傅思炜 黄鑫龙 朱凯 吴昊
（ 江苏大学机械学院 江苏镇江 212013）
【摘要】：本项目为了对车辆轻量化中的无铆钉冲压连接进行优化，引入深度学习中的全连接神经网络，通过传感器传回的实时接头数据，对压力连接接头的力学性能进行实时检测，并传回控制主板经由神经网络的感知、处理、预测、优化、输出控制接下来的工艺参数。
【关键词】：无铆钉 冲压深度学习 检测
引言
在目前的汽车设计中，汽车轻量化成为当今设计的一大热门主题，车身质量占整车总质量的40%左右，车身的轻量化对整车质量的控制起到举足轻重的作用，钢铝一体化车身框架中，近几年来，无铆钉自冲铆技术是比较新的一种连接方法，但在无铆钉连接接头性能的研究中发现，接头性能与各种工艺参数有复杂的关系。为实现在加工过程中，检测接头的力学性能，外观，缺陷情况，以及对工艺参数进行适当的实时调整，达成实时无损检测压力接头质量和优化加工参数的目的，本课题提出一种优质的系统检测方法。
1.基于神经网络无铆钉压力连接系统的组成构架
1.1神经网络
神经网络实际上就是按照一定规则连接起来的多个神经元，神经元一共执行三个功能，接受信号，处理信号，输出信号。神经元根据层的结构来布置，就形成了一个个由多个神经元构成的层，层与层之间传递信号，最后输出信号，达到控制信号的效果。
.png)
图1全连接神经网络示意图
如图1所示，最左侧的称为输入层就是从外界获取信息的层，将我们得到的连接点压力包络线和窗口转化成模拟量输入到主板中，在第一层先进行一个简单的判断，再通过每一层的权重分配到下一层隐藏层中，隐藏层拟合出相应的曲线，根据实际实验的情况再确定隐藏层所需要的层数，最后在Output layer层输出优化后的加工参数，根据加工情况，返还进入隐藏层之间自动修改权值，达到智能调控加工参数的目的。
1.2力学性能检测
根据目前已有常见的质量监控方式：包络线法和窗口技术法，可以在对板件进行冲压加工的不同冲程中采用两种测量方式的排列结合。由于包络线是对同一点的位移，设定最大和最小压力值，当力学传感器收集到的应力曲线位于包络线内，就认定该产品在力学性能上合格，否则判定为不合格。下放图2左侧“位移-压力”图为合格的压力曲线，右侧图中圧力曲线在某位移处偏高超出包络线，即认定为不合格，将压力曲线传回至主控中心，进行下一部分析，力学性能合格的物件进行下一步的形状尺寸分析，不合格的连接点进入错误原因分析中。
.png)
图2压力包络曲线对比图
然而包络线技术的监控方法应用于实际有几点困难，一是其包络线的方程难以确定，运算量巨大，而且只监控特定点特定位移处的上限和下限，不利于特殊情况的分析，因此在进行力学性能检测的过程中适度的结合窗口技术分析法有利于我们更好的对其性能是否合格进行判断与检测，窗口分析法主要是可以采集特定的窗口，根据其窗口内曲线的偏离情况，分析出连接过程中发生的异常情况，并对原因作出合理的推测。
2.系统检测方案
2.1技术总路线
.png)
图2技术总路线堆层图
1）在检测至数据处理的过程中，采用的是先进入图像数据处理，再将处理出来的数据化作数据信号输入神经网络的感知器。
2）在神经网络中与同一层之间不互相传输数据，跨层之间，根据权值来拟合下一层的函数，最后根据神经网络得到的反馈情况来调整权值配比，调整输出函数及其函数值。
3）主控板在整个项目中的左右，是起到承载神经网络，集成检测系统数据，并作为神经网络输出的终端，至关重要。
4）神经网络的训练需要大量的实践数据，以及前期人工的参数数据初步输入，鉴于技术的有限，浅层的神经网络有较好的训练效果，因此采用浅层的神经网络进行应用。
2.2操验方案
在进行技术总路线的联合组装后，采集数据处理环节matlab的曲线数据分析，还有主控板终端的串口读取输出数据，以及对接头质量进行抽样的破坏性试验以及人工检测，将三组数据进行对比，比较得出总体闭环控制过程中，神经网络的训练情况，系统对意外的应对情况，工艺组合的总体调整对接头质量的优化效果。将实验数据进行记录，并且每隔一定的训练周期后，重复检测实验，得到基于神经网络的无铆钉冲压系统的自动升级优化能力，在经过一定的周期后，比较其与同期相似产品自动化与智能化的水平，再返回来对其程序或工艺路线，技术路线进行有效调整。
3．检测硬件配置
3.1电控构架
由于检测需要对数据进行大量的输入和反馈、输出，因此对模拟口和数字口的需求较大，输出方面则需要主板配备充足的PWM接口，因此使用者可参考用AD设计主板电路，参考市场上已有的电路主控板，设计出满足需求的主控电路板。
3.2检测构架
由于要使用包络线法和窗口技术法评估力学性能，因此检测部分要对冲铆连接的压头位移，与压力大小有相较精准的测量，对市场上的测距模块，压力传感模块用arduino进行窗口读数，经过调整确幸可用了之后，再进行下一步的联合组装。检测出的数值分析和图像显示这一部分，可参照matlab数值分析的相关操作进行演算和处理。
4.结束语
该项目是目前汽车轻量化车身加工中的无铆钉冲铆连接技术与当下深度学习的有机结合，其实际应用价值在于实现汽车产业车身结构加工的智能化与自动化。在汽车产业蓬勃发展的今天，拥有更加高效与智能的加工工艺，无疑会为产业带来巨大的进步与突破，在提供更好的产品的同时削减了检测产品，优化产品所需要的昂贵成本。其落到实处，具体是减轻汽车车身重量，增强车辆的整体稳定性，减少车辆耗油量，并且实现工业过程的简洁与环保，符合当今时代可持续发展的愿景。
对于现实的意义而言，当今在“互联网+”的发展热潮过后，互联网的发展遇到了瓶颈，但同时涌现出的机器学习、深度学习、人工神经网络等等展现出了前所未有的发展可能性，它带来的是对当下实体产业、加工工业本质性的提升与革新。在“智能学习+”的过程中，本项目旨在应用嵌入式开发以及人工神经网络控制对当下汽车行业的无铆钉冲铆连接加工工艺进行优化升级，在“中国智造2025”和全球“工业4.0”的蓝图中摸索前进。
参考文献
[1] 徐凡,赵升吨,朱牧之,陈炜.影响汽车轻量化板料无铆钉连接接头强度的因素[J].轻合金加工技术,2019,47(02):56-65+71.
[2] 龙江启,兰凤崇,陈吉清.基于神经网络无铆钉自冲铆接头力学性能预测[J].计算机集成制造系统,2009,15(08):1614-1620.
[3] 徐凡,朱穆之,陈炜,郭玉琴.无铆钉接头的无损检测[J].无损检测,2018,40(07):35-38+48.
[4] 何灿荣. 基于机械变形压力连接技术的质量监控系统的研究与开发[D].华南理工大学,2010.
[5]张文城. 冲压连接的成形过程及其结合强度的分析[D].重庆大学,2012.