(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110319412.1 (22)申请日 2021.03.25 (71)申请人 华晨宝马汽车有限公司 地址 110044 辽宁省沈阳市大东区山嘴子 路14号 (72)发明人 朱玉芳　 (74)专利代理 机构 中国贸促会专利商标事务所 有限公司 1 1038 专利代理师 李玲 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/17(2020.01) G06F 30/27(2020.01) G06F 119/02(2020.01) (54)发明名称 用于优化车身外观的间隙面差的方法、 设 备、 系统及计算机存 储介质 (57)摘要 本申请涉及用 于优化车身外观的间隙面差 的方法、 设备、 系统及计算机存储介质。 所述包 括： 使用在车身生产阶段期间累积的车身间隙面 差数据构造初始间隙面差阈值模 型； 通过机器学 习， 使用在总装生产阶段期间累积的总装间隙面 差数据训练所述初始间隙面差阈值模 型； 通过机 器学习， 对 经训练的初始间隙面差阈值模型进行 评估， 以得到满足预设条件的间隙面差阈值预测 模型； 以及使用满足预设条件的间隙面差阈值预 测模型， 设置车身生产阶段的车身间隙面差阈 值。 根据本公开所构造的间隙面差阈值预测模型 可以提前预测、 实时调整、 快速 反馈， 提高了间隙 面差阈值设置的精度， 减少了总装生产阶段不合 格产品的几率， 提高了生产效率和产品质量。 权利要求书3页 说明书12页 附图6页 CN 115130194 A 2022.09.30 CN 115130194 A 1.一种用于优化车身外观的间隙面差的方法， 包括： 使用在车身生产阶段期间累积的车身间隙面差数据构造初始间隙面差阈值模型； 通过机器学习， 使用在总装生产阶段期间累积的总 装间隙面差数据训练所述初始间 隙 面差阈值模型； 通过机器学习， 对经训练的初始间隙面差阈值模型进行评估， 以得到满足预设条件的 间隙面差阈值预测模型； 以及 使用满足预设条件的间隙面差阈值预测模型， 设置车身生产阶段的车身间隙面差阈 值。 2.根据权利要求1所述的方法， 其中在车身生产阶段期间累积的车身 间隙面差数据包括： 在预设时间段期间针对处于 车身生产阶段结束时的多个车辆测量的车身间隙面差数据， 其中在每个车辆的车身上设置 有多个样本点， 以及每个样本点的车身间隙面差数据通过车身识别号码I ‑GEF以及样本点 编号来标识； 其中在总 装生产阶段期间累积的总 装间隙面差数据包括： 在预设时间段期间针对处于 总装生产阶段结束时的多个车辆测量的总装间隙面差数据， 其中在每个车辆的车身上设置 有多个样本点， 以及每个样本点的总装间隙面差数据通过车辆识别号码VIN以及样本点编 号来标识； 以及 通过车身识别号码I ‑GEF、 车辆识别号码VIN以及样本点编号将车身间隙面差数据与总 装间隙面差数据相关联。 3.根据权利要求1或2所述的方法， 还 包括： 对车身间隙面差数据执 行预处理； 将经预处理的车身间隙面差数据与预定的车身间隙面差阈值进行比较； 以及 将满足车身间隙面差阈值范围的车身间隙面差数据用于构造初始间隙面差阈值模型。 4.根据权利要求3所述的方法， 其中对车身间隙面差数据 执行预处理包括去除异常值、 填补缺失值、 归一化、 以及标准 化； 对经预处理得到的车身间隙面差数据执 行特征分析和提取； 以及 标注与用于构造初始间隙面差阈值模型的车身间隙面差数据相对应的样本点。 5.根据权利要求1或2所述的方法， 还 包括： 对总装间隙面差数据执 行预处理； 将经预处理的总装间隙面差数据与预定的总装间隙面差阈值进行比较； 将满足总装间隙面差阈值范围的总装间隙面差数据用于训练所述初始间隙面差阈值 模型； 以及 将不满足总装间隙面差阈值范围的总装间隙面差数据与对应样本点的车身间隙面差 数据进行相关性分析。 6.根据权利要求5所述的方法， 其中对总装 间隙面差数据 执行预处理包括去除异常值、 填补缺失值、 归一化、 以及标准 化； 对经预处理得到的总装间隙面差数据执 行特征分析和提取。权　利　要　求　书 1/3 页 2 CN 115130194 A 27.根据权利要求5所述的方法， 还 包括： 标注并选取与不满足总 装间隙面差阈值范围的总 装间隙面差数据相对应的样本点； 以 及 针对所标注并选取的样本点， 基于所选取样本点的车身间 隙面差数据与总装 间隙面差 数据之间的相关性分析结果， 使用所述间隙面差阈值预测模型， 重新设置车身生产阶段 的 车身间隙面差阈值。 8.根据权利要求1或2所述的方法， 对经训练的初始间隙面差阈值模型进行评估还包 括： 将总装间隙面差数据与预定的总装间隙面差阈值进行比较； 将不满足总装间隙面差阈值范围的总装间隙面差数据所对应的样本点确定为不合格 样本点； 针对所确定的不合格样本点， 计算与该不合格样本点所对应的车身 间隙面差数据对总 装间隙面差数据的影响的概 率分布； 基于所确定的概 率分布， 确定调整车身间隙面差阈值的调节量； 以及 将所确定的车身 间隙面差阈值的调节量应用于所述初始间 隙面差阈值模型， 以得到满 足预设条件的间隙面差阈值预测模型。 9.根据权利要求8所述的方法， 还 包括： 获取并保存不 合格样本点的列表， 作为后续进行 车身间隙面差阈值预测的参 考量。 10.根据权利要求1所述的方法， 还 包括： 将预计要在车身生产阶段使用的车身间隙面差预设阈值输入到所述间隙面差阈值预 测模型； 根据间隙面差阈值预测模型的预测输出 结果， 调整所述车身间隙面差预设阈值； 以及 基于调整后的车身间隙面差预设阈值， 更新所述间隙面差阈值预测模型。 11.根据权利要求1或2所述的方法， 其中所述机器学习包括监督机器学习算法， 并且其 中所述监督机器学习算法包括： 决策树和随机森林、 支持向量机(SVM)、 朴素贝叶斯方法、 K ‑ 邻近算法、 神经网络、 线性回归以及逻辑回归。 12.根据权利要求1或2所述的方法， 其中所述机器学习包括无监督机器学习算法， 并且 其中所述无监 督机器学习算法包括： 聚类、 视 觉化显示和降维、 关联规则学习。 13.一种计算机可读存储介质， 所述存储介质具有可执行的指令， 在执行所述指令时， 所述指令促使计算机执行根据权利要求1至12中任一项权利要求所述的用于优化车身外观 的间隙面差的方法。 14.一种用于优化车身外观的间隙面差的设备， 所述设备包括： ‑存储器， 存储有计算机可 执行指令； 以及 ‑处理器， 被配置为执行计算机可执行指令， 其中， 所述计算机可执行指令被所述处理 器执行时， 使得处理器执行根据权利要求1至12中任一项权利要求所述的用于优化车身外 观的间隙面差的方法。 15.一种用于优化车身外观的间隙面差的系统， 所述系统包括： ‑工业机器人， 拍摄所述车身外观的图像， 并获取 车身外观的间隙面差数据； ‑按照权利要求14所述的用于优化车身外观的间隙面差的设备； 以及权　利　要　求　书 2/3 页 3 CN 115130194 A 3