CN110210155B - 一种飞机壁板铆接路径数值规划方法 - Google Patents

Abstract

本发明公开了一种飞机壁板铆接路径数值规划方法，该方法包括：基于染色体编码和适应度函数，采用遗传算法形成壁板铆接路径；采用蚁群算法对壁板铆接路径进行优化。本发明基于遗传算法和蚁群算法，对铆接路径和铆接整体变形两方面协同控制，提出壁板铆接路径规划的方法，以减小壁板铆接变形，具有广阔的工程应用前景。

Description

一种飞机壁板铆接路径数值规划方法

技术领域

本发明涉及飞机壁板装配变形预测及工艺优化技术领域，更具体的涉及一种飞机壁板铆接路径数值规划方法。

背景技术

壁板是飞机机体结构的重要组成部分，通常由蒙皮、长桁、隔框和剪切角片等薄壁零件组成。薄壁零件具有弱刚性和易变形的特点，极易在铆接过程中产生装配变形，引起壁板产生形状误差，造成后续装配操作困难，构件的变形及应力难以分析和评估。飞机部件装配中遇到的主要问题也是壁板结构的易变形及产品在装配过程中的尺寸形状变化，多阶段装配工艺过程中连接外力引起的装配变形易导致产品的几何尺寸超差，据统计，65％-70％的设计更改是因为没有准确控制产品外形和几何尺寸而引起的。产品几何尺寸的变化直接影响了产品的外形准确度，降低了装配协调准确度，不利于后续装配过程。因此，通过铆接过程的工艺规划，将壁板铆接变形控制在容差范围之内，具有重要意义。

在实际装配过程中，工艺人员已经意识到壁板扭翘变形的普遍存在，但主要通过经验或专用工装来控制变形，甚至将变形后的结构件强行通过机械方法实现“协调”装配，导致产品的应力增加而降低了产品的抗疲劳和耐应力腐蚀能力。以自动钻铆机为代表的自动化连接设备在一定程度上提高了铆接质量的一致性，但仍无法避免铆接变形的产生。壁板装配一般涉及多根长桁与蒙皮的铆接，除单个铆接过程的工艺参数外，铆接路径也是影响壁板铆接变形的主要因素之一，传统壁板装配中的铆接路径规划主要依赖于经验，有中心法、边缘法。这些方法在一定程度上能够减小变形，但其铆接路径变化多，铆接效率较低，不适用于壁板自动钻铆。

目前，Xiao等在文献Multi-objective optimization method for automaticdrilling and riveting sequence planning(Chinese journal of Aeronautics,2010,23(6):734-742)中提出以钻铆时间最短和交替次数最少为目标函数，建立了表征钻铆效率和钻铆精度的多目标优化模型，并通过遗传算法进行了求解。隋洪江等在文献基于蚁群算法的壁板钻铆顺序多目标优化(飞机设计,2015(4):51-55)中同样利用上述方法对铆接路径进行了规划。倪俊提出了针对曲面天线结构铆钉镦粗方向和装配顺序的优化方法(曲面天线现场装配工艺优化关键技术研究.2016)，但在壁板铆接过程中，铆钉镦粗方向一般是固定的。可以看出，目前对于壁板铆接路径的研究主要集中于减小其铆接路径长度，而较少涉及铆接变形的控制，若在铆接过程中不对铆接路径进行评估规划，会造成铆接变形超差，故需要在铆接路径规划的同时需要考虑铆接变形的影响。

发明内容

为克服现有方法对铆接路径和铆接整体变形两方面协同控制的不足，本发明提出一种壁板铆接路径规划的方法，以减小壁板铆接变形。

本发明实施例提供一种飞机壁板铆接路径数值规划方法，包括：

基于染色体编码和适应度函数，采用遗传算法形成壁板铆接路径；

采用蚁群算法对壁板铆接路径进行优化。

进一步地，所述基于染色体编码和适应度函数，采用遗传算法形成壁板铆接路径，具体包括：

步骤11，遗传操作参数初始化；随机生成若干铆接路径分布方案作为遗传操作的初始种群，设定遗传操作结束的信息素阈值δ₀和τ₀，以及遗传操作中的交叉和变异概率p_c和p_m；

步骤12，种群适应度计算；根据壁板铆接分区及染色体编码，利用适应度函数计算已有种群的适应度；

步骤13，选择、交叉及变异操作；根据已有种群的适应度以及设定的p_c和p_m，获取新的布局方式；

步骤14，适应度最优种群概率计算；在任意时刻t，分析得到在已有种群中适应度最优的种群，并分析其在种群中所占的概率τ_max，若τ_max≥τ₀，则转至步骤15，否则，转至步骤13；

步骤15，遗传算法结束，并输出铆接路径规划结果；取出在t时刻种群中出现概率最大的种群作为蚁群操作的输入，形成初始的蚁群操作信息素分布。

进一步地，所述壁板铆接分区及染色体编码，具体包括：

结合划分的壁板分区域，确定基因组，使得包括每一个区域的信息以及在铆接时的路径信息，还有区域编号、位置信息，则壁板铆接区域的基因组表示为：

Region_k＝{ID_k,Seq_k}

其中，k指第k个铆接装配区域，也是染色体中的第k位基因组，k∈{1,2,3,...,(n+1)×m}；ID_k表示区域编号，是对壁板所有区域依次编号后的区域编号，Seq_k指在铆接区域ID_k时，采用的铆接顺序；结合壁板铆接装配特点，编码规则的赋值如下：

(1)铆接区域编号k是1～(n+1)×m的任意一个整数，在数值上等于铆接区域的总数；

(2)铆接区域编号ID_k根据长桁位置和卡板位置确定，依次进行编号，取ID_k＝ij,(i∈1,2,3,...,n+1,j∈1,2,3,...,m)；

(3)铆接顺序Seq_k为1～q的某一整数，q为铆接区域中所有顺序的个数，q的取值为6；在壁板铆接时，先沿着铆接路径按一定间隔铆接定位钉，然后依次将剩下的铆钉全部铆接完毕。

进一步地，所述适应度函数，具体包括：

适应度函数是用来衡量个体优劣的标准，选择壁板铆接最大变形V_max和测量点变形的均方根V_rms为变形评价函数，均方根函数定义如下：

式中：N为测量点的个数；X_i为测量点的变形；

在壁板上均匀选择N个测量点，通过铆接路径长度L来评价铆接成本的高低，如下式，适应度函数Fitness(P_k)取值越大，表明该个体越好；

式中：L_max为最大的铆接路径长度，取中心法的铆接路径；L_i为第i个铆接区域的铆接路径长度；P_s为染色体s表示的铆接路径。

进一步地，所述采用蚁群算法对壁板铆接路径进行优化，具体包括：

步骤21，蚁群操作参数初始化；根据遗传操作结果分布m只蚂蚁，并形成初始的信息素分布，设置蚁群操作信息素浓度阈值τ₁；

步骤22，移动概率计算：根据蚁群操作求解空间和禁忌空间，计算蚂蚁k在时刻t的移动概率，并依照概率移动蚂蚁，同时将走过的区域列入禁忌表中；

步骤23，信息素局部更新；每只蚂蚁完成寻径之后进行信息素更新，根据增加的信息素浓度表达式更新信息素；

步骤24，遗传操作；将步骤23中寻径结束得到的所有路径作为一个种群，进行交叉和变异遗传操作，并最终得到一条最优路径；

步骤25，信息素全局更新；对本次得到的最优路径进行全局更新；

步骤26，输出结果；判断是否满足终止条件，当种群中的最优个体满足精度要求或总代数达到一定数量时，结束进化操作，若不满足，转入步骤22。

进一步地，所述增加的信息素浓度表达式，如下所示：

其中，Δτ_ij(t)表示t时刻本次循环中路径(i,j)上的信息素增量，初始时刻Δτ_ij(0)＝0，

表示t时刻第k只蚂蚁在本次循环中留在路径(i,j)上的信息量。

本发明实施例提供一种飞机壁板铆接路径数值规划方法，与现有技术相比，其有益效果如下：

本发明基于遗传算法和蚁群算法，对铆接路径和铆接整体变形两方面协同控制，提出壁板铆接路径规划的方法，以减小壁板铆接变形，具有广阔的工程应用前景。以96钉壁板比例件铆接数值计算来说，在铆接路径优化的条件下，变形从实际路径的0.636mm减小到优化路径的0.299mm，减小了0.337mm，而路径长度没有增加。

附图说明

图1为本发明实施例提供的飞机壁板铆接路径数值规划流程图；

图2为本发明实施例提供的飞机壁板铆接路径数值规划仿真流程图；

图3为本发明实施例提供的壁板铆接区域划分示意图；

图4为本发明实施例提供的壁板比例件示意图；

图5为本发明实施例提供的中心法铆接示意图；

图6为本发明实施例提供的边缘法铆接示意图。

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。

参见图1，本发明实施例提供的一种飞机壁板铆接路径数值规划方法，该方法包括：

步骤S1，基于染色体编码和适应度函数，采用遗传算法形成壁板铆接路径。

步骤S2，采用蚁群算法对壁板铆接路径进行优化。

另外，参见图2，本发明利用MATLAB和ABAQUS，仿真计算基于遗传算法和蚁群算法的壁板铆接路径规划，获得优化的铆接顺序，验证实际优化的铆接顺序。

步骤S1的具体过程如下：

遗传操作的目的是在染色体编码和适应度函数的基础上，形成壁板铆接路径的方案，为后续蚁群算法提供初始的信息素分布方案，因此，遗传操作的输出是蚁群操作的输入。

步骤11遗传操作参数初始化

随机生成若干铆接路径分布方案作为遗传操作的初始种群，设定遗传操作结束的信息素阈值δ₀和τ₀，以及遗传操作中的交叉和变异概率p_c和p_m。

步骤12种群适应度计算

根据壁板铆接分区及染色体编码，利用适应度函数式(2)计算已有种群的适应值。

步骤13选择、交叉及变异操作

即根据计算出的各种群(铆接路径排布)的适应度以及设定的p_c和p_m，获取新的布局方式。

步骤14适应度最优种群概率计算

在任意时刻t，分析得到在已有种群中适应度最优的种群，并分析其在种群中所占的概率τ_max，若τ_max≥τ₀，则转至步骤15，否则，重复步骤13。

步骤15遗传算法结束，并输出铆接路径规划结果

取出在t时刻种群中出现概率最大的种群作为蚁群操作的输入，形成初始的蚁群操作信息素分布。

步骤12中染色体编码具体解释如下：

结合划分的壁板分区域，确定基因组，使得包括每一个区域的信息以及在铆接时的路径信息，还有区域编号、位置信息等，则壁板铆接区域的基因组可表示为：

Region_k＝{ID_k,Seq_k}

其中，k指第k个铆接装配区域，也是染色体中的第k位基因组，k∈{1,2,3,...,(n+1)×m}。ID_k表示区域编号，是对壁板所有区域依次编号后的区域编号，详见图3。Seq_k指在铆接区域ID_k时，采用的铆接顺序。结合壁板铆接装配特点，编码规则的赋值如下：

(1)铆接区域编号k是1～(n+1)×m的任意一个整数，在数值上等于铆接区域的总数，但该步的铆接区域编号与ID_k是不同的。

(2)铆接区域编号ID_k根据长桁位置和卡板位置确定，依次进行编号。本文取ID_k＝ij,(i∈1,2,3,...,n+1,j∈1,2,3,...,m).

(3)铆接顺序Seq_k为1～q的某一整数，q为铆接区域中所有可能顺序的个数，本文中q的取值为6。通常在壁板铆接时，先沿着铆接路径按一定间隔铆接定位钉，然后依次将剩下的铆钉全部铆接完毕。

选取的铆接路径分别为顺序铆接，隔1个铆钉、2个铆钉、3个铆钉、4个铆钉和5个铆钉的铆接顺序，依次编号为1，2，3，4，5，6。以12钉长条件铆接为例，铆接顺序编码如表1所列。

表1铆接顺序编码

步骤12中适应度函数具体解释如下：

适应度函数是用来衡量个体优劣的标准，本节选择壁板铆接最大变形V_max

和测量点变形的均方根V_rms为变形评价函数，均方根函数定义如下式：

式中：

N为测量点的个数；

X_i为测量点的变形。

在壁板上均匀选择N个测量点。通过铆接路径长度L来评价铆接成本的高低。如下式，适应度函数取值越大，表明该个体越好。

式中：L_max为最大的铆接路径长度，专利中取中心法的铆接路径。

步骤S2的具体过程如下：

在本文研究中将每个铆接局部区域看作是一个装配件，在每个局部区域的铆钉则是相应装配件的子装配件。将蚂蚁群集中在第一块铆接区域中，在启发信息η_ij和信息浓度τ_ij的指导下，即转移概率，移动到下一个节点，从候选列表(allowed_i ^k)选取下一个待铆接的区域，其中每个局部区域的装配信息矩阵就是这片区域的基因组。

蚂蚁k从节点i移动到节点j的概率如下式：

式中：

τ_ij(t)为t时刻的信息素；

η_ij为蚁群操作中的能见度，即适应度函数值；

α为控制信息素的信息启发因子；

β为控制能见度的能见度启发因子。

当蚂蚁k从铆接区域i移动到铆接区域j后，增加的信息素浓度可如下式所示：

考虑到蚁群操作中信息素浓度会随时间的推进而不断挥发，因此，当蚂蚁k从铆接区域i移动到铆接区域j后，最终的信息素浓度可由下式表示，其中ρ表示信息素的挥发因子，且ρ<1。

τ_ij(t+n)＝(1-ρ)τ_ij(t)+Δτ_ij(t)

Δτ_ij(t)表示本次循环中路径(i,j)上的信息素增量，初始时刻Δτ_ij(0)＝0，

表示第k只蚂蚁在本次循环中留在路径(i,j)上的信息量。

因此，面向壁板铆接路径规划的蚁群操作可分为如下几步：

步骤21蚁群操作参数初始化

根据遗传操作结果分布m只蚂蚁，并形成初始的信息素分布，设置蚁群操作信息素浓度阈值τ₁。

步骤22移动概率计算

根适应度函数及蚁群操作求解空间和禁忌空间，计算蚂蚁k在时刻t的移动概率，并依照概率移动蚂蚁，同时将走过的区域列入禁忌表中。

步骤23信息素局部更新

每只蚂蚁完成寻径之后进行信息素更新，根据增加的信息素浓度表达式更新信息素。

步骤24遗传操作

将上一步中寻径结束得到的所有路径作为一个种群，进行交叉和变异遗传操作，并最终得到一条最优路径。

步骤25信息素全局更新

对本次得到的最优路径进行全局更新。

步骤26输出结果

判断是否满足终止条件，当种群中的最优个体满足精度要求或总代数达到一定数量时，结束进化操作，若不满足，转入步骤22。

具体实施例：

以壁板比例件为对象，进行算例分析，该壁板包括1块蒙皮和3根长桁，长桁为“T”字形，蒙皮外形尺寸为1034mm×442mm，共有96个铆接点位，6个螺栓连接，其中铆钉为无头铆钉，铆接过程中采用2个卡板定位，如图4所示。

本发明用壁板装配中常用的中心法、边缘法分别进行计算，其铆接路径如图5和图6所示，中心法的特点在于通过不同区域的交替铆接，以减小铆接整体变形，但铆接路径较长；边缘法的特点在于铆接路径短，能够有效提高铆接效率，在一定程度上能够减小铆接变形。本发明通过比较以上两种方法的路径长度和铆接变形，验证所得到的优化路径的优点。根据壁板在自动钻铆中的实际定位条件，将中心法铆接顺序定义为：(42→51)→(20→11)→(73→82)→(52→64)→(41→33)→(10→1)→(21→32)→(83→96)→(72→66)。边缘法铆接顺序定义为：1→32→64→33→65→96。实际采用的铆接顺序为：1→32→33→64→65→96。

选定文中的交叉概率为0.3，变异概率为0.05，设定判定遗传操作结束的信息素阈值τ₀＝0.4，设置迭代次数N_max＝30，信息启发因子η_ij＝4，信息素挥发因子ρ＝0.1，开始进行运算。优化后的顺序为：1→42→45→48→51→50→49→47→46→44→43→11→14→17→20→19→18→16→15→13→12→73→76→79→82→81→80→78→77→75→74→41→38→35→33→34→36→37→39→40→10→7→4→2→3→5→6→8→9→72→69→66→65→67→68→70→71→52→55→58→61→64→63→62→60→59→57→56→54→53→21→24→27→30→32→31→29→28→26→25→23→22→83→86→89→92→95→96→94→93→91→90→88→87→85→84。

表2列出了四种不同顺序下的最大变形量、测量点变形的均方根和铆接路径长度。其中采用中心法时路径最长，实际铆接顺序和优化后的铆接顺序次之，边缘法路径最短；从铆接变形来看，优化后的铆接顺序最小，中心法次之，边缘法最大；从变形均方根值判断，优化后铆接顺序产生的变形更加均匀，而中心法和边缘法产生了一定的翘曲变形，且边缘法的不均匀性更加明显。

表2不同铆接顺序下的变形和路径长度

综上所述，本发明基于遗传算法和蚁群算法，对铆接路径和铆接整体变形两方面协同控制，提出壁板铆接路径规划的方法，以减小壁板铆接变形，具有广阔的工程应用前景。

以上公开的仅为本发明的几个具体实施例，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (3)

1.一种飞机壁板铆接路径数值规划方法，其特征在于，包括：

基于染色体编码和适应度函数，采用遗传算法形成壁板铆接路径；

采用蚁群算法对壁板铆接路径进行优化；

所述基于染色体编码和适应度函数，采用遗传算法形成壁板铆接路径，具体包括：

步骤11，遗传操作参数初始化；随机生成若干铆接路径分布方案作为遗传操作的初始种群，设定遗传操作结束的信息素阈值δ₀和τ₀，以及遗传操作中的交叉和变异概率p_c和p_m；

步骤12，种群适应度计算；根据壁板铆接分区及染色体编码，利用适应度函数计算已有种群的适应度；

步骤13，选择、交叉及变异操作；根据已有种群的适应度以及设定的p_c和p_m，获取新的布局方式；

步骤14，适应度最优种群概率计算；在任意时刻t，分析得到在已有种群中适应度最优的种群，并分析其在种群中所占的概率τ_max，若τ_max≥τ₀，则转至步骤15，否则，转至步骤13；

步骤15，遗传算法结束，并输出铆接路径规划结果；取出在t时刻种群中出现概率最大的种群作为蚁群操作的输入，形成初始的蚁群操作信息素分布；

所述壁板铆接分区及染色体编码，具体包括：

结合划分的壁板分区域，确定基因组，使得包括每一个区域的信息以及在铆接时的路径信息，还有区域编号、位置信息，则壁板铆接区域的基因组表示为：

Region_k＝{ID_k,Seq_k}

其中，k指第k个铆接装配区域，也是染色体中的第k位基因组，k∈{1,2,3,...,(n+1)×m}；ID_k表示区域编号，是对壁板所有区域依次编号后的区域编号，Seq_k指在铆接区域ID_k时，采用的铆接顺序；结合壁板铆接装配特点，编码规则的赋值如下：

(1)铆接区域编号k是1～(n+1)×m的任意一个整数，在数值上等于铆接区域的总数；

(2)铆接区域编号ID_k根据长桁位置和卡板位置确定，依次进行编号，取ID_k＝ij,(i∈1,2,3,...,n+1,j∈1,2,3,...,m)；

(3)铆接顺序Seq_k为1～q的某一整数，q为铆接区域中所有顺序的个数，q的取值为6；在壁板铆接时，先沿着铆接路径按一定间隔铆接定位钉，然后依次将剩下的铆钉全部铆接完毕；

所述适应度函数，具体包括：

适应度函数是用来衡量个体优劣的标准，选择壁板铆接最大变形V_max和测量点变形的均方根V_rms为变形评价函数，均方根函数定义如下：

式中：N为测量点的个数；X_i为测量点的变形；

在壁板上均匀选择N个测量点，通过铆接路径长度L来评价铆接成本的高低，如下式，适应度函数Fitness(P_s)取值越大，表明该个体越好；

式中：L_max为最大的铆接路径长度，取中心法的铆接路径；L_i为第i个铆接区域的铆接路径长度；P_s为染色体s表示的铆接路径。

2.如权利要求1所述的飞机壁板铆接路径数值规划方法，其特征在于，所述采用蚁群算法对壁板铆接路径进行优化，具体包括：

步骤21，蚁群操作参数初始化；根据遗传操作结果分布m只蚂蚁，并形成初始的信息素分布，设置蚁群操作信息素浓度阈值τ₁；

步骤22，移动概率计算：根据蚁群操作求解空间和禁忌空间，计算蚂蚁k在时刻t的移动概率，并依照概率移动蚂蚁，同时将走过的区域列入禁忌表中；

步骤23，信息素局部更新；每只蚂蚁完成寻径之后进行信息素更新，根据增加的信息素浓度表达式更新信息素；

步骤24，遗传操作；将步骤23中寻径结束得到的所有路径作为一个种群，进行交叉和变异遗传操作，并最终得到一条最优路径；

步骤25，信息素全局更新；对本次得到的最优路径进行全局更新；

步骤26，输出结果；判断是否满足终止条件，当种群中的最优个体满足精度要求或总代数达到一定数量时，结束进化操作，若不满足，转入步骤22。

3.如权利要求2所述的飞机壁板铆接路径数值规划方法，其特征在于，所述增加的信息素浓度表达式，如下所示：

其中，Δτ_ij(t)表示t时刻本次循环中路径(i,j)上的信息素增量，初始时刻Δτ_ij(0)＝0，

表示t时刻第k只蚂蚁在本次循环中留在路径(i,j)上的信息量。

Images