基于机器学习的自冲铆接质量在线监测

自冲铆接在新能源汽车生产中应用广泛，但现有的铆接质量监测方法存在操作复杂或可靠性差等问题。通过研究铆钉屈服、板材开裂、铆模开裂和底厚过小等铆接缺陷的特点，基于机器学习算法引入4种模型，学习曲线特征建立监测铆接结果的二元分类器及铆接失败原因的多元分类器。测试结果表明，支持向量机模型具有较高的准确率、召回率、F1值和AUC值，在多元分类中除板件开裂识别率稍低外，各缺陷识别率均较高。     

基于响应曲面法的热熔自攻丝工艺参数优化

为缩短热熔自攻丝工艺的连接时间,以铝合金材料E170和SF36为研究对象,使用响应曲面法(RSM)设计试验,建立了拧紧扭矩、减速阈值、拧紧转速3个工艺参数与热熔自攻丝工艺拧紧阶段时间之间的二阶响应曲面模型。通过分析该模型的二阶响应曲面,得到3个工艺参数对热熔自攻丝工艺拧紧时间的影响规律。采用Minitab的响应优化器对拧紧时间进行最小值优化,得到一组最优参数。对比试验表明:使用优化参数后,接头力学性能基本不受影响,但拧紧时间只有原来的46.6%,优化工艺参数有效。