摘要：近年来机器视觉、机器人等技术在在线装配质量控制中快速发展,对实时、准确且能考虑工艺不确定性的装配偏差控制模型的需求愈发强烈,并且如何基于所构建的模型,结合在线测量零部件检测结果,实现装配工艺参数的在线优化控制是亟待解决的工程问题。针对此问题这里提出了基于随机Kriging代理模型的在线装配工艺的优化控制方法—基于实测、仿真等历史数据构建随机Kriging模型。然后,在该模型基础上,结合装配零部件的在线测量数据对装配工艺参数进行实时的前馈优化控制。最后通过某车型后车门装配案例,对不同模型的预测精度进行对比,分析随机Kriging模型的预测精度,并对车门装配工艺进行在线优化控制,验证了这里提出方法的有效性,为车身不确定装配条件下的在线工艺控制提供理论依据。

摘要：智能制造模式下,机器人、机器视觉以及在线在机测量等自动化技术的发展,使传统的基于数据统计分析的监控、诊断等事后控制模式,转变为质量预测控制模式,而预测控制效果的好坏往往与建模精度紧密关联。但现有装配偏差建模往往将工艺设计变量、装配偏差等变量的关联关系视为为确定性问题,难以反映设计、来料、制造工艺以及环境等不确定因素对建模精度的影响,导致装配产品质量预测值与实际存在显著偏差,难以满足装配工艺参数的在线、预测控制的要求。因此引入了考虑工艺不确定性的随机Kriging建模方法,结合车身制造过程的数据、信息获取特点,提出了一种多源信息融合的随机Kriging建模与更新方法。通过对汽车左后车门装配质量预测案例分析,结果表明,与单一的确定性Kriging模型相比,文中所论建模与更新方法使预测精度显著提高,较好地满足了质量预测控制要求。