拧紧曲线特征值提取

拧紧曲线特征值提取技术研究

摘要
拧紧曲线特征值提取是通过分析紧固件装配过程中的扭矩-角度（或扭矩-时间）曲线，提取具有物理意义或统计意义的特征参数，以量化评估拧紧过程质量、连接状态及潜在缺陷的核心技术。该技术超越了单一最终扭矩或角度的监控，为高可靠性装配提供了深度过程诊断能力。

1. 检测项目与方法原理

拧紧曲线特征值提取的检测项目主要基于对曲线形态、阶段划分和数学特性的分析。典型方法及原理如下：

1.1 基于曲线几何形态的特征提取

• 斜率/梯度特征：

  • 弹性斜率：在扭矩-角度曲线的线性弹性上升段，拟合直线的斜率。该值直接反映连接副（螺栓、被连接件、垫片等）的整体刚度。刚度异常可能预示零件错装、夹紧件缺失或材料缺陷。

  • 贴合点扭矩与角度：通过识别曲线从低斜率“贴合段”向高斜率“弹性段”转变的拐点确定。贴合点标志着螺栓头/螺母与被连接件完全接触，是计算有效拧紧角度的基准点。

  • 塑性段斜率：在屈服点后，曲线斜率显著下降。监控该斜率可评估材料进入塑性状态的均匀性。

• 拐点与极值点特征：

  • 最大扭矩（Tm）与最大角度（θm）：曲线顶点值，是扭矩法控制的直接结果。

  • 屈服点（Ty， θy）：采用多种方法识别，如斜率法（弹性斜率下降一定比例，如10%或50%对应的点）、偏移法（相对于弹性延长线偏移特定角度，如0.2°对应的扭矩）。屈服点是扭矩-角度控制法的关键设定值。

  • 拐点曲率：分析曲线曲率变化率，可用于早期识别非线性过渡或微小缺陷。

1.2 基于能量与面积的特征提取

• 总输入能量（Et）：曲线下总面积，即对扭矩-角度曲线积分。反映拧紧全过程消耗的总机械功。

• 弹性变形能（Ee）与塑性变形能（Ep）：以屈服点为界，分别计算弹性段和塑性段曲线下的面积。Ee反映系统存储的弹性势能，Ep反映不可逆的塑性耗散能。两者的比值是评估连接效率和潜在过屈服风险的重要指标。

• 摩擦能量占比：通过理论或实验方法将总输入能量分解为螺纹摩擦功、支撑面摩擦功和用于产生预紧力的有效功。高摩擦能量占比会显著降低预紧力效率并增加热量。

1.3 基于过程统计与趋势的特征提取

• 过程稳定性指标：对同一装配点连续多个拧紧操作的同一特征值（如弹性斜率、屈服扭矩）计算统计量，如均值（μ）、标准差（σ）、过程能力指数（Cpk）。用于评估生产过程的稳定性和一致性。

• 曲线形态相似度：将实时曲线与标准“黄金曲线”进行相关分析、动态时间规整（DTW）或基于主成分分析（PCA）的残差比较，以检测形态上的整体性偏差。

• 高频信号特征：从扭矩或角度传感器的高频采样数据中提取振动、波动特征，用于识别螺纹损伤、交叉螺纹、异物侵入等瞬时事件。

1.4 基于模型与反演的特征提取

• 预紧力估计：结合弹性斜率、扭矩变化和已知的摩擦系数、几何参数，通过扭矩-转角-预紧力关系模型（如Motosh方程）间接估算最终的螺栓轴向预紧力。

• 摩擦系数分离：利用两步拧紧法（先在低速下拧至小扭矩，再拧至目标）或分析拧紧初期数据，分离计算出螺纹摩擦系数和支撑面摩擦系数。

2. 检测范围与应用需求

拧紧曲线特征值提取技术广泛应用于对连接质量有严苛要求的领域：

• 汽车制造：

  • 动力总成：发动机缸盖、连杆、曲轴主轴承盖的装配。需监控屈服点、弹性斜率一致性，确保高动态载荷下的可靠性。

  • 底盘与安全系统：车轮螺栓、悬架控制臂、转向系统、安全带锚点。强调过程稳定性（Cpk）和防错，杜绝虚拧、漏拧。

  • 白车身：关键结构点的焊接螺栓或压铆螺母。需检测贴合点，确保夹紧有效。

• 航空航天：

  • 发动机装配：涡轮盘、机匣等关键热端/冷端部件。要求提取摩擦系数、能量分布，并进行100%的曲线形态相似度比对，以实现极致的可靠性和追溯性。

  • 机体结构：翼身连接、蒙皮铆接/螺栓连接。关注预紧力估计的准确性和疲劳寿命相关的装配应力控制。

• 高端装备与能源：

  • 风力发电机：塔筒法兰、叶片轴承等超大直径螺栓的连接。需监测总输入能量和塑性变形，防止因不均匀拧紧导致的结构失配。

  • 核电设施：压力容器封头、主泵等关键设备。要求严格的摩擦系数监控和长时稳定性评估。

  • 高铁与轨道交通：转向架、轨道连接。侧重在线实时检测与预警。

• 电子与精密仪器：

  • 服务器、通信设备：芯片散热器压装、壳体螺钉。防止因过应力导致PCB板变形或芯片损坏，需精确控制屈服点前的扭矩/角度。

  • 精密光学设备：镜头组装配。通过微扭矩下的曲线特征，控制微应力导致的像差。

3. 检测标准与文献依据

该领域的研究与技术发展建立在大量理论与实验研究基础之上。

关于拧紧曲线阶段划分与特征物理意义，早期系统性的研究工作由[文献1]完成，该研究明确了贴合、弹性、屈服和塑化阶段的力学本质，为特征提取奠定了理论基础。

在屈服点检测算法方面，[文献2]对比了斜率法、偏移法及多项式拟合法的精度与鲁棒性，指出在噪声环境下，基于移动窗口的递推最小二乘斜率估计结合阈值判断具有较好实用性。[文献3]则提出了基于曲率分析的自动屈服点识别方法，适用于非线性明显的材料。

关于基于能量的特征分析，[文献4]建立了拧紧过程能量分配的理论模型，并通过实验验证了利用塑性变形能预测连接副松弛潜力的可行性。[文献5]进一步将能量特征与螺纹摩擦磨损状态进行了关联研究。

在过程监控与质量诊断应用上，[文献6]将统计过程控制（SPC）与拧紧曲线特征值（如弹性斜率）相结合，实现了装配过程的早期异常预警。[文献7]成功应用机器学习算法（如支持向量机、随机森林）对提取的多维度特征值进行分类，实现了对交叉螺纹、螺纹污染、零件错装等多种缺陷的自动识别，准确率超过95%。

关于预紧力与摩擦系数估计，经典的[文献8]提出的扭矩-预紧力关系公式仍是工程计算的基础，而[文献9]通过实时拧紧曲线反演摩擦系数的研究，为在线补偿和控制提供了新思路。

4. 检测仪器与设备功能

拧紧曲线特征值提取的实现依赖于高性能的硬件平台和数据系统。

• 智能伺服拧紧轴/电枪：

  • 核心功能：高精度、高响应速度的扭矩和角度同步测量与闭环控制。内置高分辨率旋转编码器（角度分辨率可达0.1°或更高）和应变式或非接触式扭矩传感器（扭矩精度通常优于±1% FS）。

  • 数据处理单元：内置高性能处理器，能够实时（通常在毫秒级周期内）采集原始扭矩、角度、时间序列，并在线运行基本的特征提取算法（如计算斜率、识别贴合点、判断屈服）。

• 拧紧控制器/过程监控器：

  • 核心功能：作为系统大脑，负责拧紧策略（程序）的存储与执行，并接收拧紧轴上传的原始数据或初步处理结果。

  • 高级特征计算：运行更复杂的离线或准实时分析算法，如能量积分、摩擦系数计算、曲线形态相似度比对（DTW/PCA）、多特征值融合分析等。

  • 数据存储与通信：完整存储每颗螺栓的拧紧曲线原始数据及所有提取的特征值，通过工业以太网（如EtherCAT、Profinet）或现场总线将结果上传至制造执行系统（MES）或上层数据库。

• 数据分析与诊断软件平台：

  • 核心功能：提供可视化分析和深度挖掘工具。

  • 曲线可视化与叠加对比：显示单次或批次曲线的叠加，辅助工程师进行直观判断。

  • 特征值统计图表：自动生成特征值的X-R控制图、直方图、过程能力分析报告。

  • 机器学习模型部署：集成或提供接口，运行训练好的缺陷分类模型，实现智能诊断。

  • 追溯与报表：基于特征值，生成每颗螺栓的“数字化装配指纹”，支持全生命周期追溯。

• 辅助校准设备：

  • 静态扭矩传感器与校准仪：用于定期对拧紧轴的扭矩测量系统进行静态标定，确保源头数据准确。

  • 动态扭矩测量仪（如遥测扭矩仪）：用于在真实工况下验证拧紧过程预紧力与特征值的关联模型，是算法验证和优化的关键工具。

结论
拧紧曲线特征值提取技术是现代智能装配的核心组成部分。通过系统性地提取曲线的几何、能量、统计及模型反演特征，该技术实现了对拧紧过程从“结果控制”到“过程状态感知与诊断”的飞跃。随着传感器精度、算力的提升以及机器学习方法的深入应用，特征值提取将向着更高维度、更高智能化和更精准预测的方向发展，为保障关键连接结构的可靠性提供不可或缺的技术支撑。

参考文献
[1] 早期系统性研究（奠基性工作，阶段划分）
[2] 屈服点检测算法对比研究
[3] 基于曲率的屈服点识别方法
[4] 拧紧过程能量分配模型与实验
[5] 能量特征与摩擦磨损关联研究
[6] SPC在拧紧过程监控中的应用
[7] 基于机器学习的拧紧缺陷诊断
[8] 经典扭矩-预紧力关系公式
[9] 基于实时曲线的摩擦系数反演研究