原文传递
基于PSo-Ls-SVM的发动机多工序装配质量预测模型研究
| 论文题名： | 基于PSo-Ls-SVM的发动机多工序装配质量预测模型研究 |
| 关键词： | 装配质量;回转力矩;粒子群;最小二乘;支持向量机;预测模型;汽车发动机 |
| 摘要： | 随着中国汽车领域的飞速发展，汽车发动机作为动力发生装置，其复杂程度越来越高，相应的多工序装配技术的难度也越来越高。在线质量实时预测是发动机多工序装配质量控制的关键。质量预测的研究方法从专家系统方法到神经网络方法，再到各种支持向量机方法;研究的角度从工序级提升到系统级，从单工序到多工序。质量预测研究的对象也越来越多。但目前来看，质量预测在发动机应用方面的研究仍然不足。 针对发动机多工序装配的回转力矩检测中较大的误差波动性影响装配质量的问题，构建了基于粒子群参数优化最小二乘支持向量机的发动机多工序装配质量预测模型。该模型综合考虑了多工序装配质量的不确定性和装配工序相对确定的特征，选取了轴向间隙、同轴度、间隙配合、弯曲度等主要因素作为输入质量特性，曲轴回转力矩作为输出质量特性，从而建立输入质量特性与输出质量特性之间的多维映射关系。根据采集整理后的质量数据进行训练学习，利用粒子群优化算法对最小二乘支持向量机中的正则化参数和核函数参数进行参数优化，然后应用训练出的模型来预测相应条件下的曲轴回转力矩。最后，以重庆某汽车股份有限公司生产的某型号的四缸汽油发动机曲轴回转力矩检测为研究对象，同时对比分析了人工神经网络模型，结果表明了该模型的实践性与高效性，并从多工序的角度为在线质量预测与控制提供了现实依据，从而提高汽车装配质量的稳定性与高效性。 |
| 作者： | 吕旭泽 |
| 专业： | 工业工程 |
| 导师： | 刘明周 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
