CN115229117A - 一种基于数字孪生的壁板铆接变形控制方法 - Google Patents
一种基于数字孪生的壁板铆接变形控制方法 Download PDFInfo
- Publication number
- CN115229117A CN115229117A CN202210910860.3A CN202210910860A CN115229117A CN 115229117 A CN115229117 A CN 115229117A CN 202210910860 A CN202210910860 A CN 202210910860A CN 115229117 A CN115229117 A CN 115229117A
- Authority
- CN
- China
- Prior art keywords
- riveting
- deformation
- wallboard
- data
- sequence
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 139
- 230000008569 process Effects 0.000 claims abstract description 80
- 238000005553 drilling Methods 0.000 claims abstract description 24
- 238000006073 displacement reaction Methods 0.000 claims abstract description 19
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 238000004519 manufacturing process Methods 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 238000011161 development Methods 0.000 claims abstract description 8
- 230000007547 defect Effects 0.000 claims abstract description 4
- 230000002265 prevention Effects 0.000 claims abstract description 4
- 238000004088 simulation Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 16
- 238000011160 research Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 claims 1
- 238000007619 statistical method Methods 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract description 6
- 230000004927 fusion Effects 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000003908 quality control method Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 108091081062 Repeated sequence (DNA) Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21J—FORGING; HAMMERING; PRESSING METAL; RIVETING; FORGE FURNACES
- B21J15/00—Riveting
- B21J15/10—Riveting machines
- B21J15/28—Control devices specially adapted to riveting machines not restricted to one of the preceding subgroups
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种基于数字孪生的壁板铆接变形控制方法，在物理车间进行三维模型简化、数据采集；数字孪生车间对采集的数据传输及存储；铆接变形控制系统进行数据分析，优化铆接顺序及铆接路径规划，结合数字孪生技术，对铆接质量实施有效管控，进行虚实数据融合与交互，进而实现虚拟产线与物理产线的实时映射与远程控制，有针对性的对CATIA软件进行二次开发，实现壁板钻铆时工艺参数的自动提取以及实现壁板模型的批量制孔方法，当铆接变形厚度方向位移超出标准范围，及时向物理车间的工人发出预警提示信息并记录，追溯缺陷产生的原因，给出预防方法。解决了铆接质量监控滞后的问题，提高了铆接质量、效率，实现了铆接质量追溯。
Description
技术领域
本发明涉及智能制造技术领域，具体为一种基于数字孪生的壁板铆接变形控制方法。
背景技术
对于飞机壁板类弱刚性薄壁件，成千上万个铆钉钻铆过程导致的壁板局部变形及整体变形不容忽视，变形问题产生原因复杂并直接影响后续装配环节。在飞机制造过程中，铆接质量直接影响飞机结构连接质量的一致性、稳定性、抗疲劳性能与可靠性。然而，飞机装配过程中制孔及铆接质量检测方法和装配管理上大部分仍然采用传统的手工铆接、人工检测和控制，检测效率低、质量信息难以追溯，对飞机装配过程中制孔精度及铆接质量特征要素的测量，仍采用传统测量工具。机身壁板和机翼壁板是飞机装配过程中典型薄壁件，具有壁薄、弱刚性、曲率变化大等特点，在部装和总装阶段暴露出不同程度的铆接变形问题，且目前无法准确预测或消除。
从现阶段的专利公开以及文献资料显示，已有学者设计出可用于飞机气动铆接质量在线检测的检测装置，可通过调整丝杆螺栓实现仿真板夹紧和放松，利用传感器实时采集铆接信号，数据文件传输到上位机进行结果分析和评价，在显示平台上显示出铆接的基本过程、铆接质量评价结果和针对性指导反馈；还有一些学者采用有限元软件ABAQUS作为工具进行仿真计算，建立飞机多钉壁板等效仿真模型，将模型中铆接区域划分成多个单钉局部铆接实体，对壁板进行成百上千个铆钉安装时，壁板铆接变形的预测可从依次仿真每一个铆钉的铆接过程转变为不考虑铆钉的铆接过程，只需将此规格铆钉在单钉铆接过程中产生的弯矩作为加载条件，依次加载到壁板上各个装配耦合面对应节点上即可。现有的发明对铆接变形的研究停留在只有仿真或对铆接质量检测采用检测装置上，无法体现出集成为统一的系统进行实时调度、实时控制、实时数据传输、数据检测与对比，没有与数字孪生技术结合，同步将物理车间与数字孪生车间进行同步协作进行数据传输等。本发明将铆接变形质量分析与数字孪生技术相结合，对铆接质量实施有效管控，进行虚实数据融合与交互，进而实现虚拟产线与物理产线的实时映射与远程控制，构建集成系统。有针对性的对CATIA软件进行二次开发，并将其系统化和模块化、形成独立的接口，建立铆接质量追溯数据库，提高铆接质量及铆接效率。
数字孪生技术是指用数字技术描述和建模一个与物理实体的特性、行为和性能一致的过程或方法，它是实现物理空间与信息空间交互与融合的有效途径。相对于传统的装配，数字孪生驱动的产品装配呈现出新的转变，即工艺过程由虚拟信息装配工艺过程向虚实结合的装配工艺过程转变。而目前实际生产作业中，铆接工艺参数的确定通过试铆方式来确定，而铆接顺序则由工艺人员依据经验来人为确定。试铆受限于成本，难以大量进行，且缺少理论依据；工艺人员宝贵经验来自于实际生产，但难以继承和推广，对于最终的铆接最大变形是否最小，存在不确定因素，没有系统的方法支撑。因此，铆接工艺参数及铆接顺序引起的装配过程中的壁板变形和控制成为亟待解决的工程问题。数字孪生技术与车间铆接技术相结合，在工人铆接工艺出现偏差极有可能产生铆接质量问题时，及时检测识别到作出预警指示。因此本发明针对铆接顺序对壁板的铆接质量及整体变形进行研究，为控制飞机装配变形，提高铆接质量提供工程应用价值。
发明内容
针对飞机壁板类弱刚性薄壁件，成千上万个铆钉铆接过程导致的壁板整体变形不容忽视，变形问题产生原因复杂并直接影响后续装配环节。铆接工艺及薄壁结构的特点决定了铆接变形是不可避免的，新型号飞机的设计要求对铆接装配变形的控制提出了更加严格的要求，因此，铆接引起的薄壁件变形问题仍然是目前飞机装配领域研究的重点。本发明以机身铆接壁板为研究对象，基于铆接变形的形成机理，从铆接工艺和有限元模型两个方面，建立面向飞机薄壁件铆接过程的有限元仿真简化模型，研究铆接顺序对薄壁件厚度方向变形的影响规律，提高铆接质量和效率。
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壁板铆接变形控制方法，包括以下部分：
1)针对数字系统构建物理车间、数字孪生车间、壁板铆接变形控制系统；
2)基于MBD(Model Based Definition)的批量铆接变形仿真模型的自动生成技术，通过利用脚本语言Python对CATIA进行二次开发，实现了壁板钻铆时工艺参数(坐标与法矢)的自动提取、法矢方向的正确性检验以及实现壁板模型的批量制孔，有效降低了手动提取信息与制孔时的劳动强度，大大提高了效率，为后续铆接变形仿真模型分析奠定了基础；
3)在多钉铆接接力计算程序的辅助下，对单排多钉、双排多钉及多排多钉结构下，铆接顺序对薄壁件变形的影响进行研究；
4)铆接顺序分为单排多钉、双排多钉及多排多钉结构三种情况，单排多钉顺序包括顺序法、中心法、边缘法三种铆接顺序，双排多钉铆接顺序包括顺序铆、单向铆、交叉、环向铆四种铆接顺序，多排多钉结构包括边缘法铆接顺序、中心法铆接顺序等；
5)本发明采用A*算法，它结合了Dijkstra和启发式算法的优点，以从起点到该点的距离加上该点到终点的估计距离之和，其中，Dijkstra算法是一种典型的最短路径优化算法，主要用来计算从一个起始点开始经过其它所有离散点的最短路径优化方法，其具体过程是以起点为中心向外逐层扩散，直到延伸到终点，依此得出最短路径的最优解，一方面我们需要算法有方向地进行扩散(启发式)，另一方面我们需要得到尽可能最短的路径；
6)数字孪生车间采用数据采集系统进行铆枪拉铆力的数据采集，对铆接顺序进行记录以及对铆接变形位移检测记录，物理车间将铆接过程中工人的铆接顺序、铆枪拉铆力、薄壁厚度方向变形位移数据记录下来储存到数据库通过数字孪生系统传输给数字孪生车间；
7)从铆接工艺和有限元模型两个方面，建立面向飞机薄壁件铆接过程的有限元仿真简化模型进行接力计算过程；
8)开发壁板铆接变形控制系统对采集到的数据进行分析统计，分析铆接顺序对壁板批量铆接质量的影响最小方案，优化铆接顺序及铆接路径规划，避免薄壁件变形的局部变形超差，在一定的铆接排列方式下通过调整铆接顺序，使薄壁件的最大变形最小化，同时，在工人铆接工艺出现偏差极有可能产生铆接质量问题时，及时检测识别到作出预警指示。
步骤1)中，物理车间主要由包括人员、设备、物料和环境；人员由现场作业的工人、车间管理人员等组成；设备由铆枪、风钻、无线射频识别(Radio FrequencyIdentification，RFID)标签、超宽带(UltraWide Band，UWB)等组成；物料由飞机壁板、蒙皮、肋等组成；数字孪生车间主要是进行铆枪拉铆力的数据采集，对铆接顺序进行记录以及对铆接变形位移检测记录；壁板铆接变形控制系统对采集到的数据进行分析统计，分析铆接顺序对壁板批量铆接质量的影响最小方案，优化铆接顺序及铆接路径规划，避免薄壁件变形的局部变形超差，在一定的铆接排列方式下通过调整铆接顺序，使薄壁件的最大变形最小化。
步骤2)中，在自动钻铆过程中，钻铆点工艺参数信息的获取是实现后续铆接变形研究的基础，MBD技术的应用，简化了钻铆点工艺参数信息的获取过程，以MBD规范定义的模型文件为研究对象，针对手工获取信息过程繁琐的问题，采用脚本语言Python调用CATIA平台提供的外部接口函数进行二次开发，实现钻铆点工艺信息的快速提取过程，并依据所提取的工艺参数完成了仿真模型的批处理制孔过程，实现仿真几何模型的自动构建。
基于特征的建模方法，以钻铆点信息为输入量，建立了钉孔草图平面创建方法，进而批量制出规定大小的孔，为后续铆接变形分析几何模型构建做好准备。
步骤3)中，首先分析单排结构下三钉、四钉等少钉情况以及十钉情况下下薄壁件变形情况。并以此为基础，选取十钉双排结构为实例对象，在数值仿真无法提供大样本数据的情况下，选取针对小样本数据集的智能算法，建立多钉铆接结构薄壁件变形模型，通过实验验证模型的正确性，进一步，利用模型扩充样本数据，在数据量满足智能优化算法的条件下，以薄壁件厚度方向最大变形最小化为目标，提出铆接顺序优化方法。
步骤4)中，单排多钉中，设铆钉序列从左到右分别为1、2、3，剔除掉结构对称性而重复的顺序，共1-2-3、2-1-3、1-3-2三种铆接顺序，分别为顺序法、中心法、边缘法。
双排多钉中，顺序铆为铆接方向沿长桁方向，直到最终一个点位时改变铆接方向，进行反向铆接；交叉铆定义为在两个相邻长桁之间交替进行铆接；环向铆定义为通过不断改变铆接方向在两条长桁之间交替进行铆接；单向铆为铆接方向始终不变，当一条长桁铆接完之后，回到起始端进行下次铆接。
多排多钉结构中，边缘法主要是以边缘某一个铆接位置为初始点(X0)，沿着一定的方向(记为X)顺序寻找邻近的铆接点位，并以此进行，直到最后一个铆接位置(Xm)，改变铆接方向(记为Y)进行下一轮铆接，如此循环直到最后一个点位停止；中心法是首先在铆接点位阵列中心选择铆接初始点位(X0)，先进行Y方向寻找邻近的点位铆接，完成后再以初始点位为中心进行下一轮Y方向的邻近点位寻求(此时已铆接的点位需排除)，直到Y方向点位完成，再进行X方向点位偏移进行下一轮Y方向铆接，如此进行交替铆接的一种方法。
步骤5)中，结合A*算法，通过以铆头所在位置为起始点，假设，对于任意的节点n而言，已知h*(n)，可以构建出一个算法直接找到最优解，即处理每一次选择时，都选择f*(n)代价最小的节点。A*算法保证所估计h*(n)的值h(n)满足：h(n)≤h*(n)。可以明确的是，尽量使得h(n)接近h*(n)，越接近，算法越佳。由此，通过不断的更新循环，来确定最优路径。
步骤6)中，数据采集系统采用可以采用多种形式，对铆枪等仪器提供的外部接口进行二次开发记录每次拉铆力数据，将物料附着RFID定位标签进行标识，通过RFID固定式读写器对其进行区域定位，并获取物料的生产状态信息。采用UWB设备对铆接顺序进行精准定位并追踪零件移动轨迹。
步骤7)中，在接力计算过程中，为满足工艺及计算精度等要求，利用Ansys分析处理获取前一计算步完成后的铆接件变形状态，把第一个铆钉铆接完成后的应力应变数据映射到第二个铆钉铆接过程中，把映射的应力应变数据作为第二个铆钉铆接的初始状态,从而完成对铆钉的精确装配，完成当前铆钉铆接的模拟。
步骤8)中，壁板铆接变形控制将数据库中试验采集到的数据与仿真简化模型得到的位移数据及航空制造标准数据进行对比，当铆接变形厚度方向位移超出标准范围，发出预警提示信息给工人并记录，追溯缺陷产生的原因，给出预防方法，并进行二次检查。
本发明具有以下有益效果：
本发明提出一种基于数字孪生的壁板铆接变形控制方法，以机身铆接壁板为研究对象，基于铆接变形的形成机理，依据构建的铆接工艺模型结合有限元数值仿真分析，充分了解铆接变形的形成过程以及实验结果，分类总结影响铆接质量的影响因素。将铆接质量分析与数字孪生技术结合，充分发挥数字孪生技术的优势，运用各种数字化手段，包括物联网、虚拟现实、仿真工具等，把壁板铆接等物理设备的属性映射到虚拟空间中，通过物联网的数据采集以及大数据处理来实现铆接质量当前状态的分析和诊断，解决了铆接质量监控滞后的问题，提高铆接质量、效率，实现了铆接质量追溯。
附图说明
图1为本发明的一种基于数字孪生的壁板铆接变形控制方法的总体技术架构图；
图2为本发明的基于Catia二次开发的零件工艺信息提取流程框图；
图3为本发明的基于Catia二次开发的自动制孔流程框图；
图4为本发明的铆接过程铆接件钉孔间基于铆接顺序产生的变形架构图；
图5为本发明的A＊算法路径优化框图；
图6为本发明的仿真批量铆接接力流程步骤框图。
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。
参见图1所示，本发明提供一种基于数字孪生的壁板铆接变形控制方法，包括以下部分：
1针对数字系统构建物理车间、数字孪生车间、壁板铆接变形控制系统，如图2所示。
1.1物理车间分为人员、设备、物料、环境，分别进行车间全要素多层次的孪生模型的建模。其中，壁板模型由一块蒙皮与一根长桁组成，以单排三钉模型，具体尺寸为120mm×60mm×2mm，薄壁件铆接材料7075-T651及铆钉材料2A10-T4，材料7075-T651密度为2.80×103kg/m3，泊松比0.33，铆钉材料2A10-T4密度为2.80×103kg/m3，泊松比0.31。铆枪的型号为TAUAURS2。对物理车间的铆接作业进行简化建模，把物理设备的属性映射到虚拟空间中，用于在数字孪生车间进行同步环面演示，数据传输。
将设备附着RFID定位标签进行标识，通过RFID固定式读写器对其进行区域定位，并获取物料的生产状态信息。采用UWB设备对运载工具、人员、零部件等进行精确定位并追踪移动轨迹。装配生产车间生产要素众多、环境复杂，通过UWB设备对人员精确定位能有效获取人员的实时位置、分布情况、运动轨迹、区域滞留时间等信息。对铆接过程感知的信息采集点进行设计，在物理车间构建一个物联网络，实现对装配资源的实时感知。
1.2数字孪生车间采用数据采集系统采集铆接过程中的拉铆力、铆接顺序等数据，对铆接顺序进行记录以及对铆接变形位移检测记录，实时捕捉铆接顺序的变化，保证铆接质量，将壁板变形控制在标准范围内。
1.3壁板铆接变形控制系统对采集到的数据进行分析统计，分析铆接顺序对壁板批量铆接质量的影响最小方案，优化铆接顺序及铆接路径规划，避免薄壁件变形的局部变形超差，在一定的铆接排列方式下通过调整铆接顺序，使薄壁件的最大变形最小化。
2参见图2所示，在自动钻铆过程中，钻铆点工艺参数信息的获取是实现后续铆接变形研究的基础，MBD技术的应用，简化了钻铆点工艺参数信息的获取过程。由于获取准确的工艺参数信息尤其是钻铆点位置与法矢对后续有限元分析模型的构建与计算起着至关重要的作用，根据所需零件的模型文档获得管理几何图形集的集合对象，再次调用递归函数来获取指定图形集图形元素，最终获得装配连接件的参数信息。
3参见图3所示，对于单件或小批量制孔时，往往在几何模型上手动制出符合设计要求的钻铆孔即可，但对于壁板这种孔数量较多的薄壁件，手动制孔严重增加了几何模型处理时的劳动强度。CATIA提供的外部开发接口使得标准件信息的快速提取提供了方便，工艺人员仅需调用相应的接口函数即可实现大量信息的提取过程，避免了操作者重复繁琐的工作，使得相关工作进度得到很大的提高。
本发明利用脚本语言Python对CATIA进行二次开发，实现壁板类大部件钻铆孔的批量处理，整个过程只需提供钻铆点的信息(坐标与法矢)即可实现钻铆孔的自动化实现过程。
4参见图4所示，对于双排多钉铆接，考虑到工程应用中铆接路径造成的效率影响，本发明结合工程应用中所使用的边缘法与中心法，选取较为常用的四种铆接顺序，研究铆接完成后壁板在厚度方向的变形，通过对比选取较好的铆接顺序。顺序铆与单向铆的优点是可以减少铆接时产生的鼓形，对应于边缘法；交叉铆与环向铆结合了边缘法与中心法，不仅可以减少铆接方向的误差积累，还可以减少相邻长桁间产生鼓形。
5参见图5所示，基于A*算法的铆接顺序路径规划，铆接装配时追求的目的是效率高与变形小。对于待铆接区域内的点位，可以通过择优法来控制铆接变形，而路径优化主要是在待铆接区域间找到最短的路径。在实际钻铆过程中，点位区域是由于卡板或结构的需要，使得点位被分割成多个区域，所以有时会在区域之间有障碍物的存在。判断两点之间是否有障碍物需要逐次判断目标点连线与障碍物各角点连线是否有交点来实现，引入MBD技术，建立装配工艺MBD数据集环境，根据环境信息进行全局路径规划，搜索最优路径。在全局路径搜索中，最有效的方法是A*算法，而A*算法作为一种典型的启发式优先级搜索算法，可以有效地解决路径规划的中点对点问题，最早应用在无碰撞机器人、无人机路径规划中，现有研究并未将路径规划算法与零部件装配结合来进行自动装配仿真。A*算法公式：
f(n)＝g(n)+h(n)
式中：f(n)是从初始点经由节点n到目标点的估计函数，g(n)表示从起始点到某一随机点n的实际距离，h(n)表示从n到目标节点最佳路径的估计距离。
这个公式遵循以下特点：如果等于零，只有g(n)是必要的，从起点的最短路径，n是任意一点变成一个单源最短路径问题；如果h(n)不大于n到目标的实际距离，则可以得到最优解。A*算法的搜索流程定义如图5所示。
6参见图6所示，提出了批量铆接接力计算原理以及批量铆接过程接力计算模拟方法。在综合考虑薄壁件的实体特征及有限元计算效率的基础上，本发明设计了飞机薄壁件铆接有限元仿真模型。均涉及铆接载荷施加、接触设置、边界条件修改等，此时，为进一步提高计算效率，建立批量铆接过程模拟的接力计算流程，几何模型采用自动制孔模型建立，壁板材料选择航空铝7075，铆钉材料选择2A10-T4，为保证壁板映射区域网格与元模型相对应，提高仿真精度，在厚度方向需要对孔周的区域设置相同数量的网格，在钉孔周围2R(R为钉孔半径)的部分区域进行局部细化，在远离此区域处适当增大网格。并在每个铆钉孔周的最大应力区内选取一个节点作为研究铆接件应力分布的关键节点，记录各铆钉铆接完成后关键节点处的应力变化与厚度方向位移变化。
对有限元仿真简化模型进行接力计算过程，进行应力、应变、位移分析。为了保证分析的连续性，每一计算步分析前需要将前一计算步的场量数据(如应力、应变、位移等)映射到当前的三维实体模型中，使前一计算步完成后的状态作为后一计算步的初始状态，从而完成计算步间模型场量数据映射，每个计算步分析前需要对边界条件和动态载荷进行修改，在接力计算中保持铆接件的边界条件不变，铆钉边界条件和铆接载荷随模拟计算过程的进行而动态地施加到相应的参考点上。局部变形指薄壁零件铆接处的凹陷，在当前铆钉铆接完成后，铆钉周围出现凹陷，在远离当前铆钉处的铆接件会出现翘曲。
7壁板铆接变形控制系统采用相关算法将数据库中试验采集到的数据与仿真简化模型得到的位移数据及航空制造标准数据进行对比，确定工艺参数及建立铆接质量分析与追溯数据库，当铆接变形厚度方向位移超出标准范围，记录产生的预警信息给工人并储存到数据库，总结影响铆接质量的影响因素，追溯缺陷产生的原因，给出预防方法，在下一次铆接时注意防范。
8单排结构下，钉与钉之间的相互约束主要体现在沿铆钉排布方向。采用三钉单排结构分析了铆接顺序对薄壁件变形的影响。三种序列中，1-3-2的铆接顺序下母材整体变形最小，且变形后结构基本对称。当第一铆钉不在结构对称位置时，远离铆钉一端发生翘曲变形。虽然选取了同双钉结构一致的铆接工艺参数，相邻两个位置的铆钉连续铆接时Z向变形量并不相同，其主要原因可能在于铆钉与约束端面的相对位置发生了改变，约束端面对铆接变形产生了作用。当首先铆接靠近约束端面的1、3位置时，虽然最终状态下Z向变形量最小，但是第二铆钉完成时，该顺序却是三个顺序中Z向变形量最大的。而当铆接第三铆钉时，由于两端均受到约束作用，使得第三铆钉引起的变形受到约束作用。对于2-1-3这样的从中间向两边扩展的铆接顺序，由于受到的约束作用最小，所以变形量最大，与1-3-2顺序相比较，变形量数值大接近一倍。三种铆接顺序中，变形量最小的顺序为边缘法。
双排结构下，钉与钉之间的相互约束关系较单排结构复杂，选取典型的顺序铆、单向铆、交叉、环向铆铆接顺序，多种铆接顺序下，均出现了薄壁件的翘曲变形，其原因是由于铆接后钉与钉之间约束的影响得到强化，且变形量的数值较少钉结构下产生明显的增大。在双排多钉结构下，铆接所产生的变形并无规律可循。在变形量较大的中心部位，交插铆接相对于其它三种铆接顺序中变形最大的环向铆变形减小0.014mm，相对减小量为8.8％。通过以上对四种铆接顺序对铆接件的长桁方向与法向的分析可知，采用交叉铆，即在相邻两排之间进行交替铆接可以有效减少变形量，但铆接时铆头运动的行程会较大。实验测量结果与仿真结果误差不大于16.2％，经A*优化算法得到的优化铆接顺序，虽然实验测量结果较仿真结果误差较大，但仍相比其余铆接顺序下的薄壁件变形量小，可认为铆接顺序优化模型有效。
综上，结合数字孪生技术，通过数据的传输与交互使构建的数字孪生车间模型与物理车间双向映射，对铆接质量分析实施有效管控，进行虚实数据融合与交互，实现数字孪生车间的虚实数据融合与交互，进而实现虚拟产线与物理产线的实时映射与远程控制。实现了壁板钻铆时工艺参数(坐标与法矢)的自动提取方法、以及实现壁板模型的批量制孔方法，通过优化铆接顺序，揭示了铆接顺序与铆接质量之间的内在联系。系统地从构建的铆接工艺模型结合有限元数值仿真分析与试验结果进行对比，充分了解铆接变形的形成过程，研究铆接过程中单排多钉、双排多钉及多排多钉结构、铆接顺序、壁板变形对铆接质量的影响及对其他铆钉的铆接质量产生的影响。有针对性的对CATIA软件进行二次开发，并将其系统化和模块化、形成独立的接口，建立铆接质量追溯数据库，应用于各行各业的技术改进。
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 (9)
1.一种基于数字孪生的壁板铆接变形控制方法，其特征在于包括以下部分：
1)针对数字系统构建物理车间、数字孪生车间、壁板铆接变形控制系统；
2)物理车间主要包括人员、设备、物料和环境，人员由现场作业的工人、车间管理人员组成，设备由铆枪、风钻、无线射频识别标签、超宽带组成，物料由飞机壁板、蒙皮、肋组成；
3)数字孪生车间主要是进行铆枪拉铆力的数据采集，对铆接顺序进行记录以及对铆接变形位移检测记录；
4)基于MBD的批量铆接变形仿真模型的自动生成技术，通过利用脚本语言Python对CATIA进行二次开发，实现壁板钻铆时工艺参数(坐标与法矢)的自动提取、法矢方向的正确性检验以及实现壁板模型的批量制孔；
5)从铆接工艺和有限元模型两个方面，建立面向飞机薄壁件铆接过程的有限元仿真简化模型进行接力计算；
6)壁板铆接变形控制系统对采集到的数据进行统计分析，得出铆接顺序对壁板批量铆接质量影响最小的方案，优化铆接顺序及铆接路径规划，避免薄壁件的局部变形超差，在一定的铆接排列方式下通过调整铆接顺序来降低薄壁件的最大变形量。
2.根据权利要求1所述的一种基于数字孪生的壁板铆接变形控制方法，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；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。
3.根据权利要求1所述的一种基于数字孪生的壁板铆接变形控制方法，其特征在于：步骤3)还包括数据的预处理过程，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，为虚拟车间提供准确、可靠的信息数据。
4.根据权利要求1所述的一种基于数字孪生的壁板铆接变形控制方法，其特征在于：步骤4)中对自动生成的批量制孔简化模型，用于确定最优铆接顺序，为了保证仿真结果与试验结果误差最小，需要做到材质、制孔位置、尺寸，铆钉直径、铆钉长度、铆接孔直径、壁板厚度、铆钉间距相一致。
5.根据权利要求1所述的一种基于数字孪生的壁板铆接变形控制方法，其特征在于：步骤4)中，在自动钻铆过程中，钻铆点工艺参数信息的获取是实现后续铆接变形研究的基础，以MBD规范定义的模型文件为研究对象，针对手工获取信息过程繁琐的问题，采用脚本语言Python调用CATIA平台提供的外部接口函数进行二次开发，实现钻铆点工艺信息的快速提取，并依据所提取的工艺参数完成了仿真模型的批处理制孔过程，实现仿真几何模型的自动构建。
6.根据权利要求1所述的一种基于数字孪生的壁板铆接变形控制方法，其特征在于：步骤6)中在多钉铆接接力计算程序的辅助下，对单排多钉、双排多钉及多排多钉结构下铆接顺序对薄壁件变形的影响进行研究，铆接顺序分为单排多钉、双排多钉及多排多钉结构三种情况，单排多钉顺序包括顺序法、中心法、边缘法三种铆接顺序，双排多钉铆接顺序包括顺序铆、单向铆、交叉、环向铆四种铆接顺序，多排多钉结构包括边缘法铆接顺序、中心法铆接顺序。
7.根据权利要求1所述的一种基于数字孪生的壁板铆接变形控制方法，其特征在于：步骤5)中对有限元仿真简化模型进行接力计算过程，进行应力、应变、位移分析，为了保证分析的连续性，每一计算步分析前需要将前一计算步的场量数据(应力、应变、位移)映射到当前的三维实体模型中，使前一计算步完成后的状态作为后一计算步的初始状态，从而完成计算步间模型场量数据映射，每个计算步分析前需要对边界条件和动态载荷进行修改，在接力计算中保持铆接件的边界条件不变，铆钉边界条件和铆接载荷随模拟计算过程的进行而动态地施加到相应的参考点上，局部变形指薄壁零件铆接处的凹陷，在当前铆钉铆接完成后，铆钉周围出现凹陷，在远离当前铆钉处的铆接件会出现翘曲。
8.根据权利要求1所述的一种基于数字孪生的壁板铆接变形控制方法，其特征在于：步骤6)中采用A*算法计算得出最短铆接路径，结合了Dijkstra和启发式算法的优点，以从起点到该点的距离加上该点到终点的估计距离之和，一方面，算法有方向地进行扩散，另一方面得到尽可能最短的路径。
9.根据权利要求1所述的一种基于数字孪生的壁板铆接变形控制方法，其特征在于：步骤6)中，壁板铆接变形控制将数据库中试验采集到的数据、仿真简化模型得到的位移数据与制造标准数据进行对比，当铆接变形厚度方向位移超出标准范围，发出预警提示信息给工人并记录，追溯缺陷产生的原因，给出预防方法，并进行二次检查。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210910860.3A CN115229117A (zh) | 2022-07-29 | 2022-07-29 | 一种基于数字孪生的壁板铆接变形控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210910860.3A CN115229117A (zh) | 2022-07-29 | 2022-07-29 | 一种基于数字孪生的壁板铆接变形控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115229117A true CN115229117A (zh) | 2022-10-25 |
Family
ID=83677677
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210910860.3A Pending CN115229117A (zh) | 2022-07-29 | 2022-07-29 | 一种基于数字孪生的壁板铆接变形控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115229117A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115494796A (zh) * | 2022-11-18 | 2022-12-20 | 北京航空航天大学 | 一种基于step-nc的边云协同数字孪生系统 |
| CN117077295A (zh) * | 2023-10-16 | 2023-11-17 | 泉州装备制造研究所 | 一种基于预连接数字孪生模型的预连接件数量优选方法 |
| CN117215215A (zh) * | 2023-11-07 | 2023-12-12 | 江苏航运职业技术学院 | 一种基于数字孪生的船舶数字化车间仿真方法及系统 |
| CN117829862A (zh) * | 2024-03-04 | 2024-04-05 | 贵州联广科技股份有限公司 | 一种基于互联互通的数据源追溯方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CH461224A (de) * | 1967-02-25 | 1968-08-15 | Licentia Gmbh | Verfahren zum Nieten mittels Hochenergieverformung |
| 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 |
| 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 |
| CN112327774A (zh) * | 2020-11-09 | 2021-02-05 | 东北大学 | 一种基于数字孪生的薄壁零件铆接质量控制方法 |
| CN114330030A (zh) * | 2022-02-16 | 2022-04-12 | 东北大学 | 一种基于数字孪生的飞机结构件制孔及铆接质量控制方法 |
| CN114354626A (zh) * | 2021-12-31 | 2022-04-15 | 东北大学 | 一种基于数字孪生的铆接质量图像检测方法 |
-
2022
- 2022-07-29 CN CN202210910860.3A patent/CN115229117A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CH461224A (de) * | 1967-02-25 | 1968-08-15 | Licentia Gmbh | Verfahren zum Nieten mittels Hochenergieverformung |
| 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 |
| 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 |
| CN112327774A (zh) * | 2020-11-09 | 2021-02-05 | 东北大学 | 一种基于数字孪生的薄壁零件铆接质量控制方法 |
| CN114354626A (zh) * | 2021-12-31 | 2022-04-15 | 东北大学 | 一种基于数字孪生的铆接质量图像检测方法 |
| CN114330030A (zh) * | 2022-02-16 | 2022-04-12 | 东北大学 | 一种基于数字孪生的飞机结构件制孔及铆接质量控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 宋庆宏等: "飞机驾驶员座椅铆接变形的控制" * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115494796A (zh) * | 2022-11-18 | 2022-12-20 | 北京航空航天大学 | 一种基于step-nc的边云协同数字孪生系统 |
| CN115494796B (zh) * | 2022-11-18 | 2023-03-03 | 北京航空航天大学 | 一种基于step-nc的边云协同数字孪生系统 |
| CN117077295A (zh) * | 2023-10-16 | 2023-11-17 | 泉州装备制造研究所 | 一种基于预连接数字孪生模型的预连接件数量优选方法 |
| CN117077295B (zh) * | 2023-10-16 | 2023-12-19 | 泉州装备制造研究所 | 一种基于预连接数字孪生模型的预连接件数量优选方法 |
| CN117215215A (zh) * | 2023-11-07 | 2023-12-12 | 江苏航运职业技术学院 | 一种基于数字孪生的船舶数字化车间仿真方法及系统 |
| CN117829862A (zh) * | 2024-03-04 | 2024-04-05 | 贵州联广科技股份有限公司 | 一种基于互联互通的数据源追溯方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115229117A (zh) | 一种基于数字孪生的壁板铆接变形控制方法 | |
| Tao et al. | Digital twin modeling | |
| CN106682350B (zh) | 一种基于三维模型的多属性决策质量检测方法 | |
| Maropoulos et al. | Design verification and validation in product lifecycle | |
| Guo et al. | Working mode in aircraft manufacturing based on digital coordination model | |
| Duflou et al. | Computer aided process planning for sheet metal bending: A state of the art | |
| CN111723440B (zh) | 一种薄壁件加工精度预测混合建模方法 | |
| US11726448B1 (en) | Robotic workspace layout planning | |
| CN115601000B (zh) | 一种复杂环境下的bim5d模型工程造价方法及系统 | |
| Kuravsky et al. | Detecting abnormal activities of operators of complex technical systems and their causes basing on wavelet representations | |
| Kumar et al. | A low cost knowledge base system framework for progressive die design | |
| CN116596483A (zh) | 一种基于三维数字技术的桥梁施工组织方法 | |
| Wang et al. | Quality-driven sequence planning and line configuration selection for compliant structure assemblies | |
| CN114818361A (zh) | 一种基于应用场景的数字孪生模型构建方法 | |
| Kumar et al. | Automation of strip-layout design for sheet metal work on progressive die | |
| CN114417501A (zh) | 一种面向机载部署的健康管理预测性建模方法 | |
| CN116690988A (zh) | 一种大型建筑模型3d打印系统和方法 | |
| Yang et al. | Comprehensive performance evaluation and sensitivity analysis method of a cutter-changing robot for a large-diameter shield machine | |
| CN115359184A (zh) | 一种包含机械仿真和虚拟维修属性的综合建模方法 | |
| CN113742941B (zh) | 一种基于系统结构层次化分析的复杂装备系统测试性建模平台 | |
| CN1776553A (zh) | 机器上的探测系统和方法 | |
| Perkasa | Benefit using statistical process control (SPC) for process control in textile manufacturing: A Review | |
| Scott et al. | A structural PHM framework for aircraft control surface free-play | |
| Alshameri et al. | Multi-Objective Approach to Automated Fixture Synthesis Incorporating Deep Neural Network for Deformation Evaluation | |
| Park et al. | Development of automatic assembly sequence generating system based on the new type of parts liaison graph |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20221025 |