CN119408357B - 一种汽车拉杆结构的装配检测方法 - Google Patents
一种汽车拉杆结构的装配检测方法 Download PDFInfo
- Publication number
- CN119408357B CN119408357B CN202411478375.9A CN202411478375A CN119408357B CN 119408357 B CN119408357 B CN 119408357B CN 202411478375 A CN202411478375 A CN 202411478375A CN 119408357 B CN119408357 B CN 119408357B
- Authority
- CN
- China
- Prior art keywords
- comprehensive
- ball
- ball pin
- assembly
- hardness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G7/00—Pivoted suspension arms; Accessories thereof
- B60G7/001—Suspension arms, e.g. constructional features
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G7/00—Pivoted suspension arms; Accessories thereof
- B60G7/005—Ball joints
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D24/00—Connections between vehicle body and vehicle frame
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D7/00—Steering linkage; Stub axles or their mountings
- B62D7/16—Arrangement of linkage connections
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D7/00—Steering linkage; Stub axles or their mountings
- B62D7/20—Links, e.g. track rods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Transportation (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种汽车拉杆结构的装配检测方法,包括步骤S1,在旋铆加工前获取标准装配图像,处理得到球销标准坐标,步骤S2,计算得到综合硬度参数和综合弹性参数;步骤S4,在旋铆加工的过程中获取动态装配视频、旋转速度以及旋铆压力值,根据动态装配视频处理得到球销加工坐标;步骤S4,根据球销标准坐标和球销加工坐标处理得到实时偏移角度,步骤S5,将实时偏移角度、各旋铆压力值、旋转速度、综合硬度参数、综合弹性参数输入球销综合形变预测模型中,预测得到球销综合形变分值,步骤S6,在球销综合形变分值大于形变阈值时生成装配报警指令,调整旋铆机的旋铆输出状态。本发明提升球铆组件在旋铆装配过程中的安全性。
Description
技术领域
本发明涉及汽车拉杆技术领域,尤其涉及一种汽车拉杆结构的装配检测方法。
背景技术
汽车拉杆结构是一种用于连接和支撑汽车各个组件的机械结构。它通常用于悬挂系统、转向系统以及车身与底盘之间的连接。拉杆的主要功能是传递力和运动,确保车辆在行驶过程中的稳定性和操控性。
汽车拉杆结构在装配过程中,需要将球销组件精确装入汽车拉杆的球座结构中,然后利用旋铆机对球座进行旋铆固定。在对球销组件进行旋铆装配过程中,原本装配完成的球头销容易发生偏转,导致球头销脱离球座中心,同时旋铆下压过程中的下压速度、下压力度不当时会使得内部的球销组件发生形变,影响球销组件的寿命,而现有技术中一般是通过人为观察来对装配过程中出现的问题进行检测,该种方式检测效率极低,无法在旋铆过程中及时发现问题调整旋铆机的状态,导致球销组件在旋铆装配过程中容易受损。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种汽车拉杆结构的装配检测方法,用于提升球铆组件在旋铆装配过程中的安全性。
为实现上述目的,本发明提供了如下技术方案:一种汽车拉杆结构,包括拉杆总成,所述拉杆总成包括一体成型的拉杆部和两个球座部,两个所述球座部位于所述拉杆部的两端,所述球座部内设置有装配完毕的球销组件,所述球销组件包括球头销、油嘴、第一球碗、第二球碗、套筒、橡胶圈、端盖;
所述球头销包括球头部和销杆部,所述端盖覆盖在所述球头部上端,所述球头部的顶部中心还开设有进油孔,所述油嘴从所述端盖的上端贯穿所述端盖并与所述进油孔连通,所述第一球碗套接在所述球头部的顶部外侧,所述第二球碗套接在所述球头部的中部外侧,所述套筒套接在所述销杆部的顶部外侧,所述橡胶圈套接在所述套筒的外侧。
进一步地,所述球销组件还包括防尘罩和垫圈,所述防尘罩套接在所述销杆部的中部外侧,所述防尘罩的上端面与所述套筒的下端面贴合相抵,所述垫圈套接在所述防尘罩的顶部边沿下端。
一种装配检测方法,应用于如上所述的汽车拉杆结构,包括:
步骤S1,在旋铆机对所述球销组件进行旋铆加工之前,拍摄所述球销组件的标准装配图像同时录入所述球销组件中各部分零件的硬度参数和弹性参数,根据所述标准装配图像处理得到所述球销组件在三维坐标系中的球销标准坐标;
步骤S2,将各部分零件的所述硬度参数和所述弹性参数输入预设的综合硬度计算公式和综合弹性计算公式中,分别计算得到综合硬度参数和综合弹性参数;
步骤S3,在所述旋铆机对所述球销组件进行旋铆加工的过程中,录制所述球销组件的动态装配视频的同时检测所述旋铆机的旋转输出端的旋转速度,以及检测所述旋铆机与所述球座部之间的各旋铆下压点位处的旋铆压力值,根据所述动态装配视频拆分得到若干旋铆加工图像,进而根据所述旋铆加工图像处理得到所述球销组件在三维坐标系中的球销加工坐标;
步骤S4,在同一三维坐标系中根据所述球销标准坐标和所述球销加工坐标处理得到所述球销组件的实时偏移角度;
步骤S5,预先训练得到一球销综合形变预测模型,将所述实时偏移角度、各所述旋铆压力值、所述旋转速度、所述综合硬度参数、所述综合弹性参数输入所述球销综合形变预测模型中,预测得到当前时刻的球销综合形变分值;
步骤S6,在所述球销综合形变分值大于预设的形变阈值时,生成装配报警指令,根据所述装配报警指令警示外部所述球销组件装配出错并调整所述旋铆机的旋铆输出状态。
进一步地,所述综合硬度计算公式配置为:
其中,Chc用于表示所述综合硬度参数,Bs用于表示球头销硬度,Bb1用于表示第一球碗硬度,Bb2用于表示第二球碗硬度,Sl用于表示套筒硬度,Rr用于表示橡胶圈硬度,Ec用于表示端盖硬度,ε1、ε2、ε3、ε4、ε5、ε6分别用于表示预设的第一硬度转换系数、第二硬度转换系数、第三硬度转换系数、第四硬度转换系数、第五硬度转换系数和第六硬度转换系数;
所述综合弹性计算公式配置为:
其中,Cec用于表示所述综合弹性参数,Bhe用于表示球头销弹性,Bbe1用于表示第一球碗弹性,Bbe2用于表示第二球碗弹性,Se用于表示套筒弹性,Rre用于表示橡胶圈弹性,Ece用于表示端盖弹性,σ1、σ2、σ3、σ4、σ5、σ6分别用于表示预设的第一弹性转换系数、第二弹性转换系数、第三弹性转换系数、第四弹性转换系数、第五弹性转换系数和第六弹性转换系数。
进一步地,所述步骤S5包括:
步骤S51,在预设的球销旋铆加工数据库中保存有若干历史时刻的训练参数,所述训练参数包括历史偏移角度、历史旋铆压力值、历史旋转速度、历史综合硬度参数、历史综合弹性参数和历史球销综合形变分值,按照比例将所述训练参数划分为训练集、测试集和验证集;
步骤S52,引入一初始模型,将训练集中的所述历史偏移角度、所述历史旋铆压力值、所述历史旋转速度、所述历史综合硬度参数和所述历史综合弹性参数作为输入,将训练集中的所述历史球销综合形变分值作为输出,训练得到初始预测模型;
步骤S53,利用验证集中的所述训练参数调整所述初始预测模型的参数,利用测试集中的所述训练参数测试所述初始预测模型的精度,最终在所述初始预测模型的精度大于预设的精度阈值后作为所述球销综合形变预测模型输出。
进一步地,所述初始模型为XLSTM模型。
进一步地,训练集、验证集和测试集中的数据比例为3:1:1。
进一步地,在所述步骤S5中,还包括实时检测环境参数,所述环境参数包括环境温度、环境湿度、紫外线强度和抗氧化剂浓度;
根据所述环境温度和所述环境湿度调整所述球销综合形变预测模型的输入层与隐含层之间的权重参数得到优化权重参数,以及根据所述紫外线强度和所述抗氧化剂浓度调整所述球销综合形变预测模型的输入层与隐含层之间的偏置参数得到优化偏置参数,得到优化过后的所述球销综合形变预测模型,将所述实时偏移角度、各所述旋铆压力值、所述旋转速度、所述综合硬度参数、所述综合弹性参数输入优化过后的所述球销综合形变预测模型中,预测得到所述球销综合形变分值。
进一步地,在所述步骤S5中,将所述环境温度和所述环境湿度输入预设的权重参数优化公式中,计算得到所述优化权重参数,所述权重参数优化公式配置为:
其中,W'用于表示所述优化权重参数,W0用于表示优化前的所述权重参数,at用于表示所述环境温度,ah用于表示所述环境湿度,χ1、χ2分别用于表示预设的第一温度转换系数和第一湿度转换系数。
进一步地,在所述步骤S5中,将所述紫外线强度和所述抗氧化剂浓度输入预设的偏置参数优化公式中,计算得到所述优化偏置参数,所述偏置参数优化公式配置为:
其中,B'用于表示所述优化偏置参数,B0用于表示优化前的所述偏置参数,Ui用于表示所述紫外线强度,ac用于表示所述抗氧化剂浓度,δ1、δ2分别用于表示预设的第一紫外线强度转换系数和第一抗氧化剂浓度转换系数。
本发明的有益效果:
本发明在球销组件装配过程中根据计算和检测到的实时偏移角度、各旋铆压力值、旋转速度、综合硬度参数、综合弹性参数动态预测球销组件的球销综合形变分值以反映球销组件的形变程度,同时在球销综合形变分值大于形变阈值时及时调整旋铆机的输出状态,能够避免球销组件在旋铆加工过程中发生较大形变,因此显著提升了球铆组件在旋铆装配过程中的安全性。
附图说明
图1是本发明中汽车拉杆结构的整体结构示意图;
图2是本发明中球销组件的结构示意图;
图3是本发明中装配检测方法的步骤流程图;
图4是本发明中步骤S5的步骤流程图。
附图标记:1、拉杆总成;2、拉杆部;3、球座部;4、球销组件;41、球头销;42、油嘴;43、第一球碗;44、第二球碗;45、套筒;46、橡胶圈;47、端盖;48、防尘罩;49、垫圈。
具体实施方式
下面结合附图和实施例,对本发明进一步详细说明。其中相同的零部件用相同的附图标记表示。需要说明的是,下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向,词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
实施例1,参照图1至图2,为本发明第一个实施例,该实施例提供了一种汽车拉杆结构,能够实现提高球销组件4的集成度,一种汽车拉杆结构,包括拉杆总成1,拉杆总成1包括一体成型的拉杆部2和两个球座部3,两个球座部3位于拉杆部2的两端,球座部3内设置有装配完毕的球销组件4,球销组件4包括球头销41、油嘴42、第一球碗43、第二球碗44、套筒45、橡胶圈46、端盖47;
球头销41包括球头部和销杆部,端盖47覆盖在球头部上端,球头部的顶部中心还开设有进油孔,油嘴42从端盖47的上端贯穿端盖47并与进油孔连通,第一球碗43套接在球头部的顶部外侧,第二球碗44套接在球头部的中部外侧,套筒45套接在销杆部的顶部外侧,橡胶圈46套接在套筒45的外侧。
实施例1的工作原理:
本实施例中,将油嘴42、端盖47、第一球碗43集成设置在球头销41的顶部,将第二球碗44套接在球头部的外侧,将套筒45套接在销杆部的外侧,最终将橡胶圈46套接在套筒45外侧,实现了球销组件4的高度集成,有利于缩小球销组件4的整体体积。
优选的,球销组件4还包括防尘罩48和垫圈49,防尘罩48套接在销杆部的中部外侧,防尘罩48的上端面与套筒45的下端面贴合相抵,垫圈49套接在防尘罩48的顶部边沿下端。
具体地,本实施例中,通过在销杆部的外侧设置防尘罩48实现了对球销组件4的底部防尘,通过在防尘罩48的顶部边缘下端设置垫圈49,使得球座部3被旋铆挤压过程中能够对防尘罩48进行防护,避免防尘罩48挤压受损,提高了防尘罩48的耐用性。
实施例2,参照图3,为本发明第二个实施例,与上个实施例不同的是,该实施例提供了一种装配检测方法,应用于如上所述的汽车拉杆结构,能够实现提升球铆组件在旋铆装配过程中的安全性,其包括:
步骤S1,在旋铆机对球销组件4进行旋铆加工之前,拍摄球销组件4的标准装配图像同时录入球销组件4中各部分零件的硬度参数和弹性参数,根据标准装配图像处理得到球销组件4在三维坐标系中的球销标准坐标;
步骤S2,将各部分零件的硬度参数和弹性参数输入预设的综合硬度计算公式和综合弹性计算公式中,分别计算得到综合硬度参数和综合弹性参数;
步骤S3,在旋铆机对球销组件4进行旋铆加工的过程中,录制球销组件4的动态装配视频的同时检测旋铆机的旋转输出端的旋转速度,以及检测旋铆机与球座部3之间的各旋铆下压点位处的旋铆压力值,根据动态装配视频拆分得到若干旋铆加工图像,进而根据旋铆加工图像处理得到球销组件4在三维坐标系中的球销加工坐标;
步骤S4,在同一三维坐标系中根据球销标准坐标和球销加工坐标处理得到球销组件4的实时偏移角度;
步骤S5,预先训练得到一球销综合形变预测模型,将实时偏移角度、各旋铆压力值、旋转速度、综合硬度参数、综合弹性参数输入球销综合形变预测模型中,预测得到当前时刻的球销综合形变分值;
步骤S6,在球销综合形变分值大于预设的形变阈值时,生成装配报警指令,根据装配报警指令警示外部球销组件4装配出错并调整旋铆机的旋铆输出状态。
实施例2的工作原理:
本实施例中配置有智能处理终端,智能处理终端上配置有图像处理程序、参数录入程序、综合计算程序、形变预测程序和报警调整程序。在步骤S1中,采用CCD工业相机进行球销组件4的标准装配图像的拍摄。球销组件4中各部分零件的硬度参数和弹性参数的录入可以通过人工录入,也可以通过参数录入程序录入。图像处理程序内置有卷积神经网络,可以从中自动识别和学习特征,根据图纸信息在三维坐标系中构建出三维模型,生成三维坐标。将旋铆加工图像输入图像处理程序中,生成球销组件4在三维坐标系中的球销加工坐标。在步骤S2中,综合计算程序中预存有综合硬度计算公式和综合弹性计算公式,将各部分零件的硬度参数和弹性参数输入综合计算程序中,利用内置的综合硬度计算公式和综合弹性计算公式分别计算得到综合硬度参数和综合弹性参数。步骤S3,旋铆机对球销组件4进行旋铆加工过程中,采用CCD工业相机进行球销组件4的动态装配视频的录制,CCD工业相机每秒钟录制30帧的视频图像帧,因此将动态装配视频每秒钟划分为30张旋铆加工图像,然后取动态装配视频中的第一张视频图像帧输入图像处理程序,图像处理程序重复步骤S1中的图像处理操作,处理视频图像帧得到球销组件4在三维坐标系中的球销加工坐标。同时在旋铆机的旋铆输出端配置编码器检测旋转速度。旋铆机与球座部3之间配置有若干旋铆下压点位,在各旋铆下压点位处均设置有压力传感器,用于检测各旋铆下压点位处的旋铆压力值。步骤S4中,球销标准坐标和球销加工坐标利用立体几何中的角度计算公式,计算得到同一三维坐标系中球销组件4的实时偏移角度。步骤S5中,形变预测程序预先配置有训练得到的销综合形变预测模型,将上述步骤获取和计算得到的实时偏移角度、各旋铆压力值、旋转速度、综合硬度参数、综合弹性参数输入球销综合形变预测模型中,预测得到当前时刻的球销综合形变分值。步骤S6中,形变阈值可以为30%,当球销综合形变分值超过30%时表明球销组件4当前的形变量过大,需要报警提示外部人员,同时马上降低旋铆机的旋转速度以及对球座部3的旋铆压力,避免进一步损坏球销组件4。
本实施例在球销组件4装配过程中根据计算和检测到的实时偏移角度、各旋铆压力值、旋转速度、综合硬度参数、综合弹性参数动态预测球销组件4的球销综合形变分值以反映球销组件4的形变程度,同时在球销综合形变分值大于形变阈值时及时调整旋铆机的输出状态,能够避免球销组件4在旋铆加工过程中发生较大形变,因此显著提升了球铆组件在旋铆装配过程中的安全性。
优选的,综合硬度计算公式配置为:
其中,Chc用于表示综合硬度参数,Bs用于表示球头销硬度,Bb1用于表示第一球碗硬度,Bb2用于表示第二球碗硬度,Sl用于表示套筒硬度,Rr用于表示橡胶圈硬度,Ec用于表示端盖硬度,ε1、ε2、ε3、ε4、ε5、ε6分别用于表示预设的第一硬度转换系数、第二硬度转换系数、第三硬度转换系数、第四硬度转换系数、第五硬度转换系数和第六硬度转换系数;
综合弹性计算公式配置为:
其中,Cec用于表示综合弹性参数,Bhe用于表示球头销弹性,Bbe1用于表示第一球碗弹性,Bbe2用于表示第二球碗弹性,Se用于表示套筒弹性,Rre用于表示橡胶圈弹性,Ece用于表示端盖弹性,σ1、σ2、σ3、σ4、σ5、σ6分别用于表示预设的第一弹性转换系数、第二弹性转换系数、第三弹性转换系数、第四弹性转换系数、第五弹性转换系数和第六弹性转换系数。
具体地,本实施例中,通过综合硬度计算公式,将球头销硬度与第一硬度转换系数做乘积,得到球头销硬度对综合硬度的影响参数;将第一球碗硬度与第二硬度转换系数做乘积,得到第一球碗硬度对综合硬度的影响参数;将第二球碗硬度与第三硬度转换系数做乘积,得到第二球碗硬度对综合硬度的影响参数;将套筒硬度与第四硬度转换系数做乘积,得到套筒硬度对综合硬度的影响参数;将橡胶圈硬度与第五硬度转换系数做乘积,得到橡胶圈硬度对综合硬度的影响参数;将端盖硬度与第六硬度转换系数做乘积,得到端盖硬度对综合硬度的影响参数,最终汇总入综合硬度计算公式,计算得到综合硬度参数;
通过综合弹性计算公式,将球头销弹性与第一弹性转换系数做乘积,得到球头销弹性对综合弹性的影响参数;将第一球碗弹性与第二弹性转换系数做乘积,得到第一球碗弹性对综合弹性的影响参数;将第二球碗弹性与第三弹性转换系数做乘积,得到第二球碗弹性对综合弹性的影响参数;将套筒弹性与第四弹性转换系数做乘积,得到套筒弹性对综合弹性的影响参数;将橡胶圈弹性与第五弹性转换系数做乘积,得到橡胶圈弹性对综合弹性的影响参数;将端盖弹性与第六弹性转换系数做乘积,得到端盖弹性对综合弹性的影响参数,最终汇总入综合弹性计算公式,计算得到综合弹性参数。
优选的,如图4所示,步骤S5包括:
步骤S51,在预设的球销旋铆加工数据库中保存有若干历史时刻的训练参数,训练参数包括历史偏移角度、历史旋铆压力值、历史旋转速度、历史综合硬度参数、历史综合弹性参数和历史球销综合形变分值,按照比例将训练参数划分为训练集、测试集和验证集;
步骤S52,引入一初始模型,将训练集中的历史偏移角度、历史旋铆压力值、历史旋转速度、历史综合硬度参数和历史综合弹性参数作为输入,将训练集中的历史球销综合形变分值作为输出,训练得到初始预测模型;
步骤S53,利用验证集中的训练参数调整初始预测模型的参数,利用测试集中的训练参数测试初始预测模型的精度,最终在初始预测模型的精度大于预设的精度阈值后作为球销综合形变预测模型输出。
具体地,本实施例中,训练参数中的历史偏移角度、历史旋铆压力值、历史旋转速度、历史综合硬度参数、历史综合弹性参数是在历史时刻检测计算得到。历史球销综合形变分值是工作人员根据历史偏移角度、历史旋铆压力值、历史旋转速度、历史综合硬度参数、历史综合弹性参数人为计算设定的参数分值。
优选的,初始模型为XLSTM模型。
具体地,本实施例中,XLSTM模型是对传统LSTM模型的一种扩展,它通过引入新的门控机制和记忆结构来改进LSTM模型,旨在提高LSTM模型在处理大规模数据时的表现和扩展性。
优选的,训练集、验证集和测试集中的数据比例为3:1:1。
实施例3,为本发明第三个实施例,与上个实施例不同的是,该实施例引入了环境参数,能够实现利用环境参数优化调整球销综合形变预测模型,提升球销综合形变预测模型的预测精度,在步骤S5中,还包括实时检测环境参数,环境参数包括环境温度、环境湿度、紫外线强度和抗氧化剂浓度;
根据环境温度和环境湿度调整球销综合形变预测模型的输入层与隐含层之间的权重参数得到优化权重参数,以及根据紫外线强度和抗氧化剂浓度调整球销综合形变预测模型的输入层与隐含层之间的偏置参数得到优化偏置参数,得到优化过后的球销综合形变预测模型,将实时偏移角度、各旋铆压力值、旋转速度、综合硬度参数、综合弹性参数输入优化过后的球销综合形变预测模型中,预测得到球销综合形变分值。
实施例3的工作原理:
环境中的环境温度、环境湿度、紫外线强度和抗氧化剂浓度均会对球销组件的形变产生影响,进而会降低球销综合形变预测模型的球销综合形变分值的预测精度。通过根据环境温度和环境湿度调整球销综合形变预测模型的输入层与隐含层之间的权重参数得到优化权重参数,以及根据紫外线强度和抗氧化剂浓度调整球销综合形变预测模型的输入层与隐含层之间的偏置参数得到优化偏置参数,实现了根据环境温度、环境湿度、紫外线强度和抗氧化剂浓度动态调整球销综合形变预测模型的权重参数和偏置参数,使得优化过后的球销综合形变预测模型预测得到的球销综合形变分值融入了环境参数的影响,因此球销综合形变分值更贴近球销组件实际的形变程度,球销综合形变预测模型的预测精度得以显著提升。
优选的,在步骤S5中,将环境温度和环境湿度输入预设的权重参数优化公式中,计算得到优化权重参数,权重参数优化公式配置为:
其中,W'用于表示优化权重参数,W0用于表示优化前的权重参数,at用于表示环境温度,ah用于表示环境湿度,χ1、χ2分别用于表示预设的第一温度转换系数和第一湿度转换系数。
优选的,在步骤S5中,将紫外线强度和抗氧化剂浓度输入预设的偏置参数优化公式中,计算得到优化偏置参数,偏置参数优化公式配置为:
其中,B'用于表示优化偏置参数,B0用于表示优化前的偏置参数,Ui用于表示紫外线强度,ac用于表示抗氧化剂浓度,δ1、δ2分别用于表示预设的第一紫外线强度转换系数和第一抗氧化剂浓度转换系数。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种汽车拉杆结构的装配检测方法,应用于汽车拉杆结构,其特征在于,所述汽车拉杆结构包括:拉杆总成(1),所述拉杆总成(1)包括一体成型的拉杆部(2)和两个球座部(3),两个所述球座部(3)位于所述拉杆部(2)的两端,所述球座部(3)内设置有装配完毕的球销组件(4),所述球销组件(4)包括球头销(41)、油嘴(42)、第一球碗(43)、第二球碗(44)、套筒(45)、橡胶圈(46)、端盖(47);
所述球头销(41)包括球头部和销杆部,所述端盖(47)覆盖在所述球头部上端,所述球头部的顶部中心还开设有进油孔,所述油嘴(42)从所述端盖(47)的上端贯穿所述端盖(47)并与所述进油孔连通,所述第一球碗(43)套接在所述球头部的顶部外侧,所述第二球碗(44)套接在所述球头部的中部外侧,所述套筒(45)套接在所述销杆部的顶部外侧,所述橡胶圈(46)套接在所述套筒(45)的外侧;
所述球销组件(4)还包括防尘罩(48)和垫圈(49),所述防尘罩(48)套接在所述销杆部的中部外侧,所述防尘罩(48)的上端面与所述套筒(45)的下端面贴合相抵,所述垫圈(49)套接在所述防尘罩(48)的顶部边沿下端;
所述汽车拉杆结构的装配检测方法包括:
步骤S1,在旋铆机对所述球销组件(4)进行旋铆加工之前,拍摄所述球销组件(4)的标准装配图像同时录入所述球销组件(4)中各部分零件的硬度参数和弹性参数,根据所述标准装配图像处理得到所述球销组件(4)在三维坐标系中的球销标准坐标;
步骤S2,将各部分零件的所述硬度参数和所述弹性参数输入预设的综合硬度计算公式和综合弹性计算公式中,分别计算得到综合硬度参数和综合弹性参数;
步骤S3,在所述旋铆机对所述球销组件(4)进行旋铆加工的过程中,录制所述球销组件(4)的动态装配视频的同时检测所述旋铆机的旋转输出端的旋转速度,以及检测所述旋铆机与所述球座部(3)之间的各旋铆下压点位处的旋铆压力值,根据所述动态装配视频拆分得到若干旋铆加工图像,进而根据所述旋铆加工图像处理得到所述球销组件(4)在三维坐标系中的球销加工坐标;
步骤S4,在同一三维坐标系中根据所述球销标准坐标和所述球销加工坐标处理得到所述球销组件(4)的实时偏移角度;
步骤S5,预先训练得到一球销综合形变预测模型,将所述实时偏移角度、各所述旋铆压力值、所述旋转速度、所述综合硬度参数、所述综合弹性参数输入所述球销综合形变预测模型中,预测得到当前时刻的球销综合形变分值;
步骤S6,在所述球销综合形变分值大于预设的形变阈值时,生成装配报警指令,根据所述装配报警指令警示外部所述球销组件(4)装配出错并调整所述旋铆机的旋铆输出状态。
2.根据权利要求1所述的汽车拉杆结构的装配检测方法,其特征在于:所述综合硬度计算公式配置为:
其中,Chc用于表示所述综合硬度参数,Bs用于表示球头销硬度,Bb1用于表示第一球碗硬度,Bb2用于表示第二球碗硬度,Sl用于表示套筒硬度,Rr用于表示橡胶圈硬度,Ec用于表示端盖硬度,ε1、ε2、ε3、ε4、ε5、ε6分别用于表示预设的第一硬度转换系数、第二硬度转换系数、第三硬度转换系数、第四硬度转换系数、第五硬度转换系数和第六硬度转换系数;
所述综合弹性计算公式配置为:
其中,Cec用于表示所述综合弹性参数,Bhe用于表示球头销弹性,Bbe1用于表示第一球碗弹性,Bbe2用于表示第二球碗弹性,Se用于表示套筒弹性,Rre用于表示橡胶圈弹性,Ece用于表示端盖弹性,σ1、σ2、σ3、σ4、σ5、σ6分别用于表示预设的第一弹性转换系数、第二弹性转换系数、第三弹性转换系数、第四弹性转换系数、第五弹性转换系数和第六弹性转换系数。
3.根据权利要求1所述的汽车拉杆结构的装配检测方法,其特征在于:所述步骤S5包括:
步骤S51,在预设的球销旋铆加工数据库中保存有若干历史时刻的训练参数,所述训练参数包括历史偏移角度、历史旋铆压力值、历史旋转速度、历史综合硬度参数、历史综合弹性参数和历史球销综合形变分值,按照比例将所述训练参数划分为训练集、测试集和验证集;
步骤S52,引入一初始模型,将训练集中的所述历史偏移角度、所述历史旋铆压力值、所述历史旋转速度、所述历史综合硬度参数和所述历史综合弹性参数作为输入,将训练集中的所述历史球销综合形变分值作为输出,训练得到初始预测模型;
步骤S53,利用验证集中的所述训练参数调整所述初始预测模型的参数,利用测试集中的所述训练参数测试所述初始预测模型的精度,最终在所述初始预测模型的精度大于预设的精度阈值后作为所述球销综合形变预测模型输出。
4.根据权利要求3所述的汽车拉杆结构的装配检测方法,其特征在于:所述初始模型为XLSTM模型。
5.根据权利要求3所述的汽车拉杆结构的装配检测方法,其特征在于:训练集、验证集和测试集中的数据比例为3:1:1。
6.根据权利要求3所述的汽车拉杆结构的装配检测方法,其特征在于:在所述步骤S5中,还包括实时检测环境参数,所述环境参数包括环境温度、环境湿度、紫外线强度和抗氧化剂浓度;
根据所述环境温度和所述环境湿度调整所述球销综合形变预测模型的输入层与隐含层之间的权重参数得到优化权重参数,以及根据所述紫外线强度和所述抗氧化剂浓度调整所述球销综合形变预测模型的输入层与隐含层之间的偏置参数得到优化偏置参数,得到优化过后的所述球销综合形变预测模型,将所述实时偏移角度、各所述旋铆压力值、所述旋转速度、所述综合硬度参数、所述综合弹性参数输入优化过后的所述球销综合形变预测模型中,预测得到所述球销综合形变分值。
7.根据权利要求6所述的汽车拉杆结构的装配检测方法,其特征在于:在所述步骤S5中,将所述环境温度和所述环境湿度输入预设的权重参数优化公式中,计算得到所述优化权重参数,所述权重参数优化公式配置为:
其中,W'用于表示所述优化权重参数,W0用于表示优化前的所述权重参数,at用于表示所述环境温度,ah用于表示所述环境湿度,χ1、χ2分别用于表示预设的第一温度转换系数和第一湿度转换系数。
8.根据权利要求6所述的汽车拉杆结构的装配检测方法,其特征在于:在所述步骤S5中,将所述紫外线强度和所述抗氧化剂浓度输入预设的偏置参数优化公式中,计算得到所述优化偏置参数,所述偏置参数优化公式配置为:
其中,B'用于表示所述优化偏置参数,B0用于表示优化前的所述偏置参数,Ui用于表示所述紫外线强度,ac用于表示所述抗氧化剂浓度,δ1、δ2分别用于表示预设的第一紫外线强度转换系数和第一抗氧化剂浓度转换系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411478375.9A CN119408357B (zh) | 2024-10-22 | 2024-10-22 | 一种汽车拉杆结构的装配检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411478375.9A CN119408357B (zh) | 2024-10-22 | 2024-10-22 | 一种汽车拉杆结构的装配检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN119408357A CN119408357A (zh) | 2025-02-11 |
| CN119408357B true CN119408357B (zh) | 2025-06-06 |
Family
ID=94466382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411478375.9A Active CN119408357B (zh) | 2024-10-22 | 2024-10-22 | 一种汽车拉杆结构的装配检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN119408357B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN121146212A (zh) * | 2025-11-18 | 2025-12-16 | 北京柏瑞安电子技术有限公司 | 高可靠液冷变板卡的自动化精密组装过程分析系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102007309A (zh) * | 2008-04-18 | 2011-04-06 | 日本发条株式会社 | 球接头及其制造方法 |
| CN209667196U (zh) * | 2019-03-25 | 2019-11-22 | 江西积裕实业有限公司 | 一种汽车转向拉杆组件 |
| CN212959510U (zh) * | 2020-09-15 | 2021-04-13 | 玉环郑氏机械有限责任公司 | 一种球头总成 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08277832A (ja) * | 1995-03-31 | 1996-10-22 | Yamakawa Ind Co Ltd | ボールジョイント |
| JP2000107952A (ja) * | 1998-09-30 | 2000-04-18 | Rhythm Corp | スタビライザコンロッドの製造方法 |
-
2024
- 2024-10-22 CN CN202411478375.9A patent/CN119408357B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102007309A (zh) * | 2008-04-18 | 2011-04-06 | 日本发条株式会社 | 球接头及其制造方法 |
| CN209667196U (zh) * | 2019-03-25 | 2019-11-22 | 江西积裕实业有限公司 | 一种汽车转向拉杆组件 |
| CN212959510U (zh) * | 2020-09-15 | 2021-04-13 | 玉环郑氏机械有限责任公司 | 一种球头总成 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN119408357A (zh) | 2025-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN119408357B (zh) | 一种汽车拉杆结构的装配检测方法 | |
| CN116494255B (zh) | 一种基于强化学习的空间机械臂路径规划系统 | |
| WO2022116652A1 (zh) | 液体火箭发动机冲击载荷结构响应预示方法 | |
| CN109940606A (zh) | 基于点云数据的机器人引导系统及方法 | |
| CN112729112B (zh) | 基于机器人视觉的发动机缸体孔径与孔位检测方法 | |
| CN119963173A (zh) | 一种检修场景优化的虚拟维修数据处理系统 | |
| CN120552088B (zh) | 一种自适应免示教焊接机器人智能节气监测系统 | |
| CN119717723A (zh) | 一种汽车夹具智能调节方法及系统 | |
| CN118559718A (zh) | 一种工业机器人控制系统及机器人控制方法 | |
| US11029678B2 (en) | Analysis system | |
| CN119807978A (zh) | 基于ai模型的智能影像数据识别解析方法、系统及装置 | |
| CN120868901A (zh) | 一种在长轴零件上自动对中装配轴承的方法 | |
| US11761849B2 (en) | Wind tunnel for a motor vehicle with optical vehicle configuration determination and method for operating a wind tunnel with optical vehicle configuration determination | |
| CN115661800B (zh) | 基于视线方向时间关系学习的危险驾驶行为检测方法 | |
| CN115656177B (zh) | 基于条纹图像统计分布规律的镜面物体表面缺陷检测方法 | |
| CN115649179B (zh) | Fcw灵敏度自动切换系统及方法 | |
| CN120008956B (zh) | 一种汽车电子助力器的智能测试系统 | |
| CN120852320B (zh) | 一种基于视觉图像的轮毂缺陷检测方法及系统 | |
| CN120755893B (zh) | 一种用于机械自动化的智能装配系统 | |
| CN120821240B (zh) | 一种精密镗铣床夹紧系统的多参数协同控制方法和装置 | |
| CN108256135B (zh) | 动力总成驾驶冲击分析方法及分析装置 | |
| US6577945B2 (en) | Method and apparatus for detecting spark failure based on the number of crankshaft revolutions | |
| CN115903472B (zh) | 基于故障因子与多观测器的auv执行机构故障诊断方法 | |
| US12430948B2 (en) | Apparatus and method for emotion estimation | |
| CN109783975B (zh) | 基于热误差和温升加权的丝杠预紧量确定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |