Page 34 - 东莞市厚街中学2025届高三毕业纪念

PAGE/33 成都工业学院科研成果汇编

12. 基于大数据聚类分析的减振器异响在线甄别系统

项目简介

悬架减振器异响问题长期以来是影响整车舒适性与品质感知的核心难点之一。传统异响识别方法主要依赖人工听音和
主观判断，不仅诊断效率低下，而且存在较高的误判率（行业平均误判率约为 25%）以及较长的排查周期（单件检测时长
约为 4–6 小时），严重制约了质量控制的时效性与稳定性。针对上述痛点，本项目团队依托多年在减振器异响机理分析
与治理方面的工程积累，构建了一套基于大数据驱动的聚类分析与分类识别融合模型，提出了“多指标柔性判定机制”，
即将传统的单一刚性矩形阈值判断模式，转化为多维度特征空间下的柔性圆形包络区域。该方法有效降低了因单特征波动
而引发的误判风险，显著提升了异响识别的鲁棒性与准确性。依托上述模型算法，所开发的在线甄别系统在实验验证与产
线部署中均表现出优异的性能表现。核心识别算法的预测准确率稳定达到 99.5% 以上，远超行业对标值。系统部署后，
企业减振器异音类客户投诉率由原先的接近 1% 降至 0.1% 以下，实现了从“事后返修”向“过程预防”转变的质量管理
模式升级。

项目成熟度

本系统已成功应用于西南地区某知名减振器制造企业的总装产线中，助力其建立起具有前瞻性的智能化质量识别能力，
进一步提升了产品一致性与品牌竞争力。未来，该系统亦具备在其他汽车关键零部件异响检测场景中推广应用的潜力，对
行业智能质控能力提升具有良好的示范价值。

转化方式

项目合作、技术入股或技术许可。