基于在线工艺库自学习的全铝车身铆接系统及其实现方法与流程

本发明涉及汽车制造领域，尤其是涉及一种基于在线工艺库自学习的全铝车身铆接系统及其实现方法。

背景技术：

随着电动汽车及汽车轻量化、智能化、高性能化的发展需求，为了提高电池续航里程，降低汽车燃料消耗率，改善环境以及对汽车安全、可靠、舒适、美观等方面的需求，铝合金复合材料已经在国外及国内汽车行业应用越来越广。目前，大多数高性价比的轻量化解决方案都可以通过多种材料的设计来实现。但这限制了传统的热连接技术，并显示出对经济高效的机械和粘合连接技术的需求。自冲铆接技术以独特的冷挤压变形工艺、成本低、高自动化率、高机械性能等优势，将在汽车行业中发挥作用。

自冲铆接技术是一种冷连接工艺，可以固定两张或两张以上的材料，包括钢、铝、尼龙织带、塑料和橡胶。它还可以连接镀锌或预涂材料，而不会损坏涂层。与其它连接方法相比，自冲铆接具有许多优点：不需要预钻孔或表面处理；安静，易于自动化，不会产生烟雾或火花；产生的接头具有较高的静强度和疲劳强度，并能产生防水接头。对于难点焊的材料，自冲铆接技术适应性更好，这一过程也更适合机器人应用。

目前国内对自冲铆接的研究集中在工艺参数对接头性能的研究，还没有我国自主化的全铝车身智能铆接方法和系统，原因是缺少系统的工艺数据库来指导铆接过程的进行，这将导致不可预估的缺陷出现。而自冲铆接缺陷形式众多，出现之后也无法智能化地对缺陷进行检测、评估和改进。同时，自冲铆接机器人的智能化水平不够，需要编程设置工艺参数，不能进行自学习在线设置工艺参数达到最优的铆接质量。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于在线工艺库自学习的全铝车身铆接系统及其实现方法。

本发明的目的可以通过以下技术方案来实现：

一种基于在线工艺库自学习的全铝车身铆接系统，包括：

在线铆接工艺库云服务器，包括基于正交试验设计的工艺数据库、数据存储单元、铆接工艺cae仿真分析平台；

全铝车身协同铆接作业网络，包括作为网络节点的多台铆接机器人，所述铆接机器人与所述在线铆接工艺库云服务器远程信息交换；

全铝车身铆接过程检测反馈系统，与所述在线铆接工艺库云服务器连接，包括多个视觉摄像头、多个激光雷达以及多传感器信息融合单元。

优选的，所述基于正交试验设计的工艺数据库是以模具凸台高度、模具直径、铆钉材料及长度、冲头速度、冲头载荷作为正交因子，进行正交试验获得力位移变化曲线规律，进而获得优化工艺参数。

优选的，所述数据存储单元存储的数据包括：生产线上不同车型全铝车身铆接全过程数据，所述工艺数据库与铆接工艺cae仿真分析平台的动态修正数据。

优选的，所述铆接工艺cae仿真分析平台与在线铆接工艺库云服务器形成过程同步开展铆接工艺三维仿真分析，仿真分析结果与正交试验数据保持一致性。

优选的，所述全铝车身协同铆接作业网络采用节点动态接入与退出机制。

优选的，所述激光雷达获取全铝车身铆接处的激光点云数据并导入至所述铆接工艺cae仿真分析平台逆向建立三维数模，进行数字化虚拟分析评价。

优选的，所述全铝车身铆接过程检测反馈系统将不合格的铆接工艺过程及激光点云转化的车身数模反馈回所述在线铆接工艺库云服务器，动态修正铆接工艺库的质量水平。

一种基于在线工艺库自学习的全铝车身铆接系统的实现方法，包括：

s1：结合正交试验设计与铆接机理有限元分析构建在线铆接工艺库云服务器；

s2：面向多台铆接机器人构建全铝车身协同铆接作业网络，完成分布式铆接机器人连接在线铆接工艺库云服务器的访问接口连接与调用；

s3：面向全铝车身铆接任务，通过铆接工艺cae仿真分析平台得到自学习工艺经验；

s4：依据自学习工艺经验，动态设置机器人作业模式信息，实现机器人自主作业；

s5：构建基于激光雷达与视觉摄像头的全铝车身铆接过程检测反馈系统，实现铆接质量自动化检测与作业结果反馈。

优选的，所述s3中通过铆接工艺cae仿真分析平台得到自学习工艺经验的过程包括：当有新的工艺参数要求时，铆接工艺cae仿真分析平台采用在线工艺库自学习算法获得强度最优化的工业参数；通过铆接工艺cae仿真分析平台进行铆接过程虚拟分析与铆接质量预评估。

优选的，所述在线工艺库自学习算法获得强度最优化的工业参数的过程包括：

通过铆接工艺cae仿真分析平台对不同工艺参数进行仿真，得到在该工艺参数下获得的接头强度仿真结果，利用神经网络的方法，更新工艺参数关于强度的关系式，通过多目标遗传算法对该强度关系式进行最优化设计，得到强度最优化的工艺参数。

与现有技术相比，本发明具有以下优点：

1、提供了一种基于在线工艺库自学习的全铝车身智能铆接系统及实现方法，可以弥补工艺数据库和对铆接质量虚拟分析的缺少，在线指导铆接机器人进行工艺操作并对铆接过程进行实时监测分析，提高了全全铝车身铆接生产线的智能化水平，工艺库云服务器包含自冲铆接工艺数据库和cae仿真平台，工艺数据库可以对指导铆接工艺生产过程，为铆接工艺参数的选取提供依据，cae仿真平台可以在线对铆接质量进行虚拟分析和预估，降低产生铆接缺陷的风险。

2、面向多台铆接机器人的全铝车身协同作业网络能够与工艺库云服务器实现信息交流，可以在线指导机器人生产，不用再手动设置工艺参数，实现了铆接机器人的自主作业，提高了铆接机器人的自动化程度。

3、全铝车身铆接过程检测反馈系统可以实现铆接质量自动化检测与作业结果反馈，能将不合格的铆接工艺过程及激光点云转化的车身数模反馈回工艺库云服务器，动态修正铆接工艺库的质量水平，实现铆接过程透明化、质量缺陷可追溯的工艺指导与质量反馈控制闭环，优化全铝车身铆接新工艺，评估新材料轻量化的应用效益。

附图说明

图1为本发明系统的结构示意图；

图2为本发明中工艺数据库获得最优工艺参数流程示意图；

图3为本发明中cae仿真分析平台根据正交试验获得铆接质量评价示意图；

图4为本发明中全铝车身铆接过程检测反馈系统工作过程示意图；

图5为实施例中在线工艺库自学习算法流程图；

图6为实施例中在cae仿真平台对铆接接头进行拉伸实验示意图；

图7为实施例中在cae仿真平台对铆接接头进行剪切实验示意图；

图8为实施例中在cae仿真平台对接头剖面的几何参数检测示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例

如图1所示，本申请提出一种基于在线工艺库自学习的全铝车身铆接系统，包括：在线铆接工艺库云服务器，包括基于正交试验设计的工艺数据库、数据存储单元、铆接工艺cae仿真分析平台；全铝车身协同铆接作业网络，包括作为网络节点的多台铆接机器人，铆接机器人与在线铆接工艺库云服务器远程信息交换；全铝车身铆接过程检测反馈系统，与在线铆接工艺库云服务器连接，包括多个视觉摄像头、多个激光雷达以及多传感器信息融合单元。系统通过建立的工艺数据库指导自冲铆接的生产过程，与工艺数据库同步进行cae三维仿真，对仿真结果进行质量检测达到对铆接工艺参数优化的目的；通过铆接机器人和在线铆接工艺库云服务器之间的接口连接与调用，实现铆接机器人与在线铆接工艺库云服务器的信息交换，提高铆接机器人智能化水平；通过全铝车身铆接过程检测反馈系统对铆接结果进行实时监测和改进，避免缺陷导致不可预估的后果。

如图2所示，根据在线铆接工艺库云服务器提出的板料厚度、板料材料、强度要求，工艺数据库首先查询库内是否已有最优参数，若否，则以模具凸台高度、模具直径、铆钉材料及长度、冲头速度、冲头载荷作为正交因子，进行正交试验方案设计，获得力位移变化曲线规律，通过cae仿真平台获得优化工艺参数，形成工艺数据库。

数据存储单元存储的数据包括：生产线上不同车型全铝车身铆接全过程数据，工艺数据库与铆接工艺cae仿真分析平台的动态修正数据。

如图3所示，铆接工艺cae仿真分析平台与在线铆接工艺库云服务器形成过程同步开展铆接工艺三维仿真分析，为铆接质量评价及工艺改进提供参考建议，仿真分析结果与正交试验数据保持一致性。

全铝车身协同铆接作业网络实现云服务器与铆接机器人的高动态、全实时、抗干扰、大吞吐的数据通信，主要采用节点动态接入与退出机制，均衡网络负载，提高通信利用率。铆接机器人数量随着不同时段铆接协同作业需求数量动态变化。

如图4所示，全铝车身铆接过程检测反馈系统中，激光雷达主要用于检测全铝车身铆接质量，获取全铝车身铆接处的激光点云数据并导入至铆接工艺cae仿真分析平台逆向建立三维数模，进行数字化虚拟分析评价。摄像头主要用于监测机器人作业过程，检测铆接位置的准确性。全铝车身铆接过程检测反馈系统可以将不合格的铆接工艺过程及激光点云转化的车身数模反馈回在线铆接工艺库云服务器，动态修正铆接工艺库的质量水平，实现铆接过程透明化、质量缺陷可追溯的工艺指导与质量反馈控制闭环，优化全铝车身铆接新工艺，评估新材料轻量化的应用效益。

本实施例中，上述系统的实现方法包括：

s1：结合正交试验设计与铆接机理有限元分析构建在线铆接工艺库云服务器；

s2：面向多台铆接机器人构建全铝车身协同铆接作业网络，完成分布式铆接机器人连接在线铆接工艺库云服务器的访问接口连接与调用；

s3：面向全铝车身铆接任务，结合在线工艺库自学习算法，通过铆接工艺cae仿真分析平台实现铆接过程虚拟分析与铆接质量预评估，得到自学习工艺经验；

如图5所示，在线工艺库自学习算法是当有新的工艺参数要求时，铆接工艺cae仿真分析平台对不同工艺参数进行仿真，得到在该工艺参数下获得的接头强度仿真结果，将不同工艺参数和在该工艺参数下获得的接头强度存入数据库中；利用神经网络的方法，更新工艺参数关于强度的关系式；通过多目标遗传算法对该强度关系式进行最优化设计，完成强度最优化的工艺参数设计；

虚拟分析过程包括对在cae仿真平台对铆接接头进行拉伸和剪切实验获得接头抗拉和抗剪强度，试验示意图分别如图6、图7所示；铆接质量预评估包括对接头剖面的几何参数进行检测，所示的几何参数在规定范围内视为合格，如图8所示；

s4：依据自学习工艺经验，动态设置机器人作业模式信息，实现机器人自主作业；

s5：构建基于激光雷达与视觉摄像头的全铝车身铆接过程检测反馈系统，实现铆接质量自动化检测与作业结果反馈。