基于相关性分析的某弹装配质量研究_王延忠.pdf

年 月第 卷 第 期机床与液压 .：.本文引用格式：王延忠，于祥云，孟祥文，等基于相关性分析的某弹装配质量研究机床与液压，（）：，（）：收稿日期：基金项目：国防科工局技术基础科研项目（）作者简介：王延忠（），男，教授，研究方向为齿轮加工制造工艺，齿轮传动系统仿真、装配。：.。通信作者：于祥云（），男，硕士研究生，研究方向为数字化装备。：.。基于相关性分析的某弹装配质量研究王延忠，于祥云，孟祥文，窦德龙（北京航空航天大学机械工程与自动化学院，北京）摘要：针对某弹自动化装配过程中的质量相互影响关系进行探讨。对数据进行类型划分，对装配过程中的连续性变量进行 相关性分析并利用灰色关联分析法进行对比验证；对离散型变量进行列联分析并利用对应分析图进行相关性的直观展示。通过装配过程数据的关联分析结果，应对上游工序指标 和 进行改善，从而较大程度提升下游工序 的质量，对关键工序，可以通过对零部件批次的严格把控和装配工人的指导培训以得到更为显著的装配质量提升效果。最后，设计了相关性分析软件，为采集手段提升、前后对比验证、数据融合分析奠定基础。关键词：自动化装配；装配质量；相关性分析；列联分析中图分类号：，（，）：，：；前言装配是一个过程，也是一个系统。装配的过程性体现在装配具有先后顺序的特征上，而装配的系统性体现在多工位相互关联的特征上。因此，以弹箭类产品为代表的装配过程属于多级生产过程，由于装配活动的关联性，使得装配误差具有传递、累积的效应。实际上，产品的动态特性与其装配联接的预紧力、接触关系、摩擦力等非线性因素密切相关，装配工艺对性能指标、动态特性的影响非常复杂，但是现有的装配工艺规程基本没有给出非几何量的工艺参数（如装配预紧力、装配间隙等工艺参数），致使高性能机械系统的生产周期、成本、质量、可靠性、稳定性与一致性难以控制，造成装配合格率低、性能不稳定、返修率高、生产成本与周期居高不下、生产工艺经常反复调整等问题。针对复杂机械产品的装配，王秋实等采用数值分析方法论证了轮轴配合面及其附近区域的计算应力值与过盈量之间的线性相关性及相互影响关系。陈东菊等利用小波的变焦特性，采用特征相关性分析方法确定对加工结果影响大的机床误差源。宋婷婷等建立了多工序装配系统的马尔科夫模型，并利用某航天阀门装配过程验证了关联多工序装配系统模型的准确性。综上所述，随着数字化制造的兴起，采用数据分析方法和相关关键技术分析装配制造及性能特征数据逐渐成为可能，但数据相关性分析方法在装配领域的应用与可视化研究还鲜有报道。本文作者以某弹装配过程为例，意在通过现有采集量对装配过程进行数据相关性分析与信息挖掘研究；在此基础上，可以进一步改进采集手段、方法，完善采集系统后再次利用相关性分析方法，实现对复杂机械产品装配过程的质量管理与预控。研究对象与方法.研究背景根据装配质量问题发生机制的研究，结合装配过程特点可以将某弹装配工艺分为尾翼稳定器装配、引信拧紧及间隙检测、战斗部舱与尾翼稳定器舱对接 个关键装配工序以及若干检测工序。某型制导炮弹模型如图 所示。图 某型制导炮弹模型.文中所分析数据来源于装配厂历史数据，仅针对装配过程中的连续性变量进行 相关性分析，并利用灰色关联分析法进行对比验证，对离散型变量进行列联分析，并利用对应分析图进行相关性的直观展示。通过装配过程数据的关联分析结果，可以挖掘出生产装配过程中的多特征与多参数之间的关联关系，从而获得面向炮弹智能装配过程的数据特征，为采集手段优化及质量控制提供思路与方法。.相关性分析 相关系数本质上是一种线性相关系数，用来描述两组线性数据一同变化移动的趋势。相关系数大于 表示正相关、小于 表示负相关，相关系数越接近于 或，相关度越强，相关系数越接近于，相关度越弱。相关系数为两个变量的协方差除以两个变量的标准差，数学公式如下：，（，）（）（）（）（）（）（）（）（）（）（）其中：为均值。若用 代表样本个数，对上式进行化简可得：，（）|（）|（）在相关系数计算完成后，还需利用 值讨论显著性水平。值代表拒绝原假设犯错误的概率，即拒绝原假设的最小 值，概率函数的上侧面积。此处利用 中的置换检验模块对相关系数进行检验。如果计算出的 值很小，比如为.，则可说“有非常显著的证据拒绝假设，相信假设，即两参量间存在显著的线性关联”。关于 值的判断阈值，可参照表 给出的建议。表 值证据分类.值参考表明没有证据拒绝 假设表明有弱证据拒绝 假设表明有证据拒绝 假设表明有强证据拒绝 假设 一般典型的阈值取.，即.时拒绝假设，接受“存在显著的线性关联”；.时拒绝无效假设失败。.列联分析法列联表又称交叉表，是以列表的形式表示两个或多个变量同时发生的频数，从列联表中可以得到单一属性的样本分布情况以及不同属性共同影响下的样本分布。分析一个或多个变量在某一因素影响下的分布，挖掘各因素之间的关系，通过对不同因素的交叉分析发现隐藏在数据背后的事实。卡方检验是对样本的实际频数与期望频数进行比较并比较二者之间的偏离程度，它们相差或偏离的幅度大小与卡方值的大小相关性很大，当二者完全相符时卡方值为，而卡方值越小则表明二者越趋于相符，卡方值越大，则代表二者不相符。推广后的卡方检验公式为 （）（）（）（）|（）（）()（）右边括号中的分母其实就是第 行的总和乘以第 列的总和。倘若成立，上述统计量理应不会很大，取定显著性水平 后，若计算出来的，则拒绝，接受，认为“某指标”和“装配质量”有关。常用的列联系数有 相关系数、相关系数、相关系数。第 期王延忠 等：基于相关性分析的某弹装配质量研究 分析结果及程序化实现.连续型变量分析结果进行数据的预处理，然后利用 循环计算相关性系数，可以得到不同指标（文中具体指标均用字母代替）之间的 相关性分析结果。由相关性分析程序所得到的 相关系数、值、灰色关联系数整理后如表 表 所示。表 相关系数.表 值.对预处理过后的数据进行均值化处理，通过灰色关联系数的计算公式进行灰色关联系数的求解，由灰色关联分析所得到的指标之间的相关系数排序后如表 所示。表 部分灰色关联系数.根据 值的判断阈值对相关系数进行分析，处于强相关范围内的有 与（相关系数为.）、与（相关系数为.），处于弱相关范围内的有 与（相关系数为.）、与（相关系数为.）、与（相关系数为.）。结合 相关性分析结果与表 的灰色关联分析结果，上游工序指标、对下游工序指标 的影响程度显著，灰色关联分析表示排在其影响程度机床与液压第 卷的第一、二位，灰色关联系数达到了.、.；对下游工序指标 的灰色关联系数也排在了各项影响因素的首位，但由于工序指标 与指标 为同一工序检测结果，所以这两种因素相互影响关系暂不讨论。以上不同分析方法结果均能相互对比验证，但从灰色关联分析的结果来看，虽然指标、对下游工序指标 的影响程度也较为显著，灰色关联系数分别为.、.，排在各项影响因素的二、三位，但对物理量 影响程度最大的物理量 灰色关联系数达到.，而 相关系数仅为.，此处不应忽视其结果显著性检验的 值大小为.，所以物理量与 之间仍可能存在较大的关联性。.离散型变量分析结果对离散型变量的数据进行提取合并，并进行数据预处理。离散变量的特征提取，将连续型数据转化为离散型数据，这里采用了、二分类的方法分别表示该项指标质量较差和较好的分类。针对装配数据，采用 相关系数来表征变量间关联程度，由于此时采取的指标均为二分类，质量为 或质量为，所以此时的。忽略显著性高于.的数据后，对相关系数进行分析，其结果如表 表 所示，指标、对装配质量（）均为低度相关，相关系数分别为.、.、.，可以认为这 个指标与装配质量之间存在相关关系。表 相关分析结果.卡方统计量 值 相关系数 表 相关分析结果.卡方统计量 值 相关系数 表 相关分析结果.卡方统计量 值 相关系数 对显著性高于.的数据进行统计，可以认为，值小于.，相关系数小于.的变量间：指标、与指标 间，、与指标 间；、与指标 间，均存在较弱的相关关系。通过对应分析理论设计程序进一步对列联分析结果为相关的变量进行分析，采用 型因子分析得到相关的数据信息以及对应分析图如图 图 所示。图 与 对应分析图.图 与 对应分析图.第 期王延忠 等：基于相关性分析的某弹装配质量研究 图 与 对应分析图.在该装配过程中，操作者、操作者、操作者 等人被分在同一半轴。为装配质量为 分类的半轴，对照直方图（图 图）可以观察到，这些装配工人的总装配件数不多，或装配质量为 的件数过多，如操作者 完成的装配件数量占比不低，但装配质量为 的产品数量很多，从对应分析图可以直观观察到，该操作者的装配过程与装配质量为 与否有着较强的关联。相应地，操作者 等人与装配质量为 的产品分在同一半轴，可以认为，装配工人的熟练程度、工龄、操作方式与装配质量存在直接的关联。图 与 直方图.图 与 直方图.图 与 直方图.对于 和 而言，可以观察到 批与批与装配质量为 与否存在较大的关联，批的样本件数过少暂不讨论，但 批次的产品与装配质量为 与否存在密切联系，与 批、批形成鲜明对比，因此，不同批次当时的生产状态、设备参数等也是直接影响引信装配质量的重要因素。总体看来，相关系数观察结果为低度相关的原因也有着个别样本频数不高，或者如操作者、（批）等介于装配质量中间样本的影响，但不能忽视其关联性显著的分析结果以及其在装配质量提升过程中的重要性。可视化软件为便于分析装配过程数据，实现应用与推广，根据相关性分析理论设计数据分析程序。程序可以查看某一工序的装配数据与其余参数之间的相关性，如装配质量与操作人员的关联性、不同指标之间的关联等，用户可通过下拉框自行选择数据类型，查阅数据之间的关联性数据参数，包括 值、自由度、卡方等，也可以通过直方图与散点图等图表的形式直观显示相关数据之间的关联性。软件界面如图 所示：左侧为数据选择区域，由下拉框实现两个目标数据的选择；右侧为目标数据的相关性参数：卡方统计量、值、自由度、相关系数、惯量、奇异值、对应部分、累计。图 数据分析程序界面.机床与液压第 卷 结论与展望通过对某弹自动化装配过程产生的过程质量数据进行类型划分，采用 相关性分析及列联分析分别进行不同类型变量的相关性分析，并利用灰色关联分析和对应分析进行佐证。对比结果表明：（）通过 相关性分析和灰色关联分析结果相互对比验证，装配后的物理量检测指标 与上游工序装配后的物理量 和质量 之间存在较强的线性关联；而质量 与控制舱装配后的物理量 和质量 之间存在较弱的线性关系；与此同时，同一工序下的两指标 与 存在较弱的关联。（）某装配工序指标，受多方面因素影响显著。对新员工的技术指导、实时可视化技术的研究、针对零部件批次分析工作以及选配工作的开展，可以直接提升引信装配环节的装配质量。然而，虽然本文作者解决了装配工序质量的影响来源问题，并在可视化方法上进行了一定程度的解决，但是并未全方面地分析数据采集过程，应该从现有分析结果入手，进一步改进装配过程数据采集手段，对质量因素和质量提升方法进行更深入的研究。参考文献：刘鸿进发动机装配工艺与性能数据相关性分析及前馈控制研究重庆：重庆大学，：，张凯复杂机械系统装配数据挖掘平台研究长沙：国防科学技术大学，：，王秋实，张开林，张雨轮轴装配过盈量与车轴计算应力值的相关性研究机车电传动，（）：，（）：陈东菊，范晋伟，张飞虎基于小波变换的超精密车削面形误差的相关性分析机床与液压，（）：，（）：宋婷婷，赵子任，杜世昌，等基于马尔科夫模型的关联多工序装配系统装配质量分析上海交通大学学报，（）：，（）：，：，（）：王秋明，刘科成，高慧颖基于灰色理论与 神经网络的工序质量预测研究北京理工大学学报，（）：，（）：张建勇，高冉，胡骏，等灰色关联度和 相关系数的应用比较赤峰学院学报（自然科学版），（）：，（）：李克均，时松和，胡东生列联表的行列关联度与对应分析中国卫生统计，（）：文赟，高安明，蒙琴英，等列联表与卡方检验在卷烟消费市场调研中的应用中国商论，（）：第 期王延忠 等：基于相关性分析的某弹装配质量研究