復雜薄壁件測量系統(tǒng)定位點與檢測點的設計與優(yōu)化.pdf

1、隨著汽車市場的擴張,各企業(yè)間的競爭也日趨激烈，汽車零件的質量控制日益成為汽車企業(yè)的重要課題。汽車零件的制造尺寸偏差直接影響到最終汽車產品的質量。本文針對汽車制造企業(yè)的質量檢測與控制的難點，從復雜薄壁零件定位點的優(yōu)化設計、零件檢測點的設計與優(yōu)化兩方面進行了研究。
　　在定位點的優(yōu)化方面，提出了適合薄壁件測量夾具的定位點布置的優(yōu)化方法。這種方法以“N-2-1”定位原理為基礎，利用有限元計算零件的最大變形量作為優(yōu)化的目標函數，提出了基于

2、NX Nastran與Isight的定位點優(yōu)化系統(tǒng)，通過通用程序接口將 Isight軟件集成 NX Nastran，實現了Isight內嵌的粒子群算法(PSO)及試驗設計方法與NX Nastran的有限元分析功能的結合，采用自動化的流程對測量夾具定位點進行優(yōu)化，提高了優(yōu)化的效率。減小了因檢測定位的布局不合理而導致的零件變形，提高了檢測的準確性。
　　本文在具體的優(yōu)化過程中采用了兩種方法對定位點進行優(yōu)化：一種方法為粒子群算法(PSO

3、)與NX Nastran的有限元分析功能相結合，進行定位點的優(yōu)化，取得了良好的優(yōu)化效果；另一種方法為首先利用Isight內嵌的拉丁超立方的試驗方法，通過NX Nastran的有限元分析對零件的最大變形量進行采樣，之后利用Matlab軟件對采樣數據運用支持向量機的方法進行近似模型的構建，最后通過粒子群算法(PSO)對近似模型進行尋優(yōu)，獲得優(yōu)化的定位點的設計。最后通過實例闡述了文中方法的實施過程，結果表明支持向量回歸機構建的代理模型具有較高

4、的精度，通過其進行回歸分析并進行尋優(yōu)之后所得到的結果與直接用粒子群算法(PSO)進行尋優(yōu)相近，但在尋優(yōu)效率上有了較大提高。
　　在檢測點位置的選擇與優(yōu)化方面，提出了預測矩陣的概念。通過構建預測矩陣來判別不同檢測點的貢獻度，以貢獻度作為指標對檢測點進行篩選。通過刪除一部分對檢測結果貢獻度較少的檢測點，可以提高檢測的效率，降低檢測的成本。
　　通過以上對復雜薄壁件測量夾具定位點與檢測點的優(yōu)化，可以降低在檢測過程中因定位點與檢測點