一种曲柄连杆机构装配工艺检测方法及系统

1.本发明涉及发动机智能制造中的装配技术领域，特别是涉及一种曲柄连杆机构装配工艺检测方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.汽车发动机的装配质量对汽车的燃油消耗率、扭矩、功率等性能指标都有十分重要的影响。在实际生产制造中，曲柄连杆机构各部件的装配工艺直接影响发动机活塞在气缸中的位置从而影响到压缩比的变化，而压缩比直接决定了发动机动力性、经济性、排放，特别是现今发动机都要求满足排放的要求，曲柄连杆机构各部件公差的波动会直接影响压缩比的变动，从而造成发动机性能的不一致性，特别是排放的不一致性。更进一步的，目前发动机曲柄连杆机构都是单一部件进行公差检测，没有同时检测多个参数的分析系统，因此研发发动机曲柄连杆机构装配工艺状况的大数据分析系统十分必要。


技术实现要素：

4.为了解决上述问题，本发明提出了一种曲柄连杆机构装配工艺检测方法及系统，采用萤火虫算法对粒子群算法进行改进，将改进后的萤火虫和粒子群融合算法应用于聚类算法中，对各部件历史装配的公差值数据进行聚类，从而得到正常工艺装配阈值和异常工艺装配阈值，以此确定曲柄连杆机构各部件装配公差正常或异常的状态，实现对曲柄连杆机构装配工艺的检测，有效提高发动机装配精度。
5.为了实现上述目的，本发明采用如下技术方案：
6.第一方面，本发明提供一种曲柄连杆机构装配工艺检测方法，包括：
7.获取曲柄连杆机构中各部件历史装配的公差值，由此构建装配工艺检测库；
8.采用混杂聚类算法对装配工艺检测库进行聚类，以确定正常工艺装配阈值和异常工艺装配阈值；所述混杂聚类算法包括对粒子群算法的改进，其中每个粒子在决策域范围内寻优，所述决策域范围根据第k迭代步与第k+1迭代步的适应度值差值和第k迭代步的适应度值的比值进行修正；
9.获取曲柄连杆机构中各部件实际装配的公差值，并与正常工艺装配阈值和异常工艺装配阈值进行对比，确定曲柄连杆机构装配工艺正常或异常的状态。
10.作为可选择的实施方式，对粒子群算法的寻优采用萤火虫算法进行改进，每个粒子在决策域范围内寻找亮度最高的萤火虫位置，以此更新粒子的速度和位置。
11.作为可选择的实施方式，对决策域范围进行修正的过程包括：若比值小于设定阈值，则修正决策域半径为[0.5+0.5|cos(ylf
ik
)|]
·ri
；其中，ylf
ik
为粒子i第k迭代步的适应度值，ri是决策域半径。
[0012]
作为可选择的实施方式，当连续进行次的寻优后，比值始终小于设定阈值，则修正决策域半径为[2+2|cos(ylf
ik
)|]
·ri
，若此时的适应度值大于原适应度值，则更新粒子群位置，反之，不更新粒子群位置。
[0013]
作为可选择的实施方式，对决策域范围进行修正的过程包括：若比值不小于设定阈值，则修正决策域半径为[1+|cos(ylf
ik
)|]
·ri
；其中，ylf
ik
为粒子i第k迭代步的适应度值，ri是决策域半径。
[0014]
作为可选择的实施方式，对装配工艺检测库进行聚类的过程包括：基于改进后的粒子群算法进行聚类，粒子群通过寻优得到的最优位置即为使适应度值最小的聚类中心，所述适应度值为各部件实际装配的公差值到聚类中心的欧几里得距离。
[0015]
作为可选择的实施方式，各部件装配的公差值包括：活塞销孔直径尺寸公差、活塞销直径尺寸公差、连杆的连杆小头直径尺寸公差、连杆的连杆小头到连杆大头的孔轴中心距尺寸公差、连杆的连杆大头直径尺寸公差、曲柄销直径尺寸公差和连杆盖直径尺寸公差。
[0016]
作为可选择的实施方式，对装配工艺检测库进行聚类后得到簇团，在每个簇团的外围通过设定公差阈值划定异常工艺装配阈值或正常工艺装配阈值，将每个簇团下得到的装配阈值取并集，得到用于进行对比的装配工艺决策库。
[0017]
第二方面，本发明提供一种曲柄连杆机构装配工艺检测系统，包括：
[0018]
检测库构建模块，被配置为获取曲柄连杆机构中各部件历史装配的公差值，由此构建装配工艺检测库；
[0019]
决策库构建模块，被配置为采用混杂聚类算法对装配工艺检测库进行聚类，以确定正常工艺装配阈值和异常工艺装配阈值；所述混杂聚类算法包括对粒子群算法的改进，其中每个粒子在决策域范围内寻优，所述决策域范围根据第k迭代步与第k+1迭代步的适应度值差值和第k迭代步的适应度值的比值进行修正；
[0020]
状态检测模块，被配置为获取曲柄连杆机构中各部件实际装配的公差值，并与正常工艺装配阈值和异常工艺装配阈值进行对比，确定曲柄连杆机构装配工艺正常或异常的状态。
[0021]
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
[0022]
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
[0023]
与现有技术相比，本发明的有益效果为：
[0024]
本发明提出了一种曲柄连杆机构装配工艺检测方法及系统，采用混杂聚类算法对各部件历史装配的公差值数据进行聚类，其中混杂聚类算法为采用萤火虫算法对粒子群算法进行改进，将改进后的萤火虫和粒子群融合算法应用于聚类分析算法中，以改善聚类分析算法的性能，从而得到更准确合理的检测结果，实现对曲柄连杆机构装配工艺的检测，有效提高发动机装配精度。
[0025]
本发明提出了一种曲柄连杆机构装配工艺检测方法及系统，采用萤火虫算法对粒子群算法的迭代更新策略进行改进，将粒子群算法中的每个粒子同时具有萤火虫算法的寻
优特征，让每个粒子在萤火虫的决策域范围内寻优，且萤火虫的决策域范围根据第k迭代步与第k+1迭代步的适应度值差值和第k迭代步的适应度值的比值进行修正，以增强粒子局部和全局的寻优能力。
[0026]
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0027]
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
[0028]
图1为本发明实施例1提供的曲柄连杆机构装配工艺检测方法流程图。
具体实施方式
[0029]
下面结合附图与实施例对本发明做进一步说明。
[0030]
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
[0031]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0032]
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0033]
实施例1
[0034]
本实施例提供一种曲柄连杆机构装配工艺检测方法，包括：
[0035]
获取曲柄连杆机构中各部件历史装配的公差值，由此构建装配工艺检测库；
[0036]
采用混杂聚类算法对装配工艺检测库进行聚类，以确定正常工艺装配阈值和异常工艺装配阈值；所述混杂聚类算法包括对粒子群算法的改进，其中每个粒子在决策域范围内寻优，所述决策域范围根据第k迭代步与第k+1迭代步的适应度值差值和第k迭代步的适应度值的比值进行修正；
[0037]
获取曲柄连杆机构中各部件实际装配的公差值，并与正常工艺装配阈值和异常工艺装配阈值进行对比，确定曲柄连杆机构装配工艺正常或异常的状态。
[0038]
下面结合图1对本实施例方法进行详细说明。
[0039]
在本实施例中，曲柄连杆机构中的各部件包括：活塞、活塞销、连杆、曲轴、连杆轴瓦和连杆盖；
[0040]
采集的上述各部件的装配公差值包括：活塞销孔直径尺寸公差、活塞销直径尺寸公差、连杆中连杆小头直径尺寸公差、连杆中连杆小头到连杆大头的孔轴中心距尺寸公差、连杆中连杆大头直径尺寸公差、曲柄销直径尺寸公差和连杆盖直径尺寸公差；
[0041]
通过采集曲柄连杆机构中各部件历史装配的公差值构建曲柄连杆机构的装配工
艺检测库。
[0042]
在本实施例中，所述混杂聚类算法具体为：采用萤火虫算法对粒子群算法的迭代更新策略进行改进，将粒子群算法中的每个粒子同时具有萤火虫算法的寻优特征，让每个粒子在萤火虫的决策域范围内寻优，萤火虫的决策域范围根据第k迭代步与第k+1迭代步的适应度值差值和第k迭代步的适应度值的比值进行修正，最后将萤火虫和粒子群融合算法应用于k-means聚类分析算法中，以改善k-means聚类分析算法的性能，从而得到混杂聚类算法。
[0043]
每个粒子进行粒子群的寻优过程包括：
[0044]
由m个粒子组成的种群中，第i个粒子的位置表示为xi＝(x
i1
,x
i2
,...x
in
)，其中i＝1,2,...,m；n为粒子的维数，其速度为vi＝(v
i1
,v
i2
,...v
in
)；其个体极值为ypi＝(yp
i1
,yp
i2
,...,yp
in
)，是粒子i搜索到的最优位置；种群的群体极值为ypg＝(yp
g1
,yp
g2
,...,yp
gn
)，是所有粒子搜索到的适应度值最优位置。
[0045]
每个粒子xi在其决策域范围内具有萤火虫寻优过程，寻找亮度最高的萤火虫位置x
p
：
[0046][0047]
其中，ri是萤火虫的决策域半径；γ为吸引系数，一般取[0.01,100]之间的任意常数；β为吸引度，通常β＝1；a
pi
为粒子i在决策域半径范围内搜索到的适应度最优位置与粒子当前位置的笛卡尔距离，即
[0048]
更新粒子的速度和位置：
[0049][0050][0051]
其中，ω为权重；k为当前迭代次数；c1和c2为学习因子，也称为加速常数，通常c1＝c2＝2；rand是[0,1]之间的随机数；为第i个粒子在第k迭代步与第k+1迭代步的速度，为第i个粒子在第k迭代步与第k+1迭代步的位置。
[0052]
如果适应度函数的适应度值比上一迭代步小，则维持上述更新方式；如果适应度值比上一迭代步大，则粒子速度和位置的更新方式为：
[0053][0054][0055]
萤火虫的决策域范围根据第k迭代步与第k+1迭代步的适应度值差值和第k迭代步的适应度值的比值进行修正，具体为：
[0056]
第k迭代步改进的萤火虫和粒子群融合算法得到的适应度值为ylf
ik
，第k+1迭代步改进的萤火虫与粒子群混合算法得到的适应度值为ylf
ik+1
，那么比值为：
[0057][0058]
如果yl(k)小于设定阈值，本实施例以1％为例，则减小吸引行为的萤火虫决策域半径为[0.5+0.5|cos(ylf
ik
)|]
·ri
，以增强局部寻优能力；
[0059]
当连续进行次的上述寻优过程，yl(k)的值始终小于设定阈值，此时对该算法进行随机扰动，增大吸引行为的萤火虫决策域半径为[2+2|cos(ylf
ik
)|]
·ri
；再次计算适应度值，若此时的适应度值优于原适应度值，则更新粒子群位置，反之，不更新粒子群位置；
[0060]
如果yl(k)不小于设定阈值，则增大吸引行为的萤火虫决策域半径为[1+|cos(ylf
ik
)|]
·ri
，以增强全局寻优能力。
[0061]
在本实施例中，将萤火虫和粒子群融合算法用于k-means聚类算法中，采用萤火虫和粒子群融合算法计算粒子的参数，每个粒子代表一种聚类方式，每个粒子的行动目标代表此聚类中心的位置，适应度函数为所有数据到最近聚类中心的欧几里得距离；欧几里得距离为：
[0062][0063]
其中，ylfi是第i个粒子(公差值)到所有聚类中心的欧式距离总和，n为k-means聚类算法的聚类总数，m是公差值数据个数，n是公差值数据维度，y
ij
是各部件实际装配的公差值，c
t
是聚类中心，即粒子群寻优的最优位置。
[0064]
粒子通过寻找从初始位置到最终位置的最短路径，找到使适应度函数最小的聚类中心，从而把装配工艺检测库进行聚类划分。
[0065]
在本实施例中，采用上述混杂聚类算法对装配工艺检测库进行聚类，得到相应簇团，确定正常工艺装配阈值和异常工艺装配阈值，构建装配工艺决策库；
[0066]
其中，本实施例对簇团数量设为3，由此形成使曲柄连杆机构各部件公差偏大、居中、偏小的3个簇团，对曲柄连杆机构各部件公差偏大和偏小两个簇团最外围3％各部件公差值作为异常工艺装配阈值，对曲柄连杆机构各部件公差适中簇团最外围1％各部件公差值作为正常工艺装配阈值，比较通过两种方式得到的阈值的并集，构建装配工艺决策库。
[0067]
在本实施例中，实时采集曲柄连杆机构中各部件实际装配的公差值，将其与装配工艺决策库中的正常工艺装配阈值和异常工艺装配阈值进行对比，确定曲柄连杆机构各部件装配公差正常或异常的状态，由此得到实现对曲柄连杆机构装配工艺的检测，有效提高发动机装配精度。
[0068]
实施例2
[0069]
本实施例提供一种曲柄连杆机构装配工艺检测系统，包括：
[0070]
检测库构建模块，被配置为获取曲柄连杆机构中各部件历史装配的公差值，由此构建装配工艺检测库；
[0071]
决策库构建模块，被配置为采用混杂聚类算法对装配工艺检测库进行聚类，以确
定正常工艺装配阈值和异常工艺装配阈值；所述混杂聚类算法包括对粒子群算法的改进，其中每个粒子在决策域范围内寻优，所述决策域范围根据第k迭代步与第k+1迭代步的适应度值差值和第k迭代步的适应度值的比值进行修正；
[0072]
状态检测模块，被配置为获取曲柄连杆机构中各部件实际装配的公差值，并与正常工艺装配阈值和异常工艺装配阈值进行对比，确定曲柄连杆机构装配工艺正常或异常的状态。
[0073]
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
[0074]
在更多实施例中，还提供：
[0075]
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
[0076]
应理解，本实施例中，处理器可以是中央处理单元cpu，处理器还可以是其他通用处理器、数字信号处理器dsp、专用集成电路asic，现成可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0077]
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
[0078]
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
[0079]
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
[0080]
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0081]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

技术特征：
1.一种曲柄连杆机构装配工艺检测方法，其特征在于，包括：获取曲柄连杆机构中各部件历史装配的公差值，由此构建装配工艺检测库；采用混杂聚类算法对装配工艺检测库进行聚类，以确定正常工艺装配阈值和异常工艺装配阈值；所述混杂聚类算法包括对粒子群算法的改进，其中每个粒子在决策域范围内寻优，决策域范围根据第k迭代步与第k+1迭代步的适应度值差值和第k迭代步的适应度值的比值进行修正；获取曲柄连杆机构中各部件实际装配的公差值，并与正常工艺装配阈值和异常工艺装配阈值进行对比，确定曲柄连杆机构装配工艺正常或异常的状态。2.如权利要求1所述的一种曲柄连杆机构装配工艺检测方法，其特征在于，对粒子群算法的寻优采用萤火虫算法进行改进，每个粒子在决策域范围内寻找亮度最高的萤火虫位置，以此更新粒子的速度和位置。3.如权利要求1所述的一种曲柄连杆机构装配工艺检测方法，其特征在于，对决策域范围进行修正的过程包括：若比值小于设定阈值，则修正决策域半径为[0.5+0.5|cos(ylf
ik
)|]
·
r
i
；其中，ylf
ik
为粒子i第k迭代步的适应度值，r
i
是决策域半径。4.如权利要求3所述的一种曲柄连杆机构装配工艺检测方法，其特征在于，当连续进行次的寻优后，比值始终小于设定阈值，则修正决策域半径为[2+2|cos(ylf
ik
)|]
·
r
i
，若此时的适应度值大于原适应度值，则更新粒子群位置，反之，不更新粒子群位置。5.如权利要求1所述的一种曲柄连杆机构装配工艺检测方法，其特征在于，对决策域范围进行修正的过程包括：若比值不小于设定阈值，则修正决策域半径为[1+|cos(ylf
ik
)|]
·
r
i
；其中，ylf
ik
为粒子i第k迭代步的适应度值，r
i
是决策域半径。6.如权利要求1所述的一种曲柄连杆机构装配工艺检测方法，其特征在于，对装配工艺检测库进行聚类的过程包括：基于改进后的粒子群算法进行聚类，粒子群通过寻优得到的最优位置即为使适应度值最小的聚类中心，所述适应度值为各部件实际装配的公差值到聚类中心的欧几里得距离。7.如权利要求1所述的一种曲柄连杆机构装配工艺检测方法，其特征在于，各部件装配的公差值包括：活塞销孔直径尺寸公差、活塞销直径尺寸公差、连杆的连杆小头直径尺寸公差、连杆的连杆小头到连杆大头的孔轴中心距尺寸公差、连杆的连杆大头直径尺寸公差、曲柄销直径尺寸公差和连杆盖直径尺寸公差；对装配工艺检测库进行聚类后得到簇团，在每个簇团的外围通过设定公差阈值划定异常工艺装配阈值或正常工艺装配阈值，将每个簇团下得到的装配阈值取并集，得到用于进行对比的装配工艺决策库。8.一种曲柄连杆机构装配工艺检测系统，其特征在于，包括：检测库构建模块，被配置为获取曲柄连杆机构中各部件历史装配的公差值，由此构建装配工艺检测库；决策库构建模块，被配置为采用混杂聚类算法对装配工艺检测库进行聚类，以确定正常工艺装配阈值和异常工艺装配阈值；所述混杂聚类算法包括对粒子群算法的改进，其中
每个粒子在决策域范围内寻优，决策域范围根据第k迭代步与第k+1迭代步的适应度值差值和第k迭代步的适应度值的比值进行修正；状态检测模块，被配置为获取曲柄连杆机构中各部件实际装配的公差值，并与正常工艺装配阈值和异常工艺装配阈值进行对比，确定曲柄连杆机构装配工艺正常或异常的状态。9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。

技术总结
本发明公开一种曲柄连杆机构装配工艺检测方法及系统，包括：获取曲柄连杆机构中各部件历史装配的公差值，由此构建装配工艺检测库；采用混杂聚类算法对装配工艺检测库进行聚类，以确定正常工艺装配阈值和异常工艺装配阈值；所述混杂聚类算法包括对粒子群算法中的每个粒子在决策域范围内寻优，所述决策域范围根据第k迭代步与第k+1迭代步的适应度值差值和第k迭代步的适应度值的比值进行修正；获取曲柄连杆机构中各部件实际装配的公差值，并与正常工艺装配阈值和异常工艺装配阈值进行对比，确定曲柄连杆机构装配工艺正常或异常的状态，有效提高发动机装配精度。有效提高发动机装配精度。有效提高发动机装配精度。


技术研发人员：闫伟 王桂华 王永超 徐卓 南勤文 孙方哲
受保护的技术使用者：山东大学
技术研发日：2023.03.29
技术公布日：2023/8/1