王靈犀,布占行,劉慶坤

(沈陽理工大學(xué) 汽車與交通學(xué)院,遼寧 沈陽 110159)

小波濾波在白車身裝焊誤差區(qū)域識(shí)別中的應(yīng)用

王靈犀,布占行,劉慶坤

(沈陽理工大學(xué) 汽車與交通學(xué)院,遼寧 沈陽 110159)

采用小波濾波方法對(duì)白車身原始三坐標(biāo)測量數(shù)據(jù)進(jìn)行濾波，對(duì)濾波后得到的趨勢項(xiàng)進(jìn)行聚類分析，進(jìn)而識(shí)別白車身裝焊誤差區(qū)域。結(jié)果表明，這種方法可更準(zhǔn)確的識(shí)別出誤差區(qū)域。

小波濾波;白車身;聚類分析;誤差區(qū)域

在汽車白車身裝焊誤差源的識(shí)別過程中，誤差區(qū)域的尋找是關(guān)鍵問題。尋找誤差區(qū)域一般用聚類分析方法，并用相關(guān)系數(shù)作為聚類尺度，因此，測點(diǎn)間的相關(guān)性決定誤差區(qū)域識(shí)別的有效性。王靈犀等[1]對(duì)原始數(shù)據(jù)進(jìn)行聚類分析尋找誤差區(qū)域，但并沒有對(duì)數(shù)據(jù)進(jìn)行處理；柳治全等[2]采用最小二乘法對(duì)數(shù)據(jù)進(jìn)行處理，然而數(shù)據(jù)處理前后結(jié)果基本沒有差別；張娜等[3]利用小波處理了一小部分?jǐn)?shù)據(jù)，但不足以說明小波濾波的優(yōu)勢。大量實(shí)測數(shù)據(jù)顯示，測點(diǎn)誤差的周期性并不明顯，采用頻率分析類的濾波方法效果不佳，且有可能濾掉真實(shí)信號(hào)。本文采用小波濾波[4]方法來分離測點(diǎn)中的隨機(jī)誤差和系統(tǒng)誤差，并對(duì)系統(tǒng)誤差做聚類分析，以便準(zhǔn)確識(shí)別誤差區(qū)域。

1 測點(diǎn)誤差分解

使用多貝西(Daubechies)D4小波[5]分解測點(diǎn)誤差。某測點(diǎn)的誤差分解見圖1。

圖中曲線①為該測點(diǎn)的原始誤差，曲線②為誤差趨勢項(xiàng)，曲線③為誤差波動(dòng)項(xiàng)。白車身的裝焊誤差可分成兩部分：一是系統(tǒng)誤差，如沖壓件自身的誤差、裝焊夾具磨損造成的誤差、工序不合理產(chǎn)生的制造誤差等，這類誤差具有緩變特征；二是隨機(jī)誤差，形成的原因主要包括[6]：(1)操作者在操作時(shí)的變化，(2)裝焊設(shè)備進(jìn)行裝焊時(shí)的隨機(jī)誤差，(3)沖壓件在生產(chǎn)過程中的隨機(jī)誤差，(4)測量環(huán)境和生產(chǎn)環(huán)境對(duì)測量數(shù)據(jù)的干擾等，這類誤差具有瞬變特征。觀察圖1中的兩條曲線：曲線②基本上是誤差曲線①的中位線，變化緩慢且代表了曲線①的變化趨勢。裝焊夾具磨損所造成的誤差符合這種特征(磨損有一個(gè)漸變的過程)，因此可認(rèn)為小波濾波所產(chǎn)生的誤差趨勢項(xiàng)代表系統(tǒng)誤差。而曲線③波動(dòng)頻率高，且具有明顯的往復(fù)特征，顯然不是夾具磨損、沖壓件誤差所致，故可將其定義為隨機(jī)誤差。在對(duì)裝焊誤差進(jìn)行區(qū)域識(shí)別時(shí)，若將測點(diǎn)誤差中的波動(dòng)項(xiàng)去除，將有效提高識(shí)別結(jié)果的可信性。

圖1 測點(diǎn)誤差的小波分解

2 使用趨勢項(xiàng)識(shí)別誤差區(qū)域

對(duì)測點(diǎn)的裝焊誤差進(jìn)行區(qū)域識(shí)別時(shí)，多采用聚類分析的方法。以往的聚類分析使用的是測點(diǎn)誤差的原始數(shù)據(jù)，而本文先使用多貝西D4小波算法將測點(diǎn)誤差分解成趨勢項(xiàng)和波動(dòng)項(xiàng)，然后只使用趨勢項(xiàng)數(shù)據(jù)進(jìn)行聚類分析，實(shí)踐證明使用小波濾波后所得的聚類分析結(jié)果能更好的反映裝焊誤差的區(qū)域特征。

3 實(shí)例應(yīng)用

為對(duì)比小波濾波對(duì)區(qū)域識(shí)別效果的影響，選取某轎車白車身的CMM數(shù)據(jù)進(jìn)行聚類分析。整車測點(diǎn)個(gè)數(shù)為612個(gè)，每個(gè)測點(diǎn)的誤差分解成X、Y、Z三個(gè)方向，每個(gè)方向誤差分量的樣本長度為20個(gè)。聚類分析進(jìn)行兩次，第一次使用測點(diǎn)的原始誤差數(shù)據(jù)，第二次使用小波濾波后的趨勢項(xiàng)。兩次分析均取相關(guān)系數(shù)0.95作為聚類尺度。

3.1 整車聚類分析結(jié)果對(duì)比

圖2為使用整車原始誤差數(shù)據(jù)的聚類分析結(jié)果，其最大聚類所顯示的相關(guān)點(diǎn)數(shù)為331個(gè)。圖3為只使用趨勢項(xiàng)數(shù)據(jù)的聚類結(jié)果，其最大聚類的相關(guān)點(diǎn)數(shù)為438個(gè)?？梢姡コ▌?dòng)項(xiàng)的干擾后，具有相關(guān)性的測點(diǎn)個(gè)數(shù)明顯增加，有利于對(duì)比工序過程來識(shí)別誤差區(qū)域。

圖2 整車原始數(shù)據(jù)聚類(相關(guān)點(diǎn)331個(gè))

結(jié)合裝焊工序流程[7]觀察圖3，其具有相關(guān)性的測點(diǎn)分布可劃分成三個(gè)區(qū)域：發(fā)動(dòng)機(jī)艙區(qū)域、左右側(cè)圍區(qū)域、行李艙區(qū)域;對(duì)每個(gè)區(qū)域重復(fù)上述聚類分析過程，可更明顯的看出使用趨勢項(xiàng)進(jìn)行聚類分析的優(yōu)勢。

圖3 整車趨勢項(xiàng)聚類(相關(guān)點(diǎn)438個(gè))

3.2 發(fā)動(dòng)機(jī)倉區(qū)域聚類分析結(jié)果對(duì)比

圖4為發(fā)動(dòng)機(jī)倉區(qū)域原始誤差數(shù)據(jù)的聚類結(jié)果，最大聚類的相關(guān)點(diǎn)為28個(gè)。圖5為該區(qū)域誤差趨勢項(xiàng)的聚類結(jié)果，最大聚類的相關(guān)點(diǎn)數(shù)為54個(gè)。聚類相關(guān)點(diǎn)數(shù)的增加更清晰的顯示出了誤差區(qū)域，使圖4中較模糊的相關(guān)區(qū)域在圖5中得以確定。

3.3 左右側(cè)圍區(qū)域聚類分析結(jié)果對(duì)比

圖6為左右側(cè)圍區(qū)域原始誤差數(shù)據(jù)的聚類結(jié)果，最大聚類的相關(guān)點(diǎn)為195個(gè)。圖7為該區(qū)域誤差趨勢項(xiàng)的聚類結(jié)果，最大聚類的相關(guān)點(diǎn)數(shù)為261個(gè)，誤差區(qū)域更明顯，且在左側(cè)圍B柱位置及與地板連接處增加了6個(gè)相關(guān)點(diǎn)，使左側(cè)圍的誤差區(qū)域與右側(cè)圍對(duì)稱。圖7中圓圈標(biāo)注的位置即為測點(diǎn)增加的位置，這樣的結(jié)果更符合白車身裝焊過程中的合箱工序。表明只對(duì)趨勢項(xiàng)聚類得到的結(jié)果可更準(zhǔn)確的識(shí)別誤差源。

圖4 發(fā)動(dòng)機(jī)艙原始數(shù)據(jù)聚類(相關(guān)點(diǎn)28個(gè))

圖5 發(fā)動(dòng)機(jī)艙趨勢項(xiàng)聚類(相關(guān)點(diǎn)54個(gè))

圖6 左右側(cè)圍原始數(shù)據(jù)聚類(相關(guān)點(diǎn)195個(gè))

圖7 左右側(cè)圍趨勢項(xiàng)聚類(相關(guān)點(diǎn)261個(gè))

3.4 行李艙區(qū)域聚類分析結(jié)果對(duì)比

圖8、圖9為行李艙區(qū)域的聚類分析對(duì)比，圖8使用原始誤差數(shù)據(jù)，圖9僅使用其趨勢項(xiàng)。原始數(shù)據(jù)最大聚類的相關(guān)點(diǎn)為108個(gè)，趨勢項(xiàng)最大聚類的相關(guān)點(diǎn)為123個(gè)。通過對(duì)比圖8和圖9發(fā)現(xiàn):相關(guān)點(diǎn)增加的位置為圖9中圓圈所示的位置,增加的這些相關(guān)點(diǎn)使行李艙區(qū)域更清晰,使圖8中的模糊區(qū)域得以確定。

圖8 行李艙原始數(shù)據(jù)聚類(相關(guān)點(diǎn)108個(gè))

圖9 行李艙趨勢項(xiàng)聚類(相關(guān)點(diǎn)123個(gè))

3.5 濾波前后結(jié)果對(duì)比

使用小波濾波前后的聚類結(jié)果對(duì)比如表1所示。

由表1可見，只使用趨勢項(xiàng)進(jìn)行聚類分析，所得區(qū)域識(shí)別結(jié)果更清晰，有助于發(fā)現(xiàn)新的區(qū)域證據(jù)。這是因?yàn)閷?duì)原始數(shù)據(jù)做聚類分析時(shí)，原始數(shù)據(jù)中混有隨機(jī)誤差，影響了數(shù)據(jù)之間的相關(guān)性。而趨勢項(xiàng)中只包含原始數(shù)據(jù)中的系統(tǒng)誤差，去掉其中的隨機(jī)誤差，即去除了隨機(jī)誤差的干擾。所以，只對(duì)趨勢項(xiàng)做聚類時(shí)，得到的點(diǎn)數(shù)會(huì)有所增加，增加的點(diǎn)既為消除隨機(jī)誤差影響的結(jié)果。

表1 濾波前后的聚類結(jié)果對(duì)比 個(gè)

4 結(jié)束語

在使用聚類分析進(jìn)行白車身裝焊誤差區(qū)域的識(shí)別中引入了小波濾波，只對(duì)濾波后的趨勢項(xiàng)進(jìn)行聚類分析。經(jīng)實(shí)例驗(yàn)證，該方法可有效的增加聚類分析中的相關(guān)點(diǎn)數(shù)，更清晰的顯示出誤差區(qū)域的形狀，有利于誤差區(qū)域的識(shí)別。

[1]王靈犀，郝旭光,豐云秀.聚類分析方法在白車身裝焊誤差監(jiān)控過程中的應(yīng)用[J].沈陽理工大學(xué)學(xué)報(bào),2009,28(6):11-13.

[2]柳治全.轎車車身焊點(diǎn)質(zhì)量監(jiān)控系統(tǒng)的研究[J].材料，2012,(6):34-35.

[3]張娜.小波分析在白車身裝焊誤差監(jiān)控過程中的應(yīng)用[J].機(jī)械，2009,(3)：53-56.

[4]R.V.豪格 ，A.T.克萊格.數(shù)理統(tǒng)計(jì)導(dǎo)論[M].朱鋐道等譯.高等教育出版社，1990.

[5]Daubechies I.Ten lectures on Wavelet [R].Philadelphia,PA：Society for Industrialand AppliedMathematics,1992.

[6]汽車工程手冊(cè)編輯委員會(huì).汽車工程手冊(cè)[M].北京：人民交通出版社，2001.

[7]張建俊.汽車診斷與檢測技術(shù)[M ].北京:人民交通出版社,2003.

(責(zé)任編輯：趙麗琴)

The Application of Wavelet Filtering in Regional Recognition

WANG Lingxi,BU Zhanhang,LIU Qingkun

(Shenyang Ligong University,Shenyang 110159,China)

Filtering the original three coordinates measurement data of white body by wavelet filtering,and then a clustering analysis was done on the trend term,for identifying the white body fabrication error area.The results show that this method can more accurately identify error area.

the wavelet filtering;body in white;clustering analysis;process area

2014-09-23

王靈犀(1956— )，男，教授，研究方向：汽車試驗(yàn)與仿真研究.

1003-1251(2015)04-0043-04

TP206+.3

A