一种线束端子压接参数优化分析方法与流程
本发明涉及汽车电气系统制造,尤其涉及一种线束端子压接参数优化分析方法。
背景技术:
1、线束端子压接是汽车电气系统制造中的重要工序,压接质量直接影响线束连接的电气导通性和机械可靠性。现有压接参数优化方法主要依赖压接高度、拉脱力等终检指标进行离线评估,或采用压力位移曲线进行分阶段控制。上述方法无法对压接过程中金属流动、应力分布和材料变形等物理场的动态变化进行实时感知,导致质量偏差只能在压接完成后才能发现,无法在压接过程中及时修正参数,存在批量质量缺陷的风险。
技术实现思路
1、本发明的目的在于:为了解决上述问题,而提出的一种线束端子压接参数优化分析方法。
2、为了实现上述目的,本发明采用了如下技术方案:
3、一种线束端子压接参数优化分析方法,至少包括特征提取步骤和参数调整步骤,其中所述特征提取步骤包括:在端子压接的每个压接循环中,同步采集压力时间曲线、压头行程时间曲线、高频应力波信号和温升变化数据,形成多物理场动态信号矩阵;对多物理场动态信号矩阵提取时域特征、频域特征和时频域特征,获取多物理场特征向量;对多物理场特征向量中的幅值类特征采用基于极差的均值归一化,对速率类特征采用z-score标准化,对位置类特征采用基于极差的均值归一化;其中所述参数调整步骤包括:将当前压接循环的多物理场特征向量与压接质量指纹图谱库进行在线匹配,获取预测质量等级和偏差向量;根据偏差向量的模值执行分级响应,生成压接参数调整指令并下发至压接执行机构。
4、优选地,所述还包括压接质量指纹图谱库构建步骤:
5、获取历史压接样本集合,历史压接样本集合中的每个样本包含多物理场特征向量和质量标签;将各样本的多物理场特征向量与其质量标签进行关联,采用聚类算法对全部样本进行分组,获取多个质量类别;
6、对多物理场特征向量与对应质量等级标签进行有监督训练,以交叉熵损失为优化目标训练分类模型,生成压接质量指纹图谱库。
7、优选地,所述压接质量指纹图谱库中对每个历史样本保存原始高维预处理特征向量和经主成分分析降维后的低维特征向量;所述将当前压接循环的多物理场特征向量与压接质量指纹图谱库进行在线匹配包括:
8、将当前压接循环的原始高维预处理特征向量采用主成分分析模型确定的投影矩阵进行投影,获取低维表示;计算所述低维表示与压接质量指纹图谱库中各质量类别中心点的低维表示之间的欧氏距离,确定距离最近的质量类别作为预测质量等级;从压接质量指纹图谱库中读取所述质量类别对应的历史最优样本的原始高维预处理特征向量,计算当前压接的原始高维预处理特征向量与历史最优样本的原始高维预处理特征向量之间的差值,获取偏差向量。
9、优选地,所述根据偏差向量的模值执行分级响应包括:
10、当偏差向量的模值在第一阈值范围以内时,执行微调级响应,对下一循环的压接压力进行微量增减或调整压接速度;当偏差向量的模值在第一阈值与第二阈值之间时,执行中调级响应,调整压接深度或保压时间,并修正压力位移曲线的目标轨迹;当偏差向量的模值超过第二阈值时,执行大调级响应,暂停自动压接并触发设备参数复核流程。
11、优选地,所述微调级响应中的调整方向由偏差向量中各分量的符号确定;
12、其中,当压力峰值对应的分量为负值时,增大下一循环的压接压力设定值;当位移对应的分量为正值时,降低下一循环的压接速度。
13、优选地,所述还包括:计算当前压接循环的低维表示与距离最近的质量类别中心点之间的欧氏距离和与距离第二近的质量类别中心点之间的欧氏距离,根据两距离计算置信度;当置信度低于预设置信度阈值或预测质量等级属于预设的低质量等级集合时,发出压接质量预警。
14、优选地,所述还包括效果验证与图谱更新步骤:每个压接循环完成后,获取实际质量指标,将实际质量指标与预测质量等级进行对比验证;当实际质量指标与预测质量等级一致时,将该样本作为正样本增量加入压接质量指纹图谱库;当实际质量指标与预测质量等级不一致时,标记该样本为待复核样本,在人工复核确认正确标签后,将修正后的样本用于更新压接质量指纹图谱库中对应质量类别的边界。
15、优选地,所述对压接质量指纹图谱库中的历史样本设置时间衰减权重,样本距离当前时刻越远其权重越低;在更新质量类别中心点时,质量类别的加权中心点由质量类别内全部样本的加权平均计算得到。
16、优选地,所述时域特征包括压力峰值和压力上升斜率;所述频域特征包括声发射事件计数率和能量释放率;所述时频域特征包括位移压力曲线拐点位置和温升变化速率。
17、综上所述,由于采用了上述技术方案,本发明的有益效果是:
18、1、本发明通过同步采集力、位移、声发射和温度四类物理场信号并提取多维特征,对不同量纲的物理量按特征类型分别采用归一化和标准化预处理,消除了量纲差异对后续向量运算的影响,使压接质量评估能够基于过程物理场特征进行实时感知,而非依赖终检指标的事后判断。
19、2、本发明通过将实时多物理场特征向量与压接质量指纹图谱库进行在线匹配并输出偏差向量,参数调整具备明确的方向性和量化依据,避免了盲目的参数试错。分级响应策略根据偏差程度自动选择调整力度,在正常波动范围内系统可自主修正参数而不中断生产,在异常偏差出现时能够及时介入,有助于减少批量质量缺陷的产生;压接质量指纹图谱库的持续增量更新使系统能够跟踪设备磨损和材料批次变化带来的漂移,从而维持质量评估和参数优化的长期有效性。
1.一种线束端子压接参数优化分析方法,其特征在于,至少包括特征提取步骤和参数调整步骤,其中所述特征提取步骤包括:在端子压接的每个压接循环中,同步采集压力时间曲线、压头行程时间曲线、高频应力波信号和温升变化数据,形成多物理场动态信号矩阵;对多物理场动态信号矩阵提取时域特征、频域特征和时频域特征,获取多物理场特征向量;对多物理场特征向量中的幅值类特征采用基于极差的均值归一化,对速率类特征采用z-score标准化,对位置类特征采用基于极差的均值归一化;其中所述参数调整步骤包括:将当前压接循环的多物理场特征向量与压接质量指纹图谱库进行在线匹配,获取预测质量等级和偏差向量;根据偏差向量的模值执行分级响应,生成压接参数调整指令并下发至压接执行机构。
2.根据权利要求1所述的一种线束端子压接参数优化分析方法,其特征在于,还包括压接质量指纹图谱库构建步骤:
3.根据权利要求2所述的一种线束端子压接参数优化分析方法,其特征在于,压接质量指纹图谱库中对每个历史样本保存原始高维预处理特征向量和经主成分分析降维后的低维特征向量;所述将当前压接循环的多物理场特征向量与压接质量指纹图谱库进行在线匹配包括:
4.根据权利要求3所述的一种线束端子压接参数优化分析方法,其特征在于,根据偏差向量的模值执行分级响应包括:
5.根据权利要求4所述的一种线束端子压接参数优化分析方法,其特征在于,微调级响应中的调整方向由偏差向量中各分量的符号确定;
6.根据权利要求1所述的一种线束端子压接参数优化分析方法,其特征在于,还包括:计算当前压接循环的低维表示与距离最近的质量类别中心点之间的欧氏距离和与距离第二近的质量类别中心点之间的欧氏距离,根据两距离计算置信度;当置信度低于预设置信度阈值或预测质量等级属于预设的低质量等级集合时,发出压接质量预警。
7.根据权利要求1所述的一种线束端子压接参数优化分析方法,其特征在于,还包括效果验证与图谱更新步骤:每个压接循环完成后,获取实际质量指标,将实际质量指标与预测质量等级进行对比验证;当实际质量指标与预测质量等级一致时,将该样本作为正样本增量加入压接质量指纹图谱库;当实际质量指标与预测质量等级不一致时,标记该样本为待复核样本,在人工复核确认正确标签后,将修正后的样本用于更新压接质量指纹图谱库中对应质量类别的边界。
8.根据权利要求1所述的一种线束端子压接参数优化分析方法,其特征在于,对压接质量指纹图谱库中的历史样本设置时间衰减权重,样本距离当前时刻越远其权重越低;在更新质量类别中心点时,质量类别的加权中心点由质量类别内全部样本的加权平均计算得到。
9.根据权利要求1所述的一种线束端子压接参数优化分析方法,其特征在于,时域特征包括压力峰值和压力上升斜率;所述频域特征包括声发射事件计数率和能量释放率;所述时频域特征包括位移压力曲线拐点位置和温升变化速率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com