黃中生，李靖祥，趙升噸

基于振動(dòng)信號(hào)的汽車縱梁腹面沖漏孔智能在線檢測(cè)技術(shù)

黃中生，李靖祥，趙升噸

（西安交通大學(xué) 機(jī)械工程學(xué)院，西安 710049）

目的 針對(duì)傳統(tǒng)汽車縱梁腹面沖孔過程中產(chǎn)生的加工孔漏沖現(xiàn)象，提出一種基于振動(dòng)信號(hào)的智能漏孔在線檢測(cè)技術(shù)。方法 在縱梁沖孔設(shè)備上合理布置加速度傳感器，對(duì)采集的振動(dòng)信號(hào)進(jìn)行時(shí)域和頻域特性分析，構(gòu)建歸一化的壓縮混合域特性指標(biāo)矩陣，提取正常沖孔和漏沖信號(hào)的可靠評(píng)價(jià)指標(biāo)，并進(jìn)一步建立漏孔的智能在線檢測(cè)方案。結(jié)果 在時(shí)域上，漏沖信號(hào)的平均值和有效值要比正常沖信號(hào)的低，同時(shí)具有明顯沖擊峰的波峰個(gè)數(shù)要少；在頻域上，漏沖信號(hào)的頻率幅值最大值、頻率幅值平均值以及能量要比正常沖信號(hào)的低，但是其變異系數(shù)要比正常沖信號(hào)的高。結(jié)論 提出了一種智能漏孔檢測(cè)方案，可以通過對(duì)采集的信號(hào)進(jìn)行預(yù)判斷、處理、特征提取、檢測(cè)判斷等，分離出漏沖信號(hào)和正常沖信號(hào)。

汽車縱梁；漏孔；智能檢測(cè)；振動(dòng)信號(hào)

汽車底盤連接件一般由縱梁、橫梁以及其他相關(guān)附件構(gòu)成，是汽車底盤組成的必要構(gòu)件[1]。如圖1所示，縱梁是汽車上不可缺少的受力部件，除了作為承力構(gòu)件承載著汽車整體絕大部分的重量，還會(huì)吸收行駛過程中產(chǎn)生的絕大部分撞擊能量[2]。為了滿足世界環(huán)保和節(jié)能的要求，汽車工藝也越來(lái)越向輕量化方向發(fā)展。在縱梁生產(chǎn)中，高強(qiáng)度鋼板使用的比例越來(lái)越大，同時(shí)對(duì)縱梁的強(qiáng)度要求越來(lái)越高，對(duì)汽車縱梁的制造要求也越來(lái)越高。為了滿足安全、耐用等需求，梁類結(jié)構(gòu)需要擁有更高的強(qiáng)度以及更小的變形量，所以梁類的成形加工更加困難，同時(shí)加工后也容易發(fā)生應(yīng)力成形回彈現(xiàn)象，進(jìn)而對(duì)梁類的尺寸精度有很大的影響[3-5]。

圖1 汽車縱梁示意圖

目前現(xiàn)有的底盤縱梁裝配孔加工工藝主要有以下3類：（1）傳統(tǒng)的鉆孔工藝，該工藝主要是根據(jù)需求先在鋼板上進(jìn)行劃線，然后根據(jù)所劃的加工線進(jìn)行鉆孔加工，或者根據(jù)提前設(shè)計(jì)好的鉆孔模板進(jìn)行加工[6]；（2）平板縱梁沖孔工藝，相較于傳統(tǒng)的鉆孔工藝，該種加工方式更適用于大批量、少品種的加工，主要采用專用的數(shù)控平板沖孔線，該種加工方式不需要額外的鉆孔模板或者沖孔模，其適用范圍以及加工柔性使該種加工方式成為目前最符合汽車縱梁沖孔加工的工藝[6-7]；（3）U形縱梁沖孔工藝，相較于傳統(tǒng)的鉆孔工藝和平板縱梁沖孔工藝，該種加工方式多用于進(jìn)行小批量、多品種的加工，主要采用專門的數(shù)控三面沖孔生產(chǎn)線，直接對(duì)已經(jīng)成形的U形縱梁進(jìn)行加工，不需要像平板縱梁加工時(shí)那樣使用額外的壓力機(jī)成形U形縱梁，因此其加工精度較高[8-9]。

在現(xiàn)有的縱梁沖孔工藝生產(chǎn)中，調(diào)模的失誤或者模具沖針的突然斷裂，或者是操作者本身在操作過程中的操作失誤都會(huì)產(chǎn)生裝配孔漏沖的現(xiàn)象，而目前還是主要依靠人工目測(cè)對(duì)縱梁沖孔漏孔進(jìn)行檢測(cè)，該種方式自動(dòng)化程度低、效率不高，而且容易產(chǎn)生誤差。

國(guó)內(nèi)外學(xué)者在如何實(shí)現(xiàn)縱梁漏孔的智能在線檢測(cè)方面做了大量的工作。早在1980年，Blitchington等[10]發(fā)明了一種對(duì)板上已有沖孔進(jìn)行計(jì)數(shù)和檢測(cè)的裝置。同樣，武漢科技大學(xué)也設(shè)計(jì)出了一種利用圖像處理技術(shù)對(duì)汽車縱梁安裝孔進(jìn)行檢測(cè)的裝置，如圖2所示[11]，該裝置利用自制的小車在加工完的縱梁上來(lái)回移動(dòng)，通過小車上的CCD工業(yè)相機(jī)對(duì)縱梁整體進(jìn)行掃描，然后通過軟件對(duì)縱梁上的安裝孔進(jìn)行計(jì)數(shù)，進(jìn)而判斷是否存在漏孔。

圖2 武漢科技大學(xué)設(shè)計(jì)的沖孔尺寸檢測(cè)裝置[11]

目前對(duì)汽車縱梁安裝孔進(jìn)行漏孔檢測(cè)的技術(shù)絕大多數(shù)還是基于機(jī)器視覺、圖像處理等手段[12-13]，這些技術(shù)一般對(duì)環(huán)境要求比較苛刻，同時(shí)基于此類技術(shù)設(shè)計(jì)的檢測(cè)裝置容易受光源影響，進(jìn)而影響檢測(cè)速度[14]，檢測(cè)裝置一般也是在沖孔完成后進(jìn)行檢測(cè)，檢測(cè)結(jié)果實(shí)時(shí)性較差。因此，文中在前人研究的基礎(chǔ)上，對(duì)正常沖孔和漏沖過程進(jìn)行采集實(shí)驗(yàn)，對(duì)正常沖孔振動(dòng)信號(hào)和漏沖振動(dòng)信號(hào)進(jìn)行特性分析和特征提取，提出了一種基于振動(dòng)信號(hào)的智能漏孔檢測(cè)技術(shù)。

1 縱梁沖孔過程振動(dòng)信號(hào)的采集

1.1 縱梁沖孔的沖孔原理

常見沖孔設(shè)備的腹面沖孔主機(jī)單元主要由腹面大主機(jī)床身、腹面小主機(jī)床身、主機(jī)底座、方向移動(dòng)底座、大主機(jī)前檢測(cè)、小主機(jī)前檢測(cè)等組成，與其相鄰的還有廢料輸送裝置、模具部件、壓料部件等[15-16]。

沖孔設(shè)備的工作原理如下：先將加工程序輸入到數(shù)控系統(tǒng)中，同時(shí)外部上料機(jī)構(gòu)開始工作，將U形縱梁運(yùn)送到生產(chǎn)線上，大、小腹面沖孔液壓缸在電機(jī)的帶動(dòng)下進(jìn)行豎直向下的運(yùn)動(dòng)；運(yùn)動(dòng)一段時(shí)間后，大、小腹面沖孔主機(jī)根據(jù)預(yù)先設(shè)定在數(shù)控系統(tǒng)中的程序?qū)\(yùn)送過來(lái)的U形縱梁進(jìn)行移動(dòng)定位，定位完成后對(duì)縱梁進(jìn)行壓邊操作，之后液壓缸開始工作，推桿對(duì)U形縱梁進(jìn)行沖孔；完成沖孔動(dòng)作后，電機(jī)帶動(dòng)大、小腹面沖孔液壓缸進(jìn)行向上的回程運(yùn)動(dòng)。

1.2 縱梁沖孔的振動(dòng)信號(hào)采集實(shí)驗(yàn)

由1.1節(jié)內(nèi)容可知，汽車U形縱梁在沖孔過程中會(huì)經(jīng)歷3個(gè)階段：第1階段是大、小腹面沖孔機(jī)在電機(jī)的帶動(dòng)下向下的行進(jìn)運(yùn)動(dòng)；第2階段是腹面沖孔機(jī)在液壓作用下向下的沖孔運(yùn)動(dòng)；第3階段是腹面沖孔機(jī)在電機(jī)帶動(dòng)下向上的回程運(yùn)動(dòng)。這3個(gè)階段也表示了沖孔機(jī)的加速度經(jīng)歷了3個(gè)階段，因此文中通過在腹面沖孔設(shè)備上增加多個(gè)振動(dòng)加速度傳感器來(lái)對(duì)汽車U形縱梁沖孔過程中振動(dòng)加速度的變化情況進(jìn)行采集，圖3為文中使用的縱梁沖孔實(shí)驗(yàn)設(shè)備。

圖3 縱梁腹面沖孔實(shí)驗(yàn)設(shè)備

實(shí)驗(yàn)中，在沖孔設(shè)備模具運(yùn)動(dòng)部件上安裝振動(dòng)加速度傳感器1#，在固定機(jī)架位置上安裝振動(dòng)加速度傳感器2#，傳感器1#和2#分別用來(lái)采集正常沖孔過程和漏沖時(shí)的振動(dòng)信號(hào)。通過對(duì)2種傳感器采集到的振動(dòng)信號(hào)進(jìn)行分析和比較，最終確定使用傳感器1#采集到的振動(dòng)信號(hào)。

2 縱梁沖孔振動(dòng)信號(hào)的分析與特征提取

2.1 縱梁沖孔振動(dòng)信號(hào)的處理

通過振動(dòng)信號(hào)采集實(shí)驗(yàn)，采集了縱梁腹面沖孔設(shè)備在沖孔過程中產(chǎn)生的振動(dòng)信號(hào)，從數(shù)據(jù)中分類篩選出產(chǎn)生漏沖現(xiàn)象的漏沖振動(dòng)信號(hào)以及未產(chǎn)生漏沖現(xiàn)象的正常沖孔振動(dòng)信號(hào)。通過本次實(shí)驗(yàn)，總計(jì)得到振動(dòng)信號(hào)944組，其中漏沖信號(hào)256組，正常沖孔信號(hào)688組。

圖4為正常振動(dòng)信號(hào)和漏沖信號(hào)的時(shí)頻圖，可以看出，2類信號(hào)均在低頻段內(nèi)存在能量集中的現(xiàn)象，而正常沖孔時(shí)信號(hào)的時(shí)頻圖上有3條明顯的光帶，表示了沖孔過程中的3個(gè)過程：沖孔機(jī)整體的豎直下落過程；沖孔機(jī)沖頭的正常沖孔過程；沖孔機(jī)整體的回程上升過程。漏沖信號(hào)相比正常信號(hào)缺失了正常沖孔過程中沖頭和機(jī)架共振產(chǎn)生的能量集中現(xiàn)象，因此時(shí)頻圖僅存在2條明顯的光帶。

圖4 2類振動(dòng)信號(hào)時(shí)頻圖

2類信號(hào)時(shí)頻域的分析流程和特征提取的流程如圖5所示。首先對(duì)采集到的原始振動(dòng)信號(hào)進(jìn)行預(yù)處理，包括濾波、降頻以及去除直流分量；然后分別在時(shí)域和頻域上對(duì)信號(hào)進(jìn)行再次處理，包括傅里葉變換、經(jīng)驗(yàn)?zāi)B(tài)分解等；最后分析對(duì)比提取出的時(shí)域以及頻域的特征參數(shù)，得出2類信號(hào)的差異。

2.2 縱梁沖孔振動(dòng)信號(hào)的時(shí)域分析及特征提取

振動(dòng)信號(hào)的時(shí)域特征值主要分為2類：有量綱特征值和無(wú)量綱特征值，文中主要使用了平均值、有效值、峰值、峰峰值、峰值因子、峭度、波形因子、脈沖因子、裕度因子和能量（分別對(duì)應(yīng)圖6中特征值1—10）作為10類時(shí)域的特征參數(shù)，如圖6所示，任取96組漏沖信號(hào)和96組正常信號(hào)作為訓(xùn)練樣本，提取計(jì)算出兩者的時(shí)域特征值進(jìn)行對(duì)比?？梢钥闯?，經(jīng)過處理后，時(shí)域下的故障振動(dòng)信號(hào)和正常信號(hào)在特征值1、特征值2、特征值3、特征值4以及特征值10上具有比較明顯的差異，據(jù)此可以假設(shè)：在縱梁沖孔過程中，由漏沖產(chǎn)生的振動(dòng)信號(hào)在時(shí)域內(nèi)的平均值、有效值和能量均要低于未產(chǎn)生漏沖現(xiàn)象的正常振動(dòng)信號(hào)的。

圖5 振動(dòng)信號(hào)分析流程

圖6 正常沖信號(hào)和漏沖信號(hào)的時(shí)域特征值對(duì)比

從漏沖振動(dòng)信號(hào)和正常沖孔振動(dòng)信號(hào)的沖孔過程和時(shí)頻圖可以看出，故障信號(hào)和正常信號(hào)在振動(dòng)加速度曲線上最明顯的表現(xiàn)為缺少了沖頭正常沖孔過程中由于振動(dòng)產(chǎn)生的波峰，因此可以對(duì)2類信號(hào)在時(shí)域有限范圍內(nèi)進(jìn)行多次曲線包絡(luò)，突出振動(dòng)信號(hào)的振動(dòng)波峰，如圖7所示，通過確定合適的幅值閾值和時(shí)間閾值，計(jì)算振動(dòng)信號(hào)滿足閾值要求的極值點(diǎn)及拐點(diǎn)，統(tǒng)計(jì)振動(dòng)信號(hào)具有明顯振動(dòng)峰的個(gè)數(shù)，據(jù)此對(duì)2類信號(hào)進(jìn)行區(qū)分。

圖7 經(jīng)包絡(luò)處理后的2類振動(dòng)信號(hào)

通過對(duì)縱梁腹面沖孔過程中產(chǎn)生振動(dòng)信號(hào)的時(shí)域進(jìn)行分析和研究，可以得出以下判斷：在時(shí)域特征值方面，正常沖孔信號(hào)在時(shí)域上的平均值、有效值和能量明顯高于漏沖信號(hào)的；在時(shí)域有限范圍內(nèi)，對(duì)振動(dòng)信號(hào)進(jìn)行數(shù)次的曲線包絡(luò)，正常沖孔信號(hào)具有明顯振動(dòng)峰的波峰個(gè)數(shù)比漏沖信號(hào)的多1個(gè)，符合沖孔過程中運(yùn)動(dòng)加速度的變化規(guī)律，通過確定幅值閾值和時(shí)間閾值，計(jì)算滿足要求的極值點(diǎn)個(gè)數(shù)進(jìn)而對(duì)2類信號(hào)進(jìn)行區(qū)分。

2.3 縱梁沖孔振動(dòng)信號(hào)的頻域分析及特征提取

由2.2小節(jié)可以得知，在時(shí)域上，可以通過對(duì)預(yù)處理后的振動(dòng)信號(hào)進(jìn)行特征參數(shù)提取來(lái)判斷縱梁沖孔過程中是否產(chǎn)生了漏沖現(xiàn)象。在實(shí)際工程中，基于監(jiān)測(cè)和識(shí)別振動(dòng)信號(hào)頻譜圖的故障診斷技術(shù)應(yīng)用廣泛[17]。文中使用的頻域特征參數(shù)有頻率幅值均值、頻率幅值最大值、偏度、重心頻率、均方頻率、頻率標(biāo)準(zhǔn)差、峰度和變異系數(shù)（分別對(duì)應(yīng)圖8中特征值1￠—8￠）。

正常沖孔信號(hào)和漏沖信號(hào)的頻域特征值對(duì)比如圖8所示，橫坐標(biāo)對(duì)應(yīng)所使用的頻域特征參數(shù)，任取96組漏沖信號(hào)和96組正常信號(hào)作為訓(xùn)練樣本，對(duì)比從中提取計(jì)算出的頻域特征值。可以看出，漏沖振動(dòng)信號(hào)和正常沖孔振動(dòng)信號(hào)在頻域上的特征值1￠、特征值2￠和特征值8￠具有比較明顯的差異，由此可以假設(shè)：在縱梁沖孔過程中，由漏沖產(chǎn)生的振動(dòng)信號(hào)在頻域內(nèi)的頻率幅值平均值、頻率幅值最大值要低于未產(chǎn)生漏沖現(xiàn)象的正常振動(dòng)信號(hào)的，而變異系數(shù)要高于未產(chǎn)生漏沖現(xiàn)象的正常振動(dòng)信號(hào)的。

圖8 正常沖孔信號(hào)和漏沖信號(hào)的頻域特征值對(duì)比

通過對(duì)縱梁腹面沖孔過程中產(chǎn)生振動(dòng)信號(hào)的頻域進(jìn)行分析和研究，可以得出以下判斷：在頻域特征值方面，正常沖孔信號(hào)在頻域上的頻率幅值平均值、頻率幅值最大值明顯高于漏沖信號(hào)的，而其變異系數(shù)是要低于漏沖信號(hào)的。

2.4 縱梁沖孔振動(dòng)信號(hào)的特征值聚類分析

為了突出正常沖孔信號(hào)和漏沖信號(hào)的特征值差異，文中采用基于核方法改進(jìn)的模糊均值（KFCM）聚類分析方法[18]，對(duì)2類信號(hào)的特征值進(jìn)行3次聚類分析。KFCM算法的聚類目標(biāo)函數(shù)見式（1）—（2）。

式中：為類別數(shù)；為樣本數(shù)；μ為隸屬度；為模糊加權(quán)指數(shù)；v為聚類中心；x為原始特征空間樣本；m為聚類目標(biāo)函數(shù)。

為了判斷聚類效果的好壞程度，通常采用分類系數(shù)和平均模糊熵進(jìn)行評(píng)價(jià)，其定義分別見式（3）和式（4）。

分類系數(shù)是表示聚類結(jié)果模糊程度的標(biāo)準(zhǔn)，越接近1，則說(shuō)明樣本的聚類效果越好。若=1，聚類結(jié)果屬于硬劃分；若<1，聚類結(jié)果屬于模糊劃分。平均模糊熵表示聚類劃分的不確定性，對(duì)于硬劃分有=0，對(duì)于模糊劃分有>0，因此越接近0，樣本聚類效果越好。

本次共使用了96組正常沖振動(dòng)信號(hào)以及96組漏沖振動(dòng)信號(hào)作為訓(xùn)練樣本進(jìn)行模糊均值聚類分析，所使用的信號(hào)特征值總計(jì)72組，包括原有時(shí)域上的10種以及頻域上的8種特征參數(shù)，以及對(duì)信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解后得到的前3項(xiàng)本征模態(tài)分量對(duì)應(yīng)的時(shí)頻特征參數(shù)。對(duì)所有信號(hào)的特征值進(jìn)行故障信號(hào)以及正常信號(hào)總計(jì)2類的劃分，所劃分的特征設(shè)置為3類，因此總計(jì)59 640組數(shù)據(jù)，共進(jìn)行3次聚類分析，并依據(jù)式（3）—（4），分別對(duì)所獲得的分類結(jié)果進(jìn)行分類系數(shù)以及平均模糊熵的計(jì)算。

從分類結(jié)果中選取6組作圖，如圖9所示，其中結(jié)果1的分類系數(shù)為0.927 7，平均模糊熵為0.139 7；結(jié)果2的分類系數(shù)為0.926 9，平均模糊熵為0.141 9；結(jié)果3的分類系數(shù)為0.926 7，平均模糊熵為0.142 4；結(jié)果4的分類系數(shù)為0.911 8，平均模糊熵為0.156 4；結(jié)果5的分類系數(shù)為0.900 1，平均模糊熵為0.171 9；結(jié)果6的分類系數(shù)為0.885 1，平均模糊熵為0.189 5。分類系數(shù)越接近1，分類效果越好，表示正常信號(hào)和漏孔信號(hào)的樣本點(diǎn)分離距離越大，圖9中圓點(diǎn)表示聚類中心，分類系數(shù)不同，樣本點(diǎn)分布在聚類中心周圍的緊密程度也不相同。

圖9 聚類分析結(jié)果

通過對(duì)訓(xùn)練樣本進(jìn)行聚類分析，發(fā)現(xiàn)對(duì)任意縱梁腹面沖孔的振動(dòng)信號(hào)進(jìn)行時(shí)域與頻域的特征提取后，可以使用平均值、有效值、能量、頻率幅值均值、頻率幅值最大值和變異系數(shù)構(gòu)建壓縮混合域特性指標(biāo)，作為區(qū)分正常沖振動(dòng)信號(hào)和漏沖振動(dòng)信號(hào)的區(qū)分條件。

3 縱梁沖孔漏孔檢測(cè)算法的提出

通過2.2節(jié)和2.3節(jié)對(duì)振動(dòng)信號(hào)時(shí)域和頻域上特征參數(shù)的分析和研究，文中針對(duì)汽車縱梁腹面沖孔工藝中的漏沖現(xiàn)象，得出一個(gè)基于振動(dòng)信號(hào)的初步檢測(cè)方案，其算法流程如圖10所示。

該檢測(cè)方案期望能夠在較短時(shí)間內(nèi)通過對(duì)振動(dòng)信號(hào)傳感器采集到的振動(dòng)信號(hào)進(jìn)行處理和判斷，對(duì)沖孔設(shè)備的沖孔過程進(jìn)行檢測(cè)，從而判斷沖孔時(shí)是否產(chǎn)生了漏沖孔現(xiàn)象，如果有，則及時(shí)向上位機(jī)發(fā)出報(bào)警信號(hào)。

該檢測(cè)算法流程以振動(dòng)信號(hào)為輸入，最后輸出判斷結(jié)果，主要流程如下：（1）首先對(duì)采集到的信號(hào)進(jìn)行均值和峰值計(jì)算，判斷是否為振動(dòng)信號(hào)；（2）對(duì)輸入的信號(hào)進(jìn)行前處理，主要目的是濾除噪聲信號(hào)，同時(shí)去除信號(hào)中的直流分量；（3）對(duì)信號(hào)進(jìn)行特征提取，時(shí)域上，對(duì)振動(dòng)信號(hào)進(jìn)行EMD分解，取其本征模態(tài)分量前4項(xiàng)之和作為新的振動(dòng)信號(hào)，然后計(jì)算其時(shí)域上的特征值，頻域上，對(duì)振動(dòng)信號(hào)進(jìn)行傅里葉變換，

然后計(jì)算其頻域上的特征值；（4）漏沖檢測(cè)的綜合判斷由3部分構(gòu)成，第1部分是對(duì)振動(dòng)信號(hào)時(shí)域特征參數(shù)進(jìn)行閾值判斷，第2部分是對(duì)振動(dòng)信號(hào)在時(shí)域有限范圍內(nèi)進(jìn)行多次曲線包絡(luò)，依據(jù)設(shè)定的幅值閾值和時(shí)間閾值，計(jì)算并統(tǒng)計(jì)振動(dòng)信號(hào)具有明顯振動(dòng)峰的個(gè)數(shù)，第3部分是對(duì)振動(dòng)信號(hào)中頻域特征參數(shù)進(jìn)行閾值判斷；（5）最后輸出結(jié)果，依據(jù)漏沖檢測(cè)部分判斷的結(jié)果向上位機(jī)輸出是否有漏沖現(xiàn)象產(chǎn)生，如果有，則及時(shí)進(jìn)行報(bào)警。

為了驗(yàn)證該檢測(cè)算法的合理性，文中使用編程軟件對(duì)檢測(cè)算法流程進(jìn)行了程序編寫，以輸入信號(hào)為開始，經(jīng)過一系列處理后，進(jìn)行漏沖檢測(cè)，最后輸出判斷結(jié)果。測(cè)試結(jié)果采用混淆矩陣圖表示，如圖11所示，總共使用了60組測(cè)試樣本，其中28個(gè)正常信號(hào)和29個(gè)漏沖信號(hào)的檢測(cè)正確，分別占比46.7%和48.3%，有2個(gè)正常信號(hào)被檢測(cè)判斷為漏沖，1個(gè)漏沖信號(hào)被判斷為正常，分別占比3.3%和1.7%，針對(duì)30個(gè)無(wú)漏孔信號(hào)和30個(gè)漏孔信號(hào)，檢測(cè)出28個(gè)正常信號(hào)和29個(gè)漏孔信號(hào)，說(shuō)明正常信號(hào)的查全率是93.3%，漏孔信號(hào)的查全率是96.7%，正常沖孔信號(hào)和漏孔信號(hào)的查準(zhǔn)率分別為96.6%和93.5%，總的檢測(cè)準(zhǔn)確率為95%，同時(shí)統(tǒng)計(jì)所有測(cè)試樣本的檢測(cè)時(shí)間，其中正常信號(hào)和漏孔信號(hào)的檢測(cè)時(shí)間基本一樣，均為0.264 s左右，可以認(rèn)為檢測(cè)程序能夠滿足在線實(shí)時(shí)性要求。

圖10 檢測(cè)算法流程圖

圖11 檢測(cè)系統(tǒng)驗(yàn)證混淆矩陣圖

4 結(jié)論

通過對(duì)縱梁腹面沖孔工藝中產(chǎn)生的振動(dòng)信號(hào)進(jìn)行分析和研究，得到如下結(jié)論。

1）在分析縱梁腹面柔性化沖孔工藝的基礎(chǔ)上，在現(xiàn)有腹面沖孔設(shè)備上合理安裝振動(dòng)加速度傳感器，測(cè)試比較沖孔過程中產(chǎn)生的正常振動(dòng)信號(hào)和漏沖信號(hào)。正常沖孔信號(hào)主要經(jīng)歷沖頭豎直下落、沖孔、回程上升3個(gè)階段，而漏沖信號(hào)中沖孔部分信號(hào)缺失。

2）通過對(duì)縱梁沖孔過程中產(chǎn)生漏沖現(xiàn)象的故障信號(hào)和未產(chǎn)生漏沖現(xiàn)象的正常信號(hào)進(jìn)行典型時(shí)頻域特征分析，發(fā)現(xiàn)正常沖孔信號(hào)在時(shí)域上的平均值、有效值以及能量等特征參數(shù)明顯高于漏沖信號(hào)的，在頻域上的頻率幅值平均值、頻率幅值最大值明顯高于漏沖信號(hào)的，而其變異系數(shù)是要低于漏沖信號(hào)的。此外，通過時(shí)域幅值包絡(luò)信號(hào)分析，確定了檢測(cè)正常沖孔信號(hào)和漏沖信號(hào)的幅值閾值以及時(shí)間閾值，獲得了明確的振動(dòng)峰數(shù)量。

3）基于上述分析，提出了一種基于縱梁腹面沖孔振動(dòng)信號(hào)的漏沖智能實(shí)時(shí)在線檢測(cè)方案和算法流程，通過實(shí)驗(yàn)數(shù)據(jù)得出所設(shè)計(jì)的漏沖檢測(cè)方法單組數(shù)據(jù)檢測(cè)時(shí)間低于0.264 s，綜合檢出率為95%，滿足在線檢測(cè)的要求。

[1] 趙加蓉. 從制造到智造——汽車縱梁柔性制造新模式[J]. 汽車工藝師, 2016(8): 20-23.

ZHAO Jia-rong. From Manufacturing to Intelligent Manufacturing-a New Flexible Manufacturing Mode of Automobile Longitudinal Beam[J]. Auto Manufacturing Engineer, 2016(8): 20-23.

[2] 李彩娟, 程阿苗, 詹卓, 等. 汽車縱梁加強(qiáng)板成形工藝優(yōu)化與模具設(shè)計(jì)[J]. 模具制造, 2019, 19(9): 20-22.

LI Cai-juan, CHENG A-miao, ZHAN Zhuo, et al. Forming Process Optimization and Die Design of Strengthened Plate for Automobile Longitudinal Beam[J]. Die & Mould Manufacture, 2019, 19(9): 20-22.

[3] 丁金明. 金屬鍍層工件表面缺陷自動(dòng)檢測(cè)系統(tǒng)的研究[D]. 天津: 天津大學(xué), 2004: 57-58.

DING Jin-ming. Study on Auto-Detect System for Detecting Defects of Workpieces Electroplated Surface[D]. Tianjin: Tianjin University, 2004: 57-58.

[4] CABELLO E, SáNCHEZ M, DELGADO J. A New Approach to Identify Big Rocks with Applications to the Mining Industry[J]. Real-Time Imaging, 2002, 8(1): 1-9.

[5] 劉世竹, 世萍, 朱培禮, 等. 大尺寸量具檢測(cè)裝置的研制[J]. 鐵道技術(shù)監(jiān)督, 2002, 30(2): 32-34.

LIU Shi-zhu, SHI Ping, ZHU Pei-li, et al. Development of Testing Device for Large-Size Measuring Tools[J]. Railway Quality Control, 2002, 30(2): 32-34.

[6] 何夢(mèng)輝, 宋曙平, 李大鵬. 淺談汽車底盤縱梁沖孔加工設(shè)備的應(yīng)用與前景[J]. 鍛壓裝備與制造技術(shù), 2016, 51(1): 68-69.

HE Meng-hui, SONG Shu-ping, LI Da-peng. Application and Prospect of Punching Equipment for Truck Chassis Side-Member[J]. China Metal Forming Equipment & Manufacturing Technology, 2016, 51(1): 68-69.

[7] 王立勤, 劉向群. 淺談汽車縱梁加工設(shè)備——縱梁平板數(shù)控沖孔線[J]. 鍛壓裝備與制造技術(shù), 2005, 40(4): 35-37.

WANG Li-qin, LIU Xiang-qun. Talking about the Processing Equipment of Automobile Longitudinal Beam-CNC Punching Line of Longitudinal Beam Flat Plate[J]. China Metalforming Equipment & Manufacturing Technology, 2005, 40(4): 35-37.

[8] 宋曙平, 何夢(mèng)輝, 李永剛, 等. 一種新型的U形梁物料管理生產(chǎn)線[J]. 鍛壓裝備與制造技術(shù), 2015, 50(1): 13-15.

SONG Shu-ping, HE Meng-hui, LI Yong-gang, et al. A New Material Management Production Line for U-Shaped Beam[J]. China Metal Forming Equipment & Manufacturing Technology, 2015, 50(1): 13-15.

[9] 遲志波, 趙加蓉, 何夢(mèng)輝. 國(guó)內(nèi)汽車縱梁數(shù)控沖孔生產(chǎn)線的發(fā)展動(dòng)向[J]. 數(shù)控機(jī)床市場(chǎng), 2009(9): 51-56.

CHI Zhi-bo, ZHAO Jia-rong, HE Meng-hui. The Development Trend of Domestic Automobile Longitudinal Beam CNC Punching Production Line[J]. CNC Machine Tool Market, 2009(9): 51-56.

[10] BLITCHINGTON F H. Methods of System for Counting Holes and for Ddetecting Missing Holes in a Web: US4205769[P]. 1980-06-03.

[11] 周奎. 圖像處理在汽車縱梁漏孔檢測(cè)中的應(yīng)用和研究[D]. 武漢: 武漢科技大學(xué), 2006: 23-24.

ZHOU Kui. Study and Implementation of Image Processing in Detecting Missing Hole on Auto-Carling[D]. Wuhan: Wuhan University of Science and Technology, 2006: 23-24.

[12] 程存學(xué), 劉世棟, 解莉. 基于視頻圖像分析的智能監(jiān)控系統(tǒng)設(shè)計(jì)[J]. 計(jì)算技術(shù)與自動(dòng)化, 2006, 25(S2): 162-165.

CHENG Cun-xue, LIU Shi-dong, XIE Li. Design of the Intelligent Surveillance System Based on the Analysis of Vedio Images[J]. Computing Technology and Automation, 2006, 25(S2): 162-165.

[13] 卞曉東. 基于機(jī)器視覺的車輛幾何尺寸測(cè)量系統(tǒng)研究[D]. 南京: 東南大學(xué), 2005: 8-11.

BIAN Xiao-dong. Research on Vehicle Dimensions Measuring System Based on Machine Vision[D]. Nanjing: Southeast University, 2005: 8-11.

[14] 賀賽先, 王新華, 何對(duì)燕, 等. 一個(gè)基于圖像測(cè)量的工業(yè)尺寸測(cè)量系統(tǒng)[J]. 測(cè)繪通報(bào), 1997(5): 25-26.

HE Sai-xian, WANG Xin-hua, HE Dui-yan, et al. An Industrial Dimension Measurement System Based on Image Measurement[J]. Bulletin of Surveying and Mapping, 1997(5): 25-26.

[15] 李耶夫, 薛麗菲. 汽車U型縱梁四主機(jī)三面數(shù)控沖孔生產(chǎn)線淺析[J]. 汽車制造業(yè), 2014(18): 68-69.

LI Ye-fu, XUE Li-fei. Analysis on the CNC Punching Production Line of Automobile U-shaped Longitudinal Beam, Four Mainframes and Three Sides[J]. Automobil Industrie, 2014(18): 68-69.

[16] 李耶夫, 薛麗菲. 汽車U形縱梁雙主機(jī)數(shù)控沖孔生產(chǎn)線技術(shù)淺析[J]. 鍛造與沖壓, 2014(4): 36-38.

LI Ye-fu, XUE Li-fei. Analysis on the CNC Punching Production Line of Auto U-Shaped Longitudinal Beam with Dual Hosts[J]. Forging & Metalforming, 2014(4): 36-38.

[17] 鄭杰峰, 朱孔臣, 張正軍, 等. 振動(dòng)信號(hào)分析技術(shù)在汽輪機(jī)故障診斷中的應(yīng)用[J]. 設(shè)備管理與維修, 2020(15): 143-146.

ZHENG Jie-feng, ZHU Kong-chen, ZHANG Zheng-jun, et al. Application of Vibration Signal Analysis Technology in Turbine Fault Diagnosis[J]. Plant Maintenance Engineering, 2020(15): 143-146.

[18] WU Zhao-hua, HUANG N E. Ensemble Empirical Mode Decomposition: A Noise-Assisted Data Analysis Method [J]. Advances in Adaptive Data Analysis, 2009, 1(1): 1-41.

Intelligent Online Detection Technology for Missing Punching of Machining Holes on Ventral Surface of Automobile Carling Based on Vibration Signal

HUANG Zhong-sheng, LI Jing-xiang, ZHAO Sheng-dun

(School of Mechanical Engineering, Xi'an Jiaotong University, Xi'an 710049, China)

The work aims to propose an intelligent online leak detection technology based on vibration signal to solve the phenomenon of missing punching of machining holes in the traditional automobile carling ventral punching process. By reasonably arranging the acceleration sensors on the carling punching equipment, the time domain and frequency domain characteristics of the collected vibration signals were analyzed, a normalized compressed mixed domain characteristic index matrix was constructed, and the reliable evaluation indicators for normal punching and missing punching signals were extracted, and an intelligent online detection scheme for missing punching was further established. Through analysis of the vibration signal in this project, it can be judged that in the time domain, the average value and effective value of the missing punching signal were lower than those of the normal punching signal, and the number of peaks with obvious impulse peaks was less, in the frequency domain, the maximum frequency amplitude, the average frequency amplitude and the energy of the missing punching signal were lower than those of the normal punching signal, but the coefficient of variation was higher than that of the normal punching signal. According to the experimental results, this work proposes an intelligent missing punching detection scheme, which separates the missing punching signal and the normal punching signal by prejudging, processing, feature extraction, detection and judgment on the collected signals.

automobile carling; missing hole; intelligent detection; vibration signal

10.3969/j.issn.1674-6457.2022.07.004

TG38

A

1674-6457(2022)07-0028-08

2022–04–29

黃中生（1997—），男，碩士生，主要研究方向?yàn)橄冗M(jìn)材料成形技術(shù)及裝備。

李靖祥（1984—），男，博士，副教授，博士生導(dǎo)師，主要研究方向?yàn)橄冗M(jìn)材料成形技術(shù)及裝備、復(fù)雜機(jī)電系統(tǒng)設(shè)計(jì)與控制。

責(zé)任編輯：蔣紅晨