在航空航天工业中,大型结构部件(如飞机机身面板)的组装是制造过程中最复杂且耗时最多的阶段之一。据估计,组装操作占总生产时间的约40%,因此它们是制造质量和产量的关键决定因素[1]。近年来,飞机生产线上的组装智能化在智能制造的背景下受到了越来越多的关注。在所有支持技术中,感测和计量技术构成了智能制造系统的核心。实时获取部件级别的信息(如位置、方向和表面几何形状)是基于模型的定义(MBD)范式的基础[2][3]。然而,当前的工业测量过程主要是离线的且不连续的,缺乏实时反馈和空间覆盖。这种脱节阻碍了操作人员和智能设备对系统演变状态的全面理解,并限制了数据驱动反馈对智能制造转型的有效支持[4]。
为了克服组装过程中的这些感知瓶颈,虚拟现实(VR)和增强现实(AR)等沉浸式技术开始应用于增材制造、工厂监控和人机交互[5][6]。特别是AR,在复杂的航空航天组装场景中表现出强大的潜力,因为它能够提供实时的、上下文感知的指导[7][8]。与主要用于模拟和培训的VR相比,AR更适合直接支持车间任务执行。通过将测量数据与现场操作人员无缝结合,AR系统可以显著减少认知工作负担,提高任务执行效率,并解决计量与物理组装之间的长期分离问题。与汽车制造等高度自动化的领域不同,航空航天组装对精度和适应性有更严格的要求。在这种情况下,AR辅助系统作为智能增强层,结合了人类的决策能力,以应对制造环境中常见的过程变异性、不确定性和多源干扰[9][10]。
然而,大多数现有的AR系统主要关注刚体环境以及离散测量信息的叠加[11]。尽管这种叠加可以传达选定的实时反馈,但它们往往无法全面表示结构状态。在大型、刚性较差的部件(如复合材料机身面板)的背景下,这种限制尤为明显,因为连续场信息(如全场位移或应变分布)极难获取和可视化。
此外,即使在广阔的空间域内获取稀疏的实时测量数据也存在重大的技术挑战。在许多航空航天组装环境中,由于几何遮挡、可访问性限制以及避免干扰组装操作的需要,实时光密传感器的大规模部署是不切实际的。因此,大多数针对大型部件的AR叠加依赖于离线测量数据(例如来自激光跟踪器的数据)或静态模型预测,这些数据无法捕捉组装过程中的结构动态演变[12][13][14]。因此,组装过程仍然主要依赖于手动调整,这些调整基于有限或过时的信息。这种试错方法不仅降低了效率,还增加了错误传播、局部错位和未检测到的应力集中的风险——尤其是在涉及柔性或形状敏感部件的复杂多步骤操作中。
为了克服这些限制,有必要超越简单叠加稀疏数据的方法,而是追求AR系统与部件的几何模型和物理模型之间的更深层次集成。通过将场一致的机械状态重建嵌入AR界面,系统可以为操作人员提供关于结构内在高维行为的洞察——远远超出了仅通过手动检查所能感知的范围。这种范式转变使AR系统能够实时提供沉浸式、直观且上下文感知的全场机械响应表示。这种能力使操作人员能够主动识别潜在问题,即时优化组装策略,并执行高度信息化的调整。最终,这是实现感知式组装的关键一步,其中人类决策基于部件在组装过程中的全场几何形状和内部机械状态的全场重建——而不仅仅是基于表面观察或稀疏测量。在这项工作中,增强现实被用作交互层,通过在现场渲染这些状态来实现这一范式,并基于我们之前的感知驱动监测框架[15]。受到具有全局结构信息透明度的感知式组装愿景的驱动,本研究提出了一种系统级方法——完全整合了分布式测量网络、物理重建模型和实时软件部署——以实现米级航空航天部件内在机械状态的沉浸式和动态可视化(补充视频11)。
本工作的核心贡献总结如下:
(1) 边缘视觉网络:为了解决米级空间域中稀疏数据获取的挑战,开发了一个分布式边缘视觉网络,并结合了使用桥接坐标系统(BCS)的分层多阶段变换策略。该系统能够在非重叠视图下实现准确的全局配准,并支持60 Hz的实时3D位移流式传输,用于AR驱动的监测。
(2) 具有特征约束的稀疏感测:提出了一种基于物理的重建框架,结合了参数化降阶建模和受限传感器放置。该方法将结构特征(例如孔洞、关键区域)整合到感测策略中,确保在空间和定量限制下进行准确的全场估计。
(3) 感知-AR集成:通过结合边缘相机、实时重建算法和基于HoloLens的可视化技术,实现了一个统一的软硬件系统。该平台支持位移、应变和应力的沉浸式场叠加,从而在大型部件组装过程中实现数据驱动的交互和自适应调整。
本文的其余部分结构如下。第2节回顾了有关AR辅助组装和大型部件全场感知的相关工作。第3节概述了所提出的AR感知系统的整体框架。第4节描述了边缘视觉感知网络的设计和校准。第5节介绍了SS3D稀疏感测和全场重建方法。第6节详细介绍了AR系统的软件实现和交互功能。第7节讨论了实验演示和系统性能。最后,第8节总结了本文并指出了未来的研究方向。