張殿平，馬春輝，孫芮，信思勇，高芷芃，張雷雷

（1.中國重汽集團(tuán)濟(jì)南動力有限公司，濟(jì)南 250220；2.上海交通大學(xué) 機(jī)械與動力工程學(xué)院，上海 200240）

0 引言

隨著電商物流領(lǐng)域的迅猛發(fā)展重型卡車市場呈現(xiàn)出供不應(yīng)求的局面。重卡制造企業(yè)在提升產(chǎn)能的同時也更加關(guān)注整車質(zhì)量、產(chǎn)品性能和生產(chǎn)成本等關(guān)鍵因素。駕駛艙作為重卡的核心組成部分，其裝配制造質(zhì)量對整車質(zhì)量、生產(chǎn)周期和服役年限等都具有重要影響。因此，駕駛艙制造過程中裝配質(zhì)量的提升受到車企的關(guān)注。

裝配質(zhì)量主要受零部件質(zhì)量、裝配工藝、安裝順序等因素的制約[1]。為此，研究人員通常采用智能化算法搭建信息化平臺實現(xiàn)產(chǎn)品裝配質(zhì)量的提前預(yù)測[2-3]。陳資等[4]結(jié)合遺傳算法和支持向量機(jī)構(gòu)建了數(shù)控機(jī)床裝配質(zhì)量預(yù)測模型，其預(yù)測精度優(yōu)于BP神經(jīng)網(wǎng)絡(luò)和常規(guī)支持向量機(jī)模型。方喜峰等[5]結(jié)合粒子群算法和支持向量機(jī)構(gòu)建船用柴油機(jī)裝配質(zhì)量預(yù)測模型，在提高預(yù)測精度的同時縮短了運算時間。董海等[6]提出的XGBoost模型能夠精準(zhǔn)預(yù)測多級制造系統(tǒng)中車身裝配質(zhì)量。臧陽陽等[7]提出了基于變量選擇和概率神經(jīng)網(wǎng)絡(luò)的質(zhì)量預(yù)測模型，解決了裝配過程中影響因素繁多、數(shù)據(jù)不平衡的問題。劉銀華等[8]基于偏最小二乘回歸算法構(gòu)建車身多工位裝配偏差預(yù)測模型，實現(xiàn)關(guān)鍵特征的合格率預(yù)測與零部件質(zhì)量的優(yōu)化控制。

當(dāng)實際制造過程中出現(xiàn)不合格產(chǎn)品時，需要及時進(jìn)行根本原因的診斷并進(jìn)行決策優(yōu)化。常用的診斷方法包括模式匹配、統(tǒng)計估計和智能算法等[9]。Khodaygan等[10]提出了基于貝葉斯模型的裝配公差優(yōu)化方法，在保證可靠性的基礎(chǔ)上評估裝配質(zhì)量。Fu等[11]提出一種基于事件觸發(fā)的白車身裝配質(zhì)量前饋預(yù)測控制方法，實現(xiàn)精度的在線控制，降低夾具調(diào)整頻率。袁博等[12]通過文本挖掘技術(shù)從歷史數(shù)據(jù)中提取信息，利用推薦算法輔助人工進(jìn)行質(zhì)量問題診斷，實現(xiàn)裝配過程的提質(zhì)增效。郭允明等[13]提出隨機(jī)Kriging代理模型對裝配過程工藝參數(shù)進(jìn)行優(yōu)化控制，減少了工藝不確定性對裝配精度的影響。胡曉磊等[14]結(jié)合機(jī)理模型和數(shù)據(jù)驅(qū)動模型構(gòu)建汽車前輪定位參數(shù)的預(yù)測模型，通過公差優(yōu)化設(shè)計降低了定位參數(shù)超差率。朱永國等[15]基于熵權(quán)法和灰色綜合關(guān)聯(lián)度構(gòu)建裝配質(zhì)量偏差源診斷模型，可在小樣本條件下實現(xiàn)精確診斷。

綜上所述，智能算法和優(yōu)化方法在裝配質(zhì)量的預(yù)測、診斷及控制中表現(xiàn)出色。然而，上述研究主要停留在理論認(rèn)證階段，且主要針對小型乘用車或商用車，對于重卡駕駛艙的多材料裝配質(zhì)量研究較為欠缺。本文利用仿真軟件搭建重卡駕駛艙裝配過程機(jī)理模型，采用優(yōu)化算法實現(xiàn)工藝參數(shù)與安裝順序的改進(jìn)，并完成真實車型的落地應(yīng)用。

1 仿真模型

1.1 駕駛艙裝配過程與問題描述

本文以某重卡車型駕駛艙的裝配過程開展研究。駕駛艙的裝配結(jié)構(gòu)及分解結(jié)構(gòu)如圖1所示。

車門、翼子板及導(dǎo)風(fēng)板等零部件或總成件通過“一面兩銷”的定位方式與白車身進(jìn)行焊接，裝配順序如表1所示。

表1 駕駛艙結(jié)構(gòu)裝配順序

整車試制階段發(fā)現(xiàn)：1）導(dǎo)風(fēng)板與前面罩的間隙過大，左、右兩側(cè)皆呈現(xiàn)A字形縫隙，如圖2（a）所示；2）導(dǎo)風(fēng)板與前門面差呈現(xiàn)上小下大趨勢，且下側(cè)面差過大，如圖2（b）所示。針對左側(cè)導(dǎo)風(fēng)板裝配后與匹配件的間隙、面差不滿足要求的問題，本文將開展根本原因診斷、裝配工藝和安裝順序優(yōu)化等研究。

圖2 整車試制過程間隙、面差問題表現(xiàn)

1.2 駕駛艙裝配仿真流程

使用3DCS軟件對駕駛艙裝配過程進(jìn)行仿真，仿真流程如圖3所示。

圖3 駕駛艙裝配仿真流程圖

步驟1。將帶有結(jié)構(gòu)樹的駕駛艙三維數(shù)模導(dǎo)入軟件中，通過零部件偏移的方式創(chuàng)建裝配與分解兩種場景，并在分解場景下開始建模。

步驟2。根據(jù)GD&T圖樣中的標(biāo)注分別為每個零件創(chuàng)建基準(zhǔn)面與基準(zhǔn)孔，并在對手件的相應(yīng)位置創(chuàng)建特征。

步驟3。依照焊接工藝流程圖建立零部件/總成件之間的裝配關(guān)系，主要基于“3-2-1定位”原理實現(xiàn)零件的約束，多個件裝配時需嚴(yán)格按照裝配順序創(chuàng)建裝配關(guān)系，不能顛倒。

步驟4。根據(jù)GD&T圖樣中的孔、面公差為零件添加尺寸公差和位置公差，尤其是孔、銷的直徑及裝配面的輪廓度等。同時為裝配過程添加孔-銷浮動等影響。

步驟5。根據(jù)測點文件或DTS在數(shù)模的相應(yīng)位置添加測量點特征，并建立測量操作，實現(xiàn)駕駛艙裝配后各關(guān)鍵位置的間隙和面差輸出。

步驟6。通過點擊裝配按鈕模擬駕駛艙的真實裝配過程，點擊分析按鈕實現(xiàn)基于Monte Carlo方法的三維尺寸鏈分析，輸出步驟5中關(guān)鍵位置的尺寸超差情況及造成超差的原因和貢獻(xiàn)率。

步驟7。當(dāng)步驟6中尺寸分析的結(jié)果不滿足要求時，至步驟8，否則至步驟9。

步驟8。通過修改零件結(jié)構(gòu)、形位公差、裝配順序等手段對工藝方案進(jìn)行改進(jìn)，并將改進(jìn)后的結(jié)果反饋至步驟2，在現(xiàn)有的仿真模型上進(jìn)行修改。

步驟9。輸出形位公差分配結(jié)果、裝配工藝流程等信息，用于指導(dǎo)實際生產(chǎn)過程中的質(zhì)量控制。

以上裝配過程是建立在所有零件都是剛性的假設(shè)條件下，且不受自重、焊接等因素的影響而發(fā)生變形。所有零件及裝配工藝參數(shù)都假設(shè)服從正態(tài)分布，且認(rèn)為偏差落在±3σ以內(nèi)即為合格產(chǎn)品。

2 仿真結(jié)果與優(yōu)化分析

2.1 駕駛艙裝配仿真結(jié)果

仿真過程中針對導(dǎo)風(fēng)板與其對手件的間隙和面差進(jìn)行測量，測量位置如圖4所示。

圖4 關(guān)鍵測量點的間隙、面差

共設(shè)置了4組間隙、面差共8個測量點，Gap_1/Flush_1與Gap_2/Flush_2兩組測量點位于導(dǎo)風(fēng)板與前面罩的匹配處，Gap_3/Flush_3與Gap_4/Flush_4兩組測量點位于導(dǎo)風(fēng)板與左前門的匹配處。經(jīng)過2000次的Monte Carlo仿真計算，4組測量點的三維尺寸偏差分析結(jié)果輸出如表2所示。

表2 測量點尺寸分析結(jié)果

結(jié)合歷史工程實際經(jīng)驗，認(rèn)為仿真結(jié)果中超差率大于10%則不能接受。從表2中可以看出，只有Flush_1和Gap_3測量點滿足要求，其余測量點均與要求相差甚遠(yuǎn)。Gap_2/Flush_2的6-Sigma皆大于Gap_1/Flush_1，Gap_4/Flush_4的6-Sigma皆大于Gap_3/Flush_3，因此與試制過程中出現(xiàn)的問題相同，說明仿真過程基本符合實際情況。仿真結(jié)果同時輸出了每個測點超差的影響因素及其貢獻(xiàn)率，如表3所示。

表3 測量點尺寸超差的影響因素及貢獻(xiàn)率

表3 中，Move15 代表導(dǎo)風(fēng)板支架安裝至BIW的過程，Move16 代表左導(dǎo)風(fēng)板安裝至前擋左下飾板支架1的過程。裝配過程對尺寸偏差的影響主要由孔銷浮動造成，其余影響因素則是由公差設(shè)置造成最終尺寸偏差。

2.2 優(yōu)化分析

從2.1節(jié)的分析結(jié)果可以看出，Move16_左導(dǎo)風(fēng)板安裝至前擋左下飾板支架1的裝配過程影響了6個測點的尺寸偏差，且貢獻(xiàn)度均較大。因此，從Move16裝配過程的孔銷浮動開展分析。導(dǎo)風(fēng)板的裝配過程如圖5所示，4-way定位銷設(shè)置在前擋左下飾板支架1上，2-way定位銷設(shè)置在導(dǎo)風(fēng)板支架上，定位銷的直徑皆為6 mm。

圖5 導(dǎo)風(fēng)板裝配過程示意圖

與定位銷相對應(yīng)的導(dǎo)風(fēng)板定位孔直徑為10 mm，定位孔直徑遠(yuǎn)大于定位銷直徑，導(dǎo)致裝配過程Y向的孔銷浮動量過大，因此造成最終的尺寸偏差。根據(jù)工程經(jīng)驗，定位孔直徑應(yīng)比定位銷直徑大0.5 mm才能保證正?？卒N浮動量，為此在仿真模型中將定位孔的直徑修改為6.5 mm。Move15_導(dǎo)風(fēng)板支架安裝至BIW過程中的孔銷浮動問題與Move16相同。修改定位孔直徑后尺寸分析結(jié)果如表4所示。

表4 修改結(jié)構(gòu)后尺寸分析結(jié)果

從表4中可以看出，Gap_1/Flush_1和Gap_3/Flush_3的尺寸分析結(jié)果已經(jīng)滿足工程需求，然而Gap_2/Flush_2和Gap_4/Flush_4的超差率依然較大。因此，需要通過公差的優(yōu)化分配來實現(xiàn)尺寸偏差的控制。

綜合尺寸分析結(jié)果、影響因素及其貢獻(xiàn)率，本文選取“X1：導(dǎo)風(fēng)板支架安裝孔位置度”、“X2：導(dǎo)風(fēng)板支架安裝面輪廓度”、“X3：前擋下飾板支架安裝面輪廓度”、“X4：前面罩總成安裝面輪廓度”和“X5：前面罩總成安裝螺母孔位置度”這5個變量作為影響因素，“Y1：Gap_2”、“Y2：Flush_2”、“Y3：Gap_4”和“Y4：Flush_4”的超差率作為因變量。其中，X{X1，X2，X3，X4，X5}的公差取值范圍是[1.8, 3.0]，Y{Y1，Y2，Y3，Y4，}貢獻(xiàn)率的優(yōu)化結(jié)果應(yīng)小于10%?；诿商乜_方法隨機(jī)生成影響因素的公差，并以此進(jìn)行模擬仿真分析，共獲得500組對應(yīng)數(shù)據(jù)。在三維空間中，影響因素與超差率之間是非線性關(guān)系，因此本文基于BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)影響因素與超差率之間的關(guān)聯(lián)關(guān)系建模。

影響因素的公差優(yōu)化過程中，公差值越小則超差率越小，但同時零部件的制造成本也隨之增加[8]。為此，本文引入制造成本與BP神經(jīng)網(wǎng)絡(luò)擬合的超差率共同作為目標(biāo)函數(shù)。采用模擬退火算法對目標(biāo)函數(shù)進(jìn)行求解，實現(xiàn)影響因素的公差優(yōu)化分配，優(yōu)化結(jié)果如表5所示。

根據(jù)表5的公差優(yōu)化結(jié)果，修改仿真模型中影響因素的公差設(shè)置，并重新實現(xiàn)仿真過程，公差優(yōu)化后的尺寸分析結(jié)果如表6所示。

表6 公差優(yōu)化后尺寸分析結(jié)果

公差優(yōu)化后，所有測量點的超差率都控制在10%以內(nèi)。因此，表5所示的工藝方案可以用于指導(dǎo)整車試制和量產(chǎn)階段的工藝參數(shù)優(yōu)化與質(zhì)量控制。

通過DOE 試驗設(shè)計和模擬仿真發(fā)現(xiàn)，本文采用的裝配順序即為最優(yōu)裝配順序，因此無需進(jìn)行改進(jìn)。

依照本文優(yōu)化分析結(jié)果改進(jìn)試制階段的工藝方案，導(dǎo)風(fēng)板與對手件之間的間隙、面差得到了有效控制。如圖6所示，關(guān)鍵點處的尺寸偏差能夠滿足DTS要求。

圖6 工藝方案優(yōu)化后整車試制結(jié)果

3 結(jié)論

本文利用3DCS軟件針對重型卡車駕駛艙的裝配過程進(jìn)行仿真，通過創(chuàng)建特征、建立裝配、添加公差、布置測點來實現(xiàn)三維尺寸偏差分析，仿真結(jié)果與實際工程問題相對貼合。

基于仿真結(jié)果，采用修改零件結(jié)構(gòu)、工藝參數(shù)優(yōu)化、調(diào)整安裝順序等手段實現(xiàn)關(guān)鍵測量點的間隙、面差優(yōu)化，并在重型卡車駕駛艙試制階段實現(xiàn)應(yīng)用驗證。

本文是將尺寸工程拓展至重型卡車領(lǐng)域，為重卡的整車質(zhì)量優(yōu)化提供理論依據(jù)。然而，本文僅考慮了基于仿真結(jié)果的機(jī)理模型，下一步將融合機(jī)理模型和數(shù)據(jù)驅(qū)動模型展開重卡駕駛艙的三維尺寸偏差分析研究。