本发明涉及推土机操纵总成装配技术领域，特别是涉及一种基于k-means聚类算法的推土机操纵总成装配工艺控制方法及装置。
背景技术：
本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。
推土机操纵总成是推土机的重要组成部分，推土机的动力性、经济性(燃油消耗率)、可靠性都与操纵总成密切相关。目前，国内的工程机械生产制造企业采用的推土机装配线种类较多，在总成以及分总成装配线上，在每个关键部件装配过程之后，会采用专门的检测工位检测装配参数。现有的装配参数，如螺栓扭矩、标准销间距、转向行程和制动行程大多采用人工估计的方法，数据准确性较差，且设定阈值为某个固定值，无法做到精确管控，导致装配质量较低。
技术实现要素：
为了解决现有技术中存在的技术问题，本发明提供了一种基于k-means聚类算法的推土机操纵总成装配工艺控制方法及装置。
第一方面，本发明提供了一种基于k-means聚类算法的推土机操纵总成装配工艺控制方法，包括如下步骤：
通过工业物联网数据采集设备采集装配测试参数，形成参数数据库；
根据k-means聚类算法对关键参数进行分群，将数据分成装配前期、装配中期和装配后期3个聚类簇团；
选取每个簇团性能参数异常阈值及整个簇团的质量异常阈值，构建推土机操纵总成装配工艺决策库；
然后基于决策库中的装配工艺知识对装配过程进行判断，根据装配质量的好坏确定下一步工序。
在长时间的装配过程中，设备的磨损不同，进而影响到装配误差，将所采集到的数据根据装配前期、装配中期和装配后期分成3个聚类簇团，可以有效提高推土机操纵总成装配工艺决策库的精准性，进而可以更加精准控制推土机操纵总成的装配。
在一些实施例中，所述测试参数包括安装变速操纵总成的螺栓扭矩、将杆两端连接至制动踏板摇臂及支架组件摇臂的标准销间距、将转向轴连接到转向阀摇臂的转向行程、将制动连杆连接到制动摇臂的标准销间距和制动行程。
进一步的，将参数进行均一化处理，使其标准化，使用欧式距离作为度量，对数据进行k-means聚类，欧氏距离公式为：
其中，xi表示数据库中第i个对象，μj表示第j个聚类中心1≤j≤k，k为聚类中心个数，本专利k＝3，xit表示第i个对象的第t个属性，μjt表示第j个聚类中心的第t个属性。由于该总成装配过程共有安装变速操纵总成的螺栓扭矩、将杆两端连接至制动踏板摇臂及支架组件摇臂的标准销间距、将转向轴连接到转向阀摇臂的转向行程、将制动连杆连接到制动摇臂的标准销间距和制动行程4个参数，所以欧式距离有4个属性，即m＝4。
更进一步的，k-means聚类算法公式为：
其中，k为簇团总数,本专利k＝3，n为第j个簇团中的对象个数，j表示某个聚类簇团，1≤j≤k，本专利k＝3。
在一些实施例中，得到3个聚类簇团后，取每个簇团螺栓扭矩、标准销间距、转向行程和制动行程4个参数一维欧式距离最外围1％的数值，排序取最小值，得到单参数的异常阈值，一维欧式距离公式为：
其中，xijt表示第j个簇团中第i个对象的第t个属性，其中1≤j≤k，本专利k＝3，1≤i≤n，1≤t≤4，μjt表示第j个簇团中心的第t个属性。
再进一步的，取每个簇团最外围3％的数值作为整个簇团的质量异常值，计算所有质量异常值与簇团中心的欧式距离，取最小值为该总成装配工艺的整体质量异常阈值；
将得到的装配过程中的性能参数异常阈值和整体质量异常阈值，构建推土机操纵总成装配工艺决策库。
在一些实施例中，基于决策库中的装配工艺知识对装配过程进行判断时，如果本道步骤的参数超出异常阈值，直接返回上一步骤重新进行装配，如果参数正常，则进入一步骤；
当所有步骤完成后，对所有参数与整体装配工艺决策库进行比较，如果整体参数在整体质量异常阈值内，进入下一步工序，如果整体参数在整体质量判断阈值外，则返回第一道步骤重新进行装配。
第二方面，本发明还提供了一种基于k-means聚类算法的推土机操纵总成装配工艺控制装置，包括：
通过工业物联网数据采集设备采集装配测试参数，形成参数数据库的装置；
根据k-means聚类算法对关键参数进行分群，将数据分成装配前期、装配中期和装配后期3个聚类簇团的装置；
选取每个簇团性能参数异常阈值及整个簇团的质量异常阈值，构建推土机操纵总成装配工艺决策库的装置；
然后基于决策库中的装配工艺知识对装配过程进行判断，根据装配质量的好坏确定下一步工序的装置。
第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。
第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。
本发明的有益效果为：
采用大数据分析研究，以此为基础，使用根据k-means聚类算法进行分析，构建推土机操纵总成装配工艺决策库。然后基于决策库中的装配工艺知识对装配过程进行判断，根据装配质量的好坏确定下一步工序，形成基于k-means聚类的推土机操纵总成装配工艺控制方法及装置，可以提高装配过程的可靠性和一致性。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为k-means聚类算法的推土机操纵总成装配工艺控制方法及装置工作流程图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
如图1所示，基于k-means聚类算法的推土机操纵总成装配工艺控制方法，包括如下步骤：
推土机操纵总成零部件包括：操纵支架、制动踏板、变速操纵总成、操纵罩、操纵支架、软轴、手柄、盖板、地板架、变速操纵杆、导座等零部件。装配过程具体为：安装制动踏板、安装脚油门安装板、安装变速操纵总成、安装手柄及软轴、安装支架组件、将杆连接至制动踏板摇臂及支架组件摇臂、安装锁紧装置、将转向轴连接到转向阀摇臂、将制动连杆连接到制动摇臂。工业物联网数据采集设备采集装配测试参数，包括安装变速操纵总成的螺栓扭矩、将杆两端连接至制动踏板摇臂及支架组件摇臂的标准销间距、将转向轴连接到转向阀摇臂的转向行程、将制动连杆连接到制动摇臂的标准销间距和制动行程等4个关键参数。
对装配关键参数进行k-means聚类，根据聚类算法对每一个装配步骤所采集的数据进行分群。在长时间的装配过程中，设备的磨损不同以及装配误差的影响，所采集到的数据会根据装配前期、装配中期、装配后期分成3个聚类簇团。鉴于参数的量纲不同，数量级之间相差很大，首先进行均一化处理，使其标准化。然后使用欧式距离作为度量，对数据进行k-means聚类，欧氏距离公式为：
由于该总成装配过程共有安装变速操纵总成的螺栓扭矩、将杆两端连接至制动踏板摇臂及支架组件摇臂的标准销间距、将转向轴连接到转向阀摇臂的转向行程、将制动连杆连接到制动摇臂的标准销间距和制动行程4个参数，所以欧式距离有4个属性，即m＝4。
k-means聚类算法公式为：
得到3个聚类簇团后，取每个簇团螺栓扭矩、标准销间距、转向行程、制动行程4个参数1维欧式距离最外围1％的数值，排序取最小值，得到单参数的异常阈值，一维欧式距离公式为：
同时取每个簇团最外围3％的数值作为整个簇团的质量异常值，计算所有质量异常值与簇团中心的欧式距离，取最小值为该总成装配工艺的整体质量异常阈值。由此得到装配过程中的性能参数异常阈值和整体质量异常阈值，构建推土机操纵总成装配工艺决策库。
基于决策库中的装配工艺知识对装配过程进行判断，根据当前工序装配质量的好坏确定是否进入下一步工序。对该总成装配每道工序的每个步骤的关键参数进行判断，如果本道步骤的参数超出异常阈值，直接返回上一步骤重新进行装配。如果参数正常，则进入下一步骤；当所有步骤完成后，对所有参数与整体装配工艺决策库进行比较，如果整体参数在整体质量异常阈值内，进入下一步工序，如果整体参数在整体质量判断阈值外，则返回第一道步骤重新进行装配，由此形成基于k-means聚类的推土机操纵总成装配工艺控制方法及装置。
推土机操纵总成进行装配的步骤如下：
安装制动踏板，采集螺栓扭矩，如果采集的螺栓扭矩大于推土机操纵总成装配工艺决策库中的螺栓扭矩的异常值，则重新安装制动踏板，如果不大于螺栓扭矩的异常值，则继续进行后续安装：安装油门安装板、安装变速操纵总成、安装手柄及软轴、安装支架组件、将杆两端连接至制动踏板摇臂及支架组件摇臂，然后采集标准销间距；
如果采集的标准销间距大于推土机操纵总成装配工艺决策库中的标准销间距的异常值，则重新进行将杆两端连接至制动踏板摇臂及支架组件摇臂、采集标准销间距的步骤；
如果采集的标准销间距小于推土机操纵总成装配工艺决策库中的标准销间距的异常值，则进行后续的安装：安装锁紧装置、将转向轴连接到转向阀摇臂、采集转向行程；
如果采集的转向行程大于推土机操纵总成装配工艺决策库中的转向行程的异常值，则重新进行将转向轴连接到转向阀摇臂、采集转向行程的步骤；
如果采集的转向行程小于推土机操纵总成装配工艺决策库中的转向行程的异常值，则进行后续安装步骤：将制动连杆连接到制动摇臂、采集标准销间距和制动行程；
如果采集的标准销间距和制动行程大于推土机操纵总成装配工艺决策库中的标准销间距和制动行程异常值，则重新进行将制动连杆连接到制动摇臂、采集标准销间距和制动行程的步骤；
如果采集的标准销间距和制动行程小于推土机操纵总成装配工艺决策库中的标准销间距和制动行程异常值，则继续判断是否大于推土机操纵总成装配工艺决策库中的整体质量异常值；
如果大于，则从安装制动踏板开始重新进行安装，如果小于，则安装完毕，可以进入下一步工序。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
1.一种基于k-means聚类算法的推土机操纵总成装配工艺控制方法，其特征在于：包括如下步骤：
通过工业物联网数据采集设备采集装配测试参数，形成参数数据库；
根据k-means聚类算法对关键参数进行分群，将数据分成装配前期、装配中期和装配后期3个聚类簇团；
选取每个簇团性能参数异常阈值及整个簇团的质量异常阈值，构建推土机操纵总成装配工艺决策库；
然后基于决策库中的装配工艺知识对装配过程进行判断，根据装配质量的好坏确定下一步工序。
2.根据权利要求1所述的基于k-means聚类算法的推土机操纵总成装配工艺控制方法，其特征在于：所述测试参数包括安装变速操纵总成的螺栓扭矩、将杆两端连接至制动踏板摇臂及支架组件摇臂的标准销间距、将转向轴连接到转向阀摇臂的转向行程、将制动连杆连接到制动摇臂的标准销间距和制动行程。
3.根据权利要求2所述的基于k-means聚类算法的推土机操纵总成装配工艺控制方法，其特征在于：将参数进行均一化处理，使其标准化，使用欧式距离作为度量，对数据进行k-means聚类，欧氏距离公式为：
其中，xi表示数据库中第i个对象，μj表示第j个聚类中心1≤j≤k，k为聚类中心个数，本专利k＝3，xit表示第i个对象的第t个属性，μjt表示第j个聚类中心的第t个属性。由于该总成装配过程共有安装变速操纵总成的螺栓扭矩、将杆两端连接至制动踏板摇臂及支架组件摇臂的标准销间距、将转向轴连接到转向阀摇臂的转向行程、将制动连杆连接到制动摇臂的标准销间距和制动行程4个参数，所以欧式距离有4个属性，即m＝4。
4.根据权利要求3所述的基于k-means聚类算法的推土机操纵总成装配工艺控制方法，其特征在于：k-means聚类算法公式为：
其中，k为簇团总数,本专利k＝3，n为第j个簇团中的对象个数，j表示某个聚类簇团，1≤j≤k，本专利k＝3。
5.根据权利要求1所述的基于k-means聚类算法的推土机操纵总成装配工艺控制方法，其特征在于：得到3个聚类簇团后，取每个簇团螺栓扭矩、标准销间距、转向行程和制动行程4个参数一维欧式距离最外围1％的数值，排序取最小值，得到单参数的异常阈值，一维欧式距离公式为：
其中，xijt表示第j个簇团中第i个对象的第t个属性，其中1≤j≤k，本专利k＝3，1≤i≤n，1≤t≤4，μjt表示第j个簇团中心的第t个属性。
6.根据权利要求5所述的基于k-means聚类算法的推土机操纵总成装配工艺控制方法，其特征在于：取每个簇团最外围3％的数值作为整个簇团的质量异常值，计算所有质量异常值与簇团中心的欧式距离，取最小值为该总成装配工艺的整体质量异常阈值；
将得到的装配过程中的性能参数异常阈值和整体质量异常阈值，构建推土机操纵总成装配工艺决策库。
7.根据权利要求1所述的基于k-means聚类算法的推土机操纵总成装配工艺控制方法，其特征在于：基于决策库中的装配工艺知识对装配过程进行判断时，如果本道步骤的参数超出异常阈值，直接返回上一步骤重新进行装配，如果参数正常，则进入一步骤；
当所有步骤完成后，对所有参数与整体装配工艺决策库进行比较，如果整体参数在整体质量异常阈值内，进入下一步工序，如果整体参数在整体质量判断阈值外，则返回第一道步骤重新进行装配。
8.一种基于k-means聚类算法的推土机操纵总成装配工艺控制装置，其特征在于：包括：
通过工业物联网数据采集设备采集装配测试参数，形成参数数据库的装置；
根据k-means聚类算法对关键参数进行分群，将数据分成装配前期、装配中期和装配后期3个聚类簇团的装置；
选取每个簇团性能参数异常阈值及整个簇团的质量异常阈值，构建推土机操纵总成装配工艺决策库的装置；
然后基于决策库中的装配工艺知识对装配过程进行判断，根据装配质量的好坏确定下一步工序的装置。
9.一种电子设备，其特征在于：包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一所述方法的步骤。
10.一种计算机可读存储介质，其特征在于：用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一所述方法的步骤。
技术总结