一种基于BP神经网络的拧紧质量预测方法及预测系统与流程

本发明属于机械，更进一步涉及机械质量控制中的一种基于bp神经网络的拧紧质量预测方法及预测系统。

背景技术：

1、随着技术的发展，汽车工艺越来越复杂，而拧紧工艺作为总装车间最重要，工序最多的工艺，问题频发。汽车装配过程涉及到数百个关键拧紧点，必须保证全部拧紧达标才能下线，如果同一拧紧点多次出现一次拧紧不合格、多次返修至合格的情况，则需要专业的质量保证人员复查其原因，针对性地形成工艺优化方案，从而达到提高生产效率、减少螺栓零件消耗的目的。

2、比较困扰企业的是缺乏有效的拧紧指标趋势预测方法，无法实现根据之前某一段时间的拧紧数据，预测未来某一段时间内的拧紧质量，从而重点关注可能发生拧紧质量问题的时间段，解决可能会发生的拧紧问题。

3、目前，企业对拧紧工艺质量问题越来越重视，设置了多个监测点以及配套的数据采集软件，采集了拧紧工艺大量的数据，但是目前对这些数据的深度挖掘应用不足，对拧紧工艺问题数字化解决方法不足。

技术实现思路

1、为了解决现有技术存在的上述问题，本发明提供一种基于bp神经网络的拧紧质量预测方法及预测系统，建立基于bp神经网络的拧紧指标趋势预测模型，监控拧紧工艺运行状态，基于拧紧历史指标预测未来一段时间拧紧指标变化趋势，实现对拧紧质量指标进行精准预测，提前掌握拧紧工艺指标变化情况，及时发觉潜在的问题，规避可能存在的拧紧质量风险，保障拧紧质量。

2、本发明的目的是通过以下技术方案实现的：

3、作为本发明的第一方面，提供一种基于bp神经网络的拧紧质量预测方法，包括以下步骤：

4、s1.拧紧指标数据获取：以实际拧紧扭矩、实际拧紧角度、拧紧合格判定指标、拧紧合格率作为拧紧指标数据；

5、s2.拧紧指标数据特征提取及筛选：

6、s21.分别提取实际拧紧扭矩以及实际拧紧角度时域特征

7、s22.对提取的时域特征使用l1正则项约束方法进行特征筛选；

8、s3.建立bp神经网络拧紧指标趋势预测模型；

9、s4.未来时段拧紧指标趋势预测：

10、s41.使用历史拧紧扭矩、角度数据对步骤s3建立的bp神经网络拧紧指标趋势预测模型进行校验；

11、s42.使用历史拧紧数据得到历史拧紧指标趋势曲线；

12、s43.基于bp神经网络拧紧指标趋势预测模型预测未来某一时段的拧紧指标变化趋势，并得到拧紧质量趋势预测曲线。

13、进一步地，所述步骤s1包括：

14、s11.采集当日实际拧紧扭矩和实际拧紧角度数据；

15、s12.采集拧紧合格判定指标、当日拧紧合格率作为标签数据，用于判断拧紧好坏情况；

16、以实际拧紧扭矩、实际拧紧角度、拧紧合格判定指标、拧紧合格率作为拧紧指标数据，建立训练数据集。

17、进一步地，所述步骤s21包括：

18、分别提取实际拧紧扭矩以及实际拧紧角度时域特征，包括：最大值、最小值、峰值、峰峰值、均值、绝对均值、方差、标准差、均方根值、方根幅值、峰值因子、脉冲因子、裕度因子、波形因子、峭度因子、偏度因子，共16维时域特征。

19、进一步地，所述步骤s21中，将16维时域特征按列合并，组成16行2列的特征矩阵。

20、进一步地，所述步骤s22中，l1正则项约束特征权重计算公式为：

21、

22、式中，yi为样本观测值，wtxi为样本预测值，wt为样本权重，xi为第i个样本，λ为正则因子，||·||为绝对值。

23、进一步地，所述步骤s3包括：建立基于tanh激活函数的bp神经网络模型，将根据实际拧紧扭矩、实际拧紧角度提取的特征输入到bp神经网络中进行训练；损失函数为交叉熵，标签为拧紧合格判定指标，用0或1表示，0表示当前拧紧不合格，1表示当前拧紧合格；模型输出结果为预测拧紧合格指标，用0或1表示。

24、进一步地，所述步骤s42包括：若步骤s41模型校验合格，则基于历史拧紧数据分别绘制拧紧合格判定指标和当日拧紧合格率的散点图，用多项式曲线拟合散点，得到历史拧紧指标趋势曲线。

25、进一步地，所述步骤s43包括：基于bp神经网络拧紧指标趋势预测模型输出预测拧紧合格指标；将预测拧紧合格指标结果添加到散点图，用多项式曲线拟合历史以及模型预测的质量合格结果，得到拧紧质量趋势预测曲线。

26、作为本发明的第二方面，提供一种基于bp神经网络的拧紧质量预测系统，包括：

27、拧紧指标数据获取模块，用于获取当日实际拧紧扭矩以及拧紧角度数据，以及拧紧合格判定指标、当日拧紧合格率；以实际拧紧扭矩、实际拧紧角度、拧紧合格判定指标、拧紧合格率作为拧紧质量指标数据；

28、拧紧指标数据特征提取及筛选模块，用于对拧紧指标数据获取模块获取的拧紧指标数据进行特征提取，提取均值、方差、峭度因子等时域特征；并对提取的时域特征使用l1正则项约束方法进行特征筛选；

29、模型建立模块，用于建立bp神经网络拧紧指标趋势预测模型，该预测模型的输入为经过特征筛选之后的特征，输出为预测拧紧合格指标；

30、未来时段拧紧指标趋势预测模块，用于得到历史拧紧指标趋势曲线，并根据bp神经网络拧紧指标趋势预测模型输出预测拧紧合格指标，根据预测拧紧合格指标结果得到拧紧质量趋势预测曲线。

31、进一步地，所述未来时段拧紧指标趋势预测模块包括：

32、绘制拧紧合格判定指标和当日拧紧合格率的散点图，用多项式曲线拟合散点，得到历史拧紧指标趋势曲线；

33、通过bp神经网络拧紧指标趋势预测模型输出预测拧紧合格指标；

34、将预测拧紧合格指标结果添加到散点图，用多项式曲线拟合历史以及模型预测的质量合格结果，得到拧紧质量趋势预测曲线。

35、本发明具有以下有益效果：

36、本发明是一种融合多种拧紧特征数据的关联分析方法，通过拧紧指标(扭矩、拧紧角度)、当日拧紧合格率、拧紧合格判定指标等数据的关联分析实现拧紧质量趋势预测。

37、本发明采用基于l1正则项约束的特征筛选方法，尽可能剔除无效或者重要度较小的特征，保留重要度较大的特征。

38、本发明采用通过建立bp神经网络拧紧指标趋势预测模型，并将输出值添加到历史拧紧指标绘制的拧紧质量趋势曲线中，多次拟合，得到最终拧紧质量预测结果。

技术特征：

1.一种基于bp神经网络的拧紧质量预测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于bp神经网络的拧紧质量预测方法，其特征在于，所述步骤s1包括：

3.如权利要求1所述的一种基于bp神经网络的拧紧质量预测方法，其特征在于，所述步骤s21包括：

4.如权利要求3所述的一种基于bp神经网络的拧紧质量预测方法，其特征在于，所述步骤s21中，将16维时域特征按列合并，组成16行2列的特征矩阵。

5.如权利要求3所述的一种基于bp神经网络的拧紧质量预测方法，其特征在于，所述步骤s22中，l1正则项约束特征权重计算公式为：

6.如权利要求1所述的一种基于bp神经网络的拧紧质量预测方法，其特征在于，所述步骤s3包括：建立基于tanh激活函数的bp神经网络模型，将根据实际拧紧扭矩、实际拧紧角度提取的特征输入到bp神经网络中进行训练；损失函数为交叉熵，标签为拧紧合格判定指标，用0或1表示，0表示当前拧紧不合格，1表示当前拧紧合格；模型输出结果为预测拧紧合格指标，用0或1表示。

7.如权利要求1所述的一种基于bp神经网络的拧紧质量预测方法，其特征在于，所述步骤s42包括：若步骤s41模型校验合格，则基于历史拧紧数据分别绘制拧紧合格判定指标和当日拧紧合格率的散点图，用多项式曲线拟合散点，得到历史拧紧指标趋势曲线。

8.如权利要求1所述的一种基于bp神经网络的拧紧质量预测方法，其特征在于，所述步骤s43包括：基于bp神经网络拧紧指标趋势预测模型输出预测拧紧合格指标；将预测拧紧合格指标结果添加到散点图，用多项式曲线拟合历史以及模型预测的质量合格结果，得到拧紧质量趋势预测曲线。

9.一种基于bp神经网络的拧紧质量预测系统，其特征在于，包括：

10.如权利要求9所述的一种基于bp神经网络的拧紧质量预测系统，其特征在于，所述未来时段拧紧指标趋势预测模块包括：

技术总结
本发明公开了一种基于BP神经网络的拧紧质量预测方法及预测系统，以实际拧紧扭矩、实际拧紧角度、拧紧合格判定指标、拧紧合格率作为拧紧指标数据，进行特征提取和筛选，并建立基于BP神经网络的拧紧指标趋势预测模型，通过预测模型预测宁静质量趋势，监控拧紧工艺运行状态，基于拧紧历史指标预测未来一段时间拧紧指标变化趋势，实现对拧紧质量指标进行精准预测，提前掌握拧紧工艺指标变化情况，及时发觉潜在的问题，规避可能存在的拧紧质量风险，保障拧紧质量。

技术研发人员：宋伟佳,何强,张拂晓,鲁鹏,李琨,倪健童
受保护的技术使用者：中国第一汽车股份有限公司
技术研发日：
技术公布日：2024/1/5