王正如 梁 晋 王立忠 梁新合

西安交通大学,西安,710049

基于模糊综合评价的车身曲面品质分析

王正如 梁 晋 王立忠 梁新合

西安交通大学,西安,710049

为了精确评价车身曲面品质,在综合考虑曲面精度和光顺性的基础上,确定了汽车车身曲面品质的评价因素集。采用层次分析法确定各个评价因素的权值,利用模糊分析与人工神经网络相结合的方法建立了汽车车身曲面品质分析模型。经训练测试,验证了该评价模型的准确性。

车身曲面;光顺性;模糊综合评价;人工神经网络

0 引言

在汽车外部模型的构造中,精度和光顺性是一对相互影响、相互制约的因素:提高了构造曲面与点云数据的一致性往往导致光顺性不理想;追求曲面的高光顺性时又会带来精度的降低。如何在曲面精度和光顺性之间寻找一个平衡点成为逆向工程中的关键技术,而这需要对曲面模型进行定量的曲面品质评价。

汽车车身曲面品质评价包含模型的精度评价和曲面光顺性评价两方面内容。模型的精度作为一个定量指标,可以通过最大误差、平均误差、标准差等量化数据进行定量分析;光顺即光滑和顺畅,是指曲面的光滑性和无波动性[1],目前大部分三维设计软件都带有对曲面进行光顺分析的工具,反射线图、斑马条纹图、高光线图、曲率分布图等也广泛应用于曲面光顺性评价[2-4],但是光顺性评价是带有主观色彩的定性分析,没有具体的数值为依据,多数场合下还是以人的眼光来判断曲面是否光顺[5],对分析师的经验水平要求很高。

本文利用模糊分析方法,结合Imagew are的曲面分析功能,对定性的光顺指标进行解析和量化:采用层次分析法(AHP),根据各评价因素对光顺性评价影响的大小和判断难易程度,确定各因素权值,采用加权平均模型对精度和光顺性进行综合评判;采用点云与所建曲面的平均误差来对精度进行评价;对于评价光顺性的定性指标,利用模糊理论中的模糊数进行定义,用自然语言变量词集 J={很好,好,中,差,很差}表示不同的光顺等级,并对不同的光顺等级建立评价标准。对于一个新的评判对象只需按照各评价因素的评价标准打分,得到模糊评判结果后输入到监督式学习网络,该网络就能根据以前训练得到的网络权值对该对象进行品质分析,并得到最终得分。

1 汽车曲面综合评价模型

高品质的汽车车身曲面要求具有良好的精度、光顺性以及符合基本美学要求。本文根据车身曲面精度分析、光顺性评价中的连续性分析、斑马条纹图、反射线图、高光线图、曲面曲率分析、真实感图形分析等建立曲面评价模型,表1所示为各评价因素。

1.1 确定各因素权重

层次分析法[6]作为一种高效简捷的多目标决策分析方法,非常适合量化定性判断。本文利用层次分析法建立影响光顺性的各因素权重集,将各种评价因素划分为互关联的有序层次,根据各因素的判断准确性及难易程度进行分析:对于容易进行判断分析、对光顺性影响大的因素给予大的权重,反之,权重小;引用1～9比率标度方法构造判断矩阵,得到相对权重。

表1 车身曲面品质评价因素

1.1.1 建立判断矩阵

判断矩阵可以表达各因素相比重要性的大小。构造判断矩阵的方法是,两个元素两两比较哪个重要,重要多少,对重要性程度按1～9赋值:

1.1.2 层次单排及检验

在层层排序中要对判断矩阵进行一致性检验。只有通过检验才能说明判断矩阵在逻辑上是否合理,才能继续对结果进行分析。

(2)确定相应的平均随机一致性指标(RI)。根据判断矩阵阶数得到平均随机一致性指标RI。平均随机一致性指标是指多次(500次以上)重复进行随机判断矩阵特征根计算之后取算术平均得到的数值。本文选取文献[7]中1～15阶判断矩阵重复计算1000次得到的平均随机一致性指标。

(3)计算一致性比例(CR)并进行判断:

当CR＜0.1时,认为判断矩阵的一致性可以接受,反之则需要对该判断矩阵重新进行修正。

经上述分析计算,最终确定的各评价因素权值如表2所示。

表2 各评价因素权值

1.2 确定模糊综合评定模型

综合评价就是对受到多个因素影响的事物或对象作出一个总的评价。采用模糊综合评价方法有效地克服了多因素评价时的模糊性和主观性,其结果可靠性高、效果好。以一级模型为例,一般可归纳为以下几个步骤[8]:

(1)建立评价对象因素集:

因素也称为参数指标或质量指标,它们能综合反映出对象的质量,因而可由这些因素来评价对象。

(2)建立评判集:

本文对车身曲面品质进行评价,评判集是车身曲面品质等级的集合。

(3)建立单因素评判,即建立一个从U到F(V)的模糊映射:

由此模糊映射 f可以导出模糊关系,得到模糊矩阵R:称R为单因素评价矩阵。(U,V,R)构成了一个综合评价模型。

1.2.1 专家评价

汽车曲面等级的确定极其重要,沃尔沃汽车公司将汽车曲面等级划分为十个等级,至少达到七级才算是合格品[9]。本文选取一系列采用逆向设计方法所作的车身曲面为分析样本,由三人组成的评估专家组通过综合考虑曲面的精度和光顺性对模型各个评价因素和最终等级评定打分,五个等级的分数分别为{100,80,50,30,10},然后取平均值。最终曲面等级分数为很好(90～100)、好(65～89)、中(40～ 64)、差(20～ 39)、很差(0～19),如表3所示。

表3 车身曲面品质分析样本

1.2.2 确定隶属函数

隶属函数的确定没有严格的方法,通常靠经验确定。本文构造隶属函数时充分考虑了曲面不同等级间的中间过渡状态。采用岭形函数构造影响汽车车身曲面品质的精度隶属函数和光顺性隶属函数。精度隶属函数曲线如图1所示。

图1 精度隶属函数曲线

1.2.3 模糊综合评价结果

得到各评价因素权值及隶属函数后,对评价样本进行综合评价,最终得到车身曲面品质分析模糊评价结果(表4)。

表4 车身曲面品质分析模糊评价结果

2 模糊神经网络训练

表4中车身曲面品质分析模糊评价结果共计42组,其中35组作为模糊神经网络训练样本,7组作为检验样本,利用MATLAB中的神经网络模块对样本进行训练检验,训练误差如图2所示。

通过检验样本训练值与实际值之间的误差来判断样本训练是否达到要求。训练结果如表5所示。从训练结果可以看出,对于测试样本的等级判断正确率达到100%,对于分数判断的误差最大为6.99%,在可以接受的范围内。

图2 MATLAB神经网络训练误差图

表5 模糊神经网络训练结果

3 结论

(1)提出的基于模糊综合评价的汽车车身曲面品质分析方法考虑了判断汽车车身曲面精度和光顺性的各个指标,对曲面品质进行定量评价,检验结果验证了本方法的精度在可接受范围内。

(2)采用监督式学习网络,通过不断学习积累经验提高网络精度,减少了对人的依赖性。在实际应用中,可降低人的主观判断产生的误差,为汽车车身曲面品质分析提供了新的思路。

[1] 夏卫群.车身曲面质量的评价指标研究[J].汽车科技,2005,9(5):9-11.

[2] 徐万红,李书生,张国忠.车身曲面的光顺品质分析与应用[J].组合机床与自动化加工技术,2005(2):48-52.

[3] Poesch l T.Detecting Surface Irregu larities Using Isophotes[J].Computer Aided Geometric Design,1984,1(2):63-168.

[4] 孙科峰.基于高光线法的曲面品质分析[D].西安:西北工业大学,2005.

[5] 乐斌旺,王磊,邢渊.曲面重构中曲面品质分析评价方法及应用[J].机床与液压,2006(11):59-61.

[6] 张志勇,刘心报.关于AHP中比率标度的选择问题[C]//中国系统工程学会决策科学专业委员会第六届学术年会论文集.北京:中国系统工程学会,2005:37-41.

[7] 许树柏.层次分析法原理[M].天津:天津大学出版社,1988.

[8] 黄克中,毛善培.随机方法与模糊数学应用[M].上海:同济大学出版社,1987.

[9] Andersson A.Evaluation and V isualization of Surface Defects on Auto-body Panels[J].Journal of M ateria ls Processing Techno logy,2009,209(2):821-837.

Study on Quality Evaluation of Autom obile Sur faces Based on Fuzzy Comp rehensive Evaluation

Wang Zhengru Liang Jin W ang Lizhong Liang Xinhe
Xi'an Jiaotong University,Xi'an,710049

Toevaluate the quality of automobile surfaces p recisely,on the basis of considering both of precision and smoothness,a factor set of evaluation was determined.Using analytic hierarchy process(AHP)to determ ineweights of the evaluation factors,combining w ith fuzzy analysisand artificial neural network,the quality evaluation model of automobile surfaces was estab lished.A fter training and testing,the results prove that the model is accurate.

body surface;smoothness;fuzzy comprehensive evaluation;artificialneural network

U461.4;TP391.9

1004—132X(2011)06—0748—04

2010—03—11

(编辑 苏卫国)

王正如,男,1985年生。西安交通大学机械工程学院硕士研究生。主要研究方向为逆向工程。发表论文2篇。梁 晋,男,1967年生。西安交通大学机械工程学院副教授。王立忠,男,1968年生。西安交通大学机械工程学院副教授。梁新合,男,1966年生。西安交通大学机械工程学院博士研究生。