子模块输出的可控工艺，将可控工艺的取值范围划分为若干区间，并传输给均匀设计子模块；均匀设计子模块接收变量属性模块中质量检测指标子模块的输出，在每个取值域区间内生成均匀设计表，结合有限元程序获得质量检测指标，生成均匀实验样本，并传输给响应面拟合子模块；响应面拟合子模块在均匀实验样本的基础上，建立每个取值域区间内可控工艺、噪声因素与质量检测指标之间的多项式函数作为响应面模型，若响应面精度满足要求，将响应面模型传输给随机响应面建模模块；若响应面精度不满足要求，则重新返回取值域区间划分子模块，继续细分可控工艺的取值域区间直至响应面满足精度要求。
5、根据权利要求1所述的提高汽车覆盖件制造质量稳定性的工艺优化系统，其特征是，所述随机响应面建模模块，包括：随机取值域区间划分子模块、随机均匀设计子模块、随机属性处理子模块和随机响应面拟合子模块，其中，随机取值域区间划分子模块接收变量筛选模块中筛选处理子模块的输出，将可控工艺的取值范围划分为若干区间，并传输给随机均匀设计子模块；随机均匀设计子模块在每个取值域区间内生成均匀设计表，并传输给随机属性处理子模块；随机属性处理子模块接收变量属性模块中质量检测指标子模块的输出和响应面建模模块中响应面拟合子模块的输出，根据均匀设计表，采用蒙特卡罗法处理得到质量检测指标的均值、标准差，生成均匀实验样本，并传输给随机响应面拟合子模块；随机响应面拟合子模块在均匀实验样本的基础上，建立每个取值域区间内可控工艺与质量检测指标的均值、标准差之间的多项式函数作为随机响应面模型，若随机响应面精度满足要求，将随机响应面模型传输给工艺优化模块；若随机响应面精度不满足要求，则重新返回随机取值域区间划分子模块，继续细分可控工艺的取值域直至随机响应面达到精度要求。
6、根据权利要求1所述的提高汽车覆盖件制造质量稳定性的工艺优化系统，其特征是，所述工艺优化模块，包括：优化模型子模块和优化处理子模块，其中，优化模型子模块接收随机响应面建模模块中随机响应面拟合子模块输出的随机响应面模型，将用户设定的制造质量目标转换为由质量检测指标均值、标准差组成的多目标优化函数和约束函数，并传输给优化处理子模块；优化处理子模块采用NSGA-II优化算法获得最优的可控工艺条件。
CN2009100466829A 2009-02-26 2009-02-26 提高汽车覆盖件制造质量稳定性的工艺优化系统 Active CN101493858B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2009100466829A CN101493858B (zh) 2009-02-26 2009-02-26 提高汽车覆盖件制造质量稳定性的工艺优化系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2009100466829A CN101493858B (zh) 2009-02-26 2009-02-26 提高汽车覆盖件制造质量稳定性的工艺优化系统

Publications (2)

Publication Number Publication Date
CN101493858A true CN101493858A (zh) 2009-07-29
CN101493858B CN101493858B (zh) 2010-07-28

Family

ID=40924454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009100466829A Active CN101493858B (zh) 2009-02-26 2009-02-26 提高汽车覆盖件制造质量稳定性的工艺优化系统

Country Status (1)

Country Link
CN (1) CN101493858B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105893669A (zh) * 2016-03-30 2016-08-24 浙江大学 一种基于数据挖掘的全局仿真性能预测方法
CN109894512A (zh) * 2017-12-11 2019-06-18 宝山钢铁股份有限公司 快速获取汽车铝板冲裁工艺参数的优化装置及其优化方法
CN117744281A (zh) * 2024-02-19 2024-03-22 北京航空航天大学 一种轴承类产品制造质量提升分析方法
CN117744281B (zh) * 2024-02-19 2024-04-26 北京航空航天大学 一种轴承类产品制造质量提升分析方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105893669A (zh) * 2016-03-30 2016-08-24 浙江大学 一种基于数据挖掘的全局仿真性能预测方法
CN109894512A (zh) * 2017-12-11 2019-06-18 宝山钢铁股份有限公司 快速获取汽车铝板冲裁工艺参数的优化装置及其优化方法
CN109894512B (zh) * 2017-12-11 2020-08-25 宝山钢铁股份有限公司 快速获取汽车铝板冲裁工艺参数的优化装置及其优化方法
CN117744281A (zh) * 2024-02-19 2024-03-22 北京航空航天大学 一种轴承类产品制造质量提升分析方法
CN117744281B (zh) * 2024-02-19 2024-04-26 北京航空航天大学 一种轴承类产品制造质量提升分析方法

Also Published As

Publication number Publication date
CN101493858B (zh) 2010-07-28

Similar Documents

Publication Publication Date Title
CN104765912B (zh) 一种铝板冲压工艺的稳健性优化方法
CN103247008A (zh) 一种电力统计指标数据的质量评估方法
CN104820750A (zh) 一种基于判别分析的结构可靠度动态响应面方法
CN101493858B (zh) 提高汽车覆盖件制造质量稳定性的工艺优化系统
Kadkhodayan et al. An investigation of the optimal load paths for the hydroforming of T-shaped tubes
CN103424318A (zh) 一种金属板材成形极限曲线的确定方法
CN102567536A (zh) 一种基于数据统计学的关键绩效指标分析方法
CN103955580A (zh) 基于信度规则库推理的集成电路参数成品率估计方法
CN104021303A (zh) 一种基于实测载荷谱的弧齿锥齿轮修形齿面的修形方法
CN103377316A (zh) 基于统计分析和贝叶斯集成的青霉素生产过程监测方法
Kang et al. Application of computer-aided process planning system for non-axisymmetric deep drawing products
CN107025354A (zh) 一种基于极差分析的车窗升降板成形工艺优化方法
CN113378433B (zh) 一种复合铝板成形工艺参数确定方法、装置、设备及介质
CN102620980B (zh) 一种利用神经网络预报板材成形性能的方法
CN102322841A (zh) 一种边坡监测线整体变形预测方法
CN106682328B (zh) 一种立式高耸结构隔振系统振动变形量测算方法
CN103870614A (zh) 一种结构概率优化设计方法
CN115758617A (zh) 一种支持大数互换装配的枪械装配精度控制方法及系统
Tsai The application of grey theory to taiwan pollution prediction
Filipovich et al. Simulation model of selective assembly of two parts with sorting by the estimated values
CN104268311B (zh) 汽车座椅导轨直线滚子结合部间隙评价方法
Enomoto et al. Detection of change points in panel data based on Bayesian MT method
CN103366095A (zh) 一种基于坐标变换的最小二乘拟合信号处理方法
CN103136400A (zh) 互联线rc工艺角建模方法
CN107563029B (zh) 一种基于k折交叉验证法的支持向量机近似模型优化方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant