CN108427837A - 一种装配粗差判定方法及系统 - Google Patents
一种装配粗差判定方法及系统 Download PDFInfo
- Publication number
- CN108427837A CN108427837A CN201810182694.3A CN201810182694A CN108427837A CN 108427837 A CN108427837 A CN 108427837A CN 201810182694 A CN201810182694 A CN 201810182694A CN 108427837 A CN108427837 A CN 108427837A
- Authority
- CN
- China
- Prior art keywords
- assembling deviation
- data
- assembling
- uncertainty
- orderly
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开一种装配粗差判定方法及系统。该方法包括:获取装配配合面的实测装配偏差量;分析装配偏差的变动范围;对变动范围进行有限元仿真,得到装配偏差仿真数据;去除装配偏差仿真数据中的极限值,得到置信装配偏差仿真数据;将置信装配偏差仿真数据进行分组,得到多个装配偏差仿真数据组;计算每个装配偏差仿真数据组的不确定度区间,得到装配偏差合格区间;将每个装配偏差仿真数据组和实测装配偏差量组成的实测数据集合融合,得到多个融合数据集合;计算包含同一实测装配偏差量的所有融合数据的平均不确定度;确定位于装配偏差合格区间之外的平均不确定度所对应的实测装配偏差量为粗差。本发明的技术方案能够提高粗差识别和筛选的准确度。
Description
技术领域
本发明涉及飞机制造技术领域,特别是涉及一种装配粗差判定方法及系统。
背景技术
薄壁件变形回弹、铆接干涉等不利因素,导致飞机装配偏差存在较大的不确定性。近年来,随着激光跟踪仪、局域GPS、CCD工业相机等数字化测量设备的快速发展,在飞机研制过程中引入数字化测量设备已经成为国内外飞机制造公司的共识,利用数字化测量设备可测得装配尺寸数据。充分利用和挖掘装配尺寸数据中所包含的信息,对于筛选出处于关键地位的装配偏差影响因素、抓住飞机装配精度控制的关键要素、揭示装配偏差的传播机理、减少装配过程异常波动、控制和改进产品装配质量具有重要的意义。然而飞机生产批量小等因素导致无法观测到装配过程中各类偏差输入、传递与输出的大量完备检测数据,因此实际的测量数据呈现出小样本、高维、不完备等特点,导致难以用传统的统计方法对实际的测量数据进行建模和分析。经典的测量数据粗差识别准则是基于统计判别法等数理统计方法,明显不适用于飞机小样本装配粗差识别。随着信息论研究的深入和发展,信息论与测量理论之间不断相互渗透发展,形成了测量信息论。虽然测量信息论能挖掘小样本测量数据信息,但由于复杂结构产品装配偏差不确定性大,如果仅基于测量信息论进行粗差识别,粗差判定的置信区间难以划定。
发明内容
本发明的目的是提供一种装配粗差判定方法及系统,提高粗差判定的置信区间的准确度,提高粗差识别和筛选的准确度。
为实现上述目的,本发明提供了如下方案:
一种装配粗差判定方法,包括:
获取装配配合面的实测装配偏差量;
利用先验经验和知识,分析装配偏差的变动范围;
利用蒙特卡洛法对所述装配变差的变动范围进行装配偏差有限元仿真,得到装配偏差仿真数据;
利用顺序统计、秩估计和信息熵相结合的方法去除所述装配偏差仿真数据中的极限值,得到置信装配偏差仿真数据;
以所述实测装配偏差量的数量为一个数据组内的数据的数量,将所述置信装配偏差仿真数据进行分组,得到多个装配偏差仿真数据组;
利用顺序统计、秩估计和信息熵结合的方法计算每个所述装配偏差仿真数据组的不确定度区间,得到装配偏差合格区间;
将每个所述装配偏差仿真数据组和所述实测装配偏差量组成的实测数据集合融合,得到多个融合数据集合;每个所述融合数据集合均由一个装配偏差仿真数据组和实测数据集合相加形成;
计算包含同一所述实测装配偏差量的所有融合数据的平均不确定度;
将所述平均不确定度与所述装配偏差合格区间对比,确定包含在所述装配偏差合格区间内的所述平均不确定度所对应的实测装配偏差量为合格偏差,确定位于所述装配偏差合格区间之外的所述平均不确定度所对应的实测装配偏差量为粗差。
可选的,所述获取装配配合面的实测装配偏差量,具体包括:
获取数字化测量设备采集的装配配合面图像;
对所述装配配合面图像进行处理,得到装配特征的实测数据;
将所述装配特征的实测数据与装配特征的理论数据进行对比,得到实测装配偏差量。
可选的,所述利用顺序统计、秩估计和信息熵相结合的方法去除所述装配偏差仿真数据中的极限值,得到置信装配偏差仿真数据,具体包括:
将所述装配偏差仿真数据按从小到大的顺序排列,得到有序装配偏差仿真数据集合;
依次计算所述有序装配偏差仿真数据集合中每个数据的平均秩估计;
根据所述有序装配偏差仿真数据集合中每个数据的平均秩估计计算所述有序装配偏差仿真数据集合的信息熵;
利用所述有序装配偏差仿真数据集合的信息熵计算所述有序装配偏差仿真数据集合的不确定度;
根据所述有序装配偏差仿真数据集合的中所有数据的平均值和所述有序装配偏差仿真数据集合的不确定度确定所述有序装配偏差仿真数据集合的置信区间;
判断所述装配偏差仿真数据中是否存在位于所述置信装配偏差仿真数据区间之外的数据,得到第一判断结果;
若所述第一判断结果表示不存在,则确定所述装配偏差仿真数据为置信装配偏差仿真数据;
若所述第一判断结果表示存在,则将所述装配偏差仿真数据中位于所述置信装配偏差仿真数据区间之外的数据去除之后返回计算所述有序装配偏差仿真数据集合的步骤。
可选的,所述利用顺序统计、秩估计和信息熵结合的方法计算每个所述装配偏差仿真数据组的不确定度区间,得到装配偏差合格区间,具体包括:
将每个所述装配偏差仿真数据组中的数据按从小到大的顺序排列,得到有序装配偏差仿真数据组;
依次计算每个所述有序装配偏差仿真数据组中每个数据的平均秩估计;
根据每个所述有序装配偏差仿真数据组中每个数据的平均秩估计计算每个所述有序装配偏差仿真数据组的信息熵;
利用每个所述有序装配偏差仿真数据组的信息熵计算每个所述有序装配偏差仿真数据组的不确定度;
在每个所述有序装配偏差仿真数据组的不确定度中,筛选出最小值作为所述装配偏差合格区间的最小值,筛选出最大值作为所述装配偏差合格区间的最大值,得到所述装配偏差合格区间。
可选的,所述计算包含同一所述实测装配偏差量的所有融合数据的平均不确定度,具体包括:
计算每个所述融合数据集合的不确定度;
将包含同一所述实测装配偏差量的所有融合数据集合划分到同一个组中,得到多个融合数据组;
求取包含在同一个融合数据组中的所有融合数据集合的不确定度的平均值,得到各个融合数据组的平均不确定度。
本发明还公开一种装配粗差判定系统,包括:
获取模块,用于获取装配配合面的实测装配偏差量;
变动范围确定模块,用于利用先验经验和知识,分析装配偏差的变动范围;
仿真模块,用于利用蒙特卡洛法对所述装配变差的变动范围进行装配偏差有限元仿真,得到装配偏差仿真数据;
置信数据筛选模块,用于利用顺序统计、秩估计和信息熵相结合的方法去除所述装配偏差仿真数据中的极限值,得到置信装配偏差仿真数据;
分组模块,用于以所述实测装配偏差量的数量为一个数据组内的数据的数量,将所述置信装配偏差仿真数据进行分组,得到多个装配偏差仿真数据组;
合格区间确定模块,用于利用顺序统计、秩估计和信息熵结合的方法计算每个所述装配偏差仿真数据组的不确定度区间,得到装配偏差合格区间;
融合模块,用于将每个所述装配偏差仿真数据组和所述实测装配偏差量组成的实测数据集合融合,得到多个融合数据集合;每个所述融合数据集合均由一个装配偏差仿真数据组和实测数据集合相加形成;
平均不确定度计算模块,用于计算包含同一所述实测装配偏差量的所有融合数据的平均不确定度;
粗差判定模块,用于将所述平均不确定度与所述装配偏差合格区间对比,确定包含在所述装配偏差合格区间内的所述平均不确定度所对应的实测装配偏差量为合格偏差,确定位于所述装配偏差合格区间之外的所述平均不确定度所对应的实测装配偏差量为粗差。
可选的,所述获取模块,具体包括:
图像获取单元,用于获取数字化测量设备采集的装配配合面图像;
图像处理单元,用于对所述装配配合面图像进行处理,得到装配特征的实测数据;
偏差计算单元,用于将所述装配特征的实测数据与装配特征的理论数据进行对比,得到实测装配偏差量。
可选的,所述置信数据筛选模块,具体包括:
第一排列单元,用于将所述装配偏差仿真数据按从小到大的顺序排列,得到有序装配偏差仿真数据集合;
第一平均秩估计计算单元,用于依次计算所述有序装配偏差仿真数据集合中每个数据的平均秩估计;
第一信息熵计算单元,用于根据所述有序装配偏差仿真数据集合中每个数据的平均秩估计计算所述有序装配偏差仿真数据集合的信息熵;
第一不确定计算单元,用于利用所述有序装配偏差仿真数据集合的信息熵计算所述有序装配偏差仿真数据集合的不确定度;
置信区间确定单元,用于根据所述有序装配偏差仿真数据集合的中所有数据的平均值和所述有序装配偏差仿真数据集合的不确定度确定所述有序装配偏差仿真数据集合的置信区间;
第一判断单元,用于判断所述装配偏差仿真数据中是否存在位于所述置信装配偏差仿真数据区间之外的数据,得到第一判断结果;
置信数据确定单元,用于若所述第一判断结果表示不存在,则确定所述装配偏差仿真数据为置信装配偏差仿真数据;
返回单元,用于若所述第一判断结果表示存在,则将所述装配偏差仿真数据中位于所述置信装配偏差仿真数据区间之外的数据去除之后返回计算所述有序装配偏差仿真数据集合的步骤。
可选的,所述合格区间确定模块,具体包括:
第二排列单元,用于将每个所述装配偏差仿真数据组中的数据按从小到大的顺序排列,得到有序装配偏差仿真数据组;
第二平均秩估计计算单元,用于依次计算每个所述有序装配偏差仿真数据组中每个数据的平均秩估计;
第二信息熵计算单元,用于根据每个所述有序装配偏差仿真数据组中每个数据的平均秩估计计算每个所述有序装配偏差仿真数据组的信息熵;
第二不确定计算单元,用于利用每个所述有序装配偏差仿真数据组的信息熵计算每个所述有序装配偏差仿真数据组的不确定度;
合格区间确定单元,用于在每个所述有序装配偏差仿真数据组的不确定度中,筛选出最小值作为所述装配偏差合格区间的最小值,筛选出最大值作为所述装配偏差合格区间的最大值,得到所述装配偏差合格区间。
可选的,所述平均不确定度计算模块,具体包括:
第三不确定度计算单元,用于计算每个所述融合数据集合的不确定度;
分组单元,用于将包含同一所述实测装配偏差量的所有融合数据集合划分到同一个组中,得到多个融合数据组;
平均不确定度计算单元,用于求取包含在同一个融合数据组中的所有融合数据集合的不确定度的平均值,得到各个融合数据组的平均不确定度。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明利用先验经验和知识分析装配偏差的变动范围,然后对所述装配变差的变动范围进行装配偏差有限元仿真,有效的实现了装配偏差先验经验和知识的挖掘,为置信装配偏差仿真数据的计算提供了有力支撑,提高了置信装配偏差仿真数据计算的准确度,进一步提高了粗差判定的准确度;同时将实测装配偏差量和装配偏差仿真数据融合到一起,避免了仅基于一种数据进行粗差判定的局限性,有效解决了飞机等复杂结构产品装配过程仅依靠实测数据进行粗差判定时装配偏差合格区间难以确定的难题,可在装配累积偏差不确定性大的情况下实现装配测量粗差判定,提高了在装配累积偏差不确定性大的情况下的装配测量粗差判定的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明装配粗差判定方法实施例的方法流程图;
图2为本发明装配粗差判定系统实施例的系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种装配粗差判定方法及系统,提高粗差判定的置信区间的准确度,提高粗差识别和筛选的准确度。本发明针对装配偏差测量数据少、累积偏差值不确定性大的特点,提出测量信息论和有限元法相融合的装配粗差判定方法。首先,基于先验经验与知识,利用有限元分析和蒙特卡罗法获取装配偏差先验信息。然后,挖掘偏差检测数据,形成测量数据信息。再将偏差先验信息与测量数据信息相融合,制定测量信息论和有限元分析法相融合的装配粗差判定法则。最终实现多源信息利用和数据融合,形成基于知识的小样本装配偏差数据挖掘方法。本发明特点在于:1)基于先验经验与知识,利用有限元分析和蒙特卡罗法获取装配偏差先验信息;2)将偏差先验信息与测量数据信息相融合,制定测量信息论和有限元分析法相融合的装配粗差判定法则。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明装配粗差判定方法实施例的方法流程图。
该装配粗差判定方法,包括:
步骤101:获取装配配合面的实测装配偏差量。
该步骤101具体包括:
获取数字化测量设备采集的装配配合面图像;对所述装配配合面图像进行处理,得到装配特征的实测数据;将所述装配特征的实测数据与装配特征的理论数据进行对比,得到实测装配偏差量。数字化测量设备包括CCD工业相机组等。图像处理过程包括预处理、图像分割、图像二值化、边缘检测和图像目标提取等操作。该步骤101中装配偏差试验次数记为n。
步骤102:利用先验经验和知识,分析装配偏差的变动范围;装配偏差包括零件制造误差、工装定位误差、薄壁件变形回弹、铆接变形、装配基准偏差等。
步骤103:利用蒙特卡洛法对所述装配变差的变动范围进行m次装配偏差有限元仿真,m=kn(k≥10),得到装配偏差仿真数据ym={y1a,y2a,…,yma},其中a表示装配偏差仿真数据的维度,表示装配偏差的不同描述方面。
步骤104:为了使仿真得到的数据更具稳健性,避免极端值对计算不确定度的影响,针对各装配偏差的不同描述方面,利用顺序统计、秩估计和信息熵相结合的方法去除所述装配偏差仿真数据中的极限值,得到置信装配偏差仿真数据。
该步骤104具体包括:
设描述装配的某一方面偏差仿真数据为将所述装配偏差仿真数据按从小到大的顺序排列,得到有序装配偏差仿真数据集合
依次计算所述有序装配偏差仿真数据集合中每个数据的平均秩估计
根据所述有序装配偏差仿真数据集合中每个数据的平均秩估计计算所述有序装配偏差仿真数据集合的信息熵
利用所述有序装配偏差仿真数据集合的信息熵计算所述有序装配偏差仿真数据集合的不确定度
根据所述有序装配偏差仿真数据集合的中所有数据的平均值和所述有序装配偏差仿真数据集合的不确定度确定所述有序装配偏差仿真数据集合的置信区间;将置信度确定为0.95,置信度为0.95以上的置信区间为 表示数据组的平均值;
判断所述装配偏差仿真数据中是否存在位于所述置信装配偏差仿真数据区间之外的数据,得到第一判断结果;
若所述第一判断结果表示不存在,则确定所述装配偏差仿真数据为置信装配偏差仿真数据;
若所述第一判断结果表示存在,则将所述装配偏差仿真数据中位于所述置信装配偏差仿真数据区间之外的数据去除之后返回计算所述有序装配偏差仿真数据集合的步骤。
步骤105:以所述实测装配偏差量的数量为一个数据组内的数据的数量,将所述置信装配偏差仿真数据进行分组,得到多个装配偏差仿真数据组。
首先针对每一种装配偏差描述,将步骤104中得到的置信装配偏差仿真数据再次进行顺序统计,记为β1,β2,…,βl(其中l<m),然后将β1,β2,…,βl的第1至项分成组,“[]”表示取整运算,每组n个数据,并记为N1,N2,…,Nt,其中并将剩下的项数据记为Np,其中p=t+1,从而得到多个装配偏差仿真数据组N1,N2,…,Np。
步骤106:利用顺序统计、秩估计和信息熵结合的方法计算每个所述装配偏差仿真数据组的不确定度区间,得到装配偏差合格区间。
该步骤106具体包括:计算装配偏差仿真数据组的不确定度和根据装配偏差仿真数据组的不确定度计算不确定度区间。
其中计算装配偏差仿真数据组的不确定度的过程与步骤步骤104中计算不确定度的原理相同,具体过程为:
将每个所述装配偏差仿真数据组中的数据按从小到大的顺序排列,得到有序装配偏差仿真数据组;
依次计算每个所述有序装配偏差仿真数据组中每个数据的平均秩估计;
根据每个所述有序装配偏差仿真数据组中每个数据的平均秩估计计算每个所述有序装配偏差仿真数据组的信息熵;
利用每个所述有序装配偏差仿真数据组的信息熵计算每个所述有序装配偏差仿真数据组的不确定度。多个装配偏差仿真数据组N1,N2,…,Np分别对应的不确定度为Ui(i=1,2,…,p)。
根据装配偏差仿真数据组的不确定度计算不确定度区间的具体过程为:
在每个所述有序装配偏差仿真数据组的不确定度中,筛选出最小值作为所述装配偏差合格区间的最小值,筛选出最大值作为所述装配偏差合格区间的最大值,得到所述装配偏差合格区间[Umin,Umax]。
步骤107:将每个所述装配偏差仿真数据组和所述实测装配偏差量组成的实测数据集合融合,得到多个融合数据集合Mbc=Nb+{xc},b=1,2,L,p;c=1,2,…,n。其中x表示实验数据,b表示有限元仿真数据演变出来的小样本的次序,即装配偏差仿真数据组的次序,c表示实验数据的次序;每个所述融合数据集合均由一个装配偏差仿真数据组和实测数据集合相加形成。
步骤108:计算包含同一所述实测装配偏差量的所有融合数据的平均不确定度。
该步骤108具体包括:具体包括:
计算每个所述融合数据集合Mbc的不确定度Ubc;融合数据集合的不确定度的计算过程与步骤步骤104中计算不确定度的原理相同;
将包含同一所述实测装配偏差量xi的所有融合数据集合划分到同一个组中,得到多个融合数据组;
求取包含在同一个融合数据组中的所有融合数据集合的不确定度的平均值,得到各个融合数据组的平均不确定度并以作为判断xi是否是粗差的依据。
步骤109:将所述平均不确定度与所述装配偏差合格区间[Umin,Umax]对比,确定包含在所述装配偏差合格区间内的所述平均不确定度所对应的实测装配偏差量为合格偏差,确定位于所述装配偏差合格区间之外的所述平均不确定度所对应的实测装配偏差量为粗差,并将粗差予以剔除,实现装配粗差源的量化识别。
图2为本发明装配粗差判定系统实施例的系统结构图。
参见图2该装配粗差判定系统,包括:
获取模块201,用于获取装配配合面的实测装配偏差量;该获取模块201,具体包括:图像获取单元、图像处理单元和偏差计算单元,其中:图像获取单元,用于获取数字化测量设备采集的装配配合面图像;图像处理单元,用于对所述装配配合面图像进行处理,得到装配特征的实测数据;偏差计算单元,用于将所述装配特征的实测数据与装配特征的理论数据进行对比,得到实测装配偏差量。
变动范围确定模块202,用于利用先验经验和知识,分析装配偏差的变动范围。
仿真模块203,用于利用蒙特卡洛法对所述装配变差的变动范围进行装配偏差有限元仿真,得到装配偏差仿真数据。
置信数据筛选模块204,用于利用顺序统计、秩估计和信息熵相结合的方法去除所述装配偏差仿真数据中的极限值,得到置信装配偏差仿真数据;该置信数据筛选模块204,具体包括:第一排列单元、第一平均秩估计计算单元、第一信息熵计算单元、第一不确定计算单元、置信区间确定单元、第一判断单元、置信数据确定单元和返回单元。其中:
第一排列单元,用于将所述装配偏差仿真数据按从小到大的顺序排列,得到有序装配偏差仿真数据集合;
第一平均秩估计计算单元,用于依次计算所述有序装配偏差仿真数据集合中每个数据的平均秩估计;
第一信息熵计算单元,用于根据所述有序装配偏差仿真数据集合中每个数据的平均秩估计计算所述有序装配偏差仿真数据集合的信息熵;
第一不确定计算单元,用于利用所述有序装配偏差仿真数据集合的信息熵计算所述有序装配偏差仿真数据集合的不确定度;
置信区间确定单元,用于根据所述有序装配偏差仿真数据集合的中所有数据的平均值和所述有序装配偏差仿真数据集合的不确定度确定所述有序装配偏差仿真数据集合的置信区间;
第一判断单元,用于判断所述装配偏差仿真数据中是否存在位于所述置信装配偏差仿真数据区间之外的数据,得到第一判断结果;
置信数据确定单元,用于若所述第一判断结果表示不存在,则确定所述装配偏差仿真数据为置信装配偏差仿真数据;
返回单元,用于若所述第一判断结果表示存在,则将所述装配偏差仿真数据中位于所述置信装配偏差仿真数据区间之外的数据去除之后返回计算所述有序装配偏差仿真数据集合的步骤。
分组模块205,用于以所述实测装配偏差量的数量为一个数据组内的数据的数量,将所述置信装配偏差仿真数据进行分组,得到多个装配偏差仿真数据组。
合格区间确定模块206,用于利用顺序统计、秩估计和信息熵结合的方法计算每个所述装配偏差仿真数据组的不确定度区间,得到装配偏差合格区间;该合格区间确定模块206,具体包括:第二排列单元、第二平均秩估计计算单元、第二信息熵计算单元、第二不确定计算单元和合格区间确定单元。其中:
第二排列单元,用于将每个所述装配偏差仿真数据组中的数据按从小到大的顺序排列,得到有序装配偏差仿真数据组;
第二平均秩估计计算单元,用于依次计算每个所述有序装配偏差仿真数据组中每个数据的平均秩估计;
第二信息熵计算单元,用于根据每个所述有序装配偏差仿真数据组中每个数据的平均秩估计计算每个所述有序装配偏差仿真数据组的信息熵;
第二不确定计算单元,用于利用每个所述有序装配偏差仿真数据组的信息熵计算每个所述有序装配偏差仿真数据组的不确定度;
合格区间确定单元,用于在每个所述有序装配偏差仿真数据组的不确定度中,筛选出最小值作为所述装配偏差合格区间的最小值,筛选出最大值作为所述装配偏差合格区间的最大值,得到所述装配偏差合格区间。
融合模块207,用于将每个所述装配偏差仿真数据组和所述实测装配偏差量组成的实测数据集合融合,得到多个融合数据集合;每个所述融合数据集合均由一个装配偏差仿真数据组和实测数据集合相加形成。
平均不确定度计算模块208,用于计算包含同一所述实测装配偏差量的所有融合数据的平均不确定度;所述平均不确定度计算模块208,具体包括:第三不确定度计算单元、分组单元和平均不确定度计算单元。其中:
第三不确定度计算单元,用于计算每个所述融合数据集合的不确定度;
分组单元,用于将包含同一所述实测装配偏差量的所有融合数据集合划分到同一个组中,得到多个融合数据组;
平均不确定度计算单元,用于求取包含在同一个融合数据组中的所有融合数据集合的不确定度的平均值,得到各个融合数据组的平均不确定度。
粗差判定模块209,用于将所述平均不确定度与所述装配偏差合格区间对比,确定包含在所述装配偏差合格区间内的所述平均不确定度所对应的实测装配偏差量为合格偏差,确定位于所述装配偏差合格区间之外的所述平均不确定度所对应的实测装配偏差量为粗差。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明利用先验经验和知识分析装配偏差的变动范围,然后对所述装配变差的变动范围进行装配偏差有限元仿真,有效的实现了装配偏差先验经验和知识的挖掘,为置信装配偏差仿真数据的计算提供了有力支撑,提高了置信装配偏差仿真数据计算的准确度,进一步提高了粗差判定的准确度;同时将实测装配偏差量和装配偏差仿真数据融合到一起,避免了仅基于一种数据进行粗差判定的局限性,有效解决了飞机等复杂结构产品装配过程仅依靠实测数据进行粗差判定时装配偏差合格区间难以确定的难题,可在装配累积偏差不确定性大的情况下实现装配测量粗差判定,提高了在装配累积偏差不确定性大的情况下的装配测量粗差判定的准确度。
对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种装配粗差判定方法,其特征在于,包括:
获取装配配合面的实测装配偏差量;
利用先验经验和知识,分析装配偏差的变动范围;
利用蒙特卡洛法对所述装配变差的变动范围进行装配偏差有限元仿真,得到装配偏差仿真数据;
利用顺序统计、秩估计和信息熵相结合的方法去除所述装配偏差仿真数据中的极限值,得到置信装配偏差仿真数据;
以所述实测装配偏差量的数量为一个数据组内的数据的数量,将所述置信装配偏差仿真数据进行分组,得到多个装配偏差仿真数据组;
利用顺序统计、秩估计和信息熵结合的方法计算每个所述装配偏差仿真数据组的不确定度区间,得到装配偏差合格区间;
将每个所述装配偏差仿真数据组和所述实测装配偏差量组成的实测数据集合融合,得到多个融合数据集合;每个所述融合数据集合均由一个装配偏差仿真数据组和实测数据集合相加形成;
计算包含同一所述实测装配偏差量的所有融合数据的平均不确定度;
将所述平均不确定度与所述装配偏差合格区间对比,确定包含在所述装配偏差合格区间内的所述平均不确定度所对应的实测装配偏差量为合格偏差,确定位于所述装配偏差合格区间之外的所述平均不确定度所对应的实测装配偏差量为粗差。
2.根据权利要求1所述的一种装配粗差判定方法,其特征在于,所述获取装配配合面的实测装配偏差量,具体包括:
获取数字化测量设备采集的装配配合面图像;
对所述装配配合面图像进行处理,得到装配特征的实测数据;
将所述装配特征的实测数据与装配特征的理论数据进行对比,得到实测装配偏差量。
3.根据权利要求1所述的一种装配粗差判定方法,其特征在于,所述利用顺序统计、秩估计和信息熵相结合的方法去除所述装配偏差仿真数据中的极限值,得到置信装配偏差仿真数据,具体包括:
将所述装配偏差仿真数据按从小到大的顺序排列,得到有序装配偏差仿真数据集合;
依次计算所述有序装配偏差仿真数据集合中每个数据的平均秩估计;
根据所述有序装配偏差仿真数据集合中每个数据的平均秩估计计算所述有序装配偏差仿真数据集合的信息熵;
利用所述有序装配偏差仿真数据集合的信息熵计算所述有序装配偏差仿真数据集合的不确定度;
根据所述有序装配偏差仿真数据集合的中所有数据的平均值和所述有序装配偏差仿真数据集合的不确定度确定所述有序装配偏差仿真数据集合的置信区间;
判断所述装配偏差仿真数据中是否存在位于所述置信装配偏差仿真数据区间之外的数据,得到第一判断结果;
若所述第一判断结果表示不存在,则确定所述装配偏差仿真数据为置信装配偏差仿真数据;
若所述第一判断结果表示存在,则将所述装配偏差仿真数据中位于所述置信装配偏差仿真数据区间之外的数据去除之后返回计算所述有序装配偏差仿真数据集合的步骤。
4.根据权利要求1所述的一种装配粗差判定方法,其特征在于,所述利用顺序统计、秩估计和信息熵结合的方法计算每个所述装配偏差仿真数据组的不确定度区间,得到装配偏差合格区间,具体包括:
将每个所述装配偏差仿真数据组中的数据按从小到大的顺序排列,得到有序装配偏差仿真数据组;
依次计算每个所述有序装配偏差仿真数据组中每个数据的平均秩估计;
根据每个所述有序装配偏差仿真数据组中每个数据的平均秩估计计算每个所述有序装配偏差仿真数据组的信息熵;
利用每个所述有序装配偏差仿真数据组的信息熵计算每个所述有序装配偏差仿真数据组的不确定度;
在每个所述有序装配偏差仿真数据组的不确定度中,筛选出最小值作为所述装配偏差合格区间的最小值,筛选出最大值作为所述装配偏差合格区间的最大值,得到所述装配偏差合格区间。
5.根据权利要求1所述的一种装配粗差判定方法,其特征在于,所述计算包含同一所述实测装配偏差量的所有融合数据的平均不确定度,具体包括:
计算每个所述融合数据集合的不确定度;
将包含同一所述实测装配偏差量的所有融合数据集合划分到同一个组中,得到多个融合数据组;
求取包含在同一个融合数据组中的所有融合数据集合的不确定度的平均值,得到各个融合数据组的平均不确定度。
6.一种装配粗差判定系统,其特征在于,包括:
获取模块,用于获取装配配合面的实测装配偏差量;
变动范围确定模块,用于利用先验经验和知识,分析装配偏差的变动范围;
仿真模块,用于利用蒙特卡洛法对所述装配变差的变动范围进行装配偏差有限元仿真,得到装配偏差仿真数据;
置信数据筛选模块,用于利用顺序统计、秩估计和信息熵相结合的方法去除所述装配偏差仿真数据中的极限值,得到置信装配偏差仿真数据;
分组模块,用于以所述实测装配偏差量的数量为一个数据组内的数据的数量,将所述置信装配偏差仿真数据进行分组,得到多个装配偏差仿真数据组;
合格区间确定模块,用于利用顺序统计、秩估计和信息熵结合的方法计算每个所述装配偏差仿真数据组的不确定度区间,得到装配偏差合格区间;
融合模块,用于将每个所述装配偏差仿真数据组和所述实测装配偏差量组成的实测数据集合融合,得到多个融合数据集合;每个所述融合数据集合均由一个装配偏差仿真数据组和实测数据集合相加形成;
平均不确定度计算模块,用于计算包含同一所述实测装配偏差量的所有融合数据的平均不确定度;
粗差判定模块,用于将所述平均不确定度与所述装配偏差合格区间对比,确定包含在所述装配偏差合格区间内的所述平均不确定度所对应的实测装配偏差量为合格偏差,确定位于所述装配偏差合格区间之外的所述平均不确定度所对应的实测装配偏差量为粗差。
7.根据权利要求6所述的一种装配粗差判定系统,其特征在于,所述获取模块,具体包括:
图像获取单元,用于获取数字化测量设备采集的装配配合面图像;
图像处理单元,用于对所述装配配合面图像进行处理,得到装配特征的实测数据;
偏差计算单元,用于将所述装配特征的实测数据与装配特征的理论数据进行对比,得到实测装配偏差量。
8.根据权利要求6所述的一种装配粗差判定系统,其特征在于,所述置信数据筛选模块,具体包括:
第一排列单元,用于将所述装配偏差仿真数据按从小到大的顺序排列,得到有序装配偏差仿真数据集合;
第一平均秩估计计算单元,用于依次计算所述有序装配偏差仿真数据集合中每个数据的平均秩估计;
第一信息熵计算单元,用于根据所述有序装配偏差仿真数据集合中每个数据的平均秩估计计算所述有序装配偏差仿真数据集合的信息熵;
第一不确定计算单元,用于利用所述有序装配偏差仿真数据集合的信息熵计算所述有序装配偏差仿真数据集合的不确定度;
置信区间确定单元,用于根据所述有序装配偏差仿真数据集合的中所有数据的平均值和所述有序装配偏差仿真数据集合的不确定度确定所述有序装配偏差仿真数据集合的置信区间;
第一判断单元,用于判断所述装配偏差仿真数据中是否存在位于所述置信装配偏差仿真数据区间之外的数据,得到第一判断结果;
置信数据确定单元,用于若所述第一判断结果表示不存在,则确定所述装配偏差仿真数据为置信装配偏差仿真数据;
返回单元,用于若所述第一判断结果表示存在,则将所述装配偏差仿真数据中位于所述置信装配偏差仿真数据区间之外的数据去除之后返回计算所述有序装配偏差仿真数据集合的步骤。
9.根据权利要求6所述的一种装配粗差判定系统,其特征在于,所述合格区间确定模块,具体包括:
第二排列单元,用于将每个所述装配偏差仿真数据组中的数据按从小到大的顺序排列,得到有序装配偏差仿真数据组;
第二平均秩估计计算单元,用于依次计算每个所述有序装配偏差仿真数据组中每个数据的平均秩估计;
第二信息熵计算单元,用于根据每个所述有序装配偏差仿真数据组中每个数据的平均秩估计计算每个所述有序装配偏差仿真数据组的信息熵;
第二不确定计算单元,用于利用每个所述有序装配偏差仿真数据组的信息熵计算每个所述有序装配偏差仿真数据组的不确定度;
合格区间确定单元,用于在每个所述有序装配偏差仿真数据组的不确定度中,筛选出最小值作为所述装配偏差合格区间的最小值,筛选出最大值作为所述装配偏差合格区间的最大值,得到所述装配偏差合格区间。
10.根据权利要求6所述的一种装配粗差判定系统,其特征在于,所述平均不确定度计算模块,具体包括:
第三不确定度计算单元,用于计算每个所述融合数据集合的不确定度;
分组单元,用于将包含同一所述实测装配偏差量的所有融合数据集合划分到同一个组中,得到多个融合数据组;
平均不确定度计算单元,用于求取包含在同一个融合数据组中的所有融合数据集合的不确定度的平均值,得到各个融合数据组的平均不确定度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810182694.3A CN108427837B (zh) | 2018-03-06 | 2018-03-06 | 一种装配粗差判定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810182694.3A CN108427837B (zh) | 2018-03-06 | 2018-03-06 | 一种装配粗差判定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108427837A true CN108427837A (zh) | 2018-08-21 |
CN108427837B CN108427837B (zh) | 2021-09-10 |
Family
ID=63157951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810182694.3A Active CN108427837B (zh) | 2018-03-06 | 2018-03-06 | 一种装配粗差判定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108427837B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460599A (zh) * | 2018-10-30 | 2019-03-12 | 南昌航空大学 | 一种装配特征偏差的传递量化分析方法及系统 |
CN114547920A (zh) * | 2022-04-28 | 2022-05-27 | 南昌航空大学 | 一种飞机结构件装配偏差仿真模型可信度评价方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0237223B1 (en) * | 1986-02-25 | 1993-04-21 | Litton Systems, Inc. | Passive ranging method and apparatus |
CN102411735A (zh) * | 2011-09-09 | 2012-04-11 | 河海大学常州校区 | 可重构装配系统重构规划方案评价方法 |
CN104376211A (zh) * | 2014-11-14 | 2015-02-25 | 合肥工业大学 | 一种坐标测量机测量不确定度评定方法 |
CN106066901A (zh) * | 2016-04-22 | 2016-11-02 | 中南大学 | 一种gnss自动化变形监测的基准点稳定性分析方法 |
CN106570252A (zh) * | 2016-10-26 | 2017-04-19 | 中国运载火箭技术研究院 | 一种基于概率技术的热防护系统设计方法 |
CN107138586A (zh) * | 2017-07-11 | 2017-09-08 | 南昌航空大学 | 一种用于密封多层管的推头结构 |
CN107609227A (zh) * | 2017-08-23 | 2018-01-19 | 北京理工大学 | 一种基于最大熵理论的装配工艺优化方法 |
-
2018
- 2018-03-06 CN CN201810182694.3A patent/CN108427837B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0237223B1 (en) * | 1986-02-25 | 1993-04-21 | Litton Systems, Inc. | Passive ranging method and apparatus |
CN102411735A (zh) * | 2011-09-09 | 2012-04-11 | 河海大学常州校区 | 可重构装配系统重构规划方案评价方法 |
CN104376211A (zh) * | 2014-11-14 | 2015-02-25 | 合肥工业大学 | 一种坐标测量机测量不确定度评定方法 |
CN106066901A (zh) * | 2016-04-22 | 2016-11-02 | 中南大学 | 一种gnss自动化变形监测的基准点稳定性分析方法 |
CN106570252A (zh) * | 2016-10-26 | 2017-04-19 | 中国运载火箭技术研究院 | 一种基于概率技术的热防护系统设计方法 |
CN107138586A (zh) * | 2017-07-11 | 2017-09-08 | 南昌航空大学 | 一种用于密封多层管的推头结构 |
CN107609227A (zh) * | 2017-08-23 | 2018-01-19 | 北京理工大学 | 一种基于最大熵理论的装配工艺优化方法 |
Non-Patent Citations (5)
Title |
---|
M.F.PELLISSETTI .ETC: ""Scalable uncertainty and reliability analysis by integration of advanced Monte Carlo simulation and generic finite element solvers"", 《COMPUTERS AND STRUCTURES》 * |
孟庆旭等: ""船台测量场中公共点的粗差判别方法"", 《测绘通报》 * |
朱永国等: ""基于SDT和间接平差的中机身自动调姿精度分析"", 《航空学报》 * |
朱永国等: ""飞机装配高精度测量控制网精度分析与构建准则"", 《中国机械工程》 * |
李登辉等: ""基于测量信息论的小样本粗大误差处理研究"", 《机械工程与自动化》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460599A (zh) * | 2018-10-30 | 2019-03-12 | 南昌航空大学 | 一种装配特征偏差的传递量化分析方法及系统 |
CN109460599B (zh) * | 2018-10-30 | 2022-06-28 | 南昌航空大学 | 一种装配特征偏差的传递量化分析方法及系统 |
CN114547920A (zh) * | 2022-04-28 | 2022-05-27 | 南昌航空大学 | 一种飞机结构件装配偏差仿真模型可信度评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108427837B (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hajdu et al. | Sensitivity analysis in PERT networks: Does activity duration distribution matter? | |
CN106355011A (zh) | 一种地球化学数据元素序结构分析方法及装置 | |
CN105867341A (zh) | 一种烟草加工设备的在线设备健康状态自检方法及系统 | |
Liu et al. | Intelligent scanning for optimal rock discontinuity sets considering multiple parameters based on manifold learning combined with UAV photogrammetry | |
CN108427837A (zh) | 一种装配粗差判定方法及系统 | |
CN108830317B (zh) | 基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法 | |
CN111199493A (zh) | 一种基于客户缴费信息及征信信息的欠费风险识别方法 | |
CN115599844A (zh) | 一种飞机翼面连接件错装漏装可视化检测方法 | |
CN112907026A (zh) | 一种基于可编辑网状指标体系的综合评估方法 | |
CN109740890A (zh) | 一种质量影响因素相关性分析方法 | |
CN106874251A (zh) | 一种岩体rbi和rqd指标的测量方法 | |
Han et al. | Technical comparisons of simulation-based productivity prediction methodologies by means of estimation tools focusing on conventional earthmovings | |
CN117892945A (zh) | 基于神经网络的建筑工程造价测算方法 | |
CN113742248A (zh) | 一种基于项目测量数据进行组织过程预测的方法及系统 | |
CN105956605A (zh) | 基于并行k-means聚类的三维结构相似性聚类方法 | |
CN115408859B (zh) | 基于全局敏感性分析的参数分析方法、装置、介质及设备 | |
CN106980675B (zh) | 一种高效的桥梁结构健康预警系统 | |
CN105842535B (zh) | 一种基于相似特征融合的谐波主特征群筛选方法 | |
CN113947309A (zh) | 基于建造大数据的盾构隧道施工标准工时测算及评分方法 | |
Braun et al. | Classification of detection states in construction progress monitoring | |
Howley et al. | Developing an integrated structural modelling workflow | |
CN112581188A (zh) | 工程项目投标报价预测模型构建方法、预测方法及模型 | |
CN111967677A (zh) | 一种非常规资源甜点分布的预测方法及装置 | |
Araibi et al. | Improvement of Value Stream Mapping by Integrating a Monte Carlo Simulation: A Conceptual Model | |
Stojadinović | Improving the Low Accuracy of Traditional Earthquake Loss Assessment Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |