（车辆工程专业论文）基于数据挖掘的白车身制造偏差流构造方法研究.pdf

上海交通大学硕士学位论文摘要 基于数据挖掘的白车身制造偏差流构造方法研究 摘要 在汽车车身装配过程中，零件偏差和夹具偏差相互叠加、耦合传播， 汇聚成车身装配综合偏差，白车身综合制造偏差直接影响到诸如风噪声、 关门效果等整车质量。若能清楚的掌握偏差传播规律，可有效的提高汽 车车身的制造尺寸精度，从而改善汽车质量，降低车身制造成本。 本文以偏差流的形式描述车身装配过程中尺寸偏差的传播，以期揭 示车身装配偏差形成机理。但由于车身偏差分析涉及到产品设计、焊接 装配和检测等众多因素，而且车身结构又十分复杂，基于传统偏差分析 方法的偏差流构造必须依赖复杂的模型，计算量非常大。本文提出一种 基于数据挖掘的偏差流构造方法，通过分析白车身检测数据间的相互关 系，建立白车身装配过程的偏差流。论文的主要工作如下： 首先，对汽车制造厂日常检测数据进行了系统地分析，研究了装配 关系数据库、零件偏差数据库、夹具偏差数据库的结构组织，建立了面 向数据挖掘的白车身数据仓库的结构。并提出基于偏离的孤立点检测技 术、加权数据填补技术等对数据库数据进行预处理。 其次，研究了小波滤波随机项分离技术，贝叶斯理论、定义了日均 值概念、6 a 修正贝叶斯理论先验分布边界方法和显著性窗v i 通过率毒概 念，提出了小样本检测条件下白车身检测数据相关分析方法。 然后，根据最大判定树方法，提出基于判定树偏差流构造方法，讨 论了车身制造工艺知识库在偏差流构造过程中的应用，建立了基于数据 挖掘的白车身偏差流构造的系统方法。 最后，将该方法应用到某车型滑门匹配问题偏差源诊断过程中，依 据所构造的偏差流，及时而准确地诊断出偏差源，并通过改进措施的实 施提高了该车型滑门的装配质量，并就偏差流在公差分配中的作用提出 了建议。 关键词：白车身，数据挖掘，偏差流，偏差分析 上海变通大学硕士学位论文摘要 r e s e a r c h0 n 螺l a t i o ns t r e a mc o n s t r u c t i n g0 f b o d yi nw h i t eb a s e do nd 鲴r am i n i n g a b s t r a c t d u r i n gt h ep r o c e s so ft h ea u t o b o d ya s s e m b l i n g ，t h ev a r i a t i o no fp a r t s a n dw e l d i n gj i g sf o r mv a r i a t i o ns t r e a mb ya d d i n ga n dc o u p l i n gi n t e r a c t i v e l y , w h i c hd i r e c t l ya f f e c t st h ea u t oq u a l i t y i ft h ev a r i a t i o nt r a n s m i s s i o nr u l ec a n b ei n d u c e d , w ec a ne f f e c t i v e l yc o n t r o lt h em a n u f a c t u r ed i m e n s i o nv a r i a t i o n c o n t r o lt e c h n o l o g yo ft h ea u t o m o b i l eb o d i e s t h u si tc a ni m p r o v ea u t o q u a l i t yb e t t e ra n dr e d u c el a b o ri n t e n s i t ya n dp r o d u c tc o s t t h i s p a p e r c h a r a c t e r i z e sd i m e n s i o n a lv a r i a t i o nt r a n s m i s s i o ni n a u t o m o b i l eb o d ya s s e m b l yp r o c e s sb yv a r i a t i o ns t r e a m w h i c hi sh e l p f u lt o d i s c o v e rt h et h e o r yo fv a r i a t i o nf o r mi nb o d ya s s e m b l y h o w e v e r ，m eb o d y v a r i a t i o ns t r e a m sa l er e l a t e dt os e v e r a lr e s e a r c hf i e l d ss u c ha sp r o d u c t d e s i g n i n g ，m a n u f a c t u r i n g ，a n dc h e c k i n g g i v e nt h ec o m p l e x i t yo fa u t o m o b i l e b o d y ss t r u c t u r e ，i ti sd i f f i c u l tt oo b t a i nv a r i a t i o ns t r e a m sb yt r a d i t i o n a l v a r i a t i o na n a l y s i st e c h n i q u e sf o ri t sl a r g ea m o u n to fc a l c u l a t i o n , w h i c hi sr e l y o nc o m p l e xm o d e l s t h i sp a p e rd i s c u s s e san e w t e c h n i q u eo fv a r i a t i o ns t r e a m c o n s t r u c t i n gb a s e do nd a t am i n i n gw h i c hb u i l dv a r i a t i o ns t r e a mb ya n a l y s i s r e l a t i o na m o n gm e a s u r ed a t ao fb o d yi nw h i t e ( b i w ) t h em a i nw o r k i n c l u d e st h ef o l l o w i n ga s p e c t s ： f i r s t l y , t h ep a p e rm a k e sas y s t e m i ca n a l y s i so nc a r m a k e r s q u a l i t y m e a s u r ed a t aa n ds t u d i e s 血ef r a m eo fa s s e m b l yr e l a t i o nd a t a b a s e p a r t v a r i a t i o nd a t ab a n ka n dj i gv a r i a t i o nd a t a b a n kt ob u i l dad a t aw a r e h o u s eo f b i wd a t af o rd a t am i n i n g t h e nt h ep a p e rt a k e sp r e l l e a t m e n tf o rd a t ab y i s o l a t e dp o i n td e v i a t i o n - b a s e do u t l i e rd e t e c t i o na n dd a t af i l l i n g 。 s e c o n d l y , t h ep a d e rs t u d yar e l a t i o na n a l y s i sw a yw h i c hi sb a s e do nt h e f o l l o w i n gt e c h n o l o g i e s ：r a n d o m v a r i a t i o n s e p a r a t i n gb a s e d o nw a v e l e t t r a n s f o r m ，s m a l ls a m p l ec h a r a c t e r i s t i cm o d i f i e db a s e do nb a y e s i a nt h e o r y , b a y e s i a nt h e o r ye a r l i e rd i s t r i b u t i n gb o u n d a r ym o d i f l e db a s e do n6o ，n o t a b l e w i n d o wp a s sr a t e 善 a tt h ee n dt h i sp a d e rd i s c u s s e st h er e p o s i t o r yf u n c t i o no fa u t o m o b i l e b o d ym a n u f a c t u r et e c h n i c sa n dt h es y s t e m i cm e t h o do fb u i l d i n gv a r i a t i o n s t r e a mb a s e do nd e c i s i o nt r e e t h em e t h o di s s u c c e s s f u l l yu s e di nt h e v a r i a t i o ns o u r c ed i a g n o s i n go fas l i d i n gd o o rm a t c h i n gp r o b l e m k e y w o r d s ：b o d yi nw h i t e ，v a r i a t i o ns t r e a m ，d a t am i n i n g ，v a r i a t i o na n a l y s i s 上海交通大学 学位论文原创性声明 本入郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本 论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本 文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 本人完全意识至本声明的法律结果由本人承担。 学位论文作者签名：握起 日期：沙尹璋月粕 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 保密因在玉年解密后适用本授权书。 l 本学位论文属于 不保密口。 ( 请在以上方框内打“”) 学位论文作者虢赵起指删雠舞勿纨 日期：砂声月嘶 日期：细障月阳 上海交通大学学位论文答辩决议书 中请秆 奏捉 所在学科 ( 专业) 车辆工艳 论文题【 墓：f 数编饩扳拍! 身列曼编差既昀兰方随；f 灸 答辩目删 2 胪3 上2 2 地点 。氟撤天硅引i 备辩委员会成员 姓名单位职称签名 了青，丢啦上油矗童丈， 熬粗 镌乏岔 镍主融声互左 辛新氏 毅抢棚久 燃副孤扛棉骧盘 等耳 t 彦l 硷n貉 评语和决诎 论文研究检测数据间的相关性，利用理论分析解决在车身制造过程中 过于依赣经验的现象，对稳定和提高我国车身制造质量，具有一定的理论 意义和工程价值。 论文提出了一种基于数据挖掘的偏差流构造方法，通过分析白车身检 铡数据的相互关系，建立了白车身装配偏差流。论文的主要工作为： 1 研究了装配关系数据库、零件偏差数据库、夹其偏差数据库的结构 组织，建立了面向数据挖掘的自车身数据仓库的结构 2 提出了小样本检测条件下白车身检测数据的相关分析方法 3 建立了基于数据挖掘的白车身偏差流构造的初步系统方法，并应用 于实际案例。 论文参考文献充分、条理清楚、分析正确，表明论文作者已经掌握本 学科较扎实的基础理论和专门知识，已具有一定的科学研究工作能力。论 二# “m 文达到了硕士学位论文的要求。在答辩中，思路清晰，回答问题正确。经 ”“答辩委员投票表决，一致通过赵挺的硕士论文答辩，并建议授予工学硕士 学位。 r 。， ，。7 溅段l 必 工( 多止 答辩委员会主席( 签名) ，z 9 ，年1 月王乙日 上海交通大学硕士学位论文绪论 第一章绪论 1 1 课题的研究背景、意义和来源 1 1 i 研究背景 美国著名质量管理专家朱兰( j m j u r a n ) 1 9 9 4 年在美国质量管理学会年会 上所说，2 0 世纪将以“生产力的世纪”载人史册；未来的2 l 世纪将是“质量的 世纪”，质量定将成为新世纪的主题。 过去在质量管理中有所谓“3o 法则”，即容许不合格品率达到2 7 。0 0 0 ， 干分率) 的水平而现在则提出“60 法则”即容许不合格品串达到2 p p b ( p p b 即 p a r t sp e rb i l l i o n ，1 0 4 ，十亿分率) 的水平；也就是说，对不合格品车的要求比过 去严格了1 3 5 万倍，这就是我们所面临的质量挑战的国际环境。为了实现这一目 标，世界各大轿车制造企业在5 0 年代未开始实施统计质量控制，从单纯依靠质 量检验事后把关发展到对工序进行控，突出了质量的预防性控制与事后检验相 结合的管理方式。 车身、冲压、喷涂、总装是轿车生产中的四大工艺，车身的制造质量对整车 的质量起着至关重要的作用，直接影响着诸如风噪声、密封性、行驶平稳性等整 车性能。同时，车身装配制造涉及到4 0 0 多个薄板冲压件、7 0 多个装配站，多 达2 0 0 0 个夹头、定位，4 0 0 0 个以上焊点，过程复杂，控制困难，因此各大汽车 厂商都花费了大量的人力与物力对此进行研究，目前车身制造尺寸检测控制技术 领域已经形成了比较成熟的体系，而且新技术、新设备也不断的应用，如在线检 测、虚拟技术、专家系统等。 由于系列先进技术的应用，目前，国外的轿车车身制造的国际先进水平已达 到车身制造综合偏差在1 咖以内。但是，我国轿车车身制造偏差依然处于较低 的水平，1 9 9 8 年上海交通大学、上海通用汽车有限公司、上海大众汽车公司联 合项目组针对目前国内车身制造中质量现状，开展车身质量控制和科研与攻关， 成功地实现了四个方面的技术创新：解决了小样本条件下的评价精度问题；实现 了在薄板焊接中的快速偏差控制；提高了对偏差源的智能化诊断水平；形成了迅 捷高效的车身质量控制工作模式。项目组还在基础理论研究和车身制造质量等方 面取得了丰硕成果，如建立了2 0 0 0 型车身功能尺寸系统，编制了具有自主知识 产权的质量控制软件，从而提高了解决实际匹配偏差和车身检测的能力。经过两 年的艰难攻关，虽然取得突破性进展，但目前象“2 r m 工程”这一世界级轿车车身 技术水平还有一定距离，如桑塔纳2 0 0 0 型轿车的车身制造质量c i i 指数己由原 上海交通大学硕士学位论文 来的6 4 3 r a m 降至目前的3 5 m 4 m m 左右。还落后于世界先进水平。故深化对控 制车身制造偏差的研究，持续的改进我车车身制造质量是及其迫切需要的。本课 题正是在这背景下开展的。 1 1 1 2 课题的意义 随着中国加入世界贸易组织及世界经济体化进程的加速，国际汽车市场竞 争的日益激烈，汽车市场变得更加个性化，新车型的推出速度越来越快，而车体 装配被认为是具有最小柔性的装配过程，因为面对频繁的改型，工夹具必须与新 建立的工业过程和产品设计相适应，造成大量人力物力的消耗。即使工夹具准备 就绪之后，通常要花费一年以上的时间才能完成轿车开发的最后阶段，该阶段包 括样车试制、小规模试生产、生产启动和大规模生产( f u l 卜p r o d u c t i o n ) 。在时 序上，样车试制阶段的车体尺寸偏差较大，经过小规模试生产和生产启动阶段的 改进，主要误差源被消除，尺寸偏差逐步减小，进入大规模稳定生产阶段。若能缩 短前三阶段的时间，迅速进行大规模稳定生产阶段，则能产生巨大的经济效益。 这要求在生产过程中能尽早发现误差，实现误差源的快速诊断并改进。针对此， 目前，各种先进测量技术的迅速发展并运用于车身制造质量测量控制中，如：在 线测量、三坐标测量机( c m m ) 等等，实现对质量的实时监控，以求第一时间 发现问题。 基于偏差诊断技术的车体尺寸偏差控制以数据驱动质量为基本思路，通过偏 差识别和故障诊断快速定位误差源，既可缩短大规模生产前的预生产时间，较快 地进入稳定生产阶段，又能最大限度地维持生产状态的稳定。因此，在数据处理 分析方面也有着大量的研究，如：小样本数据的改进、c ii 指数的改进、主成份 方法的应用等等。然而，在针对车身日常质量检测数据的处理上，目前的研究主 要集中在对质量的监控上，而对于如何利用车身日常质量检测数据进行质量改进 等其它方面却少有涉及，这对于花了大量资源建立起来的车身日常质量检测数据 库来说，是一种极大的浪费。 另一方面，对车身制造偏差流的认识可以实现快速故障诊断、并可以对生产 过程的偏差控制进行优化，提高生产率。但是，因为车身制造过程是如此的复杂， 至今仍没有突破性发展。 本谋题研究内容是针对车身日常质量检测数据，提出利用数据挖掘方法，从 海量的测量数据中找出偏差传递的规律，并在此基础上逆向生成轿车车身制造偏 差流，及在所得偏差流的基础上的公差分配策略的研究，以期待形成快速的数据 处理能力，加强对车身装配尺寸偏差的检测与控制。 本课题的研究意义主要有以下两点：( 1 ) 在引进和学习先进的轿车车身尺 寸质量控制技术的基础上，分析和总结上海通用汽车有限公司的系列车型现行质 2 上海交通大学硕士学位论文 绪论 量检测和控制途径，提出了一套较为完整、可操作性强的车身制造尺寸车身日常 质量检测数据处理方法。通过该方法的建立，将有助于克服目前偏差流生成的障 碍，迅速生成偏差流程图，为车身尺寸质量故障提供快速诊断基础，为如何进一 步降低c i t 指数、提高车身质量提供了一个基石。( 2 ) 根据生产、检测设备的实 际。隋况，在生成偏差流的基础上对轿车白车身已有的公差分配进行修正和优化， 有效降低测量的成本，提高测量效率，为下一款车型的设计提供资料。 1 1 3 课题的来源 本课题来源于上海交通大学与上海通用汽车有限公司合作的“车身制造质量 控制工程”项目( 上海通用汽车有限公司、上海交通大学车身制造技术中心，2 0 0 0 一至今) 。 1 2国内外研究概况 1 2 1 车身制造偏差概述 ( 1 )偏差流理论的提出 车体装配是个多薄板冲压件的多层次复杂装配过程，其基本结构见图卜1 。 其装配偏差分析的常用方法为误差累积理论的极值法、统 十分析法和 m o n t e c a r l o 摸拟法。但这些方法都基于这样个假设上：零件为刚体，装配偏 差的集合特征由几何和运动关系决定。由于车身是由柔性薄板冲压件焊接而成， 刚体装配误差的累积理论难以对此进行正确分析，t a l e z v l w a 把柔体装配的误差 传播理论引入了车身尺寸偏差控制中，认为装配后的综合偏差为各偏差源的函数 “1 ，式卜1 ，当装配关系满足弹性条件时，也可以写成式1 - 2 。其中c 1 ，c 2 ，c 3 为 各偏差源对综合偏差的影响综合系数。 u = ，( h ，v 2 ，v 3 ) v = c 1 v l + c 2 匕+ c 3 v 3 ( 卜1 ) ( 1 2 ) 在车身制造过程中，零部件的尺寸偏差主要来源有四个方面：零部件间的干 涉、工夹具定位的不稳定性、零件本身的偏差、焊装变形。随着生产进行，若干 零件经焊装成为分总成，分总成又变成下一层装配中的零件，四种偏差在装配过 程中耦合、传播和积累形成车体制造的综合偏差，尤如纵横交错的溪流汇入滔滔 江河，车体装配过程偏差流理论因此而提出。它将尺寸偏差控制归结为2 类问题： 一是揭示装配过程中偏差流的传播规律，根据各偏差源预测车体的综合偏差，反 过来实现误差再分配；二是针对制造过程中所出现的尺寸偏差确定偏差根源，实 上海交通大学硕士学位论文 现制造过程的偏差控制。前者是面向设计过程的，后者是面向制造过程的。基于 车体装配过程的偏差流理论揭示了装配偏差在车体装配过程中的传播规律，为根 据零件偏差、定位稳定性、工夹具偏差及零件干涉预测车体制造偏差，确定各个 装配偏差源对车体综合制造偏差的贡献率，进行车体装配偏差控制奠定了理论基 础。 左后纵粱右后纵梁 0 0 前底板后底板总成 左、右前轮罩 0 水箱总成下部结构组件i 左、右后轮罩 上上上 上 车顶下部结构组件 左、右侧围 、 ， 士 前、后车盖 、 前、后车门 一1 轿车车身 图1 1车身的生产过程 f i g 1 - 1m a n u f a c t u r i n gp r o c e s so f b o d y ( 2 )传统的工序控制及其缺陷 目前，两种常用的工序控制方法是基于控制图的统计过程控制和线内质量控 制。“1 传统控制图采用x ，r ，t 2 ，监控制造过程的单变量或两相关变量的状态，统计 过程控制( s p c ) 借助控制图分析，确定工艺过程状态。对处于非控制状态的工艺过 程，通过进一步确定误差源实现工序校正。 传统的s p c 法和工序诊断调节法主要侧重于制造过程单变量和双变量的监 控，而不是制造过程的诊断和控制，由于缺乏制造过程的诊断支持，很难解释车体 制造过程中不同测量变量之间以及不同层次变量问的关系，较难揭示多维统计数 据变化的原因，从而不能产生有实际意义的推断结果。因而，在缺乏在线测量系统 和制造过程诊断的前提下，从发现问题到解决问题期间，己数百辆有缺陷的车体 将流入下道工序，影响后续工序的质量。 4 上海交通大学硕士学位论文 田口玄一的线内质量控制基础是工序诊断调节及预测矫正，它与控制图法的 重要区别是：线内质量控制方法不仅强调对工序的诊断调节，而且重视工序运行 的自动控制。自动控制是一种当工序发生状态变化时，不探究原因，只通过参数调 整控制参数水平进行校正的方法，有利于质量工程中提出的高质量、低成本目 标。虽然工序运行的自动控制广泛运用于冶金、印染、化工和切削加工等质量 控制，但传统的车体装配系统中，夹具利用固定定位点定位零件，偏差信号的采集 和对变量施加控制较为困难，因而车体装配线上一般没有设置误差补偿环节，造 成制造偏差堆积。 统计技术和线内质量控制法都曾用于某些车体装配线的尺寸分析，离线地隔 离某些缺陷。 ( 3 )基于偏差诊断的车体尺寸偏差控制 装配尺寸偏差的测量数据往往具有很强的相关性。主成分分析( p c a ) 通过特 征值求解确定采用非相关变量集合( 历 表示相关多变量数据集合 肌j 的线性变 换，当与较大特征值对应的若干非相关变量的方差足以近似代表原多变量数据方 差时，相应的变换矩阵a 的行向量即主向量，主向量可以较容易地实现测量数据 误差源的直观解释0 1 。刖等“1 成功地使用主成分分析根据在线测量数据识别偏差 模式；胡敏“1 等也对轿车装配尺寸中的主成分方法进行了应用研究；吴卫东等则 利用主成分分析识别案例的误差源”1 。 上述文献虽给出了以偏差模式表示的尺寸缺陷的直观解释，但没有指明偏差 模式与故障源的内在联系，偏差源定位仅是将所识别出的偏差模式与先前已解决 案例进行模式匹配的结果，其工作重点是过程模型的识别，没有利用产品及工夹 具的系统知识。从这种意义上讲，它们仅仅是偏差控制的统计工具，而不是装配过 程诊断的系统方法。上述工作更适合于稳定生产过程的诊断控制。而对于生产启 动阶段，通常不存在供预先枚举的案例，基于经验的诊断技术不再有效。换言之， 缺乏产品和工艺知识的统计方法不足以确定误差源。 c e g l a r e k 借鉴i s e r m a n n 等的在线模式诊断系统，提出基于知识的车体装配 诊断系统方法，以实现车体生产启动阶段的故障快速监测和定位。车体装配知识 表达和诊断推理机是诊断系统的关键。以层次结构表达的系统知识包括产品、工 夹具、工艺和测量4 个知识组。通过下述3 步完成车体装配故障诊断的推理：( i ) 进行测量数据的统计相关分析，确定问题的候选点集；( 2 ) 根据零件上候选点集搜 索车体装配过程中具有潜在失效的候选零件和候选装配站；( 3 ) 由主成分分析确 定偏差向量，并由候选点集的比例确定零件的偏差形式( 整体或局部) ，根据夹具 定位位置点、夹具夹紧点、焊点位置关系和外部干涉特征确定误差源。 c e g la r e k 等进一步提出将p c a ( 统计知识) 和夹具c a d ( 工程知识) 集成的夹具 上海交通大学硕士学位论文 故障诊断方法，其关键是夹具潜在失效模式构造、未知失效的偏差模式的确定和 故障映射方式。潜在失效模式由夹具的c a d 数据离线地构造，未知失效的偏差模 式由在线多传感器测量数据通过主成分分析确定，使用最小距离分类器实现优势 方向的故障分类，从而利用模式识别方法实现了未知偏差模式与夹具潜在失效模 式间的匹配，锁定夹具误差源。 由薄板零件偏差和焊枪偏差引起的装配尺寸的非平面变化，同装配站上多 变量测量数据也具有较强的相关性。 i u 指出在仅考虑薄板零件偏差的条件下，只 要非冗余测点数目大于或等于误差源数目，串联装配的误差源是完全可诊断的， 而并联装配的误差源是有条件可诊断的，必要条件是两零件之一的偏差已知。来 新民则进一步提出由薄板零件偏差和焊枪、夹具偏差引起的非平面偏差的诊断， 应首先离线地建立焊枪偏差引起的偏差模式以及装配综合误差对零件偏差的敏 感矩阵，然后通过在线测量数据的主成分分析、模式识别分离焊枪误差源和零件 误差源。 w u 等提出了通过夹具调整实现车门缝隙优化装配的系统方法：首先根据缝 隙偏差、缝隙平行度和车体问缝隙的致性，建立多目标约束优化模型，确定车门 的最佳装配方位，然后通过车门一车体夹具系统调整机构实现车门装配的最佳调 整，控制参数是夹具的调整量。该文献给出了计算机仿真结果和夹具调整的手动 实验，并没有实现真正意义上的自适应补偿。 可见，基于自适应补偿的车体装配偏差控制并不探索引起偏差的上游工序的 误差源，而是在当前工序中设置补偿环节或机构，将上游工序偏差预以消除。 ( 4 ) 面向设计的车体装配尺寸偏差控制 c e g l a r e k 等指出60 偏差为2 l i t i 的水平代表了强前制造控制能力的内在水平 极限，尺寸偏差的进一步减小和控制依赖于产品设计和工艺设计。不同的设计对 于制造误差的敏感度是不一样的。也就是说，有的设计可以允许比较大的误差， 而有的设计只能允许很小的误差。前者的优越性于，它比较容易主产，不需要很 精确的生产过程就能够达到质量标准，因而成本较后者低，质量较后者优。在此 研究基础上，田口玄一( g t a g u c h i ) 提出了稳建设计思想，在选择组设计参 数时，用正交实验的方法试验，及比较不同参数组合，然后用统计学的方法找到 最佳组合，再以实验加以证明，这个最佳组合应该能最大限度地允许生产和使用 中的偏差，该方法在日本丰困公司得以大量运用。 但是，在汽车设计及开发过程中，样品极少、极贵，且制作过程长，若等样 品出来再做试验，往往就太迟了，不利于缩短产品的开发周期。 9 0 年代，通用汽车公司开始应用“工程分析法”，对稳健设计进行了改进， 提出用数据模型来分析产品对偏差的敏感度，并找出最佳的产品设计。该方法实 6 上海交通大学硕士学位论文 现了真正意义上的面向设计的车体装配尺寸偏差控制，且数学模型易与设计的 c a d 模型相连接。 但是，现实生产过程中，引起偏差的原因错综复杂，在数学模型中无法一一 顾及。 ( 5 )基于偏差流理论的车体装配尺寸偏差控制 来新民提出了基于偏差流理论的车体装配偏差控制模型，认为面向制造过程 的偏差控制和面向设计过程的偏差控制是偏差流理论相辅相成的2 个方面，从其 辩证关系讲，产品设计和工艺设计中偏差控制决定了产品的性能水平，制造过程 的偏差控制是实现设计水平的实践环节，二者缺一不可。尺寸偏差控制过程中， 并行工程概念必须贯穿始终，只有有利于制造的设计偏差控制和与设计相适应的 制造过程控制，才是尺寸偏差控制追求的目标。指出车体装配偏差控制中，夹具的 优化设计、鲁棒性设计、偏差自适应补偿和合理的柔性薄板装配设计都具有吸收 偏差的特性，可作为偏差流库，通过装配过程中的检测( 在线的或离线的) 发现问 题，并由制造过程中的偏差诊断找到误差根源，从而对偏差流库进行调节，实现 车体装配尺寸的偏差控制。 1 2 z 数据挖掘技术概述 ( 1 )数据挖掘概念 过去的3 0 年中，计算机技术、数据收集技术、存储技术的快速进步与大量 应用，大大推动了数据库和信息产业的发展。数据的丰富带来了对强有力的数据 分析工具的需求，大量的数据被描述为“数据丰富，但信息贫乏”。快速增长的 海量数据收集、存放在大型和大量的数据库中，没有强有力的工具，理解它们已 经远远超出了人的能力。结果，收集在大型数据库中的数据变成了“数据坟墓” 难得再访问的数据档案。 此外，当前的专家系统技术信赖于用户或专家人工地将知识输入知识库，这 一过程耗时、费用高，而且，由于系统变得越来越复杂，人们用传统的数学方法 寻找系统的模型变得越来越困难，导致所输入的知识也常有偏差和错误。 数据挖掘技术正是在应用需求的推动下发展起来，是人工智能技术、数据库 技术、统计学和数据仓库技术等多种学科融合的结果，是从大量数据中识别出有 效的、新颖的、潜在有用的，以及最终可理解的知识和模式的高级过程。 数据挖掘技术的应用领域十分广阔，它可以从关系数据库、数据仓库、文本 和多媒体数据库、事务数据库和互联网等各种数据源上设法获取诸如分类模型、 聚类模型、回归模型、关联模型和时问序列模型等多种知识模型。个典型的数 据挖掘的整个过程由以下步骤( 图i ，2 ) 组成： 7 上海交通大学硕士学位论文 数据清理与集成多种数据源组合在一起消除噪声或不致的数据。 数据变换与选择通过汇总或聚集等手段将数据变换或统一成适合挖 掘的形式，再从数据库中检索与分析任务相关的数据。 数据挖掘，使用智能方法提取数据模式。 模式评估，评估得到规律的有用程度。 知识表示，使用可视化知知识表示技术，向用户提供挖掘的知识。 r 。一一一一一一r 一一一一一一。一。 清理与集成 原数据库 t 评估与表示 数据库 图1 - 2 数据挖掘过程 f i g 1 - 2 p r o c e s so f d a t am i n i n g 知识 若要实现上述过程，一个数据挖掘的系统( 图l 一3 ) 至少应该拥有以下模块 才能实现所需功能。 图卜3典型的数据挖掘系统 f i g 1 3t y p i c a ld ms y s t e m 数据库数据仓库或其他信息库。它是系统所面对的数据对象集合，在 此基础上进行数据清理与集成。 支持软硬件。数据处理，挖掘过程中所需要的软、硬件，如查询语言s q l 。 上海交通大学硕士学位论文 知识库。这是领域知识，用于指导搜索，或评估知识有用性，对数据库进 行概念分层，确定阙值等。 数据挖掘算法模块。系统的关键部分，用特征化，关联，分类，聚类分析 以及演变和偏差分析等手段从数据库中找出有用的模式。 用户界面。系统与用户的接口，把d m 中得出的模式可视化，显化，同时 也把用户的兴趣，要求反馈给d m 模块，改变d m 的挖掘方式及闽值。 模式评估模块。 ( 2 )数据挖掘的功能模型 数据挖掘任务一般可以分为描述和预测两类，迄今它们可以发现的模式类型 主要有：分类与预测模式、回归模式、时间序列模式、聚类模式、关联模式、序 列模式。而用来对数据进行分析，挖掘的数学工具主要是：统计学方法、聚类分 析和模式识别、决策树分类技术、人工神经网络和遗传基因算法、规则归纳，另 还有一辅助工具一可视化技术，主要用来对挖掘到的有用模式进行“显化”处 理，变成人们可以认知的知识。 分类与预测模式 数据分类一般分三步进行，首先根据训练样本建立一个模型，用来描述预定 的数据类集或概念集，接着评估模型( 分类法) 的预测准确性，最后对未分类的 数据或对象进行分类。预测则是对具有连续值的数据进行建模、评估和区间分类。 机器学习中的一些基本分类方法在9 0 年代初就有了较系统的阐述，如今数 据挖掘的分类方法在此基础上有了进一步的发展。 目前较常用的分类方法是决策树技术，它根据不同的重要特征，以树型结构 表示分类或决策集合，从而产生规则和发现规律”1 。决策树归纳的基本算法是贪 心算法，使用一种信息论度量，为树中每个非树叶节点选择测试属性，以自上而 下的递归方式构造树，著名的有i d 3 与c 4 5 版本。“。当决策树生成后，利用剪 枝算法除去反映数据中噪声的分枝，提高准确率。因为挖掘技术所处理的数据非 常庞大，9 0 年代后期一些决策树算法被提出，以解决早期算法的效率低下问题， 如s l i q 、s p r i n t 和r a i n f c r e s t 1 0 】【1 l 】。 贝叶斯分类则是利用贝叶斯定理对数据进行分类1 1 2 l ，可以预测类成员关系 的可能性。它可分为朴素贝叶斯分类和贝叶斯信念网络。朴素贝叶斯分类假定类 的各属性之间相互独立，从而简化所需计算；贝叶斯信念网络则能说明联合条件 概率分布，子属性之间的相互依赖关系。相比别的分类算法，贝叶斯分类理论具 有最小的出错率，但由于实践中缺乏概率数据和假设的独立性不准确，结果可能 会有所差错。 后向传播也是一种用于分类的神经网络算法，使用梯度下降的方法。它搜索 上海交通大学硕士学位论文 一组权，对数据建模，使得数据样本的网络类预测和实际类标号间的均方距最小。 神经网络算法的优点在于其对噪声数据的高承受能力，以及它对未经训练数据分 类模式的能力。但它同时也存在着解释性差和训练时间长的缺点。 除了以上基本算法外，还有一些算法可以用于分类，但还处于研究阶段，还 不成熟，不常用。它们包括：k 最近临近分类、基于案例的推理、遗传算法、粗 糙集和模糊方法。 对于连续值的预测可以用回归统计技术建模，包括线性回归、多元回归、对 数回归和泊松回归，这些问题可以用商业软件包解决，如s a s ，s p s s ，s - p l u s 。 分类与预测具有广泛的应用，包括信誉证实、医疗诊断、性能预测和选择购 物等。银行中利用分类技术对目标市场客户的分类，将具有相同储贷行为的客户 分为一组，而通过有效聚类和协同过滤方法可识别客户组，将新客户关联到适合 的客户组，推动目标市场。 聚类分析模式 聚类分析主要是根据事物的特征对其分成多个类，在同一类中的对象之间具 有较高的相似度，而不同类中的对象差别较大，以期从中发现规律和典型模式。 但与分类不同，聚类所要划分的类是未知的。聚类分析先前主要集中在基于距 离的聚类分析，象s a s ，s p s s ，s p l u s 等软件中都集成有基于k - m e a n s ( k - 平均值) 、 k - m e d o i d s ( k 一中心点) 及其他一些聚类分析工具。随着数据挖掘的发展，许多新的 聚类方法也被提出，大体上，主要的聚类方法可以划分为以下几类： a ) 划分方法：开始把对象数据划分成n 个组，然后采用迭代的重定位技 术，通过数据对象在不同组之间的移动来改进划分。比较著名的方法即 k - m e a n s 、k - m e d o i d s 。该种算法对中小规模的数据库中发现球状类很适 用，但对大规模数据库和复杂形状的类者有所限制，现在它的改进算法 很多，用来改善这些不足。 b ) 基于层次的方法：它对给定数据集合进行层次的分解，通过凝聚( 自下 而上) 或分裂( 自上而下) 的方法来形成聚类。但这种方法是不可逆的， c u r e 、c h a m e l e o n 两种算法对每层加强分析来改进而b r i g c h 算法中则 对结果用迭代重定位进行改进。 c ) 基于密度的方法：通过密度的概念进行聚类，只要临近某个区域的密度 超过某个阈值，就继续聚类。该方法可以过滤噪声，发现任意形状的类。 e s t e r , k r i e g e l ，s a n d e r 和x u 在9 6 年提出的d b s c a n 是典型的密度算 法。 d ) 基于网格的方法：通过把对象数据划分为有限个网格，聚类操作在网格 结构中进行，它有着相当快的处理速度。典型的算法有s t i n g 。 上海交通大学硕士学位论文 e ) 基于模型的方法：它给每个类假定一个模型，寻找数据对应给定模型的 最佳拟合，用标准的统计数字来决定聚类的数目。 0 孤立点挖掘：把不符合一般模型的数据给挖掘出来，挖掘的方法有：统 计学方法、基于距离的方法和基于偏移的方法。孤立点挖掘在欺诈监测， 故障诊断方法有着广泛的用途。 聚类分析有着很广泛的应用，生物学研究，空间数据分析等都能用到。例如 上海宝钢在配矿系统中应用聚类分析技术分析矿石性能和配矿规律；用神经网络 技术建立配矿模型，从而可以准确预报烧结矿质量；并用优化方法自动产生既保 证烧结矿质量，又有较低成本的配矿方案。 关联模式 a g r a w a l 等于1 9 9 3 年首先提出了挖掘顾客交易数据库中项集间的关联规则 问题。关联模式是指发现大量数据中项集之间有趣的关联或相互关系，描述事物 之间同时出现规律的知识模式。关联规则按不同的标准有不同的分类方法：基于 变量的类别，可以分为种类型和数值型；基于数据的抽象层次，可以分为单层关 联规则和多层关联规则；基于数据的维数，可以分为单维和多维【1 3 1 。 频集算法是一种重要的挖掘关联规则方法，由两步组成，首先根据定义找出 所有频繁项集，再由频繁项集产生强关联规则，其中最有影响的是a p r i o r i 算法。 但此法要求多次扫描数据库，在实际应用中还是有些不足之处，因此基于a p r i o r i 又派生出多种优化算法。 a 】基于划分的方法s a v a s e r e 等提出先把数据库从逻辑上分成几个独立的 块，每次单独考虑一个分块所能生成的频集，最后把所有频集合并，产生所 要的频集。 b ) 基于h a s h 的方法一由于计算主要集中在2 项集的l k 上面，p a r k 等提出了 基于h a s h 的方法，利用引入杂凑技术改进产生频繁2 项集的，用以高效产 生频集。 c ) 基于采样的方法_ t o i v o n e l q 提出了先从数据库中抽取样本，按较小的可信 度挖掘出可能成立的规则，然后用适合的可信度对数据库的剩余部分验汪。 d ) 减少交易个数它基于这样一个原理：当一个事务不包含长度为k 的大项 集，那必然不包含长度为k + i 的大项集，可将这些事务移去，从而减少了要 进行扫描的事务集的个数。 以上的优化方法仍有两个缺陷没有解决：可能产生大量的候选集：无法对低 支持度的信息进行分析。f p - g r o w t h 算法采用了分而治之的方法，解决了第一个 问题；第二个问题可用加强可信度的方法来解决。 挖掘多维关联规则的算法可以分为三种。第一，量化属性可以根据预定义的 上海交通大学硕士学位论文绪论 概念分层静态离散化，数据立方体则比较适合；第二，量化关联规则，其量化属 性根据分箱动态离散化，其中“临近的”关联规则可以用聚类组合；第三，基于 距离的关联规则，根据聚类定义区间，再频搜索区间组而得到基于距离的关联规 则。 时序模式和序列模式 时序数据库是指由随时间变化的序列值或事件组成的数据库，而序列数据库 是指由有序事件组成的数据库。时序模式和序列模式的挖掘主要有以下方面：趋 势分析，相似性搜索，与时间有关数据序列模式挖掘和周期分析。 趋势分析则是通过对趋势变化，循环变动，季节性变动和随机变化进行系统 分析，使人们可以在较合理的情况下，制定出长，短期的预测。 相似搜索是找出与给定查询序列最接近的数据序列，其处理方法如下：有无 问隙的较小相同窗口( 原子匹配) ；把相同窗口结合，形成大的相似子序列对， 其中允许在原子匹配间有间隙( 窗口结合) ；最后线陛排列序列匹配，以判定是 否存在足够多的相似片段。为改进效率，人们也有提出了r - 树、r + 树等加速索 引方法f 1 4 1 。 序列模式是由r a g r a w a l 首先提出的，是指挖掘相对时间或其他模式出现频 率高的模式。目前的绝大多数序列模式挖掘算法都采用一种宽度优先的搜索模式， 如a p r i a o r i a l l ，g s p 等。算法一般分为两个阶段：频繁序列的发现：规则的产生 。 周期分析则是在时序数据库中找出重复出现的模式。有关它的研究大都应用 了a p r i o r i 特性启发式和采用了变通的a p r i o r i 挖掘方法。 1 2 3 课题的提出及其优势分析 若能知道偏差的传递方向，那么可以有效快速的实现故障诊断，并支持车型 设计中的稳健性，因此国内外对此都有着研究。其研究的主要有两个途径。 其一，基于工艺系统积累原理的偏差流研究。 基于工艺系统积累原理的偏差流建立首先要确立零件偏差( ui ) 和装配偏差 ( u ) 之间的函数关系u = f ( u 1 ，u2 ，1 9 n ) 。 车身装配形式归根到底都可分为并联和串联两种基本形式，串联装配偏差仅 与零件几何形状有关且偏差具有累积性；并联装配偏差与零件几何和零件受力有 关，各偏差源对综合偏差的影响系数代数和为l ，零件并联装配后的综合偏差小 于单个零件误差。特别是当并联装配的两个零件中，一个零件的刚度远远大于另 一个零件的刚度时，综合装配偏差主要取决于大刚度零件的零件偏差，而非小刚 度零件的自身偏差。 l i u 和h u 针对搭接、对接和角接等三种车体焊装的最基本接头形式，研究 2 上海交通大学硕士学位论文绪论 了薄板装配偏差与焊装接头形式的关系。通过考虑焊点受力情况的偏置梁单元研 究两薄板并联装配偏差，发现