CN112327774A - 一种基于数字孪生的薄壁零件铆接质量控制方法 - Google Patents
一种基于数字孪生的薄壁零件铆接质量控制方法 Download PDFInfo
- Publication number
- CN112327774A CN112327774A CN202011240467.5A CN202011240467A CN112327774A CN 112327774 A CN112327774 A CN 112327774A CN 202011240467 A CN202011240467 A CN 202011240467A CN 112327774 A CN112327774 A CN 112327774A
- Authority
- CN
- China
- Prior art keywords
- riveting
- thin
- workshop
- wall part
- data
- 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
- 238000003908 quality control method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000004519 manufacturing process Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 238000003754 machining Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 229910001250 2024 aluminium alloy Inorganic materials 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Automatic Assembly (AREA)
Abstract
本发明公开了一种基于数字孪生的薄壁零件铆接质量控制方法，步骤为：建立系统架构，包括物理车间、虚拟车间、车间生产管理系统；在物理车间给工人配备过程监控铆枪进行铆接作业，并对被铆接的薄壁零件进行模型简化；车间生产管理系统采集薄壁零件的铆接质量数据和变形数据并进行传输和整合；虚拟车间进行仿真计算并决策出最优拉铆力参数区间，确定最优铆接顺序；在物理车间现场工人进行铆接作业，虚拟车间及时向物理车间发送停装调整预警并提醒操作规范，及时调整对装配质量和装配效率产生负面影响的操作。本发明有效避免了铆接质量监控滞后以及铆接误差累计等问题，提高薄壁零件的铆接质量、铆接效率，实现对薄壁零件铆接质量的高效管控。
Description
技术领域
本发明涉及一种智能装配技术，具体为一种基于数字孪生的薄壁零件铆接质量控制方法。
背景技术
薄壁零件因其质量轻、承载效率高等优点广泛应用于飞机、航天器等复杂装备中，同时薄壁零件中的壁板更是航天器气动外形的重要组成部分，因此，薄壁零件的装配精度直接影响飞机、航天器的性能和使用寿命。壁板等薄壁零件主要采用铆接的装配方式，但是由于其尺寸大、刚度小，在铆接过程中容易出现局部变形和翘曲变形，随着铆接点位的不断增加会导致强迫装配和较大的应力集中，对连接强度和疲劳寿命都有较大的负面影响，因此，控制薄壁零件的铆接质量至关重要。
从现阶段的专利公开以及文献资料显示，已有学者通过分析铆接材料、凹模、压边圆、铆钉等对铆接质量的影响，利用层次分析法得到铆接工艺参数的重要度顺序并提出了提高铆接成功率的方法，但是以上结论和方法都是根据历史数据分析得到，可以作为一种经验借鉴，但无法实时监控当前的铆接状态并及时作出预警，致使变形误差不断累计，降低产品的装配质量甚至报废；还有一些学者将单钉铆接变形简化为钉孔受内压作用引起形变，并基于主应力法和厚壁筒受压理论构建铆接力学等效单元，结合有限元模拟得出了水平安定面铆接变形最小的铆接顺序，但是以上结论是根据简化力学模型和有限元仿真技术得到的，相比于真实模型和实测数据精度和保真度较差，难以指导关键薄壁零件的铆接质量控制。综上，现有的研究成果和方法虽然在一定程度上可以提高薄壁零件的铆接质量，但由于以上方法和经验是利用历史数据或有限元模型得出的，缺乏时效性和保真度，因此，在实现装备智能制造的今天，以上方法难以满足飞机、航天器等复杂装备铆接质量要求。
数字孪生技术的诞生为进一步提高装备制造的质量和效率提供了一种可能，是实现智能制造的有效手段。它可以在虚拟车间基于实时的实测数据对当前的铆接状态进行分析、决策并及时向物理车间发送预警，对有问题的铆接点及时进行调整和修补，避免变形误差累计，通过虚实融合、以虚控实的方式对铆接质量进行实时监控，为控制薄壁零件的铆接质量提供了一种行之有效的技术途径。
发明内容
针对现有的薄壁零件铆接质量控制方法难以满足飞机、航天器等复杂装备铆接质量要求等问题，本发明要解决的问题是提供一种可提高薄壁零件的铆接质量、铆接效率，实现对薄壁零件铆接质量高效管控的基于数字孪生的薄壁零件铆接质量控制方法。
为解决上述技术问题，本发明采用的技术方案是：
本发明一种基于数字孪生的薄壁零件铆接质量控制方法，包括以下步骤：
1)建立系统架构，包括物理车间、虚拟车间、车间生产管理系统；
2)在物理车间给工人配备过程监控铆枪进行铆接作业，并对被铆接的薄壁零件进行模型简化；
3)车间生产管理系统采集薄壁零件的铆接质量数据和变形数据，并通过现场总线、数据接口对所采集到的数据进行传输和整合；
4)虚拟车间调用车间生产管理系统采集到的薄壁零件铆接变形数据和铆接质量数据，基于轮廓度误差要求、强度要求、疲劳寿命要求利用曼哈顿距离算法进行仿真计算并决策出最优拉铆力参数区间；虚拟车间调用车间生产管理系统采集到的整个薄壁零件的翘曲变形量，基于翘曲变形量最小原则确定最优铆接顺序；
5)在物理车间，现场工人根据加工对象采用对应的最优铆接顺序进行铆接作业，当铆接过程产生的铆接质量数据与最优拉铆力参数区间相悖时，虚拟车间及时向物理车间发送停装调整预警并提醒工人注意下一阶段操作规范；
6)根据虚拟车间提供的解决方案，及时调整对装配质量和装配效率产生负面影响的操作，然后循环执行步骤3)～步骤5)，直至整个产品保质保量铆接完成。
步骤2)中对被铆接的薄壁零件进行模型简化得到的简化薄壁零件用于确定最优铆接顺序，为了在降低成本的情况下保障保真度，在对被铆接件进行模型简化时需做到材质相同、尺寸成比例缩小以及加工精度一致。
步骤3)中薄壁零件的变形数据包括采用激光干涉仪采集的薄壁零件铆接处的局部变形数据、采用高精度2D激光位移传感器采集的整个薄壁零件的翘曲变形数据；步骤3)中薄壁零件的铆接质量数据包括采用过程监控铆枪采集到的铆接过程中的拉铆力和位移数据。
局部变形指薄壁零件铆接处的凹陷，以弓曲和扭曲来衡量翘曲变形程度，通过测量拱起高度和单脚翘起高度来定量分析翘曲变形量的大小，以降低采集变形量信息的复杂程度。
步骤3)还包括数据的预处理过程：采用阈值法和机理法对采集到的局部变形数据、翘曲变形数据、铆接质量数据进行异常值去除处理，降低噪声、异常信号等对各种信息的影响，为虚拟车间提供准确、可靠的信息数据。
步骤5)中，现场工人在对薄壁零件进行铆接作业前先通过RFID手持终端识别贴在零件上的RFID电子标签来获知该零件的编号和最优铆接顺序等信息，然后工人严格按照最优铆接顺序进行铆接作业，其中零件编号和最优铆接顺序等信息由工业发卡器提前录入RFID电子标签中。
步骤5)中，虚拟车间基于完整信息数据和明确机理将当前采集到的铆接质量数据与最优拉铆力参数区间进行比对，当实时采集的铆接质量数据与最优拉铆力参数区间相悖时，即该铆接质量数据不在最优拉铆力参数区间内时，虚拟车间会向物理车间发送预警，提醒装配工人对相应连接处进行二次铆接并注意下一阶段操作规范。
本发明具有以下有益效果及优点：
1、本发明提出一种基于数字孪生的薄壁零件铆接质量控制方法，建立了物理车间与虚拟车间之间的虚实映射关系，通过装配车间管控系统实时采集铆接过程数据并对其进行整合存储，虚拟车间调用装配车间管控系统采集到的实测数据对当前的铆接状态进行分析、决策并及时把预警信息发送到物理车间，工人根据预警信息及时对有问题的铆接点进行调整和修补；通过虚实融合、以虚控实的方法做到及时发现、及时补救，有效避免了铆接状态监控滞后以及铆接误差累计等问题，提高薄壁零件的铆接质量、铆接效率，实现对薄壁零件铆接质量的高效管控。
附图说明
图1为本发明所述一种基于数字孪生的薄壁零件铆接质量控制方法的执行流程图；
图2为本发明所述一种基于数字孪生的薄壁零件铆接质量控制方法的技术架构图；
图3为本发明所述一种基于数字孪生的薄壁零件铆接质量控制方法的最优铆接顺序执行流程图；
图4为本发明所述一种基于数字孪生的薄壁零件铆接质量控制方法的铆接质量控制算法框图；
图5为本发明所述一种基于数字孪生的薄壁零件铆接质量控制方法的过程监控铆枪铆接质量数据监测图；
图6为本发明所述一种基于数字孪生的薄壁零件铆接质量控制方法的薄壁零件铆接示意图；
图7为本发明所述一种基于数字孪生的薄壁零件铆接质量控制方法的铆接顺序示意图。
其中，1为蒙皮，2为铆钉，3为长桁，4为简化的薄壁零件，5a～5h为第一～第八铆钉孔。
具体实施方式
下面结合附图对本发明做进一步的详细说明。此处所说明的附图是本申请的一部分，用来对本发明作进一步解释，但并不构成对本发明的限定。
如图1所示，本发明提供一种基于数字孪生的薄壁零件铆接质量控制方法，包括以下步骤：
1)建立系统架构，包括物理车间、虚拟车间、车间生产管理系统，如图2所示。
2)在物理车间给工人配备过程监控铆枪进行铆接作业并对被铆接的薄壁零件进行模型简化，简化的薄壁零件用于确定最优铆接顺序，为了在降低成本的情况下尽可能保障保真度，在对被铆接件进行模型简化时需做到材质相同、尺寸成比例缩小以及加工精度一致。
3)车间生产管理系统采用激光干涉仪采集薄壁零件铆接处的局部变形、采用高精度2D激光位移传感器采集整个薄壁零件的翘曲变形量、采用过程监控铆枪采集铆接过程中的拉铆力和位移，其中激光干涉仪的型号为IDS3010、高精度2D激光位移传感器的型号为LJ-G200、过程监控铆枪的型号为TAUAURS 2。这里的局部变形主要指薄壁零件铆接处的凹陷且以弓曲和扭曲来衡量翘曲变形程度，通过测量拱起高度和单脚翘起高度来定量分析翘曲变形量的大小，降低了采集变形量信息的复杂程度。系统采用阈值法和机理法对采集到的局部变形数据、翘曲变形数据、铆接质量数据进行异常值去除处理，然后通过现场总线、数据接口等对这些数据进行传输和整合，降低噪声、异常信号等对各种信息的影响，为虚拟车间提供准确、可靠的信息数据。
4)虚拟车间调用车间生产管理系统采集到的局部变形数据和铆接质量数据，基于轮廓度误差要求、强度要求、疲劳寿命等要求利用曼哈顿距离算法进行仿真计算并决策出最优拉铆力参数区间；
虚拟车间调用车间生产管理系统采集到的整个薄壁零件的翘曲变形量，基于翘曲变形量最小原则通过多次对简化薄壁零件进行铆接作业来得到最优铆接顺序，并将最优铆接顺序应用于实际生产中。
5)在物理车间，现场工人在对薄壁零件进行铆接作业前先通过RFID手持终端识别贴在零件上的RFID电子标签来获知该零件的编号和最优铆接顺序等信息，然后工人严格按照RFID手持终端屏幕上显示的最优铆接顺序进行铆接作业，其中零件编号和最优铆接顺序等信息由工业发卡器提前录入到RFID电子标签中，RFID手持终端的型号为RFD-U7910、工业发卡器的型号为5003-H、RFID电子标签的型号为RFD-K9525。在进行铆接质量把控时，虚拟车间基于完整信息数据和明确机理将当前采集到铆接质量数据与最优拉铆力参数区间进行比对，当实时采集的铆接质量数据与最优拉铆力参数区间相悖时，即该铆接质量数据不在最优拉铆力参数区间内时，虚拟车间会向物理车间发送预警，提醒装配工人对相应连接处进行二次铆接并注意下一阶段操作规范，如图3～4所示。
6)根据虚拟车间提供的解决方案，及时调整对装配质量和装配效率产生负面影响的操作，然后循环执行步骤3)～步骤5)，直至整个产品保质保量铆接完成。
如图6所示，以某飞机制造厂机翼装配车间某型号机翼的蒙皮1与长桁3铆接为例对本发明工作原理和特性做进一步说明。
蒙皮1作为飞机最重要的气动外形组件之一，其与长桁3的铆接质量将对飞机的动力性能、续航能力、寿命等产生很大的影响。本例中蒙皮1的材质为7075合金、长桁3的材质为2024铝合金；铆钉2为铝制，型号为HB8004-5-1。在铆接过程中，通过激光干涉仪不断采集不同拉铆力参数下的局部変形量H1，在满足机翼强度要求、寿命要求的前提下，基于局部变形量H1最小原则确定最优拉铆力参数区间为(3000，3500)N。工人在使用过程监控铆枪进行铆接作业过程中，车间生产管理系统会实时采集拉铆力数据并将其传输到虚拟车间，虚拟车间基于实测的拉铆力数据利用曼哈顿距离算法计算绝对质量离差和相对质量离差，实现对薄壁零件铆接质量实时监控，其中绝对离差和相对质量离差分别为：Δ＝|xi-x0|、
{Δm∈Δ|Δm＞(a+b)/2}，式中xi为实测拉铆力数据，x0为最优拉铆力参数区间平均值，Δ表示绝对质量离差，δ表示相对质量离差，Δm表示大于区间长度一半的绝对质量离差，a和b分别表示最优拉铆力参数区间的上下限。如图5所示，在本实施例中最优拉铆力参数区间的上下限a、b分别为3000N、3500N，最优拉铆力参数区间的区间长度的一半为250N。在实际生产中，车间生产管理系统通过过程监控铆枪采集到8个铆接点的拉铆力分别为3119.95N、3249.42N、3122.16N、3260.23N、3251.22N、2674.45N、3305.14N、3487.76N，虚拟车间基于以上实测数据利用曼哈顿距离公式计算得到的绝对质量离差分别为130.05N、0.58N、127.84N、10.23N、1.22N、575.55N、55.14N、237.76N，显然，第6个铆接点计算得到的绝对质量离差大于250N，则说明该处实测拉铆力数据不在最优拉铆力参数区间内，不满足铆接质量要求，此时虚拟车间会向物理车间发送预警信号，提醒工人对相应连接处进行二次铆接。相对质量离差用于衡量铆接操作的规范程度，基于已得到的绝对质量离差计算相对质量离差可知第6个铆接点的相对质量离差高达17.71％，说明装配操作拉铆力欠缺严重，铆接质量较差，工人以此为依据注意下一阶段的操作规范。
如图7所示，以某飞机制造厂机翼装配车间某型号机翼的肋板的简化模型为例对本发明工作原理和特性做进一步说明，该肋板在进行模型简化时为了在降低成本的情况下尽可能保障保真度，在对被铆接件进行模型简化时需做到材质相同、尺寸成比例缩小以及加工精度一致等。该肋板上有8个铆接孔，依次为第一～第八铆钉孔5a～5h。工人在进行铆接作业时通常采用的铆接顺序分别为：{1,2,3,4,8,7,6,5}、{1,2,3,4,5,6,7,8}、{1,5,2,6,3,7，4,8}、{1,5,6,2,3,7,8,4}，而这4种不同的铆接顺序会产生不同的翘曲变形量，为了降低采集变形量信息的复杂程度，通过测量拱起高度和单脚翘起高度来定量分析翘曲变形量的大小。本实施例中通过高精度2D激光位移传感器采集到的这四种铆接顺序对应产生的拱起高度和单脚翘起高度分别为3.5mm、2.7mm、2.3mm、1.6mm，4.1mm、3.2mm、2.6mm、1.9mm,显然采用铆接顺序{1,5,6,2,3,7,8,4}进行铆接作业时薄壁零件的翘曲变形量最小，因此，该铆接顺序应该应用于实际铆接生产中。在实际生产中，先用工业发卡器将零件名称、编号和最优铆接顺序等信息批量录入到RFID电子标签中，然后将RFID电子标签贴到对应的零件上，当工人要进行铆接作业时，先用RFID手持终端扫描零件上的RFID电子标签，然后按照RFID手持终端上显示的最优铆接顺序进行铆接作业直至整个产品保质保量铆接完成。
综上，在实际生产中，车间生产管理系统实时采集铆接质量数据和变形数据并对采集到的数据进行异常值去除和降噪处理，然后通过现场总线、数据接口、工业无线网等进行传输和整合。虚拟车间调用车间生产管理系统采集到的多源异构实测数据，基于明确机理对当前的铆接状态进行分析、判断，并把决策和预警及时反馈到物理车间，工人根据预警信息及时对有问题的铆接点进行调整、修补并注意下一阶段操作规范。通过虚实融合、以虚控实的方法做到及时发现、及时补救，有效避免了铆接状态监控滞后以及铆接误差累计等问题，提高薄壁零件的铆接质量、铆接效率，实现对薄壁零件铆接质量的高效管控。
最后应说明的是,以上实施例仅用于说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细说明，所属领域的普通技术人员依然可以对本发明的具体实施方案进行修改或者等同替换，而这些并未脱离本发明精神和范围的任何修改或者等同替换，其均在申请待批的本发明的权利要求保护范围之内。
Claims (7)
1.一种基于数字孪生的薄壁零件铆接质量控制方法，其特征在于包括以下步骤：
1)建立系统架构，包括物理车间、虚拟车间、车间生产管理系统；
2)在物理车间给工人配备过程监控铆枪进行铆接作业，并对被铆接的薄壁零件进行模型简化；
3)车间生产管理系统采集薄壁零件的铆接质量数据和变形数据，并通过现场总线、数据接口对所采集到的数据进行传输和整合；
4)虚拟车间调用车间生产管理系统采集到的薄壁零件铆接变形数据和铆接质量数据，基于轮廓度误差要求、强度要求、疲劳寿命要求利用曼哈顿距离算法进行仿真计算并决策出最优拉铆力参数区间；虚拟车间调用车间生产管理系统采集到的整个薄壁零件的翘曲变形量，基于翘曲变形量最小原则确定最优铆接顺序；
5)在物理车间，现场工人根据加工对象采用对应的最优铆接顺序进行铆接作业，当铆接过程产生的铆接质量数据与最优拉铆力参数区间相悖时，虚拟车间及时向物理车间发送停装调整预警并提醒工人注意下一阶段操作规范；
6)根据虚拟车间提供的解决方案，及时调整对装配质量和装配效率产生负面影响的操作，然后循环执行步骤3)～步骤5)，直至整个产品保质保量铆接完成。
2.根据权利要求1所述的基于数字孪生的薄壁零件铆接质量控制方法，其特征在于：步骤2)中对被铆接的薄壁零件进行模型简化得到的简化薄壁零件用于确定最优铆接顺序，为了在降低成本的情况下保障保真度，在对被铆接件进行模型简化时需做到材质相同、尺寸成比例缩小以及加工精度一致。
3.根据权利要求1所述的基于数字孪生的薄壁零件铆接质量控制方法，其特征在于：步骤3)中薄壁零件的变形数据包括采用激光干涉仪采集的薄壁零件铆接处的局部变形数据、采用高精度2D激光位移传感器采集的整个薄壁零件的翘曲变形数据；步骤3)中薄壁零件的铆接质量数据包括采用过程监控铆枪采集到的铆接过程中的拉铆力和位移数据。
4.根据权利要求3所述的基于数字孪生的薄壁零件铆接质量控制方法，其特征在于：局部变形指薄壁零件铆接处的凹陷，以弓曲和扭曲来衡量翘曲变形程度，通过测量拱起高度和单脚翘起高度来定量分析翘曲变形量的大小，以降低采集变形量信息的复杂程度。
5.根据权利要求1所述的基于数字孪生的薄壁零件铆接质量控制方法，其特征在于：步骤3)还包括数据的预处理过程：采用阈值法和机理法对采集到的局部变形数据、翘曲变形数据、铆接质量数据进行异常值去除处理，降低噪声、异常信号等对各种信息的影响，为虚拟车间提供准确、可靠的信息数据。
6.根据权利要求1所述的基于数字孪生的薄壁零件铆接质量控制方法，其特征在于：步骤5)中，现场工人在对薄壁零件进行铆接作业前先通过RFID手持终端识别贴在零件上的RFID电子标签来获知该零件的编号和最优铆接顺序等信息，然后工人严格按照最优铆接顺序进行铆接作业，其中零件编号和最优铆接顺序等信息由工业发卡器提前录入RFID电子标签中。
7.根据权利要求1所述的一种基于数字孪生的薄壁零件铆接质量控制方法，其特征在于：步骤5)中，虚拟车间基于完整信息数据和明确机理将当前采集到的铆接质量数据与最优拉铆力参数区间进行比对，当实时采集的铆接质量数据与最优拉铆力参数区间相悖时，即该铆接质量数据不在最优拉铆力参数区间内时，虚拟车间会向物理车间发送预警，提醒装配工人对相应连接处进行二次铆接并注意下一阶段操作规范。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011240467.5A CN112327774B (zh) | 2020-11-09 | 2020-11-09 | 一种基于数字孪生的薄壁零件铆接质量控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011240467.5A CN112327774B (zh) | 2020-11-09 | 2020-11-09 | 一种基于数字孪生的薄壁零件铆接质量控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112327774A true CN112327774A (zh) | 2021-02-05 |
| CN112327774B CN112327774B (zh) | 2022-01-21 |
Family
ID=74317017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011240467.5A Active CN112327774B (zh) | 2020-11-09 | 2020-11-09 | 一种基于数字孪生的薄壁零件铆接质量控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112327774B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112926152A (zh) * | 2021-02-15 | 2021-06-08 | 西北工业大学 | 一种数字孪生驱动的薄壁件装夹力精准控制与优化方法 |
| CN112974718A (zh) * | 2021-04-21 | 2021-06-18 | 广东鸿图武汉压铸有限公司 | 一种适用于铸件的铆钉铆接装置及高度补偿铆接方法 |
| CN115229117A (zh) * | 2022-07-29 | 2022-10-25 | 东北大学 | 一种基于数字孪生的壁板铆接变形控制方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040260616A1 (en) * | 2001-11-22 | 2004-12-23 | Markku Lemetyinen | Color temperature-regulable led light |
| US20160048122A1 (en) * | 2014-08-18 | 2016-02-18 | Robert Bosch Gmbh | Arrangement and Method for Monitoring a Position of a Hand-Held Tool |
| CN107194057A (zh) * | 2017-05-19 | 2017-09-22 | 西北工业大学 | 壁板铆接扭翘变形预测方法 |
| CN109270899A (zh) * | 2018-09-03 | 2019-01-25 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件制造过程管控方法 |
| CN110210155A (zh) * | 2019-06-10 | 2019-09-06 | 西北工业大学 | 一种飞机壁板铆接路径数值规划方法 |
| CN111581841A (zh) * | 2020-05-15 | 2020-08-25 | 成都飞机工业（集团）有限责任公司 | 一种基于delmia的五轴钻铆机床加工仿真任务自动创建方法 |
| CN111604592A (zh) * | 2020-05-20 | 2020-09-01 | 南京航空航天大学 | 一种基于数字孪生平台的航天壁板激光焊接智能制造方法 |
-
2020
- 2020-11-09 CN CN202011240467.5A patent/CN112327774B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040260616A1 (en) * | 2001-11-22 | 2004-12-23 | Markku Lemetyinen | Color temperature-regulable led light |
| US20160048122A1 (en) * | 2014-08-18 | 2016-02-18 | Robert Bosch Gmbh | Arrangement and Method for Monitoring a Position of a Hand-Held Tool |
| CN107194057A (zh) * | 2017-05-19 | 2017-09-22 | 西北工业大学 | 壁板铆接扭翘变形预测方法 |
| CN109270899A (zh) * | 2018-09-03 | 2019-01-25 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件制造过程管控方法 |
| CN110210155A (zh) * | 2019-06-10 | 2019-09-06 | 西北工业大学 | 一种飞机壁板铆接路径数值规划方法 |
| CN111581841A (zh) * | 2020-05-15 | 2020-08-25 | 成都飞机工业（集团）有限责任公司 | 一种基于delmia的五轴钻铆机床加工仿真任务自动创建方法 |
| CN111604592A (zh) * | 2020-05-20 | 2020-09-01 | 南京航空航天大学 | 一种基于数字孪生平台的航天壁板激光焊接智能制造方法 |
Non-Patent Citations (3)
| Title |
|---|
| 吴珍发，赵皇进，郑国磊: "虚拟人铆接作业效率定量化计算及评价方法", 《莆田学院学报》 * |
| 殷俊清: "航空薄壁件铆接变形分析及预测研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
| 郭具涛: "基于数字孪生的航天制造车间生产管控方法", 《中 国 机 械 工 程》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112926152A (zh) * | 2021-02-15 | 2021-06-08 | 西北工业大学 | 一种数字孪生驱动的薄壁件装夹力精准控制与优化方法 |
| CN112926152B (zh) * | 2021-02-15 | 2023-04-28 | 西北工业大学 | 一种数字孪生驱动的薄壁件装夹力精准控制与优化方法 |
| CN112974718A (zh) * | 2021-04-21 | 2021-06-18 | 广东鸿图武汉压铸有限公司 | 一种适用于铸件的铆钉铆接装置及高度补偿铆接方法 |
| CN112974718B (zh) * | 2021-04-21 | 2023-02-28 | 广东鸿图武汉压铸有限公司 | 一种适用于铸件的铆钉铆接装置及高度补偿铆接方法 |
| CN115229117A (zh) * | 2022-07-29 | 2022-10-25 | 东北大学 | 一种基于数字孪生的壁板铆接变形控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112327774B (zh) | 2022-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112327774B (zh) | 一种基于数字孪生的薄壁零件铆接质量控制方法 | |
| CN114449023B (zh) | 双前分平台式工业物联网及其控制方法 | |
| CN112016737B (zh) | 一种基于数字孪生的复杂产品装配车间管控方法 | |
| CN116560327B (zh) | 一种基于物联网的电动工具生产控制方法及系统 | |
| CN112207482A (zh) | 一种用于焊接质量控制的多元信息监控和控制系统及方法 | |
| US20220212245A1 (en) | Method for automatically determining quality of a self-piercing riveting process | |
| CN111222771A (zh) | 一种多品种复杂锻件智能生产线管控与集成系统及方法 | |
| CN109127945A (zh) | 轻量化车身覆盖件冲压成形精度的调控方法 | |
| CN114749996A (zh) | 基于深度学习和时序回归模型的刀具剩余寿命预测方法 | |
| CN109445377A (zh) | 一种面向多工序加工系统的加工尺寸偏差控制方法 | |
| CN108268018A (zh) | 一种基于rfid的机械制造车间生产进程信息采集系统 | |
| CN113617852B (zh) | 一种基于数据驱动的楔横轧智能化控制系统 | |
| Spiewak et al. | Predictive monitoring and control of the cold extrusion process | |
| CN113641155A (zh) | 一种高温锻件检测控制系统 | |
| CN109978368B (zh) | 一种连铸连轧程钢坯生产全周期信息管理系统 | |
| CN116703254A (zh) | 模具机械零部件生产信息管理系统 | |
| CN108664007B (zh) | 一种h型钢制作信息监控系统 | |
| CN111906228A (zh) | 一种四锤头径向锻造液压机自适应锻造控制系统及方法 | |
| CN106694777A (zh) | 不锈钢可分凹模或多向模锻锻造模具 | |
| CN104493424B (zh) | 熔覆智能锻造成形工艺 | |
| CN110119906B (zh) | 一种管理产品质量的方法和装置 | |
| CN108941405B (zh) | 一种信号灯接触片的模内侧向冷镦工艺 | |
| JP2022147646A (ja) | 金型の組立方法 | |
| Jankovič et al. | The concept of automatic generation of hydraulic press cycle | |
| CN114777651B (zh) | 一种基于数字孪生的飞机表面装配质量检测方法 |
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 |