CN112163300B - 一种基于相对熵的轴孔零件选择装配方法 - Google Patents
一种基于相对熵的轴孔零件选择装配方法 Download PDFInfo
- Publication number
- CN112163300B CN112163300B CN202011079376.8A CN202011079376A CN112163300B CN 112163300 B CN112163300 B CN 112163300B CN 202011079376 A CN202011079376 A CN 202011079376A CN 112163300 B CN112163300 B CN 112163300B
- Authority
- CN
- China
- Prior art keywords
- assembly
- shaft hole
- relative
- relative entropy
- bat
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明涉及一种基于相对熵的轴孔零件选择装配方法,属于制造质量预测与控制领域。首先对轴孔零件的装配面进行测量及数据处理;然后利用相对熵评价轴孔装配间隙的均匀性;再根据实际工况建立轴孔选配优化模型;对于批量的轴孔装配,以装配间隙的平均均匀性为优化目标,采用元胞蝙蝠算法作为优化算法,最终输出批量轴孔的最优装配组合。本发明考虑了精密轴孔零件装配面上非均匀分布的几何误差对装配间隙的大小及均匀性的影响,提出了基于相对熵的轴孔间隙装配的评价参数,全面准确地评价面向装配的轴孔零件;采用元胞蝙蝠算法求解轴孔选配优化问题,计算速度快,并输出全局最优解;适用于批量精密轴孔零件的选择装配,为实现精密机械系统的精度控制和定量化装配提供技术支撑。
Description
技术领域
本发明涉及一种基于相对熵的轴孔零件选择装配方法,属于制造质量预测与控制领域。
背景技术
目前国内外各行业对精密机械系统的需求越来越高,光学工业、航空航天和半导体工业等领域已经步入精密、超精密时代。随着各领域复杂精密机械系统小型化、轻量化、精密化、模块化和一体化的发展,精密机械系统结构越来越复杂,装配填充密度越来越高,装配精度控制已经成为复杂机械系统研制过程中的薄弱环节。精密机械装配精度保障目前主要有两个途径:一是通过公差分析与设计控制单个零部件加工精度,但由于零部件加工能力和成本的限制,不可能完全依靠提高零件加工精度来保证装配精度;另一个途径是根据装配过程中的误差监测数据采用选配法、修配法、调整法等装配调整工艺来保障装配精度。
选择装配(选配)是指通过检测和挑选待装配零件,有选择性地进行装配,从而由加工精度较低的零件获得高精度产品的方法。传统的选配方法主要有直接选配法,分组选配法和复合选配法等。这些方法虽然在一定程度上能够保证装配精度的要求,但选配过程中并未考虑到零件装配面的几何形貌。对于精密机械系统,装配面的几何形貌将直接影响零件在装配过程中的位置,并改变零件之间的接触状态。如果两个待装配零件的装配面几何误差分布均匀,则接触状态稳定且装配精度高。此外,对于精密机械系统中常见的轴孔装配,装配间隙的大小和均匀性将影响装配精度及精度稳定性。因此,对于精密机械系统,由于其生产批量少且产品装配精度要求高,采用传统的选配方法效果并不十分理想,尤其对于间隙配合的轴孔零件的选配问题,间隙的大小及均匀性会影响装配后的精度及其稳定性,必须考虑配合面的几何误差。
本发明综合考虑了几何误差对精密轴孔零件装配精度的影响,提出一种基于相对熵的轴孔零件选择装配方法,利用相对熵评价轴孔装配间隙的均匀性,建立了轴孔选配优化模型。对于批量的轴孔装配,以装配间隙的平均均匀性为优化目标,采用元胞蝙蝠算法作为优化算法,最终输出批量轴孔的最优装配组合。本发明可以量化零部件几何误差对产品装配精度的影响并合理优化装配参数,为实现精密机械系统的精度控制和定量化装配提供技术支撑,对提高精密机械系统整体装配质量具有重要意义。
发明内容
本发明提供了一种基于相对熵的轴孔零件选择装配方法,图1为方法流程图。
所述方法步骤如下:
步骤一,轴孔零件装配面的测量及数据处理:
采用三坐标测量机对零件带有几何误差的装配面进行测量。在同一坐标系下分别按照图2所示的测量路径测量批量轴和孔零件的装配面,将直角坐标系转化为极坐标系,得到每个测量点在极坐标中的半径值。
步骤二,基于相对熵的轴孔间隙均匀性评价:
将各测量点的半径值视为随机变量所有可能取值的概率,利用相对熵评价两个概率分布的匹配程度。两个概率分布越接近,说明轴孔的装配间隙越均匀,相对熵值越小。
所述将各测量点的半径值视为随机变量所有可能取值的概率的方法为:
将轴和孔的某点相对半径相对于所有点相对半径之和的比值作为样本概率。假设轴孔装配面测量点布局为m圈,每圈n个测量点,rij表示测量点Pij的半径,rmin=min{rij,i=1,2…,m;j=1,2,…,n}表示所有测量点的最小半径,则每点的相对半径为Rij=rij-rmin,所有点的相对半径之和为:
某点相对半径相对于相对半径之和的比值为:
将轴和孔测量点的相对半径对于相对半径之和的比值作为概率分布分别记为p(r)和q(r),轴孔的相对熵为:
由于p(r)和q(r)在公式中的地位并不相等,所以H(p*q)≠H(q*p),只有p(r)=q(r)时,其值为0,若p(r)和q(r)有差异,其值大于0。
步骤三,建立批量轴孔选配优化问题的数学模型:
相对熵可以评价单个轴孔装配的优劣,但对于一批轴孔零件,有若干种零件分配选择,某种零件分配的选择对其他选择产生影响,需要考虑综合优化目标并进行零件的分配。
所述建立批量轴孔选配优化问题的数学模型为:
轴的数量为M,编号记为i,i=1,2,…,M;孔的数量为N,编号记为j,j=1,2,…,N;需要装配完成的产品数量为L,编号记为k,k=1,2,…,L;表示第i个轴和第j个孔是否参与了第k组装配,是为1,否为0。约束条件为,每个零件至多被用于装配一次,且实际装配时每种零件的数量必须满足产品装配数量:
L≤min(M,N)
步骤四,元胞蝙蝠算法求解优化问题:
元胞蝙蝠算法由输入模块、初始化模块、评估模块、迭代模块和输出模块组成,如图3所示。
所述元胞蝙蝠算法求解优化问题步骤为:
(1)构建元胞自动机和初始化参数
待装配的轴、孔和产品数量分别为M,N和L,且L≤min(M,N);蝙蝠种群数量为n;第i个蝙蝠的位置记为xi,它的维度为L.xi的初始化方法为:
其中,j=1,2,…,L,id_hole∈{1,2,…,N},id_axis∈{1,2,...,M}.初始化方程表示在初始化阶段,id_hole的孔和id_axis的轴装配成第j个产品;
(2)计算初始种群中每只蝙蝠的适应度,并初始化全局最优解xbest.适应度是对产品L的装配间隙均匀性评价.
(3)更新每只蝙蝠的位置.
①计算进化系数s和当前蝙蝠的所有相邻蝙蝠xneighbors
xneighbors={x|count_dif(x,xi)=1}
其中,count_dif为计算两个等长向量中不同项的数目。
②如果s<rand(),当前蝙蝠替换为xneighbors中的最优解或者随机解.其中rand()的取值范围为[0,1]。
③如果s≥rand(),当前的蝙蝠被随机替换为新生成的蝙蝠。
(4)计算每只蝙蝠的适应度并更新全局最优解xbest。
(5)判断是否满足终止条件。如果满足,输出全局最优解;否则返回(4),终止条件是迭代次数等于最大迭代次数。
本发明的效果和益处是:
(1)全面准确地评价间隙配合的轴孔零件间隙的大小及均匀性。提出了基于相对熵的轴孔间隙装配的评价方法,考虑了精密轴孔零件装配面上非均匀分布的几何误差对装配间隙的大小及均匀性的影响。
(2)优化效果好。采用元胞蝙蝠算法求解轴孔选配优化问题,计算速度快,并可以输出全局最优解。
(3)适用于大批量精密轴孔零件的选择装配,为实现精密机械系统的精度控制和定量化装配提供技术支撑。
附图说明
图1为本发明的方法流程图。
图2为本发明的轴孔零件测量路径示意图。
图3为本发明的优化求解算法流程图。
具体实施方式
以下结合附图和实施例对本发明做进一步说明,本发明包含但不仅限于下述实施例。
步骤一,轴孔零件装配面的测量及数据处理:
采用测量精度为(0.6±l/600)μm的CMM(型号为PMM12106C)对8个轴零件和20个孔零件的装配面进行几何误差测量并编号,表1列出了两种零件的最大和最小半径。
表1轴孔零件的测量结果(mm)
步骤二,基于相对熵的轴孔间隙均匀性评价:
计算每组轴孔配合的相对熵,结果如表2所示。轴孔相对熵越小,表示两零件装配面的差异越小,轴孔间隙越均匀,(-)表示轴的最大半径大于孔的最小半径,判断为不适合装配。
表2轴孔的相对熵计算结果
步骤三:建立批量轴孔选配优化问题的数学模型:
轴的数量为8,编号记为i,i=1,2,…,8;孔的数量为20,编号记为j,j=1,2,…,20;需要完成8组产品的装配,编号记为k,k=1,2,…,8;表示第i个轴和第j个孔是否参与了第k组装配,是为1,否为0。约束条件为,每个零件至多被用于装配一次,且实际装配时每种零件的数量必须满足产品装配数量:
步骤四:元胞蝙蝠算法求解优化问题:
采用元胞蝙蝠优化算法,本案例使用如下参数:蝙蝠种群数量为100,最大迭代次数为200次。计算得出本案例选择装配的最优组合如表3所示,平均相对熵为0.1184。
表3轴孔的优化选配结果
Claims (3)
1.一种基于相对熵的轴孔零件选择装配方法,其特征在于,包括如下步骤:
步骤一,零件装配面的测量,对零件待装配部位的实际表面进行几何误差测量,并对测量数据进行处理;
步骤二,基于相对熵的轴孔间隙均匀性评价:将间隙均匀性表征为相对熵值,将各测量点的半径值视为随机变量所有可能取值的概率,利用相对熵评价两个概率分布的匹配程度,两个概率分布越接近,说明轴孔的装配间隙越均匀,相对熵值越小,将各测量点的半径值视为随机变量所有可能取值的概率的方法为,
将轴和孔的某点相对半径相对于所有点相对半径之和的比值作为样本概率,假设轴孔装配面测量点布局为m圈,每圈n个测量点,rij表示测量点Pij的半径,rmin=min{rij,i=1,2…,m;j=1,2,…,n}表示所有测量点的最小半径,则每点的相对半径为Rij=rij-rmin,所有点的相对半径之和为:
某点相对半径相对于相对半径之和的比值为:
将轴和孔测量点的相对半径对于相对半径之和的比值作为概率分布分别记为p(r)和q(r),轴孔的相对熵为:
由于p(r)和q(r)在公式中的地位并不相等,所以H(p*q)≠H(q*p),只有p(r)=q(r)时,其值为0,若p(r)和q(r)有差异,其值大于0;
步骤三,建立批量轴孔选配优化问题的数学模型:轴的数量为M,编号记为i,i=1,2,…,M;孔的数量为N,编号记为j,j=1,2,…,N;需要装配完成的产品数量为L,编号记为k,k=1,2,…,L;表示第i个轴和第j个孔是否参与了第k组装配,是为1,否为0,约束条件为,每个零件至多被用于装配一次,且实际装配时每种零件的数量必须满足产品装配数量:
L≤min(M,N)
步骤四,元胞蝙蝠算法求解步骤三优化问题的数学模型:
(1)构建元胞自动机和初始化参数
待装配的轴、孔和产品数量分别为M,N和L,且L≤min(M,N);蝙蝠种群数量为n;第i个蝙蝠的位置记为xi,它的维度为L.xi的初始化方法为:
其中,j=1,2,...,L,id_hole∈{1,2,...,N},id_axis∈{1,2,...,M}.初始化方程表示在初始化阶段,id_hole的孔和id_axis的轴装配成第j个产品;
(2)计算初始种群中每只蝙蝠的适应度,并初始化全局最优解xbest.适应度是对产品L的装配间隙均匀性评价;
(3)更新每只蝙蝠的位置;
①计算进化系数s和当前蝙蝠的所有相邻蝙蝠xneighbors
xneighbors={x|count_dif(x,xi)=1}
其中,count_dif为计算两个等长向量中不同项的数目
②如果s<rand(),当前蝙蝠替换为xneighbors中的最优解或者随机解.其中rand()的取值范围为[0,1]
③如果s≥rand(),当前的蝙蝠被随机替换为新生成的蝙蝠
(4)计算每只蝙蝠的适应度并更新全局最优解xbest;
(5)判断是否满足终止条件,如果满足,输出全局最优解,否则返回(4),终止条件是迭代次数等于最大迭代次数,通过迭代计算得到满足优化目标的结果。
2.如权利要求1所述的一种基于相对熵的轴孔零件选择装配方法,其特征在于,步骤一所述对零件待装配部位的实际表面进行几何误差测量,测量方法包括但不限于三坐标测量、光学测量,测量得到的几何误差所在的坐标系,包括但不限于平面直角坐标、空间直角坐标、极坐标。
3.如权利要求1所述的一种基于相对熵的轴孔零件选择装配方法,其特征在于,步骤二所述基于相对熵的轴孔间隙均匀性评价,将各测量点的半径值视为随机变量所有可能取值的概率,计算轴测量点概率分布与孔测量点概率分布的相对熵,以此评价轴孔间隙均匀性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011079376.8A CN112163300B (zh) | 2020-10-10 | 2020-10-10 | 一种基于相对熵的轴孔零件选择装配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011079376.8A CN112163300B (zh) | 2020-10-10 | 2020-10-10 | 一种基于相对熵的轴孔零件选择装配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112163300A CN112163300A (zh) | 2021-01-01 |
CN112163300B true CN112163300B (zh) | 2022-10-11 |
Family
ID=73867985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011079376.8A Active CN112163300B (zh) | 2020-10-10 | 2020-10-10 | 一种基于相对熵的轴孔零件选择装配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112163300B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109614686A (zh) * | 2018-12-05 | 2019-04-12 | 北京理工大学 | 一种轴孔动态装配过程中的装配参数优化方法 |
CN109917754A (zh) * | 2019-03-14 | 2019-06-21 | 湘潭大学 | 一种基于多种群分布估计算法的机器人装配单元多目标布局优化方法 |
-
2020
- 2020-10-10 CN CN202011079376.8A patent/CN112163300B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109614686A (zh) * | 2018-12-05 | 2019-04-12 | 北京理工大学 | 一种轴孔动态装配过程中的装配参数优化方法 |
CN109917754A (zh) * | 2019-03-14 | 2019-06-21 | 湘潭大学 | 一种基于多种群分布估计算法的机器人装配单元多目标布局优化方法 |
Non-Patent Citations (2)
Title |
---|
基于相对熵排序的装配序列质量模糊评价方法;张根保等;《中国机械工程》;20160430;全文 * |
面向最优匹配位置的大部分自动对接装配综合评价指标;王皓等;《机械工程学报》;20171205;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112163300A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106020147B (zh) | 一种复杂精密机械产品的装配精度系统分析方法 | |
CN107609227B (zh) | 一种基于最大熵理论的装配工艺优化方法 | |
CN108268010B (zh) | 一种机床夹具组件的结合面误差和结合表面公差优化方法 | |
CN109240204B (zh) | 一种基于两步法的数控机床热误差建模方法 | |
CN113486470A (zh) | 一种考虑非理想表面接触状态的装配体位姿计算方法 | |
CN112163300B (zh) | 一种基于相对熵的轴孔零件选择装配方法 | |
CN109614686B (zh) | 一种轴孔动态装配过程中的装配参数优化方法 | |
Zhou et al. | Modeling and simulation of the assembly accuracy of aero-engine rotors in the docking processes using a specially designed novel multi-DOF NC motion platform | |
CN110703435A (zh) | 一种自由曲面成像系统面形公差分析方法 | |
CN112720480B (zh) | 一种基于分级误差的机器人轨迹修正方法及系统 | |
Hossain et al. | Surface roughness prediction model for ball end milling operation using artificial intelligence | |
Kumar et al. | Roundness error measurement using teaching learning based optimization algorithm and comparison with particle swarm optimization algorithm | |
CN110567421B (zh) | 基于贝叶斯原理的圆度不确定度动态评定方法 | |
CN108873807B (zh) | 一种考虑加工稳定性的三轴数控机床精度评价方法 | |
CN108415372B (zh) | 精密机床热误差补偿方法 | |
CN110222382B (zh) | 一种飞机坐标系优化拟合方法 | |
CN112697094B (zh) | 一种带有圆孔的轴类零件的同轴度测量方法 | |
Abdulhameed et al. | Path planning and setup orientation for automated dimensional inspection using coordinate measuring machines | |
CN112365022A (zh) | 一种基于多阶段的发动机轴承故障预测方法 | |
Cheng et al. | Selection and modeling of temperature variables for the thermal error compensation in servo system | |
Kupriyanov | The influence of measurement error on the risks of the consumer and the manufacturer when completing connections | |
CN116384257B (zh) | 一种空分整装冷箱装配误差预测与公差优化方法 | |
CN112917241B (zh) | 一种孔系形位误差修正方法 | |
CN109376372B (zh) | 一种优化光互连模块关键位置焊后耦合效率方法 | |
CN117744265A (zh) | 一种准双曲面齿轮装配优化方法、系统、终端及介质 |
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 |