基于逻辑回归预测的车辆发动机密封性预测方法技术

本发明专利技术提供的一种基于逻辑回归预测的车辆发动机密封性预测方法，包括：S1.采集发动机装配过程中的工艺参数；S2.计算任意两个工艺参数的相关性；S3.将工艺参数的相关性按照由大到小排序，筛选出排序中前n个相关性所对应的工艺参数；S4.将工艺参数进行预处理，并将工艺参数划分为训练集和测试集；S5.构建逻辑回归预测模型，并将训练集输入至逻辑回归预测模型中进行训练，然后将测试集输入逻辑回归预测模型进行测试；S6.再次实时采集发动机装配过程中工艺参数，并按照步骤S3进行工艺参数筛选，并将筛选后的工艺参数输入至完成步骤S5的逻辑回归预测模型中，由逻辑归回预测模型输出发动机泄漏率，确保发动机生产过程中的精密性以及发动机最终的密封性。以及发动机最终的密封性。

【技术实现步骤摘要】
基于逻辑回归预测的车辆发动机密封性预测方法


[0001]本专利技术涉及一种发动机密封性预测方法，尤其涉及一种基于逻辑回归预测的车辆发动机密封性预测方法。

技术介绍

[0002]发动机装配工艺一直是汽车行业研究的热点，其缸体密封性是发动机生产过程中一项重要的质量指标，关系到发动机的动力性、可靠性与经济性。
[0003]对于发动机性能及质量的相关研究，有基于模型与基于数据两种方向。在基于模型的研究方面，通过对发动机缸体缸盖结合面的研究，得到了气缸盖螺栓拧紧参数、缸体制造精度等因素与密封性能之间的关系；但是现有的算法均忽略了生产工艺的影响，只关注于发动机的自身机构，从而导致发动机的密封性预测准确性低，对生产工艺不具有任何指导意义。
[0004]因此，为了解决上述技术问题，亟需提出一种新的方法。

技术实现思路

[0005]有鉴于此，本专利技术的目的是提供一种基于逻辑回归预测的车辆发动机密封性预测方法，充分考虑到发动机装配工艺对发动机的影响，基于装配工艺对发动机的密封性进行预测，从而为发动机的装配生产提供准确的数据支持，确保发动机生产过程中的精密性以及发动机最终的密封性。
[0006]本专利技术提供的一种基于逻辑回归预测的车辆发动机密封性预测方法，包括以下步骤：
[0007]S1.采集发动机装配过程中的工艺参数；
[0008]S2.计算任意两个工艺参数的相关性；
[0009]S3.将工艺参数的相关性按照由大到小排序，筛选出排序中前n个相关性所对应的工艺参数；/>[0010]S4.将工艺参数进行预处理，并将工艺参数划分为训练集和测试集；
[0011]S5.构建逻辑回归预测模型，并将训练集输入至逻辑回归预测模型中进行训练，然后将测试集输入逻辑回归预测模型进行测试；
[0012]S6.再次实时采集发动机装配过程中工艺参数，并按照步骤S3进行工艺参数筛选，并将筛选后的工艺参数输入至完成步骤S5的逻辑回归预测模型中，由逻辑归回预测模型输出发动机泄漏率。
[0013]进一步，步骤S4中，对工艺参数进行预处理包括：
[0014]判断工艺参数是否具有数值缺失，如是，则将该工艺参数的中位数作为当前工艺参数的数值。
[0015]进一步，对工艺参数进行预处理还包括归一化处理：
[0016]其中：X
scale
为归一化处理后的参数，X
ij
表示样本的工艺参数，X
je
表示工艺参数的平均值，i表示样本序号，j表示工艺参数序号，δ
j
表示工艺参数的方差。
[0017]进一步，步骤S2中，任意两个工艺参数的相关性采用如下公式计算：
[0018]其中：X
ij
表示样本的工艺参数，X
je
表示工艺参数的平均值，i表示样本序号，j表示工艺参数序号，Y
i
表示发动机的真实泄漏率，Y
e
表示发动机泄漏率的平均值。
[0019]进一步，步骤S5中，逻辑归回模型的损失函数为：
[0020][0021]激活函数为：
[0022][0023]其中：y
pred
为预测泄漏率。
[0024]本专利技术的有益效果：通过本专利技术，充分考虑到发动机装配工艺对发动机的影响，基于装配工艺对发动机的密封性进行预测，从而为发动机的装配生产提供准确的数据支持，确保发动机生产过程中的精密性以及发动机最终的密封性。
附图说明
[0025]下面结合附图和实施例对本专利技术作进一步描述：
[0026]图1为本专利技术的流程图。
具体实施方式
[0027]以下进一步对本专利技术做出详细说明：
[0028]本专利技术提供的一种基于逻辑回归预测的车辆发动机密封性预测方法，包括以下步骤：
[0029]S1.采集发动机装配过程中的工艺参数；
[0030]S2.计算任意两个工艺参数的相关性；
[0031]S3.将工艺参数的相关性按照由大到小排序，筛选出排序中前n个相关性所对应的工艺参数；
[0032]S4.将工艺参数进行预处理，并将工艺参数划分为训练集和测试集；
[0033]S5.构建逻辑回归预测模型，并将训练集输入至逻辑回归预测模型中进行训练，然后将测试集输入逻辑回归预测模型进行测试；
[0034]S6.再次实时采集发动机装配过程中工艺参数，并按照步骤S3进行工艺参数筛选，并将筛选后的工艺参数输入至完成步骤S5的逻辑回归预测模型中，由逻辑归回预测模型输出发动机泄漏率，通过上述方法，充分考虑到发动机装配工艺对发动机的影响，基于装配工艺对发动机的密封性进行预测，从而为发动机的装配生产提供准确的数据支持，确保发动机生产过程中的精密性以及发动机最终的密封性。
[0035]其中，在本实施例中所采集的工艺参数如下表：
[0036][0037]本实施例中，步骤S4中，对工艺参数进行预处理包括：
[0038]判断工艺参数是否具有数值缺失，如是，则将该工艺参数的中位数作为当前工艺参数的数值，从而防止参数异常，确保最终结果的准确性。
[0039]本实施例中，对工艺参数进行预处理还包括归一化处理：
[0040]其中：X
scale
为归一化处理后的参数，X
ij
表示样本的工艺参数，X
je
表示工艺参数的平均值，i表示样本序号，j表示工艺参数序号，δ
j
表示工艺参数的方
差。
[0041]本实施例中，步骤S2中，任意两个工艺参数的相关性采用如下公式计算：
[0042]其中：X
ij
表示样本的工艺参数，X
je
表示工艺参数的平均值，i表示样本序号，j表示工艺参数序号，Y
i
表示发动机的真实泄漏率，Y
e
表示发动机泄漏率的平均值。
[0043]本实施例中，步骤S5中，逻辑归回模型的损失函数为：
[0044][0045]激活函数为：
[0046][0047]其中：y
pred
为预测泄漏率。
[0048]最后说明的是，以上实施例仅用以说明本专利技术的技术方案而非限制，尽管参照较佳实施例对本专利技术进行了详细说明，本领域的普通技术人员应当理解，可以对本专利技术的技术方案进行修改或者等同替换，而不脱离本专利技术技术方案的宗旨和范围，其均应涵盖在本专利技术的权利要求范围当中。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于逻辑回归预测的车辆发动机密封性预测方法，其特征在于：包括以下步骤：S1.采集发动机装配过程中的工艺参数；S2.计算任意两个工艺参数的相关性；S3.将工艺参数的相关性按照由大到小排序，筛选出排序中前n个相关性所对应的工艺参数；S4.将工艺参数进行预处理，并将工艺参数划分为训练集和测试集；S5.构建逻辑回归预测模型，并将训练集输入至逻辑回归预测模型中进行训练，然后将测试集输入逻辑回归预测模型进行测试；S6.再次实时采集发动机装配过程中工艺参数，并按照步骤S3进行工艺参数筛选，并将筛选后的工艺参数输入至完成步骤S5的逻辑回归预测模型中，由逻辑归回预测模型输出发动机泄漏率。2.根据权利要求1所述基于逻辑回归预测的车辆发动机密封性预测方法，其特征在于：步骤S4中，对工艺参数进行预处理包括：判断工艺参数是否具有数值缺失，如是，则将该工艺参数的中位数作为当前工艺参数的数值。3.根据权利要求2所述基于逻辑回归预测的车辆发动机密封性预测方法，其特征在于：对工艺参数进行预处理还包括归...

【专利技术属性】
技术研发人员：唐倩，程奕华，郭伏雨，
申请(专利权)人：重庆大学，
类型：发明
国别省市：