白光测量技术在车身骨架尺寸优化过程中的应用

发布时间:2015-09-14
分享到
新车型生产准备阶段,白车身骨架的尺寸精度优化是通过骨架PCF活动来完成的,技术人员通过骨架PCF检具对侧围、地板等大总成搭接区域的尺寸状态进行判定和优化,但此过程存在诸多瓶颈。实践表明,通过白光测量技术与骨架PCF检具相结合的手段能够有效解决这些瓶颈问题,推进车身骨架尺寸精度的提升。

白光测量技术是对一种光学测量技术的俗称,与之对应的是被称作红光测量技术的激光测量技术。白光测量技术最早在汽车行业的应用是产品设计阶段,制作零件三维数据模型的逆向工程,随后又在模具和零件的尺寸分析测量领域被广泛应用。在国外,白光测量技术被普遍应用于零件的分析测量。

Cognitens WLS白光测量设备由一个投影镜头及3个拍照镜头组成,如图1所示,设备采用高速单幅立体成像与无规则点阵投影相结合的技术,3个拍照镜头可以在 0.01 s之内快速捕捉投影镜头所投射在工件表面的点阵图像,进而在软件中形成所拍摄物体表面的数据,如图2所示。由于高频快门数据采集时间极短,毫秒之间即可从测量物体表面获取数据信息,测量性能不受振动、工业照明或温度变化的影响,3个镜头从不同角度捕捉测量数据。在镜头所拍摄的结果数据中,除模具或工件表面上的点云(用于曲面形状分析)之外,还包括了专门针对特征计算的照片数据,保证了工件数据的全面性和高精度。同时,白光测量所获取的点云数据还能够通过相关软件进行虚拟装配、数字装配等活动。

骨架PCF活动概述

1.骨架PCF活动简介

PCF是英文Part Coordinate Fixture的缩写,骨架PCF检具是将构成骨架的分总成按各自的加工基准装配起来,检查确认各分总成之间匹配关系的检具。为达到车身骨架尺寸精度标准要求,利用骨架PCF检具,通过

对骨架各分总成尺寸、工艺和工装进行改善,达成车身骨架尺寸精度目标而进行的质量优化活动,称作骨架PCF活动。PCF检具、PCF活动主要应用于日韩造车体系。

2.骨架PCF活动的目的

(1)确认左右侧围、地板、转向柱、后围板、包裹架和顶盖七大总成的定位状态;

(2)分析确认七大总成之间匹配的状态并进行修正改善;

(3)分析确认功能尺寸精度并进行修正改善;

(4)分析设备、工装和操作对骨架尺寸精度的影响并推动改善落实。

3.骨架PCF活动的基本步骤

(1)将侧围与地板总成在骨架PCF检具上进行定位,并确认总成与定位面之间的间隙;

(2)将侧围推进到5 mm位置,并插上定位销;

(3)测量地板与侧围沿面匹配间隙,写入匹配数据表,如图3所示;

(4)分析间隙与干涉部位,打开PCF检具,把干涉和间隙部位手工修正到间隙为5 mm,并做好修正量记录,如图4所示,以便后期对冲压件提出具体修正位置;

(5)撤下骨架PCF检具5 mm定位销,将侧围推进到位,并插入定位销(0 mm);

(6)再依次进行包裹架、顶盖、转向柱和后围板的匹配分析工作,方法理念与侧围地板间一致。

4.骨架PCF活动存在的瓶颈问题

(1)无法精确定位测点,只能够通过分总成各单件上的测点来估测总成测点;

(2)侧围在CMM测量时采用躺式测量,在骨架PCF时采用立式测量,在数据分析时,易产生不明值;

(3)在对分总成手修后,无法精确量化修正量;

(4)离散测点不支持精细化分析;

(5)在骨架PCF活动中,不可视区域匹配状态判断困难。

白光测量技术在骨架PCF活动中的应用实践

1.方案简述

白光测量技术在骨架PCF活动中的应用方案如下:

(1)将侧围总成装配在骨架PCF上,确认装配到位,如图5所示;

(2)利用白光测量设备对侧围搭接型面进行扫描,如图6所示,建系基准采用骨架PCF检具基准,如图7所示;

(3)把侧围打开,将地板总成装配到骨架PCF上,确认装配到位;

(4)利用白光测量设备对地板总成的搭接型面进行扫描,如图8所示,建系基准同样采用骨架PCF检具基准;

(5)对侧围与地板的测量数据进行虚拟装配分析,识别干涉点,给出修正量。

2.测量结果分析

(1)分总成数据分析

以左侧围及地板搭接型面的测量结果进行说明。从测量结果可看出,白光测量结果是连续、直观的,如图9、图10所示。在分析过程中除测点数据外,需要任何点的偏差值,只要输入坐标插入点即可,如图11所示,数据量要远远超出图12所示的CMM测量,解决了传统PCF过程中测点不连续,且无法精确定位测点的问题。同时白光测量数据通过对分总成颜色偏差的识别,在虚拟装配前,就可以预判定强干涉区域。

(2)虚拟装配分析

通过对分总尺寸确认,预判定出强干涉点后,我们还需通过虚拟装配分析来验证强干涉点及其余位置的匹配情况。大致步骤如下:在整车坐标系下,将侧围搭接面点云数据(见图13)与地板搭接面点云数据(见图14)进行虚拟装配(见图15),通过密集截面对点云数据进行剖切(见图16),通过对剖切结果的分析得出问题点。如由截面3440X可知此处存在0.7~1.0 mm的干涉量,为地板数据偏差所致,其余截面位置的分析依此类推。由于此分析过程是在软件上对点云数据进行分析,所以不存在传统骨架PCF过程中不可视区域判定困难的问题。匹配问题识别清楚并手修后,我们可以对手修位置进行二次扫描,通过前后数据变化准确提取出修正量。

(3)数据相关性分析

为验证地板、侧围在骨架PCF状态下的白光测量结果与CMM测量结果的一致性,我们对白光测量结果与CMM测量结果进行了比对分析,比对结果如图17、图18所示。经分析,地板搭接型面两种测量方式偏差值最大为0.5,偏差值在0.3以内的点占86%;侧围搭接型面两种测量方式偏差值最大为0.8,偏差值在0.3以内的点占75%,侧围两种测量方式结果差别较大的原因主要与两种测量方式的放置方式不同有关(侧围在骨架PCF上白光测量为立式、测量支架上CMM测量为躺式),具体差异性还需进一步论证分析。

结语

本文通过实践,将白光测量技术与骨架PCF活动相结合,有效解决了传统骨架PCF活动中的一些瓶颈问题,是白光测量技术在整车匹配领域应用的一次有益探索。白光测量与骨架PCF活动相结合的应用优势如表所示。

拥有庞大数据采集量和强大数据处理功能的白光测量技术在整车匹配领域中还有很多值得探索和实践的方法,在下一步研究中,我们将侧重于白光测量技术在零件工序间尺寸变化的分析和标准样件数字化封样的研究。

收藏
赞一下
0
/
正在提交,请稍候…