论文部分内容阅读
随着发动机冷试技术的广泛应用和对汽车发动机制造质量、整机性能一致性的要求的日趋提高,针对如何更好的利用冷试技术进行发动机出厂前的快速诊断方法的研究也越来越受到工程界和学术界的重视。发动机冷试检测是发动机出厂前最后一次质量检测,对冷试检测数据进行有效的分析,基于检测数据进行快速故障诊断既是保证汽车发动机整机质量提高整机性能一致性的重要手段,又是进行故障发动机快速诊断的客观依据。本文针对发动机冷试检测数据分析和应用展开研究,重点在于寻找发动机冷试性能数据和关键零件制造数据间的相关关系,并将其应用到冷试故障诊断中,建立一套准确、实用的发动机冷试快速故障诊断方法,以较少传统故障诊断出现的盲目性,提高诊断效率。本文从“数据驱动质量”的现代质量控制理念出发,对发动机制造质量控制中“检测—分析—控制”主线中的几个关键问题进行详细的分析阐述,对数据相关性分析的“归一化”方法进行了一些探索性的研究。针对传统相关系数描述发动机冷试数据失效的问题,引入Copula相依结构对发动机检测数据中的冷试和加工数据进行相关性分析,形成了基于相关矩阵的发动机冷试数据分析与故障诊断技术,为今后的发动机冷试过程控制工作以及多评价指标的检测数据相关性分析工作提供了新的方法与思路,有助于更有效的提高发动机冷试故障诊断效率,更好的服务于整机性能一致性控制。主要研究工作在以下几个方面展开:(1)发动机两类检测数据源的数据特点归纳分析。从数据集中趋势、离散程度以及分布形状的评价三个方面全面分析发动机各类检测数据,结合常规相关性分析方法的不足及使用范围,说明Copula相依结构在数据相关分析中的优势。(2)结合各类数据标准化方法,针对发动机多源异类检测数据的实际特点,对各类方法的优点与不足及适用范围进行详细解析;探索由数据概率密度函数的定义出发,引出基于概率积分变换的数据标准化方法,解决本文研究的基础问题。(3)针对发动机检测数据中体现的数据自相关性特点,对自相关过程的控制方法进行详细分析,使用残差控制图,改进发动机冷试过程监控控制图,以实现更好的过程控制和异常识别。(4)引入将各类相关系数“归一化”处理的Copula函数分析方法。针对Copula不同分布函数族,从经验分布函数的定义出发,探索一个更快捷有效的最优Copula函数选择方法,引出基于欧氏距离的最优Copula函数选择方法。使用秩相关系数进行数据均值变化的故障快速诊断;使用尾部相关系数对数据波动异常进行监控及诊断。并将此方法应用到发动机检测数据的多元分析之中,解决工厂的实际工程问题。综上所述,本文针对发动机冷试故障诊断的工程问题,研究多源异类数据标准化、自相关过程控制图优化、复杂非正态分布下的数据相关性分析三类理论问题。通过关联参数建模方法,确定数据间定量的相关关系,在五菱发动机厂机加工线应用,实现冷试故障快速诊断。