用于航空复合组件装配系统的动态数据驱动的不确定物理信息自感知方法

《JOURNAL OF MANUFACTURING SYSTEMS》:Dynamic data driven uncertain physical information self-awareness method for the aircraft composite component assembly system

【字体: 大 中 小 】 时间:2025年12月06日 来源:JOURNAL OF MANUFACTURING SYSTEMS 14.2

编辑推荐:

  尹鹏博|张阳|崔家成|赵江涛|金玉琳|陈起航|卢永康|刘伟 大连理工大学机械工程学院,中国辽宁大连116024 摘要 大型复合材料部件的高精度组装对飞行器结构安全至关重要。为了解决由于各向异性材料行为和动态组装过程中时变工艺约束导致的部件几何偏差问题,本文提出了一种

  尹鹏博|张阳|崔家成|赵江涛|金玉琳|陈起航|卢永康|刘伟
大连理工大学机械工程学院,中国辽宁大连116024

摘要
大型复合材料部件的高精度组装对飞行器结构安全至关重要。为了解决由于各向异性材料行为和动态组装过程中时变工艺约束导致的部件几何偏差问题,本文提出了一种动态数据驱动的不确定物理信息自感知(DDDPIA)方法。该方法通过三个关键创新准确更新部件的物理模型:(1)一种简化的仿射映射方法,将模型参数转换为系统刚度,从而在变形建模中将材料属性与工艺约束分离;(2)一个多源先验数据驱动的模型参数优化框架,能够高效识别材料参数和工艺约束,同时量化测量不确定性影响,并在测量误差低于0.3毫米的情况下保持高精度性能;(3)一个面向工业应用的形状调节平台,利用更新的物理模型实现复合部件的精确载荷反演。实验和仿真结果表明,与未经校准的静态建模相比,位移误差减少了64%以上;而载荷反演的解决方案精度低于0.2牛顿,能够纠正部件的几何偏差。这建立了一个闭环测量-数据-模型-融合范式,提高了航空智能制造系统的决策自主性。

引言
现代飞机需要严格的气动外形,具有多种形状和复杂结构的众多部件。这对组装精度和可靠性提出了严格要求[1]。飞机组装是制造过程中的关键环节,占总工作量的50%-70%,在控制误差积累、保障结构完整性和确保服务性能方面起着决定性作用[2]、[3]。随着下一代飞机追求轻量化设计、延长寿命和提升可维护性[4]、[5],碳纤维增强塑料(CFRP)因其高强度重量比、优异的抗腐蚀性和出色的断裂韧性[6]、[7]而成为主要承力结构的重要材料,如图1所示。然而,大规模的CFRP部件通常具有较低的结构刚性。在组装过程中,它们容易受到制造公差、重力和组装载荷引起的显著几何变形的影响[8],严重妨碍了组装精度的控制。目前的组装方法主要基于理论数字模型,侧重于几何尺寸和公差保证,通常采用迭代补偿调整甚至强制组装[9],这可能导致表面形状不符合要求并引发不可逆的结构损伤风险。

尽管通过基于模型的定义(MBD)[12]、面向组装的设计(DFA)[13]和测量辅助组装(MAA)[14]等应用,在飞机制造协作和工艺控制方面取得了显著改进,但其核心逻辑仍然以理论数字模型为绝对标准[15],与实际制造过程脱节,限制了组装过程中部件真实物理状态的实时动态反映。随着智能制造的不断发展,生产过程日益将物理世界与数字空间融合[16]。在此背景下,数字孪生(DT)[17]、数字线程(DT)[18]和网络物理系统(CPS)[19]等新兴范式受到了广泛关注。这些范式为基于物理模型的组装(PBA)提供了系统框架,超越了对静态理论模型的依赖。它们的核心方法是利用多源传感器网络实时感知真实制造环境中的目标物体物理状态,这种实时感知驱动基于实际状态的物理模型动态更新,实现传感器数据与物理模型之间的双向交互,从而预测实际工艺操作的影响并指导后续决策[20]。因此,对于飞机组装而言,实现复合部件的“可观察和可控状态”亟需基于实际组装环境建立高保真度的物理模型。

然而,为复合部件建立高保真度物理模型面临独特挑战和需求:(1)建模复杂的物理行为:这些部件通常是大规模且结构复杂的,需要明确考虑复合材料的固有非线性行为和各向异性特性;(2)应对多源不确定性:不确定的材料参数、铺设过程中的偏差以及时变的工艺约束显著影响模型的准确性[21],如图2所示。这推动了模型更新(MU)技术的发展,旨在持续校准物理模型(包括其参数和结构),使其预测更接近实际测量数据[22]。

MU方法主要分为基于物理的更新和数据驱动的更新[23]。基于物理的方法严格依赖于明确的物理方程,通过细化具有明确物理意义的参数(如材料属性、几何尺寸、边界条件)或利用物理约束重建模型,使更新后的模型与观测数据相匹配,同时保持物理可解释性。一方面,通常使用有限元(FE)模型进行数值仿真,并根据静态或动态测试确定的实际结构行为进行校准[24]。例如,Jacquelin等人[25]提出了一种基于随机矩阵的直接概率更新方法,通过刚度矩阵调整提高模型精度;Rosenzveig等人[26]和Zhu等人[27]通过修改材料及边界属性等物理参数实现了模型响应的准确表示。另一方面,为了解决FE更新的计算复杂性[28],可以使用代理模型(如响应面[29]、克里金插值[30])来近似输入-输出关系,实现高效分析,同时保持精度,Yue等人[31]开发了一种高斯过程代理模型,结合了执行器不确定性、部件不确定性和建模不确定性,将其嵌入到复合机身的自动形状控制的反馈控制算法中。然而,大多数基于物理的方法主要考虑整体结构的广义刚度[32],对于紧固和连接等关键过程引起的局部约束效应的研究不足,阻碍了复合部件的高精度物理建模[33]。数据驱动的更新方法直接从观测数据中学习复杂的输入-输出映射来预测系统行为[34]、[35],但这些方法严重依赖于训练数据的质量(覆盖范围、噪声水平)和数量,缺乏物理可解释性,并且在数据有限的情况下难以实现高预测精度和鲁棒性。

此外,大多数当前的MU方法限于离线测试方法,其中实验数据采集与实际制造过程分离。在这种条件下,由于测量数据异构、稀疏且有限,更新复杂的高维物理模型变得具有挑战性。为了实现动态、实时的多源异构制造现场数据向物理模型的融合更新,出现了动态数据驱动的应用系统(DDDAS)[36]。这一范式强调将高维复杂物理模型与低维测量数据相结合,在PBA系统和测量数据流之间建立动态双向闭环反馈:测量数据动态更新和校准物理模型,优化后的模型能够更准确地预测物理状态,指导测量资源的动态分配,并生成物理过程的最佳控制动作。该框架为本研究开发的方法奠定了概念基础。

基于以上动机,本文提出了DDDPIA方法,建立了集成测量、数据、模型和融合的闭环系统,如图3所示。该方法针对实际工业环境中的飞机组装系统,通过融合制造过程中积累的时变动态数据逐步提高系统模型的保真度,从而使组装系统具备对其运行状态的自我感知能力。具体来说,通过物理模型的参数解耦和模型参数自优化,DDDPIA方法准确地建立了复合部件参数与变形状态之间的映射关系。这一能力对于确保精确的状态感知和适应性组装控制至关重要,为复合部件的智能制造奠定了基础。主要贡献总结如下:
(1)提出了复杂部件参数(材料属性和工艺约束)与系统刚度之间的参数映射机制,为复杂部件的参数识别提供了分析数学框架;
(2)建立了先验的载荷-位移动态数据驱动优化框架,克服了准确识别各向异性材料参数和边界条件的挑战,为制造过程中精确确定部件组装状态提供了理论基础,并明确考虑了测量不确定性;
(3)构建了一个面向工业应用的形状调节平台,利用更新的物理模型实现复合部件的精确载荷反演,为制造过程中的状态感知和组装控制提供了实用的创新视角。

本文的结构如下:第2节详细介绍了所提出的方法,包括高精度位移数据采集、系统刚度的参数化表征、准确的模型参数自优化以及用于组装控制的载荷反演;第3节通过工业案例研究验证了该方法的有效性;第4节对所提出的方法进行了评估;第5节总结了工作并指出了未来研究方向。

**复合部件组装系统的理论DDDPIA框架**
本节详细介绍了DDDPIA框架的理论基础和实现方法。该框架基于实际飞机组装系统,包括双目视觉系统和阵列执行单元,协同工作以实现部件表面形状控制。通过系统集成三个关键数据流——位移测量数据、外部载荷数据和物理模型数据,实现了高精度的状态感知和控制。

**仿真分析与比较评估**
为了验证所提方法的有效性,本研究使用工程应用中的典型部件——弯曲复合材料板材(几何缩放)进行了仿真和实验研究。为了最大化利用板材的空间位移信息,采用了[39]中提出的布局优化方法来优化观测输入点的位置。在数值仿真阶段,验证了该方法的技术优势。

**模型自优化实验**
实验验证使用了与仿真中相同尺寸和铺设参数的复合弯曲板材。在板材基部的两侧施加了夹紧约束,如图9所示,表面分布了多个增强标记点。选择了12个最优标记点作为输入点,其余54个均匀分布的标记点用于评估参数优化后的位移精度。

**结论与未来讨论**
本研究提出了一种动态数据驱动的不确定物理信息自感知方法,用于解决大型航空航天复合部件的高精度组装挑战。该框架利用了开发的模型参数到系统刚度的简化仿射映射方法和多源先验数据驱动的模型参数优化框架,通过整合实际组装场景中的位移数据、载荷数据和模型数据,建立了闭环反馈机制。

**作者贡献声明**
尹鹏博:撰写——审稿与编辑、可视化、验证、软件、方法论、形式分析、数据策划;
张阳:撰写——审稿与编辑、软件、方法论、资金获取、概念构思;
崔家成:撰写——审稿与编辑、可视化、验证、方法论、形式分析、数据策划;
赵江涛:撰写——原始草稿、验证、软件、方法论、研究;
金玉琳:验证、软件、方法论、研究、数据收集;

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能影响本文的报告工作。

**致谢**
本研究得到了国家自然科学基金(项目编号52275519)和中央高校基本业务费青年优秀学者支持计划(项目编号2022QNRC001)的支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号