利用偏差传递的装配特征图进行产品装配体偏差预测方法与流程

1.本发明涉及了一种新装配特征图提取方法和预测产品装配体偏差的方法，提出了一种利用偏差传递的装配特征图进行产品装配体偏差预测方法。


背景技术：

2.装配特征建模是现代产品研发过程中的关键一环，装配特征建模质量的好坏、效率的高低直接影响了产品最终质量。装配特征建模一般通过在零件建模的基础上建立零件之间的偏差传递关系实现。现有的偏差传递网络均基于一定的合理假设，例如两特征之间的传递过程沿最短路径；两零件之间存在多组装配关系时沿对偏差传递主要作用的特征进行传递。在液压机装配体中，相邻两个零件之间偏差的传递规律与路径不确定，依据这些假设建立起来的偏差传递模型往往不能反映实际偏差间的耦合规律，难以在实际情况中依据此模型预测得到其他节点的偏差，即缺乏面向实际服役阶段的偏差传递网络。
3.由于基于机器学习的方法具有较强的泛化能力，可以对高度复杂的非线性问题进行建模，近年来利用机器学习的方法来求取液压机装配零件表面偏差的技术成为研究的热点。因此需要建立反映液压机装配零件特征间装配关系的特征图，用于机器学习方法的输入，完整的定义基于偏差传递过程的液压机装配特征图。


技术实现要素：

4.为了解决背景技术中存在的问题，本发明提出了一种利用偏差传递的装配特征图进行产品装配体偏差预测方法，可以液压机进行处理。
5.本发明所采用的技术方案是：
6.步骤1：获取液压机装配体的液压机装配图的零件列表，确定液压机装配体中各个零件间的装配关系以及各零件的形位公差、尺寸公差、装配公差，以零件间的装配关系作为零件特征；
7.步骤2：根据零件特征构建装配特征图中的节点，根据零件特征编制零件的编号，根据各个节点之间的连接关系构建装配特征图的邻接矩阵；
8.步骤3：根据两零件特征之间的公差类型，构建装配特征图中的边；
9.步骤4：对于感兴趣的节点，根据感兴趣的节点的公差类型查表得到对应的小位移张量，识别到感兴趣节点的最短路径公差链，计算得到感兴趣节点的功能要求矩阵[fr]以及节点表示h，并对应建立功能要求向量[fr]*；
[0010]
步骤5：确定感兴趣节点的功能要求向量[fr]
*
中各元素大小确定节点标签；
[0011]
步骤6：通过上述五个步骤，绘制基于偏差传递过程的液压机装配特征图，绘制得到的液压机装配特征图输入神经网络训练并预测液压机装配体在服役中产生的偏差。
[0012]
具体实施中，所述的产品为液压机，但不限于此。
[0013]
所述的步骤2具体为：
[0014]
2.1)所述的装配特征图中，以零件特征为节点，一个零件特征的节点数量由零件
特征所具有的公差类型数量决定；对液压机装配体中的每个零件，对零件本身进行数字编号，对零件的实际特征添加小写字母编号，以数字编号在前、小写字母在后作为每个节点在特征装配图中的编号；
[0015]
2.2)在特征装配图中，使用两个同心圆表示每个节点，外圈圆为虚线圆代表节点的拟合派生特征dc，内圈圆为实线圆代表节点的实际特征sc；
[0016]
实际特征是根据零件理想化的形状实际加工得到的零件特征；
[0017]
拟合派生特征是按照空间位置关系从实际特征提取获得；
[0018]
名义派生特征是根据空间位置关系从零件理想化的形状提取获得。
[0019]
2.3)根据两两节点之间的关系构建邻接矩阵，邻接矩阵为方阵，邻接矩阵的行列维数均是节点的总个数；
[0020]
如果节点vi和节点vj之间有公差关系且两节点属于不同零件，则a
ij
值为1；
[0021]
如果节点vi和节点vi之间有公差关系且两节点属于同一零件，则a
ii
值为2；
[0022]
如果节点vi和节点vj之间没有公差关系或者i＝j，则a
ij
值为0；
[0023]aij
表示邻接矩阵中第i行第j列的元素。
[0024]
所述步骤3具体为：
[0025]
3.1)所述的装配特征图中，以零件特征间的公差为边，液压机装配体的不同零件的两节点之间或者同一零件的两节点之间或者同一零件的同一节点上，根据公差类型将装配特征图的边按照以下三种方法绘制：
[0026]
自参考公差由连接同一个节点的由实线圆出发指向虚线圆的箭头边表示；
[0027]
互参考公差由连接同一零件上两个节点的虚线圆的边来表示；
[0028]
配合公差由连接属于不同零件上两个节点的实线圆的边来表示；
[0029]
其中，自参考公差是由实际特征与其对应的拟合派生特征形成的约束公差类型，互参考公差是相同零件中两个拟合派生特征之间的约束公差类型，配合公差是不同两个零件间相互配合的实际特征间的约束公差类型。
[0030]
3.2)每条边根据两节点间的公差类型，在边上方标记对应的几何符号g。
[0031]
具体地，形位公差包括垂直度、同心度、平行度、位置度和平面度等符号图形采用与国家标准一致的符号表示，配合公差用符号f表示。
[0032]
所述步骤4具体为：
[0033]
4.1)在装配体的基底中心位置上建立全局坐标系o，然后在装配体中每一个实际特征的中心位置上建立局部坐标系i；
[0034]
节点编号顺序是指先按零件本身的数字编号顺序进行排序，如果零件本身的数字编号相同则按照零件实际特征的小写字母编号顺序进行排序。
[0035]
4.2)各个节点之间的公差按节点编号顺序形成公差链，从基底对应的任一节点出发到感兴趣的节点存在多条公差链；
[0036]
4.3)对于一条公差链，构造公差链矩阵[fes]如下所示：
[0037]
[fes]＝[[fe1]...[fen]]
[0038]
其中，列向量fei是第i个节点的公差对应的小位移张量，i＝1,2,...,n，每个节点根据公差类型查阅表得到对应的小位移张量，n是节点的总数量。
[0039]
4.4)对于一条公差链，构造公差链对应的雅克比矩阵[j]如下所示：
[0040][0041]
其中，[j]
fei
是第i个节点的子雅克比矩阵；
[0042]
第i个节点的子雅克比矩阵[j]
fei
的计算公式如下所示：
[0043][0044]
其中，[r
io
]3×3＝[c
xi
,c
yi
,c
zi
]，[r
io
]3×3是局部坐标系i的3个坐标轴在全局坐标系o中的投影矩阵，c
xi
、c
yi
、c
zi
分别表示局部坐标系i的三个坐标轴x,y,z在全局坐标系o中的方向分量；[r
pti
]3×3＝[c1,c2,c3]，[r
pti
]3×3是第i个节点的公差域在局部坐标系i中的投影矩阵，c1、c2、c3分别代表第i个节点的公差域的三个方向在局部坐标系i中的方向分量；[w
in
]3×3表示下一个节点n相对于第i个节点的空间位置变化矩阵；
[0045]
所述的公差域是指实际被测的几何要素(如平面度、圆柱度等)允许变动的区域。
[0046]
将第i个节点的下一个节点的局部坐标系记为n坐标系，[w
in
]3×3用下式计算：
[0047][0048]
其中分别表示下一个节点n相对于第i个节点在x,y,z方向上的方向分量，[dxn，dyn，dzn]分别是坐标系n的原点相对于坐标系0的原点的在x,y,z方向分量，[dxi，dyi，dzi]分别是坐标系i的原点相对于坐标系0的原点的在x,y,z方向分量。
[0049]
通过以上步骤，计算确认公差链的雅克比矩阵[j]。
[0050]
4.4)对于感兴趣节点，找出最短公差链对应的公差链矩阵[fes]；
[0051]
从基底特征的节点出发到感兴趣的节点可能存在多条公差链路径，其中存在最短公差链。公差链是特征图中由多条边组成的路径，从表示基底特征的节点开始到感兴趣的节点结束经过的节点数最少的路径则认为是最短公差链。
[0052]
4.5)通过以下公式计算到感兴趣节点的最短公差链的功能要求矩阵[fr]：
[0053]
[fr]＝[j][fes]
[0054]
其中，功能要求矩阵[fr]维数是6
×
2，6行2列，每一个行向量下界的绝对值等于上界的绝对值，功能要求矩阵[fr]中每个行向量均表示该感兴趣节点的偏差在全局坐标系o下的理论变动范围；
[0055]
4.6)功能要求矩阵[fr]中每一行代表了一个公差域，每一行取最大值作为公差域的上限；对于感兴趣的节点，根据功能要求矩阵[fr]获得节点表示h：
[0056][0057]
其中，h是10
×
1维的矩阵，表示功能要求矩阵[fr]所确定
的6个公差域的上限；(x,y,z)是感兴趣节点的局部坐标系原点在全局坐标系o中的三维坐标，n为最短公差链路径包含的节点数；
[0058]
4.7)根据功能要求矩阵[fr]的相同维数设置6
×
1维建立功能要求向量[fr]*＝[u*,v*,w*,α*,β*,γ*]
t
，[fr]*中每一个行元素对应于功能要求矩阵[fr]中的行向量，表示实际工况下的偏差，u*,v*,w*,α*,β*,γ*分别表示每个公差域的实际工况下的偏差，可以用千分尺、激光测量仪等仪器测量得到偏差，在实际工况中，向量中某些元素难以测量得到，则采用蒙特卡洛法生成。
[0059]
所述步骤5中，每个节点的节点标签定义采用以下公式获得，以节点的偏差从弱到强的偏离程度作为节点标签yc：
[0060][0061]
其中，[p1,p2,p3,p4,p5,p6]是每个项对应的权重，根据实际工况下需要研究的公差的方便测量程度，若容易测量得到则令对应元素的权重置为1，若是采用蒙特卡洛法生成的元素则置其权重尽可能小的接近于0。
[0062]
所述的液压机装配特征图是由零件特征之间通过自参考公差、互参考公差以及配合公差彼此连接构成的公差网络，包含节点集、边集、节点之间的邻接矩阵、节点表示、节点标签。
[0063]
本发明从装配体零件、零件特征、公差类型和小位移张量的信息出发，建立一种液压机装配特征图。并设置了了特征图中的节点，基于三种不同的公差类型定义了特征图的边以及邻接矩阵，基于统一的雅克比张量模型定义了节点表示，基于综合评价法定义节点标签，将偏差数据进行离散化，完成了面向服役阶段液压机装配特征图模型的建立。
[0064]
与现有技术相比，本发明有以下技术效果：
[0065]
本发明通过建立反映特征间装配关系的特征图，并且基于现有的偏差传递模型给出节点表示，基于本发明建立的偏差传递模型可以反映实际偏差的耦合规律，在机器的实际服役中，依据此模型可准确预测其他节点的偏差，为液压机的维修部位或偏差大的部位预测提供可靠依据。
[0066]
本发明方法，建立了装配特征图的节点、边、邻接矩阵、节点表示和节点标签，本发明可用于机器学习方法以求取未知表面的偏差，同时为其他复杂机械产品提供了一种新的装配特征图建模思路。
附图说明
[0067]
图1为本发明所涉及的利用偏差传递的装配特征图进行产品装配体偏差预测方法示意图；
[0068]
图2为具体实施方式中四柱液压机截面a-a与截面b-b各节点示意图；图2的(a)表示四柱液压机从对角的两立柱中心斜剖的剖面图a-a，(b)表示四立柱液压机从另一个对角的两立柱中心斜剖的剖面图b-b。
[0069]
图3为具体实施方式中四柱液压机的装配特征图。
具体实施方式
[0070]
下面结合附图和具体实施对本发明作进一步说明。
[0071]
下面以hz机床厂的某型号四柱液压机为例，四柱液压机示意图如图2所示，根据四柱液压机中零件的配合关系建立四柱液压机装配特征图，最终该型号液压机的装配特征图如图3所示。具体步骤如下：
[0072]
步骤1：当滑块移动到最低点时活塞杆达到位置的最大值，此时偏差累积最大，以四柱液压机在此位置关系为基础建立装配特征图。
[0073]
步骤2：查阅四柱液压机的装配零件列表、尺寸以及公差，根据节点、边的具体定义，得到一共31个节点和47条边。
[0074]
步骤3：为了导出节点表示，全局坐标系o以工作台1表面的为原点，即特征图中节点1a(基本特征)。在每个相关表面(节点)建立局部参考坐标系，公差累积使用沿到1a的最短路径公差链。以节点6a，7b和9a为例，它们分别代表滑块6的上表面，上横梁7的上表面和活塞杆9的外表面。
[0075]
步骤4：计算节点表示。以节点6a为例展示详细的节点表示计算过程，其他节点表示计算过程类似。偏差传播关系为1a-3a-3b-6c-6f-6a，雅克比矩阵和相应的fes查阅表1、表2得到。根据定义，6a的[fr]为：
[0076]
fr
6a
＝[j][fe]＝[[-2.2375,2.2375],[-2.4780,2.4780],[-3.9661,3.9661],
[0077]
[-0.0028,0.0028],[-0.0028,0.0028],[0,0]]
t
[0078]
根据节点表示的定义，6a最终的节点表示如下式所示，所有简化后的节点表示如表6所示：
[0079]h6a
＝[2.2375,2.4780,3.9661,0.0028,0,0,0,1250,7]
t
[0080]
其他的节点对应的边、节点表示等都可以通过上述方法计算得到。
[0081]
图2中的各个附图标记表示为：
[0082]
1a表示液压机基座的上表面；
[0083]
2a，3a，4a，5a分别表示四个立柱与基座接触的配合面；
[0084]
6a表示液压机的滑块与缸筒接触的配合面；
[0085]
7a表示上横梁的下表面；
[0086]
8a表示缸筒与活塞杆接触的配合面；
[0087]
9a表示活塞杆与缸筒接触的配合面；
[0088]
2b，3b，4b分别表示立柱2，3，4与滑块接触的配合面；
[0089]
2c，3c，4c分别表示立柱2，3，4与上横梁接触的配合面；
[0090]
6b，6c，6d，6e分别表示滑块与立柱1，2，3，4接触的配合面；6f表示滑块的下表面；
[0091]
7b表示上横梁的上表面；
[0092]
7c，7d，7e，7f分别表示上横梁与立柱1，2，3，4接触的配合面；7g表示上横梁中心与缸筒接触的配合面；
[0093]
8b表示缸筒与上横梁中心接触的配合面；
[0094]
9b表示活塞杆与滑块中心接触的配合面。
[0095]
表1典型公差类型的小位移张量
[0096][0097]
表2各节点连接的雅克比矩阵和公差链矩阵
[0098]
[0099][0100]
步骤5：计算节点标签。考虑到案例中液压机的该感兴趣节点的[fr]
*
中第4个与第5个元素在工程中更容易测量，设置权重[p1,p2,p3,p4,p5,p6]值设置为[0.01,0.01,0.01,1,1,0.01]。
[0101]
以节点6a为例子，[fr]
6a*
＝[-0.0932,-1.6843,0.0544,-0.0012,-0.0007,0]
t
。其他节点的[fr]
*
计算类似。按照定义计算节点的yc，根据yc大小，节点标签被分为表3所示的5类。
[0102]
表3节点标签类别与对应描述
[0103][0104]
步骤6：将各个节点分为训练集、验证集、测试集，绘制得到的液压机装配特征图用于图神经网络hgat训练，并预测液压机装配体缺失标签的偏差，预测结果得到的预测值作为液压机维修部位与偏差程度的结果。