CN105488250A - 一种用于车身尺寸偏差的测量数据的辅助分析及检测方法 - Google Patents

Abstract

本发明涉及汽车制造技术领域，本发明公开了一种用于车身尺寸偏差的测量数据的辅助分析和辅助检测方法，通过车身零件之间的关联性分析，提高了车身尺寸偏差的诊断效率和正确性。其技术方案是通过计算机将每个车身零件的测点数据导入，并进行车身零件之间或者一个车身零件本身之间有关联性的测点的相关性计算，采用本技术方案能够快速、高效、简便地采集零件测试数据，根据相关性系数分析来及时和准确地判断车身焊接零件的质量，以及分析产生变形误差的原因，针对性地改进加工工艺，提高产品质量。

Description

一种用于车身尺寸偏差的测量数据的辅助分析及检测方法

技术领域：

本发明涉及汽车制造技术领域，特别涉及一种用于车身尺寸偏差的测量数据的辅助分析及检测方法。

背景技术

车身的制造问题主要来源于车身的尺寸偏差，而且占大部分比重。车身的尺寸偏差会带来车辆的噪声、密封性、寿命的缩减、外观和行驶舒适感也会降低，因此，如何更早、更及时地发现车身的尺寸偏差问题并利用后续性的调整措施，是保持市场竞争力的必要条件。

车身尺寸偏差的原因有很多，其中之一就是车身零件本身的变形或车身零件焊接质量或车身零件涂胶的质量原因所导致，现有技术中往往通过制造过程中对零件的单点在线测量给予分析。

目前在线激光测量技术是最为常用的单点在线测量方式，它主要采用激光、视觉(CCD)传感器、图像处理以及计算机控制等技术实现物体空间尺寸及位置精密测量的新技术。激光在线检测分为移动式和固定式两种形式，移动式是将激光测量传感器与高精度机器人联合应用,将激光测量传感器装在机器人手臂上进行程序化自动检测,一个组合可以测量机器人运行范围内的多个尺寸控制点；固定式激光在线检测设备由多个激光视觉传感器组成，每个传感器对应一个被测点，传感器数量由具体检测产品部位测量要求来决定，所有传感器固定安装在一个基础框架上，并通过现场控制总线和视频总线连接到主计算机，组成一个完整的检测设备。

例如，某车身车间有两个在线检测工位，分别布置在底板2线补焊工位和总拼2线补焊工位的末端，对相应的底板2总成和白车身总拼件进行在线激光测量。工位上安装有传感器，扫描车号便可以区分H车型和F车型，让测量机器人测量不同的位置。测量一台车身或底板的时间大致与生产节拍一致，但由于H车型白车身总拼安排了150多个测量点，一个节拍内无法全部测完，因此采用了“必测组+选测组”的测量方式。重要的测点安排在必测组中，每台车身都进行测量，不那么重要的测点安排在选测组中，一台车身只测量其中一个选测组的点。H车型总拼件的选测组有4组，也就是每4台车身完成一轮全部选测组点的测量。在线测量数据将通过***控制柜传输到测量室电脑的客户端。供应商伯赛提供相应的软件对原始数据进行简单处理，以趋势图、柱状图等简单形式反馈给技术员。

利用零件的单点在线测量在解决实际问题时存在以下不足：

一、通过现有的软件只能逐个查看单点的趋势图、柱状图，不能将多个测点的数据直接比对。

二、对于生产过程中新发现的问题，技术员很难从数百个点中直接找到缺陷位置的关联点。

三、现在对于在线检测数据用得最多的仍然只是查看单一测点的数据趋势。对于测点数据之间的相互关系，则没有深入研究过。这对丰富的在线检测数据是一种极大的浪费。

四、在线测量数据的利用率低下，将测量数据与车身、样板技术员的知识、调整的记录之间的对应过程也比较缓慢。它们无疑会延长误差源诊断耗费的时间。技术员往往需要花费大量时间定位缺陷，并且难以直观地找到由于尺寸的缺陷所产生的问题根源。

如何建立一个高效有序的辅助分析方法及辅助检测方法来有效判断车身尺寸缺陷的原因是目前有待解决的技术难题。

发明内容：

本发明的目的是提供一种车身尺寸偏差的测量数据的辅助分析及检测方法，能快速、准确分析车身零件尺寸偏差的原因。本发明的目的由以下技术方案实现。

一种用于车身尺寸偏差的测量数据的辅助分析方法，其特征在于：所述方法包括一个或相邻两个或依次相连三个车身零件，其相邻两个的零件之间为焊接或涂胶，在每个零件上分布若干测点；

将测点数据导入计算机，计算其一个零件或者相邻两个零件之间或者相隔两个零件之间所对应的两测点的相关性系数，根据计算的相关性系数与设定值做对比后分析车身零件尺寸的偏差原因；

所述偏差原因包括一个零件的变形和相邻两个零件间的涂胶、焊接。

进一步，所述相关性系数从大到小依次划分为强、较强、较弱和弱。

进一步，所述一个车身零件的长度至少为1米，在其长度方向划分三个区域，在各区域中分布测点。

进一步，在相邻两个或依次相连三个车身零件中，其每个零件沿连接方向的长度最大值范围为40cm。

进一步，在相邻三个的车身零件中，当相邻的两个或者相隔的两个零件所对应两测点的相关性系数为弱或者较弱，则判断相邻的两个或相隔的两个零件之间的焊接松动或较松动；当相邻的两个或相隔的两个零件所对应两测点的相关性系数为强或者较强，则判断相邻的两个或相隔的两个零件之间的焊接正常或接近正常。

进一步，在所述一个车身零件的三个区域中，当相邻的两个区域之间所对应的两测点的相关性系数为强，相邻的两个区域和另一区域之间对应的两测点的相关性系数为弱，则判断其车身零件的相邻区域发生变形。

进一步，其相关性系数范围划分：强设定在1以下和0.7以上的范围，较强设定在0.5以上和小于0.7的范围，较弱设定在0.4以上和小于0.5的范围，弱设定在0以上和小于0.4的范围。

进一步，所述方法还包括其相关性系数与设定值做比对后进行异常值或/和偏差值的显示。

进一步，所述车身零件为底板零件或总拼零件。

一种用于车身尺寸偏差的测量数据的辅助检测方法，其特征在于：包括以下步骤：

A1：在线测量***中导出车身零件各测点的数据，根据要求选择相应的数据文件；

A2：将选取的数据文件中的测点数据整合到数据表中，并按零件对测点的数据进行重新排列，将同一零件下的测点整合到一起，不同零件之间的数据隔开；

A3：根据需要做相关性分析的测点，并计算两测点之间所需要的相关性系数。

进一步，所述检测方法还包括以下步骤，

A4：所述相关性系数以数值方式输出，当大于或小于设定值时显示高亮度或低亮度。

进一步，所述检测方法还包括以下步骤，

A5：根据显示高亮度或低亮度的相关性系数来分析车身零件的尺寸偏差原因。

进一步，所述数据表中还包括显示测点对应的车型号和/或检测日期和/或测量时间和/或零件号。

本发明的有益效果，采用本技术方案能够快速、高效、简便地采集零件测试数据，根据相关性系数分析来及时和准确地判断车身焊接零件的质量，以及分析产生变形误差的原因，针对性地改进加工工艺，提高产品质量。

附图说明

图1揭示了一实施例中车身总拼零件的测点A和测点B的示意图，其中偏差坐标显示图，以及和车身实际测点的分布示意图。

图2揭示了一实施例中车身总拼零件的测点A和测点B的示意图，其中车身实际测点的分布示意图。

图3揭示了一实施例中车身总拼零件(A、B、C、D)四个实际测点的分布示意图。

图4揭示了一实施例中一个车身零件的相关性分析示意图。

图5揭示了一实施例中三个车身焊接零件的相关性分析示意图。

图6揭示了一实施例中三个车身焊接零件的相关性分析示意图。

图7揭示了一实施例中两个车身焊接零件的相关性分析示意图。

图8揭示了一实施例中三个车身焊接零件的相关性分析示意图。

图9揭示了一实施例中的流程示意图。

具体实施方式

本发明能够快速、高效地根据相关性系数的分析来及时和准确地判断车身焊接零件的质量。

其相关性分析的理论如下所述。

相关性分析的数学原理：在概率论与统计学中，协方差用于衡量两个变量的总体误差。

而我们所熟知的方差，可以看作协方差的一种特殊情况，即两个变量相同的情况。

设有两个变量X、Y，它们的数学期望分别是E(X)、E(Y)。则它们之间的协方差定义为：

Cov(X,Y)＝E[(X-E(X))(Y-E(Y))]＝E(XY)-E(X)E(Y)(1)

直观上来看，协方差表示的是两个变量总体误差的期望。如果两个变量变化趋势一致，那么协方差为正值，否之则为负值。

如果X，Y是统计独立的，那么必然有Cov(X,Y)＝0，因为此时E(XY)＝E(X)E(Y)。反过来说，Cov(X,Y)＝0并不意味着X，Y统计独立，不过统计学上称X，Y这两个变量为不相关的。

协方差作为描述X和Y相关程度的量，在同一物理量纲之下有一定的作用，但同样的两个量采用不同的量纲使它们的协方差在数值上表现出很大的差异。为此我们引入相关系数的概念：

${\mathrm{\ρ}}_{xy}=\frac{Cov(X,Y)}{\sqrt{D\left(X\right)}\sqrt{D\left(Y\right)}}---\left(2\right)$

其中ρ_xy为X，Y的相关系数D(X)，D(Y)分别为它们的方差。

计算时也可以表示成式(3)：

${\mathrm{\ρ}}_{xy}=\frac{\underset{i=1}{\overset{n}{\Σ}}(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{(x_i-\stackrel{\‾}{x})}^2\·\underset{i=1}{\overset{n}{\Σ}}{(y_i-\stackrel{\‾}{y})}^2}}=\frac{n\underset{i=1}{\overset{n}{\Σ}}{x}_i{y}_i-\underset{i=1}{\overset{n}{\Σ}}{x}_i\underset{i=1}{\overset{n}{\Σ}}{y}_i}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{x}_i^2-{\left(\underset{i=1}{\overset{n}{\Σ}}{x}_i\right)}^2}\·\sqrt{\underset{i=1}{\overset{n}{\Σ}}{y}_i^2-{\left(\underset{i=1}{\overset{n}{\Σ}}{y}_i\right)}^2}}---\left(3\right)$

可以证明，|ρ_xy|＝1的充要条件是：存在常数a，b，使得P{Y＝a+bX}＝1。也就是说当X，Y之间具有线性函数关系时，相关系数绝对值为1，此时称X，Y完全相关。而ρ_xy＝0时X，Y完全不相关。

相关性分析作为车身零件尺寸偏差的测量数据的辅助分析及检测方法领域的应用：相关系数可以用来表达两个测点数据之间的相关性大小。一般来说，如果同一个零件或分总成上布置有多个测点，这些测点的数据之间会存在相关性。

参考图1，为车身实际测点A和测点B在车身总拼零件的分布示意图，测量的数据导入计算机后会以图1的坐标形式显示，其中纵向坐标代表测点和理论的偏差值，其中的数值0代表测点没有偏差，正数和负数分别代表测点的正偏差和负偏差，其中横坐标代表车身标号，例如第一部车代表1，第二部车代表2，依次类推。再将每部车在测点A和测点B的数据导入计算机后在图1的坐标连线中显示，坐标连线用于图标直观的显示和误差的趋势分析，可以通过这样的显示方式来观察某些测点的突变值并进行后续性的原因分析。但这样的分析只能针对A点或者B点的相同测点的分析，并不能通过A点和B点的联系性来分析车身的尺寸偏差原因。

参考图3，一般来说，测点A与测点B，测点C与测点A，测点B与测点D之间的相关系数都很高，但是测点C与测点D之间的相关系数很低。这种情况在相距不远但是分属不同零件时有可能发生，毕竟零件焊接的时候也会产生不会对尺寸造成太大影响的随机噪声。但是对于明显受到非随机噪声干扰，发生异常波动(数据均值突然变化或者标准差突然增大)的测点，情况就不一样了，这也是主要探讨的情况。若一个测点发生偏差，那么一些测点可能与它之间的相关性变强，这些测点多多少少也会有些偏差，这意味着偏差在两个点之间发生了传递。

参考图4，在一块车身零件上划分三个区域，为了更清晰的说明本发明的原理，在本实施例中采用长方形零件，但在实际运用中并不限于长方形，在本实施例中是划分为3个均分的区域A，区域B和区域C，在每个区域上可以分别选择1、2、3、4点，先将各个测点的数据导入计算机中，再进行相同标号的对应测点之间的相关性系数计算，例如在区域A的1点、区域B的1点和区域C的1点之间的相关性系数计算，如图4是车身零件正常状态下的测点分布图，可以通过计算件将正常状态下的对应测点(相同标号之间)的相关性系数记录并作为参考值，如果实际的相关系数等于参考值或者落入参考值合理的范围内，可以认为实际状态下的相关系数属于正常状态，如图4是A区和B区变形状态下的测点分布图，例如A区域的测点1和B区域的测点1之间的相关性系数等于参考值或在参考值合理的范围内，A区域测点1和C区域测点1或者B区域的测点1和C区域的测点1之间的相关性系数低于参考值的下偏差，则可以判断区域A变形或者B区域变形。在一实施例中的车身零件长度可以在1米左右，为了更明显地区分出各个区域测点之间的相关性系数的差别性，零件的长度可以在1米以上。

参考图6，在三块相邻的焊接车身零件A、零件B和零件C上选择若干测点，在本实施例中，在每块零件上分别选择1、2、3、4点，先将各个测点的数据导入计算机中，再进行相同标号的对应测点之间的相关性系数计算，例如零件A的1点和零件B的1点之间或者零件A的1点和零件C的1点之间或者零件B的1点和零件C的1点之间的相关性系数，可以先将正常状态下的相关性系数记录并作为参考值，如果零件之间实际的相关系数等于参考值或者落入参考值合理的范围内，可以认为实际状态下的相关系数属于正常状态。

图6是A零件、B零件和C零件在正常焊接状态下的测点分布图。图7的零件A和零件B之间的焊接状态的测点分布图，如果零件A的1点和零件B的1点之间的相关性系数低于参考值的下偏差，则可以判断零件A和零件B之间的焊接的某区域产生了松动。可以根据零件之间的焊接长度和面积来设定相应数量和相应密度的测点，从而可以准确判断相邻的两个焊接零件的整体焊接状态，当然，任意相邻的两个焊接零件都可以根据这个原则来判断，例如本实施例中的B零件和C零件(图中未标注)。图8是A零件、B零件和C零件的实际状态测点分布图，例如零件A的1点和零件B的1点相关性系数为参考值或者落入参考值合理的范围内，零件A的1点和零件C的1点或者零件B的1点对于零件C的1点之间的相关性系数低于参考值的下偏差，则可以判断零件B和零件C之间焊接的某区域产生松动。在另一实施例中，也可以将零件B和它相邻的零件C作为依据，来判断零件A和零件B的焊接状态，同样也可以根据零件之间的焊接长度和面积来设定合理数量和适当的密度分布的测点，通过不同零件的相同标号之间的相关性系数可以准确判断相邻的两个焊接零件的整体焊接状态。

作为一种辅助分析的优选形式，也可以根据相关性系数的大小依次宏观地划分为强、较强、较弱和弱四种，也可以在此划分的基础上规定具体的数值范围，在一实施例中可以在相邻两个或相邻三个的车身零件中，每个零件的相关性系数范围划分：强设定在1以下和0.7以上的范围，较强设定在0.5以上和小于0.7的范围，较弱设定在0.4以上和小于0.5的范围，弱设定在0以上和小于0.4的范围。

作为一种优选，三个相邻或者两个相邻零件，其每个零件沿排列方向的长度的最大值范可以设定在30cm-40cm之间。

下面通过测点之间相关性系数的四个相关性的列表更能直观的表达相关性分析在车身零件尺寸偏差的测量数据的辅助分析方法的应用。

上述理论是整个用相关性分析对误差源进行诊断的理论基础。

继续参考图9，图9是本发明的相关性分析在车身零件尺寸偏差的测量数据的辅助检测方法的流程示意图。

根据本实施例的详细流程如下：

步骤A1：在线测量***中导出车身零件各测点的数据，根据要求选择相应的数据文件；

步骤A2：将选取的数据文件中的测点数据整合到数据表中，并按零件对测点的数据进行重新排列，将同一零件下的测点整合到一起，不同零件之间的数据隔开；

步骤A3：根据需要做相关性分析的测点，并计算两测点之间所需要的相关性系数。

步骤A4：所述相关性系数以数值方式输出，当大于或小于设定值时显示高亮度或低亮度。

步骤A5：根据显示高亮度或低亮度的相关性系数来分析车身零件的尺寸偏差原因。本发明中辅助检测方法的具体实施步骤如下：

第一步，读取数据模块，首先在在线测量***中导出底板和总拼上各测点的数据,数据格式为txt，然后根据在尺寸分析软件中根据要求选择相应的数据文件。

第二步，整理数据模块，将选取的多个数据文件中的测点数据整合到一个数据表上，并按零件对测点数据进行重新排列，将同一零件下的测点整合到一起，不同零件之间的数据隔开。

第三步，样本抽取模块，根据需要选择需要做相关性分析的测点，并设置所需要的相关性系数。

第四步，兴趣点搜索模块，使得技术员可以在“相关系数方阵中”找到从某个测点出发看看所有测点与它的相关系数大小，这样可以不漏掉某些相关系数小于但非常接近所设定的相关性系数的测点。

本发明中辅助检测方法的具体实施举例：

可以以EXCEL作为开发平台为例。首先可以根据需要设定相关系数的临界值k(0<k<1)，然后选择车身零件，例如底板、总拼、侧围板的数据并导入到EXCEL表格中，在EXCEL中显示在sheeta中，sheeta中A列显示车号、B列显示年月日、C列显示扫描时间，从F列开始依次显示对应A、B、C列相应数据的底板、总拼上的测点数据。例如：F、G、H这3列显示底板上零件1的测点，I、J、K、L这4列显示底板上零件2的测点……直到将底板总拼上的测点显示完毕。然后在EXCEL中按下相应按钮，软件会根据总样本量自动计算出各测点两两之间的相关性系数并显示在sheetb中，并高亮显示相关性系数大于设定值的数，例如，在sheetb中，B1到XY2(X、Y表示任意字母)分别显示从第1个测点至第n个测点的名称，A2到A(n+1)也显示从第1个测点至第n个测点的名称，中间区域显示两两之间的相关性系数。相关性系数的算法如下式：

${\mathrm{\&rho;}}_{xy}=\frac{\underset{i=1}{\overset{n}{\&Sigma;}}(x_i-\stackrel{\&OverBar;}{x})(y_i-\stackrel{\&OverBar;}{y})}{\sqrt{\underset{i=1}{\overset{n}{\&Sigma;}}{(x_i-\stackrel{\&OverBar;}{x})}^2\&CenterDot;\underset{i=1}{\overset{n}{\&Sigma;}}{(y_i-\stackrel{\&OverBar;}{y})}^2}}=\frac{n\underset{i=1}{\overset{n}{\&Sigma;}}{x}_i{y}_i-\underset{i=1}{\overset{n}{\&Sigma;}}{x}_i\underset{i=1}{\overset{n}{\&Sigma;}}{y}_i}{\sqrt{\underset{i=1}{\overset{n}{\&Sigma;}}{x}_i^2-{\left(\underset{i=1}{\overset{n}{\&Sigma;}}{x}_i\right)}^2}\&CenterDot;\sqrt{\underset{i=1}{\overset{n}{\&Sigma;}}{y}_i^2-{\left(\underset{i=1}{\overset{n}{\&Sigma;}}{y}_i\right)}^2}}$

其中x、y分别表示2个测点，n为总样本量。由于总测点数量太多，为了方便查看局部几点之间的关系，可以在兴趣点模块中选择需要做相关性分析的几个点，其结果将显示在sheetc中，显示格式同sheetb。

本发明实现了对在线测量数据的高效利用,实现了车身零件(例如：总拼数据、底板数据、侧围数据)的整合，并能够根据操作人员的需求计算测点与测点之间的相关系数并按需求高亮显示。此发明大大提高了诊断缺陷根源的准确率和速度，适应未来汽车发展中高效高质量生产的需求。

上述实施例是提供给熟悉本领域内的人员来实现或使用本发明的，熟悉本领域的人员可在不脱离本发明的发明思想的情况下，对上述实施例做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。

Claims (13)

1.一种用于车身尺寸偏差的测量数据的辅助分析方法，其特征在于：所述方法包括一个或相邻两个或依次相连三个车身零件，其相邻两个的零件之间为焊接或涂胶，在每个零件上分布若干测点；

将测点数据导入计算机，计算其一个零件或者相邻两个零件之间或者相隔两个零件之间所对应的两测点的相关性系数，根据计算的相关性系数与设定值做对比后分析车身零件尺寸的偏差原因；

所述偏差原因包括一个零件的变形和相邻两个零件间的涂胶、焊接。

2.根据权利要求1所述的辅助分析方法，其特征在于：所述相关性系数从大到小依次划分为强、较强、较弱和弱。

3.根据权利要求1所述的辅助分析方法，其特征在于：所述一个车身零件的长度至少为1米，在其长度方向划分三个区域，在各区域中分布测点。

4.根据权利要求1所述的辅助分析方法，其特征在于：在相邻两个或依次相连三个车身零件中，其每个零件沿连接方向的长度最大值范围：40cm。

5.根据权利要求1或4所述的辅助分析方法，其特征在于：在相邻三个的车身零件中，当相邻的两个或者相隔的两个零件所对应两测点的相关性系数为弱或者较弱，则判断相邻的两个或相隔的两个零件之间的焊接松动或较松动；当相邻的两个或相隔的两个零件所对应两测点的相关性系数为强或者较强，则判断相邻的两个或相隔的两个零件之间的焊接正常或接近正常。

6.根据权利要求1或3所述的辅助分析方法，其特征在于：在所述一个车身零件的三个区域中，当相邻的两个区域之间所对应的两测点的相关性系数为强，相邻的两个区域和另一区域之间对应的两测点的相关性系数为弱，则判断其车身零件的相邻区域发生变形。

7.根据权利要求1或2所述的辅助分析方法，其特征在于：其相关性系数范围划分：强设定在1以下和0.7以上的范围，较强设定在0.5以上和小于0.7的范围，较弱设定在0.4以上和小于0.5的范围，弱设定在0以上和小于0.4的范围。

8.根据权利要求1中所述的辅助分析方法，其特征在于：所述方法还包括其相关性系数与设定值做比对后进行异常值或/和偏差值的显示。

9.根据权利要求1所述的辅助分析方法，其特征在于：所述车身零件为底板零件或总拼零件。

10.一种用于车身尺寸偏差的测量数据的辅助检测方法，其特征在于：包括以下步骤，

A1：在线测量***中导出车身零件各测点的数据，根据要求选择相应的数据文件；

A2：将选取的数据文件中的测点数据整合到数据表中，并按零件对测点的数据进行重新排列，将同一零件下的测点整合到一起，不同零件之间的数据隔开；

A3：根据需要做相关性分析的测点，并计算两测点之间所需要的相关性系数。

11.根据权利要求10所述的辅助检测方法，其特征在于：还包括以下步骤，

A4：所述相关性系数以数值方式输出，当大于或小于设定值时显示高亮度或低亮度。

12.根据权利要求11所述的辅助检测方法，其特征在于：还包括以下步骤，

A5：根据显示高亮度或低亮度的相关性系数来分析车身零件的尺寸偏差原因。

13.根据权利要求10—12中任一所述的辅助检测方法，其特征在于，所述数据表中还包括显示测点对应的车型号和/或检测日期和/或测量时间和/或零件号。