CN116976208A - 一种基于机器学习的航空紧固件划分方法 - Google Patents

Abstract

本发明属于飞机数字化制造技术领域，涉及一种基于机器学习的航空紧固件划分方法。本发明基于机器学习的航空紧固件划分方法，改变了零件、紧固件划分的工作模式，利用已研制型号数据训练机器学习模型辅助工艺人员进行坚固件划分，大幅减轻工艺人员工作量，缩短工艺准备时间，提升新型号飞机研制效率。

Description

一种基于机器学习的航空紧固件划分方法

技术领域

本发明涉及一种基于机器学习的航空紧固件划分方法，属于飞机数字化制造技术领域。

背景技术

根据飞机制造中的三维工艺规程编制要求，工艺规程需要展示每个紧固件的安装位置，这就需要工艺人员在编制工艺规程之前将紧固件、参考紧固件划分到相应的工艺规程配套中。依照现有的零件及标准件划分方法，工艺人员首先会创建零件工艺规程，然后根据经验将该本工艺规程需要安装的零件及紧固件依次划分，然而飞机零件中的大部分都为紧固件，有大量的紧固件需要进行划分，且更改频繁，造成紧固件划分周期较长，影响装配工艺规程编制的整体进度。

发明内容

本专利针对紧固件划分耗时较长，影响工艺规程编制效率的问题，提出使用已研制完成型号的紧固件划分数据训练机器学习模型，利用模型计算结果辅助工艺人员进行紧固件的划分，减少紧固件首次划分与更改贯彻过程中工艺人员的工作量。该方法具有效率高、数据准确高、计算机辅助程度高等特点。

本发明的技术方案如下：

一种基于机器学习的航空紧固件划分方法，步骤如下：

本发明主要分为六个步骤，如图1所示：1)整理历史型号数据，制作数据集；2)改变零件划分顺序；3)构建训练机器学习模型；4)利用机器学习模型辅助工艺人员进行紧固件划分；5)检查紧固件件划分结果；6)优化模型参数。

所述步骤1)整理已研制型号的零件、紧固件数据，主要包含紧固件属性信息、紧固件划分信息、紧固件连接信息、零件属性信息、零件划分信息。利用紧固件连接信息过滤零件，仅保留与紧固件有连接关系的零件。如图2所示，本发明在辅助工艺人员进行紧固件分工的过程中需要使用到两个机器学习模型m1,m2。其中m1模型为紧固件与所连接零件一起安装可能性的预测模型，该模型使用多输入-单输出的BP神经网络模型进行构建；m2模型为计算两个紧固件相似性的模型，首先计算计算向量差，然后将向量差作为输入，相似性作为输出，利用决策树回归模型构建。

所述步骤2)改变工艺人员划分紧固件及相关工作的工作顺序，将工艺人员工作顺序改为：创建全部工艺规程->将全部零件划分到工艺规程配套->利用机器学习模型辅助紧固件划分->人工编制工艺规程，检查误划分紧固件并更正。

所述步骤3)构建机器学习模型m1(紧固件与所连接零件一起安装可能性预测模型)、m2(紧固件相似性计算模型)，使用步骤①产生的数据集进行训练优化；

所述步骤4)利用步骤③训练完成的m1、m2模型辅助工艺人员进行紧固件划分，辅助划分流程如图2所示：

4.1)判断紧固件划分处于首次划分阶段还是更改阶段，如果是首次划分执行4.2，如果是更改阶段执行4.5；

4.2)解析紧固件三维模型文件，记录紧固件与夹层中零件的关联信息；

4.3)根据4.2的解析结果将紧固件的类型、材料、尺寸信息与夹层中零件的材料、类别、尺寸信息进行连接，将连接后的信息进行数值化、归一化处理；

4.4)使用m1模型分别计算每个紧固件其关联零件一起安装的可能性，如果计算值大于阈值，则将该紧固件划分之与零件相同的工艺规程中，如果可能性小于阈值，则需要人工进行划分，从而完成紧固件划分。

4.5)以要划分的紧固件(后记为紧固件a)的重心为原点，以距离r为半径搜索已完成划分的紧固件。如果搜索到结果执行4.6，如果未搜索到结果则执行4.2；

4.6)将紧固件a的类别、尺寸、材料、连接零件的信息进行数值化、归一化处理；

4.7)使用m2模型分别计算紧固件a与搜索结果中紧固件的相似性，如果计算结果高于阈值则该紧固件划分到计算结果所对应紧固件所在的工艺规程中，从而完成紧固件划分；如果计算结果低于阈值则执行4.2。

所述步骤5)人工检查紧固件划分的正确性，并将划分不准确的紧固件重新划分，记录划分数据。

所述步骤6)利用步骤⑤产生的数据优化步骤③构建的机器学习模型参数。

本发明的有益效果是：

本发明基于机器学习的航空紧固件划分方法，改变了零件、紧固件划分的工作模式，利用已研制型号数据训练机器学习模型辅助工艺人员进行坚固件划分，大幅减轻工艺人员工作量，缩短工艺准备时间，提升新型号飞机研制效率。

附图说明

图1是基于机器学习模型划分紧固件流程图；

图2是利用机器学习辅助工艺人员进行紧固件划分流程图。

具体实施方式

下面结合附图对本发明的实施方式进行详细说明，本实施例是以发明技术方案为前提进行实施，给出了详细的实施方式和具体的实现过程，但是本发明的保护范围不限于下述实施实例。

具体实施步骤如下：

所述步骤1)整理已研制型号的零件、紧固件数据，主要包含紧固件属性信息、紧固件划分信息、紧固件连接信息、零件属性信息、零件划分信息。如图2所示，本发明需要构建并训练两个机器学习模型，分别为m1(紧固件与所连接零件一起安装可能性预测模型)、m2(紧固件相似性计算模型)。

通过数据分析，紧固件与连接零件是多对多的关系，紧固件会与连接零件中的至少一个或多个零件在一个工艺规程中安装，本发明将紧固件与连接零件一起安装的可能性作为紧固件的划分依据，选择紧固件的类别、尺寸、材料信息，以向量形式表示、j_n＝(j_n1,j_n2,j_n3,……,j_nm)生成紧固件信息数据集J＝{j₁,j₂,j₃……,j_n}。同理选取零件类型、尺寸等信息零件表达为l_x＝(l_x1,l_x2,l_x3,……,l_xy)，生成零件信息数据集L＝{l₁,l₂,l₃……,l_x}，通过紧固件与零件的连接信息过滤零件，得到结果集L′＝{l₁,l₂,l₃……,l_x’}，使用数据集J与L′构建数据集D＝{d₁,d₂,d₃……,d_i}，其中，d_i＝(j_n′1,j_n′2,j_n′3,……,j_n′m,l_x′1,l_x′2,l_x′3,……,l_x′y,r_i)，r_i表示紧固件j_n′与零件l_x′是否一起安装，在一起安装表示为1，不在一起安装表示为0。

经上述处理后，将得到的数据集J与D进行数值化与归一化处理得到数据集J1与D1。

所述步骤2)紧固件与连接零件一起安装的可能性作是辅助紧固件首次划分过程中的重要划分依据，所以完成工艺规程创建与零件划分时辅助紧固件划分的前提。需改变工艺人员原有的工作顺序，将工艺人员工作顺序改为：创建全部工艺规程->将全部零件划分到工艺规程配套->利用机器学习模型辅助紧固件划分->人工编制工艺规程，检查误划分紧固件并更正。

所述步骤3)使用多层深度学习模型构建模型m1，预测紧固件与所连接零件在一个工艺规程中安装的可能性，使用数据集D1进行训练；在J1数据集上使用半监督学习方法训练模型m2(紧固件相似性计算模型)；

所述步骤4)利用步骤③训练完成的m1、m2模型辅助工艺人员进行紧固件划分，辅助划分流程如图2所示；

所述步骤5)人工编制工艺规程内容的同时，检查紧固件划分的正确性，并将划分不准确的紧固件重新划分，记录划分数据。

所述步骤6)利用步骤⑤产生的数据优化步骤③构建的机器学习模型参数。

Claims (5)

1.一种基于机器学习的航空紧固件划分方法，其特征在于，步骤如下：

1)整理历史型号数据，制作数据集；

2)改变零件划分顺序；

3)构建训练机器学习模型；

4)利用机器学习模型辅助工艺人员进行紧固件划分；

5)检查紧固件件划分结果；

6)优化模型参数；

所述步骤1)整理已研制型号的零件、紧固件数据，主要包含紧固件属性信息、紧固件划分信息、紧固件连接信息、零件属性信息、零件划分信息；利用紧固件连接信息过滤零件，仅保留与紧固件有连接关系的零件；本发明构建并训练两个机器学习模型，分别为m1、m2；从两个模型构建角度分别选取特征并制作数据集；

所述步骤2)改变工艺人员划分紧固件及相关工作的工作顺序，将工艺人员工作顺序改为：创建全部工艺规程->将全部零件划分到工艺规程配套->利用机器学习模型辅助紧固件划分->人工编制工艺规程，检查误划分紧固件并更正；

所述步骤3)构建机器学习模型m、m2，使用步骤①产生的数据集进行训练优化；

所述步骤4)利用步骤③训练完成的模型辅助工艺人员进行紧固件划分；

所述步骤5)人工检查紧固件划分的正确性，并将划分不准确的紧固件重新划分，记录划分数据；

所述步骤6)利用步骤⑤产生的数据优化步骤③构建的机器学习模型参数。

2.如权利要求1所述的一种基于机器学习的航空紧固件划分方法，其特征在于，所述步骤4)的辅助划分流程如下：

4.1)判断紧固件划分处于首次划分阶段还是更改阶段，如果是首次划分执行4.2，如果是更改阶段执行4.5；

4.2)解析紧固件三维模型文件，记录紧固件与夹层中零件的关联信息；

4.3)根据4.2的解析结果将紧固件的类型、材料、尺寸信息与夹层中零件的材料、类别、尺寸信息进行连接，将连接后的信息进行数值化、归一化处理；

4.4)使用m1模型分别计算每个紧固件其关联零件一起安装的可能性，如果计算值大于阈值，则将该紧固件划分之与零件相同的工艺规程中，如果可能性小于阈值，则需要人工进行划分，从而完成紧固件划分；

4.5)以要划分的紧固件a的重心为原点，以距离r为半径搜索已完成划分的紧固件；如果搜索到结果执行4.6，如果未搜索到结果则执行4.2；

4.6)将紧固件a的类别、尺寸、材料、连接零件的信息进行数值化、归一化处理；

4.7)使用m2模型分别计算紧固件a与搜索结果中紧固件的相似性，如果计算结果高于阈值则该紧固件划分到计算结果所对应紧固件所在的工艺规程中，从而完成紧固件划分；如果计算结果低于阈值则执行4.2。

3.如权利要求1或2所述的一种基于机器学习的航空紧固件划分方法，其特征在于，所述步骤1)中，m1模型为紧固件与所连接零件一起安装可能性的预测模型，该模型使用多输入-单输出的BP神经网络模型进行构建；m2模型为计算两个紧固件相似性的模型，首先计算计算向量差，然后将向量差作为输入，相似性作为输出，利用决策树回归模型构建。

4.如权利要求1或2所述的一种基于机器学习的航空紧固件划分方法，其特征在于，所述步骤1)具体操作如下：将紧固件与连接零件一起安装的可能性作为紧固件的划分依据，选择紧固件的类别、尺寸、材料信息，以向量形式表示、j_n＝{j_n1，j_n2，j_n3，……，j_nm}生成紧固件信息数据集J＝{j₁，j₂，j₃……，j_n}；同理选取零件类型、尺寸等信息零件表达为l_x＝(l_x1，l_x2，l_x3，……，l_xy)，生成零件信息数据集L＝{l₁，l₂，l₃……，l_x}，通过紧固件与零件的连接信息过滤零件，得到结果集L′＝{l₁，l₂，l₃……，l_x’}，使用数据集J与L′构建数据集D＝{d₁，d₂，d₃……，d_i}，其中，d_i＝(j_n′1，j_n′2，j_n′3，……，j_n′m，l_x′1，l_x′2，l_x′3，……，l_x′y，r_i)，r_i表示紧固件j_n′与零件l_x′是否一起安装，在一起安装表示为1，不在一起安装表示为0；

经上述处理后，将得到的数据集J与D进行数值化与归一化处理得到数据集J1与D1。

5.如权利要求3所述的一种基于机器学习的航空紧固件划分方法，其特征在于，所述步骤1)具体操作如下：将紧固件与连接零件一起安装的可能性作为紧固件的划分依据，选择紧固件的类别、尺寸、材料信息，以向量形式表示、j_n＝(j_n1，j_n2，j_n3，……，j_nm)生成紧固件信息数据集J＝{j₁，j₂，j₃……，j_n}；同理选取零件类型、尺寸等信息零件表达为l_x＝(l_x1，l_x2，l_x3，……，l_xy)，生成零件信息数据集L＝{l₁，l₂，l₃……，l_x}，通过紧固件与零件的连接信息过滤零件，得到结果集L′＝{l₁，l₂，l₃……，l_x′}，使用数据集J与L′构建数据集D＝{d₁，d₂，d₃……，d_i}，其中，d_i＝(j_n′1，j_n′2，j_n′3，……，j_n′m，l_x′1，l_x′2，l_x′3，……，l_x′y，r_i)，r_i表示紧固件j_n′与零件l_x′是否一起安装，在一起安装表示为1，不在一起安装表示为0；

经上述处理后，将得到的数据集J与D进行数值化与归一化处理得到数据集J1与D1。