考虑结构变形预测飞机装配间隙:一种基于条件生成对抗网络(CGAN)的替代建模方法

《JOURNAL OF MANUFACTURING SYSTEMS》:Predicting aircraft assembly gaps considering structural deformation: A CGAN-based surrogate modeling approach

【字体: 大 中 小 】 时间:2025年12月30日 来源:JOURNAL OF MANUFACTURING SYSTEMS 14.2

编辑推荐:

  飞机装配间隙预测研究提出融合PointNet+与CGAN的代理模型,通过构建包含几何偏差和结构变形的装配间隙数据集,实现多源信息融合与条件生成。案例验证表明该模型兼具高精度与高效计算特性,为航空制造提供快速间隙预测新方法。

  
孙浩瑞|张一帆|江林北|郑守国|王青|柯英林
中国浙江大学机械工程学院流体动力与机电系统国家重点实验室,杭州310058

摘要

飞机结构的精确组装在航空航天制造中仍然是一个关键挑战,因为装配间隙是影响精度的首要因素。本研究提出了一种替代模型,用于在结构变形存在的情况下快速准确地预测装配间隙。该方法首先通过装配建模和自动化工作流程创建了一个包含几何偏差和结构变形的综合性装配间隙数据集。基于该数据集,采用改进的PointNet+(PNP)网络从零件形状点云和工具运动中提取并融合多源装配特征。这些融合的特征随后与基于条件生成对抗网络(CGAN)架构的生成网络相结合,将间隙预测重新定义为条件生成任务。这两种网络的创新集成实现了一个端到端的流程,从初始装配特征提取到最终装配间隙预测。以代表性的机翼箱结构作为案例研究来验证该方法。训练有素的模型能够高效地直接从多源装配信息中预测间隙场。实验结果表明,所提出的模型在预测精度上可与虚拟装配方法相媲美,同时显著提高了计算效率。这些发现凸显了该模型的有效性,使其成为快速预测飞机装配间隙的宝贵工具。

引言

确保装配精度的范式正从事后检查转向主动的预测控制。这一演变主要是由于数字孪生技术的采用,该技术能够同时映射真实和虚拟模型的参数和状态,可视化并预测装配过程,从而实现复杂的逆向分析以进行优化,最终提高产品质量和制造效率[1]、[2]、[3]、[4]。
为了提高飞机装配过程的效率,研究人员利用预测方法提前识别难以测量的装配间隙[5]、[6]。数字装配技术的发展促进了激光扫描仪等数字测量工具的广泛应用,用于间隙预测和垫片补偿的数字指导[7]、[8]、[9]。这种方法包括在装配前对部件进行激光扫描以获取表面点云数据,然后使用这些数据重建部件的表面几何形状,以便进行虚拟装配和间隙预测。然而,这些预装配测量仅能识别初始形状误差,无法考虑由重力、装配载荷或其他多种因素引起的变形。例如,在组装面板到框架的结构时,首先扫描面板,然后将其与框架对接。在此过程中,面板的位置和方向可能会发生变化,导致各种变形。重要的是,这些变形发生在初始扫描之后,未被预装配测量所捕捉到,从而降低了间隙预测的准确性。
计算机技术和有限元分析(FEA)的进步提高了间隙预测的准确性。将FEA集成到虚拟装配中可以模拟累积的多源偏差效应,计算装配过程中的部件变形,并实现更准确的间隙预测[10]、[11]、[12]、[13]、[14]。然而,这种方法受到FEA软件计算速度的限制。分析具有复杂几何形状或大尺寸的部件通常耗时且缺乏实时响应性。因此,迫切需要一个高效的端到端解决方案来替代计算密集型的有限元模型。
得益于高性能计算的进步,数据驱动的替代模型已成为主要的研究焦点[15]、[16]。这些模型通过直接将输入映射到输出来快速预测分析目标,从而绕过了中间处理步骤。例如,Yue等人使用克里金方法作为替代模型来评估复合层压板装配的质量,随后优化了质量控制并显著减少了装配偏差[17]。同样,Liu等人利用视觉变换器开发了一个替代模型来预测复合螺栓连接结构的最终承载能力,实现了快速的装配质量评估[18]。Li等人结合了堆叠集成学习方法提出了一个替代模型,用于估算航空发动机涡轮整体叶片盘的结构低循环疲劳寿命,从而实现了准确的服役寿命预测[19]。此外,Huo等人开发了一个考虑输入不确定性和变异性的替代模型,从而加快了铣削操作稳定性的预测并指导了铣削工艺参数的选择[20]。总之,这些应用表明替代模型作为传统有限元模型的可行替代方案,大幅减少了计算资源和时间消耗。因此,它们在预测飞机装配间隙方面的应用显示出巨大的研究潜力。
最近,生成式人工智能(GenAI)的快速发展,包括文本、图像、音频和视频生成等功能,对多个研究领域产生了深远影响[21]、[22]。图像生成算法是该领域中的关键技术,能够根据文本描述或现有照片生成图像。这些算法在各个行业中得到越来越多的应用,推动了全球性的变革。将这些技术集成到替代模型中将大大扩展其应用范围。例如,Liu等人使用条件生成对抗网络重建了钣金装配中的偏差场,其性能优于基于局部特征点的传统方法[23]。Yi等人利用改进的条件生成对抗网络快速预测焊接变形场,其结果与数值分析非常吻合[24]。Kim等人使用生成对抗网络对激光粉末床熔融增材制造中的熔池行为进行建模和预测,通过可视化几何形状来支持过程控制并提高零件质量[25]。Liu等人结合了视觉变换器和生成对抗网络来预测多变量变量融合装配中的物理场,有效地重建了装配后的变形场[26]。此外,Zhang等人开发了一个具有三重注意力机制的条件自动编码器,能够快速预测飞机装配中的变形和应力场[27]。
受GenAI进步的启发,本研究提出了GapGAN(间隙生成对抗网络),这是一种旨在预测飞机装配间隙的替代模型。该模型通过在整个装配过程中考虑各种偏差源的非线性影响,实现了快速预测。为了评估其性能,本研究以中央机翼箱结构的装配作为案例研究。结果表明,所提出的模型能够快速且高度准确地预测飞机装配间隙。本研究的主要贡献如下:
  • 1.
    提出了一种基于GenAI的替代模型,用于预测整个装配配合表面的间隙分布,结果以二维(2D)图像的形式呈现,为预测装配间隙提供了一种新的方法。
  • 2.
    开发了一种基于建模的方法和自动化工作流程,用于构建全面的装配间隙数据集,从而缓解了数据稀缺的挑战。
  • 3.
    该模型全面整合了多源装配信息的混合效应,包括零件形状点云(零件形状误差)和工具运动(姿态变化引起的重力变形误差)。
  • 4.
    比较实验和消融研究表明,该模型的准确性和鲁棒性与现有方法相当,并且效率显著提高,突显了其在更复杂场景中的潜在适用性。
  • 本文的其余部分组织如下:第2节解释了飞机装配间隙和机翼箱结构的基本概念。第3节描述了整体方法框架。第4节详细介绍了数据集的准备工作。第5节介绍了用于精确预测飞机装配间隙的替代模型。第6节展示了模型的结果,并通过比较和消融研究评估了其性能。最后,第7节提出了结论并概述了未来的工作。

    章节片段

    初步概念

    为了建立研究背景和重要性,本节介绍了飞机装配间隙和机翼箱结构装配的具体案例研究。

    方法概述

    替代模型的主要目标是建立从零件形状点云和工具运动到间隙场的映射。这一过程解决了两个基本挑战:
  • 1.
    使用基于FEA的虚拟装配方法构建一个考虑结构变形的装配间隙数据集。这一改进在仅考虑零件形状的基础上,能够感知姿态变化引起的重力变形。
  • 2.
    开发一个响应快速的模型,该模型基于
  • 数据集准备

    本节详细介绍了数据集的结构和生成方法,包括输入数据(点云和工具运动)以及相应的输出装配间隙场。

    GapGAN替代模型

    本节介绍了GapGAN的总体架构,包括两个关键组成部分:多源装配信息融合网络和条件间隙场生成网络。然后描述了模型训练的损失函数。最后,介绍了相关的评估指标,以确保对模型的全面评估。

    结果与讨论

    本节首先概述了替代模型的超参数配置,然后详细描述了训练过程。随后,将替代模型的预测性能与虚拟装配方法进行了比较。此外,进行了比较实验和消融研究以验证所提出模型的有效性。另外,还分析了替代模型的计算复杂性。

    结论与未来工作

    飞机装配长期以来一直面临着直接测量装配间隙困难以及现有预测方法计算速度慢的挑战。本研究提出了一种基于GenAI的替代模型来解决这些问题。本研究介绍了所提出模型的详细架构,并通过比较分析全面验证了其有效性。本研究的主要发现如下:
  • 1.
    所提出的替代模型提供了一种新颖的
  • CRediT作者贡献声明

    孙浩瑞:写作 – 审稿与编辑,撰写原始草稿,可视化,验证,软件,方法论,调查,形式分析,数据整理,概念化。张一帆:验证,软件,方法论。江林北:软件,方法论,形式分析。郑守国:项目管理,调查。王青:监督,资源管理,项目管理,资金获取,概念化。柯英林:监督,资源管理,资金获取。

    利益冲突声明

    作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

    致谢

    本研究得到了国家自然科学基金(批准号:51975520)和国家国防基础科学研究计划(批准号:JCKY2021205B110)的支持。作者们对此表示衷心的感谢。
    相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普

    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