一种基于性能数字孪生的动态装调方法、系统及设备

1.本发明涉及数字孪生及智能制造领域，尤其涉及针对两轴两框架伺服系统结构的数字孪生的动态装调方法、系统及设备。


背景技术：

2.复杂产品是指产品的需求复杂、组成复杂、技术复杂、制造过程复杂、生产管理复杂的一类产品，如飞机等。复杂产品研制周期长、试制费用高。质量是复杂装备的固有属性，对其效能发挥起着非常重要的作用。装配是复杂产品制造过程中最重要的环节之一，其结果对产品的质量、性能、寿命和可维护性具有直接的影响。在制造过程中，装配时间约占总生产时间的20％～50％，装配费用占制造总费用的20％～30％。近年来，随着物联网、大数据和云计算技术的日臻成熟，促进了现代复杂机械产品的装配生产向数字化、网联化和智能化的方向发展。催生了物理信息融合、数字孪生技术与制造业的深度融合。数字孪生作为一种可以实现装备装配过程物理域和信息域智能互联与交互融合的潜在有效途径，近期受到了国内外专家的高度关注。
3.两轴两框架伺服结构作为复杂装配结构，广泛运用于导引头等光电系统稳定平台中，负载通常为光学器件或者陀螺等元器件，精度高并对振动等外界干扰敏感，因此对两轴两框架伺服结构的动力学指标有很高的要求。装配是两轴两框架结构实现功能的最终环节，是整机达到预期动力学性能的关键。以某型号导引头为例，其零部件加工制造等级已经很高，但是产品性能达标率依然依赖于装配，且伺服机构装配方式仍然为手工装配，某些环节只有经验丰富的技师凭借手感装配，装配过程存在一次装配合格率低，稳定性和可靠性差，生产成本和周期居高不下的问题。
4.现阶段的专利公开以及文献资料显示，已有学者通过数字孪生的手段对智能装配车间质量进行预测与控制，然而，现有的质量预测方法主要通过大数据的手段，对质量数据进行分析，这种预测方式仍旧定位于装配公差等几何要素控制上，而质量特性通常具有多学科属性，并且以物理量的形式进行表征。还有一些学者采用曼哈顿算法进行相对质量离差的计算，以得到较优的装配工艺参数。然而，在装配过程变得复杂时，曼哈顿算法的应用就变得非常局限，对于装配质量特性中存在的非线性问题表达处理能力不够。此外，在现有的装调方法中，在装配工艺是基于结构尺寸、形状与位置精度的坐标体系，以这些静态几何参数为装配控制输入，可以获得很好的静态精度，但在伺服机构的频率、阻尼、预紧力以及动刚度这些与振动特性相关的动态物理指标方面，缺乏有效的装配仿真分析、装配性能预测、装配质量保证的手段。
5.综上，现有的研究成果和方法虽然在一定程度上可以提高装配精度、实现复杂产品装配车间优化管理，但是由于对非线性问题处理能力不够，质量特性只聚焦在传统的几何要素上等问题，系统得出的质量特性参数预测结果难以适应复杂的离散型产品装配，给出的调整策略未能达到整个产品装配质量稳定可控的要求。


技术实现要素：

6.有鉴于此，本发明提供了一种基于性能数字孪生的动态装调方法、系统及设备，以弥补现有技术中的不足。具体而言，本发明提供了以下的技术方案：
7.一方面，本发明提供了一种基于性能数字孪生的动态装调方法，该方法包括：
8.步骤1、监测并采集装配过程中的多源异构数据，所述多源异构数据包括参数数据、动态信息数据、环境数据；
9.步骤2、对所述多源异构数据的实时数据、历史数据进行预处理，提取所述实时数据、历史数据对应的动态特征数据，进行特征拟合，将实时数据拟合曲线与历史数据拟合曲线对比，判断数据是否异常；
10.步骤3、建立装配过程数字孪生模型，所述数字孪生模型包括可视化模型、动力学仿真模型、装配行为模型，对所述动力学仿真模型的模态进行预测，获取仿真预测数据；
11.步骤4、基于仿真预测数据，对在制品质量参数进行分析，若所述质量参数存在异常，则确定造成质量参数异常对应的异常原因；
12.步骤5、基于所述异常原因，进行动态优化调控。
13.优选的，所述步骤1中，参数数据包括组装前参数、组装后参数、机械臂参数。
14.优选的，所述步骤2中，判断数据是否异常包括：对一时间段内的历史数据的变化曲线进行拟合，再基于采集的相同长度时间段内的实时数据的变化曲线进行拟合，比较两拟合曲线的分布高峰，当实时数据拟合曲线的分布高峰相对于历史数据拟合曲线的分布高峰偏左或偏右，或者高峰的峰值过高或过低，则判定为异常。
15.优选的，所述步骤3中，所述模态的预测，进一步包括：
16.步骤301、对待装配设备的部件、连接副进行编号，形成由若干个等效刚体构成的离散整机模型；
17.步骤302、将离散整机模型离散化为有限自由度的线性系统，基于采集的动态特征数据，计算刚度矩阵k、阻尼矩阵c；
18.步骤303、基于所述刚度矩阵k、阻尼矩阵c，求解所述线性系统的振型方程，得到所述线性系统的各阶固有频率及对应的振型，所述各阶固有频率及对应的振型，即为仿真预测数据。
19.优选的，所述刚度矩阵k为：
[0020][0021]
其中ka，kr，kr′
分别为两个角接触球轴承轴向刚度、主径向刚度、次径向刚度，k
α
，k
β
，k
γ
分别为内框系统绕x轴转动的偏航刚度、y轴转动的方位刚度、绕z轴转动的俯仰刚度。
[0022]
优选的，各刚度的计算方式为：
[0023]
[0024][0025][0026][0027][0028][0029]
上式中，k
θ
为角接触球轴承扭转刚度转换到齿轮啮合线上的线刚度，l1、l2分别为分别为两半轴与轴承支撑部分接触点与内框结构质心的距离，k
x
为扭簧的线接触刚度。
[0030]
优选的，所述振型方程为：
[0031][0032]
并且，|[k]-ω2[m]|＝0
[0033]
其中，ω为结构振动的固有频率；为系统的固有振型，[m]为系统的质量矩阵。
[0034]
优选的，所述步骤3中，所述装配行为模型是指装配工艺过程的时序模型，本实施例中，可以首先构建整个装配工艺过程的时序模型；
[0035]
在接收到装配行为模型中一节点所有输入信息之后，通过动力学仿真模型的模态进行预测，作为该节点的输出；
[0036]
对于每个节点的输出，通过可视化模型进行显示。
[0037]
优选的，所述步骤4中，通过以下方式确定造成质量参数异常对应的异常原因：
[0038]
步骤401、确定导致各类异常的异常原因；
[0039]
步骤402、建立一时间段内各类异常与异常原因之间的模糊关系矩阵；
[0040]
步骤403、基于所述模糊关系矩阵计算模糊异常模式隶属度；
[0041]
步骤404、建立异常y与异常原因x之间的模糊关系方程：
[0042]
y＝x
°r[0043][0044][0045]
其中，为样本中各分量yi对异常yi的隶属度，为x对各种异常原因的隶属度，
°
为min-max模糊合成算子；
[0046]
步骤405、基于所述步骤403的模糊异常模式隶属度，求解所述模糊关系方程，得到模糊方程的最优解，以确定对异常贡献最大的异常原因。
[0047]
此外，本发明还提供了一种基于性能数字孪生的动态装调系统，该系统包括：质量数据采集模块、数据处理与映射模块、数字孪生模块、智能管控模块；
[0048]
质量数据采集模块实时采集物理实体中装配过程的多源异构数据，将采集的多源异构数据进行归类和存储，并将预处理后的多源异构数据传送到数字孪生模块中进行装配在制品的数字孪生模拟仿真；
[0049]
数据处理与映射模块包括数据预处理单元、实时质量参数数据库单元以及通信单元；数据预处理单元用于对多源异构数据进行预处理，获得预处理后数据；实时质量参数数据库单元用于存储在装配过程中的正常质量参数数据和异常质量参数数据；通信单元用于将预处理后数据映射到数字孪生模型，作为数字孪生模块进行分析计算的输入；
[0050]
数字孪生模块，用于建立数字孪生模型，所述数字孪生模型包括可视化模型、动力学仿真模型、装配行为模型，对所述动力学仿真模型的模态进行预测，获取仿真预测数据；
[0051]
智能管控模块，用于基于仿真预测数据，对在制品质量参数进行分析，若所述质量参数存在异常，则确定造成质量参数异常对应的异常原因。
[0052]
优选的，所述系统还包括物理实体模块，物理实体模块包括装配车间中的本体单元、测量设备单元、检测设备单元和信号传输设备单元；
[0053]
本体单元是指被用于产品装配的装配设备、物料以及在制品；测量设备单元包括用于测量在制品的器件；检测设备单元是指用于检测装配设备状态的器件；信号传输设备单元是指用于数据传输和交换的设备接口及网络；
[0054]
装配车间物理实体的相关信息通过物理实体模块获得，并通过动态链接与数字孪生模块实现交互反馈。
[0055]
优选的，所述智能管控模块中，质量参数存在异常的判断方式为：
[0056]
对一时间段内的历史数据的变化曲线进行拟合，再基于采集的相同长度时间段内的实时数据的变化曲线进行拟合，比较两拟合曲线的分布高峰，当实时数据拟合曲线的分布高峰相对于历史数据拟合曲线的分布高峰偏左或偏右，或者高峰的峰值过高或过低，则判定为异常。
[0057]
优选的，所述数字孪生模块中，所述模态的预测方式为：
[0058]
对待装配设备的部件、连接副进行编号，形成由若干个等效刚体构成的离散整机模型；
[0059]
将离散整机模型离散化为有限自由度的线性系统，基于采集的动态特征数据，计算刚度矩阵k、阻尼矩阵c；
[0060]
基于所述刚度矩阵k、阻尼矩阵c，求解所述线性系统的振型方程，得到所述线性系统的各阶固有频率及对应的振型，所述各阶固有频率及对应的振型，即为仿真预测数据。
[0061]
又一方面，本发明还提供了一种基于性能数字孪生的动态装调设备，该设备包括处理器、存储设备，所述存储设备存储可由处理器读取的指令；所述处理器用于调用所述存储设备中的指令，以执行如上所述的基于性能数字孪生的动态装调方法。
[0062]
与现有技术相比，本发明的技术方案至少具有以下优势：
[0063]
第一，本发明通过从不同层次、不同维度对复杂产品装配过程进行刻画和建模，提高了装配过程中质量管控的全面性，实现了对装配过程中全要素及其全流程的描述与表征。第二，本发明通过数字孪生模型与物理装配车间进行虚实交互，可以以在装配现场获取的实时质量数据为基础进行数字孪生模型仿真，进而对装配质量特性的变化趋势进行预测，提高了质量管控的主动性。第三，本发明通过智能决策优化方法生成装配生产过程主动调控策略并实时反馈至物理实体模块，减少了装配过程调整策略的盲目性和主观性。
[0064]
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的。本发明
的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0065]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0066]
图1为本发明实施例的数字孪生管控系统构成示意图；
[0067]
图2为本发明实施例的数字孪生管控系统方法流程示意图；
[0068]
图3为本发明实施例的数字孪生构建过程示意图；
[0069]
图4为本发明实施例的装配场景模型示例图；
[0070]
图5为本发明实施例的装配分析模型示例图；
[0071]
图6为本发明实施例的伺服机构模型示例图；
[0072]
图7为本发明实施例的伺服机构柔性连接关系示意图。
具体实施方式
[0073]
下面结合附图对本发明实施例进行详细描述。应当明确，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0074]
本领域技术人员应当知晓，下述具体实施例或具体实施方式，是本发明为进一步解释具体的发明内容而列举的一系列优化的设置方式，而该些设置方式之间均是可以相互结合或者相互关联使用的，除非在本发明明确提出了其中某些或某一具体实施例或实施方式无法与其他的实施例或实施方式进行关联设置或共同使用。同时，下述的具体实施例或实施方式仅作为最优化的设置方式，而不作为限定本发明的保护范围的理解。
[0075]
请参阅图1～图5，本发明实施例以某型号设备的装配质量管控为例加以说明。如图1所示，本实施例的数字孪生动态装调系统，主要包括物理实体模块、质量数据采集模块、数据处理与映射模块、数字孪生模块以及智能管控模块。
[0076]
质量数据采集模块实时采集物理实体中装配过程的信息数据，数据经过信息处理后，将数据传送到数字孪生模块中进行装配在制品的数字孪生模拟仿真；质量数据采集模块采集的装配过程信息包括装配过程中装配工位启停状态、机械臂的关节数量、各个关节的启停状态、关节的扭矩、转速；机械臂减速器的状态、电机的启停状态、电气的负载；机械臂的位置、编码器状态、电机的电压等；传送带的机架温度、机架振动信号、传送带跑偏量、跑偏报警器启停状态；传送带托辊数量、尺寸、转速；电动机的启停状态、转速、电压；装配件的尺寸、装配体的消隙齿轮错齿数、轴承的预紧间隙、轴承的初始接触角、消隙扭簧刚度、齿轮压力角等；采集到的数据经过数据处理与映射模块处理后精准映射到数字孪生模块中的数字孪生模型。
[0077]
质量数据采集模块，用于采集装配生产过程中的质量参数，至少包括设备、材料、工艺、环境等生产过程各要素，同时将采集的数据进行归类和存储，为后续的信息分析处理提供数据支持；采集的数据包括：1、装配质量参数，装配质量参数包括舱段对接孔的位置参
数、尺寸参数、滚动轴承的初始接触角、轴承预紧间隙以及消隙齿轮的弹簧刚度等；2、各部组件的质量特性参数，如导引头伺服框架的轴承预紧间隙、轴承接触角、弹簧刚度等；3、待装配产品的动态装配信息，包括装配过程的运行状态数据等；4、装配环境信息，包括装配车间中的振动信息、噪音信息等。上述采集的数据来源于采用传感器获得的硬件采集和利用接口协议进行软件二次开发获得的软件采集，所采集的数据包括装配过程既有的静态数据，以及依靠传感设备获得的装配过程中的动态数据。
[0078]
在智能管控模块中进行分析，对产生的异常状态提出动态调整策略。数字孪生模块处于核心地位，与其他各模块进行数据交互反馈，实现信息交换和闭环优化。
[0079]
物理实体模块包括装配车间中的装配设备、物料、在制品的本体单元、测量设备单元、检测设备单元和信号传输设备单元；装配设备、物料、在制品的本体单元是指被用于产品装配的装配设备、物料以及在制品，包括装配设备、装配物料以及在制品的机械结构本体、驱动装配设备运动和动作的电气及液力装置，以及对应的机电液控制系统；测量设备单元包括用于测量在制品的尺寸、物理属性等的器件；检测设备单元是指用于检测装配设备的运行状态、系统运动路径、系统工作效率等状态的器件；信号传输设备单元是指用于数据传输和交换的设备接口和网络，信号传输支持opc-ua传输协议。装配车间物理实体的相关信息通过物理实体模块获得，并通过动态链接与数字孪生模块实现交互反馈。
[0080]
数据处理与映射模块包括数据预处理单元、实时质量参数数据库单元以及通信单元；数据预处理单元用于数据清洗融合和数据归一化处理，通过数据清洗融合，去除数据采集过程中带来的数据噪声和干扰，获得有用信号；然后通过数据归一化处理对数据标准化和离散化，形成智能决策的数据系统；实时质量参数数据库单元用于存储在装配过程中的正常质量参数数据和异常质量参数数据，便于后续的数据对比和数据挖掘；通信单元用于将融合和归一化处理后的数据进行存储，并通过通讯协议将处理好的数据映射到数字孪生模型，作为数字孪生模块进行分析计算的输入条件。
[0081]
数字孪生模块，包括数字孪生模型单元，数字孪生模型单元用于构建装配车间的实体模型及在装配过程中的动态虚拟模型，根据复杂产品装配过程，从不同层次、不同维度对装配过程进行刻画，并对不同学科领域如运动学学科领域、动力学学科领域等、不同类型及不同尺度规模的仿真模型进行模型融合处理，建立更全面和更复杂的数字孪生模型，并提高模型的精度；数字孪生模块处于核心地位，通过数据交互反馈为智能管控模块提供样本，为系统运行优化提供指导。
[0082]
智能管控模块，包括状态判断单元和智能决策单元；状态判断单元用于判别数字孪生模块计算得出的质量参数处于正常状态还是异常状态或者是需要紧急处理的危险状态，为智能决策提供基础；智能决策单元是综合利用智能分析处理算法对当前异常情况表现形式与异常情况的形成原因进行深入分析。
[0083]
如图2所示，本发明的技术方案还可以提供的一种基于性能数字孪生的动态装调方法，本实施例中，以车间组装中的伺服机构为例，阐述本发明的具体方案及实现方式。具体而言，该方法可以包括以下步骤：
[0084]
1)系统开启：对系统中各模块软硬件初始化；
[0085]
2)系统监测运行：对装配车间的装配过程中装配工位启停状态、机械臂的关节数量、各个关节的启停状态、关节的扭矩、转速、机械消隙齿轮错齿数、轴承的预紧间隙、轴承
的初始接触角、消隙扭簧刚度、齿轮压力角等进行实时监测；
[0086]
3)多源异构质量数据采集：对复杂装备装配过程中的多源异构信息进行采集，存储及传输处理；进一步优选的，该多源异构信息可以包括：来自不同设备的状态数据、来自不同零件的尺寸、表面粗糙度、螺栓预紧力等数据；动态装配信息，例如装配工位的启停状态，机械臂、传送带的测量数据等；以及外部扰动的采集数据，例如环境的温度、噪音、振动等。
[0087]
车间中的机械臂、设备组装等参数为例，在本步骤可细化如下：
[0088]
采集机械臂参数，机械臂参数包括机械臂的关节数量、各个关节的启停状态、关节的扭矩、转速等；
[0089]
采集设备组装前参数，包括轴承的初始接触角、消隙扭簧刚度、齿轮压力角等；
[0090]
采集设备组装后参数，包括机械消隙齿轮错齿数、轴承的预紧间隙等；
[0091]
采集动态信息数据，包括组装装配进程、是否在进行装配等数据等；
[0092]
采集环境数据，包括环境的温度、噪音、振动等。
[0093]
4)数据预处理及判别：对实时数据、历史数据进行清洗、融合、归一化等预处理，然后提取动态特征数据，通过数据拟合，将实时数据的拟合曲线和历史数据的拟合曲线对比，据此判断采集的数据是否异常以及在制品的质量特性参数是否异常，为后续的质量数据预测以及智能决策提供条件。
[0094]
在进行数据清洗时，剔除掉超出合理数据范围的数据；本实施例中，归一化处理，恶意采用例如min-max标准化方法，将不同的数量级的质量数据，归一化在合理的区间中，便于后续的计算使用。
[0095]
继续以本实施例中的装配车间机械臂等为例，对设备组装前参数、设备组装后参数、历史设备组装前参数、历史设备组装后参数进行清洗，该清洗包括对重复数据、超出指定范围的数据进行剔除；
[0096]
清洗后数据进行归一化处理，可以采用例如min-max标准化方法，将不同数量级的质量数据，归一到合理的区间；
[0097]
对归一化后的设备参数数据和历史参数数据进行拟合，获得数据拟合曲线和历史数据拟合曲线；
[0098]
对比数据拟合曲线和历史数据拟合曲线，确定采集的设备组装前参数、设备组装后参数是否异常。更为具体的，先对历史设备组装前参数、历史设备组装后参数的变化曲线进行拟合，有了变化曲线之后，再对一段时间内采集到的设备组装前参数、设备组装后参数变化趋势进行拟合，如果设备组装前参数、设备组装后参数分布高峰相对于历史变化曲线偏左或者偏右、峰值相对于历史变化曲线过高或者过低，则为异常，当出现异常时，则对该部件进行拆卸，重新装配。
[0099]
5)数字孪生模拟仿真：建立装配过程的数字孪生模型，通过预处理好的数据作为输入驱动模型进行数字孪生仿真，对所建立模型的模态数据进行预测，获取仿真数据，并进行动态显示，实现装配过程的高保真仿真。
[0100]
模态数据的预测，通过采集装配体的消隙齿轮错齿数、轴承的轴向预紧间隙、初始接触角、弹簧钢度、齿轮压力角，作为建立仿真模型的约束条件和激励，进行仿真计算，得到装配机构的模态数据。
[0101]
对于模态数据的预测，结合图6所示，此处以导引头伺服机构为例，本实施例中进行的动力学计算，目的是想要计算出不同装配参数下的导引头伺服机构的各阶固有频率。在具体计算时，我们采集的各种参数，都反映到动力学方程中的刚度矩阵。如图6，导引头伺服机构可以看做一个独立的整体，按照功能结构划分，对每个独立的零部件进行逐一编号，忽略螺栓、销钉等小、散、杂的构件，如表1所示；相邻的零部件之间往往通过某种联接副相互作用，对这些有接触或配合关系的零部件联接副也进行逐一编号分类，如表2所示。
[0102]
表1
[0103]
零件编号零件名称零件编号零件名称1左半轴8右半轴2左法兰9电机定子3外框10电机转子4左轴承11小齿轮5内框12大齿轮6右轴承13大地7右法兰
ꢀꢀ
[0104]
表2
[0105]
[0106][0107]
遵从假设原则，对系统中所列的各个零部件及它们彼此之间的联接关系进行合并、简化和编号，以方便建模为出发点和以抓主要因素为原则，对装配体进行“网格划分”，如表3所示，形成由若干个“等效刚体”组成的离散整机模型，“刚体”之间由彼此接触的柔性结合面相互联接，构成柔性“节点”，“节点”能存储和消耗能量，可以发生微小形变，在振动过程中满足“节点”的变形协调原则和物理几何约束，这样由“刚体”和“节点”组成的结构组成了整机系统中的一个个独立“单元”，“单元”作为系统的一个子系统，能用“单元”刚度、阻尼矩阵进行独立描述。
[0108]
表3
[0109]
[0110][0111]“刚体”与“刚体”通过“节点”柔性联接，组成系统的基本“单元”，“单元”具有独立的动力学特性，能细分为“螺栓联接单元”、“齿轮传动单元”和“轴承支撑单元”，根据“单元”类型的不同分别建立装配工艺参数与“单元”结合面动力学参数之间的映射关系，如表4所示。“螺栓联接单元”主要根据螺栓预紧力或预紧力矩来获取结合面刚度、阻尼参数；“齿轮传动单元”主要根据装配中心距、传动力矩和消隙齿轮错齿数来获取齿面接触刚度、阻尼参数；“轴承支撑单元”主要根据轴向预紧间隙和径向预紧间隙获取轴向和径向刚度、阻尼参数。根据“单元”具体的联接类型能构建等效刚体之间详细的联接关系如图7。
[0112]
表4
[0113]
[0114][0115]
模态分析是进行随机振动、谐响应、响应谱等动力学分析的基础，通过模态分析，可以得到结构的各阶固有频率及振型。导引头结构是无限多自由度的弹性体，本实施例中将导引头离散化为有限自由度的线性系统，这种系统在外载荷作用下的运动微分方程为：
[0116][0117]
式中：[m]、[c]、[k]依次分别为系统的质量矩阵、阻尼矩阵和刚度矩阵；{x(t)}、{f(t)}依次分别是系统的位移列向量、速度列向量、加速度列向量和作用在各离散质点上的外激励。
[0118]
将内框、两个轴承外圈、消隙齿轮作为一个整体，称为内框系统，两个半轴通过调节垫片厚度顶紧轴承起支撑内框系统的作用，主动齿轮通过驱动力矩将动力传递给消隙齿轮从而带动内框系统运动。
[0119]
选择如下广义坐标
[0120]
q＝[x y z α β γ]
t
ꢀꢀꢀ
(2)
[0121]
x,y,z,α,β,γ依次分别代表内框系统x方向的平动、y方向平动、z方向平动、绕x轴的偏航转动、绕y轴的方位转动和绕z轴的俯仰转动。
[0122]
刚度矩阵
[0123][0124]
其中ka，kr，k
′r分别为两个角接触球轴承轴向刚度、主径向刚度、次径向刚度，k
α
，k
β
，k
γ
分别为内框系统绕x轴转动的偏航刚度、y轴转动的方位刚度、绕z轴转动的俯仰刚度。上述各个刚度的计算方式如下：
[0125][0126][0127][0128][0129][0130][0131]
阻尼矩阵c在结构上完全等同于刚度矩阵k，只需将相应位置上的k替换成c即可，阻尼矩阵c中的各参数求解方式，可以采用本领域中的现有求解方式获得，此处不再赘述。
[0132]
上式中，k
θ
为角接触轴承的扭转刚度，l1、l2分别为两半轴与轴承支撑部分接触点与内框结构质心的距离，k
x
为扭簧的线接触刚度。
[0133]
外力矩阵：
[0134]
f＝[0,0,0,0,0,t]
t
ꢀꢀꢀ
(4)
[0135]
除了齿轮8的驱动力矩t，没有其他外力输入。
[0136]
当系统做无阻尼自由振动时，[c]、{f(t)}均为零，求解方程可变为：
[0137][0138]
通常系统的自由振动是简谐振动，所以可以假设式(5)的解为：
[0139][0140]
式中：ω为结构振动的固有频率；为系统的固有振型。将式(6)代入式(5)，可以得到系统的振型方程：
[0141][0142]
式(7)是一个齐次线性方程组，它具有非零解的充分必要条件为系数矩阵的行列式为零，即：
[0143]
|[k]-ω2[m]|＝0
ꢀꢀꢀ
(8)
[0144]
解行列式可得到系统的各阶固有频率ωi。将ω
i2
分别代入系统的振型方程(7)中，可以解得与之对应的n维列向量即为ωi对应的振型，也即模态信息。
[0145]
要求解机构的模态信息，就是解方程(1)，然后我们采集到的数据，用来计算方程(1)中的刚度矩阵k里涉及的各个项，具体计算公式为上述的各个刚度的计算公式。
[0146]
在一个更为优选的实施方式中，结合一实际的部件测量数值来说明，对于导引头各个可测量数值包括：消隙齿轮刚度k0，轴向预紧量a，驱动力矩t1，角接触球轴承接触角baer_angle，消隙齿轮压力角aear_angle，轴向位移量x，径向位移量y，滚动体直径db＝5，内圈滚道系数fi＝0.55，外圈滚道系数fo＝0.53，内圈直径di＝20，外圈直径do＝42，接触体1弹性模量e1＝2.07e 5，接触体2弹性模量e2＝e1，接触体1泊松比v1＝0.3，接触体2泊松比v2＝v1，滚动体个数nb＝16，动摩擦系数u＝0.2，滚动分布角angle_ball＝2*pi/16*[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]等。
[0147]
基于上述该些可测量数值，我们可以进一步获得各计算时的中间量：
[0148]
齿轮接触力f＝t1/10-t2/50；
[0149]
消隙齿轮扭簧产生的接触力f1＝k0*pi*1*4；
[0150]
扭簧线刚度kx＝k0；
[0151]
中径dm＝(di do)/2；
[0152]
两接触体等效弹性模量e＝1/((1-v1^2)/e1 (1-v2^2)/e2)；
[0153]
内、外滚道中心距离a＝(fi fo-1)*db；
[0154]
角接触球轴承接触角bear_angle＝25*pi/180；
[0155]
消隙齿轮压力角gear_angle＝20*pi/180；
[0156]
滚动体与内滚道接触的主曲率半径rim＝0.5*db*fi/abs(fi-0.5)；
[0157]
滚动体与内滚道接触的次曲率半径rin＝0.5*db*(di do-2*db*cos(bear_angle))/4/cos(bear_angle)/(0.5*db (di do-2*db*cos(bear_angle))/4/cos(bear_angle))；
[0158]
滚动体与内滚道接触的等效半径ri＝sqrt(rim*rin)；
[0159]
滚动体与内滚道接触的接触刚度系数kic＝4*e*sqrt(ri)/3；
[0160]
滚动体与外滚道接触的主曲率半径rom＝0.5*db*fo/abs(fo-0.5)；
[0161]
滚动体与外滚道接触的主曲率半径ron＝0.5*db*(di do 2*db*cos(bear_angle))/4/cos(bear_angle)/(0.5*db (di do 2*db*cos(bear_angle))/4/cos(bear_angle))；
[0162]
滚动体与外滚道接触的等效半径ro＝sqrt(rom*ron)；
[0163]
滚动体与外滚道接触的接触刚度系数koc＝4*e*sqrt(ro)/3；
[0164]
滚动体与内、外滚道接触的综合接触刚度系数k＝(1/((1/kic)^(2/3) (1/koc)^(2/3)))^(3/2)
[0165]
轴向位移量x＝sin(bear_angle) a/a；
[0166]
径向位移量y＝cos(bear_angle)；
[0167]
滚动体接触线上变形量z＝(x^2 y^2)^0.5。
[0168]
基于上述的计算的中间量，我们可以获得各个最终量：
[0169]
轴向刚度ka＝1.5*k*a^0.5*(z-1)^0.5*(x/z)^2*16；
[0170]
径向刚度kr＝sum(1.5*k*a^0.5*(z-1)^0.5*(y/z)^2*cos(angle_ball).^2)；
[0171]
轴承摩擦力矩t2＝u*k*a^(3/2)*(z-1)^(3/2)*dm/2；
[0172]
消隙齿轮的固定轮齿与主动轮的线接触刚度k1＝8*e/3*(f*5*20*100*sin(gear_angle)/pi^3/e/2/120)^0.25；
[0173]
普通齿轮啮合时的综合线刚度k_gear1＝t2/2500*k1/(t2/2500 k1)；
[0174]
消隙齿轮扭簧产生的接触力使主动齿轮与加载齿轮间形成的线接触刚度
[0175]
k2＝8*e/3*(f1*5*20*100*sin(gear_angle)/pi^3/e/2/120)^0.25；
[0176]
扭簧力产生的综合线接触刚度k_gear2＝k2*kx/(k2 kx)；
[0177]
轴承综合扭转刚度ko＝(k_gear1 k_gear2)*2500。从而完成各刚度计算中需要求解的对应的值。
[0178]
需要指出的是，上述以导引头的刚度计算方式，作为进一步阐述本发明实施方案的一示例性的说明，不应当作为本发明保护范围的限定来理解，其中上述的刚度计算中的各个直接采集数据以及中间数据及最终刚度量的计算及参数，可以基于不同的数字孪生对象或待组装设备对象来调整。
[0179]
在一个更为具体的实施方式中，本发明的数字孪生模型建立过程如图3所示，从不同层级以及不同维度对复杂设备装配过程进行数字孪生模型的构建，按照层次，装配过程数字孪生模型包括工序级、区域级以及整体级装配模型；按照维度，装配过程数字孪生模型包括装配场景模型、装配工艺模型以及装配分析模型，通过sysml构建整个装配工艺过程的时序图，通过例如plant simulation建立装配过程的装配场景模型，如图4所示，本实施例构建装配分析模型对导引头伺服框架进行系统频域动态特性分析，如图5所示。
[0180]
在一个更为优选的实施方式中，数字孪生模型由可视化模型、动力学仿真模型、装配行为模型构成。
[0181]
装配行为模型是指装配工艺过程的时序模型，本实施例中，可以首先构建整个装配工艺过程的时序模型，时序图包含整个车间装配工作的零件、信息传输的时间顺序，对于时序中的每个节点的输入和输出，一部分输入是当前节点对应的装配过程中所采集到的实时质量数据，一部分是输入是前道工序的输出数据。在接收到该节点所有的输入信息之后，运用动力学仿真模型进行质量特性计算，对关键质量特性进行预测，得到该节点的输出，对于每个节点的输出，通过可视化模型进行显示，对于可视化模型，也根据时序的推进对场景模型进行更新。
[0182]
更为优选的一个方式，以导引头装配为例，以数字孪生技术为载体，以同步车间三维动态场景，可视化实施装配数据，还原车间的实时状态为目的，对导引头伺服机构的装配
过程进行重建，形成了一个可以对导引头伺服机构装配过程进行可视化的仿真模型。导引头伺服机构的装配过程是一个复杂并且耗时的过程，它由许多工序组成，并按照装配顺序衔接。整个装配线以伺服机构外框为主线，从电机安装开始，到整个导引头伺服机构完成，最后进行测试后送至下一车间进行装配。
[0183]
整个导引头伺服机构被分成几个部分，每个部分都进行装配操作，每个装配工位都有执行装配操作的操作者。零件都从source对象中产生，通过工位以及传送带运输至装配工位，一部分装配体通过工人运送、agv以及机械臂进行运送。装配工位位于输送带的末端，由于零件在输送带上移动需要花费一定的时间，为了防止零件积压，必须协调各部分的运输时间，使操作者有足够时间进行操作而不会超载。在每个工位上，都分配了合适数量的操作者。对于每个工位，装配所需的零件(螺栓、螺母等)被运输到缓冲区，根据范围不同，缓冲区具有不同的能力。如果在某个时刻不能提供必要的部件，会导致装配线出现故障。模型运行所需的工艺操作数据，包括零部件编号、每个位置所执行的操作名称、需耗费的时间等数据存储在内部的数据库中。
[0184]
本实施例中，采用adams对动力学进行仿真。影响导引头伺服机构性能的主要装配质量参数为滚动轴承的初始接触角、轴承预紧间隙以及消隙齿轮的弹簧刚度，这些参数决定了装配体结合面处的刚度，进而决定了整个装配体的模态。在装配过程中测得对应的装配质量参数之后，通过adams计算不同的装配质量参数对导引头伺服机构的谐振频率的影响，基于vibration模块进行频域分析，在零件结合面处添加bushing连接副，通过定义每个bushing连接副的六个自由度方向的刚度，对其进行vibration计算实验，模型导入adams后如图5所示。
[0185]
6)质量特性预测：根据数字孪生仿真结果对在制品的质量作进一步的分析，如果质量参数分析的结果出现异常波动，然后采用智能决策算法进行诊断，提出适当的调整策略。
[0186]
在质量分析中，利用已建立的仿真模型进行计算，在进行了仿真计算之后，对仿真结果进行分析，如果仿真计算得到的谐振频率的曲线的变化趋势和预期的不一样，则为异常，或者频率峰值不在合理区间则为异常。
[0187]
在一个更为优选的实施方式中，上述的智能决策诊断，可以采用模糊方程方式来实现：采用模糊方程来表示装配质量参数异常与引起异常的原因之间的关系，基于模糊集合中的隶属度函数和模糊关系矩阵描述装配过程中的质量异常运行状态及环境中的模糊性和不确定性信息，构建模糊关系方程，然后采用改进的bp算法来通过模糊反卷积问题求解模糊关系方程的近似解，找出引起质量异常的对应异常原因。
[0188]
以本实施例中的导引头为例，导引头伺服机构装配过程装配质量的异常表现症状主要包括三个方面，
[0189]
a、装配体的几何精度、定位精度超标，用pr表示。
[0190]
b、装配体谐振频率分布为正偏型/负偏型(谐振频率波形固定，正偏型指偏度系数大于0；负偏型指偏度系数小于0)，用pl表示。
[0191]
c、谐振频率峰值大于\小于21.3hz超过2hz，用re表示。
[0192]
通过对装配过程的影响因素分析，分析归纳出导致上述装配质量异常症状的质量异常的可能原因如下表5所示。
[0193]
表5
[0194][0195][0196]
相对于每一种异常，通过异因之间的相互比较及归一化处理，可以得到模糊关系矩阵：
[0197][0198]
(上述模糊关系矩阵r的一般表达式见下文，此处不再赘述)设由某一时段计算得到的模糊异常模式隶属度结果为：
[0199]
pr
mf
＝0.4432，pl
mf
＝0.8697，re
mf
＝0.1856
[0200]
pr、pl、re分别为上述例子中三个异常症状的原因对应的隶属度的计算结果，假设在装配过程中装配单元所有可能出现的质量异常原因的集合为x＝(x1,x2,
…
xm)其中m为异常原因数；由m种异常原因引发的质量异常的集合为y＝(y1,y2,
…yn
)其中n为质量异常种类数。
[0201]
设观测到的质量异常特征数样本为(y1,y2...yn)，为样本中各分量yi对症状yi的隶属度，则质量异常可用模糊向量表示为：
[0202][0203]
设上述质量异常症状由异常原因x产生，为x对各种异常原因的隶属度，则
异常原因可以用模糊向量表示为：
[0204][0205]
由于异常原因与异常症状之间存在因果关系，可得y与x之间的模糊关系方程：
[0206]
y＝x
°rꢀꢀꢀ
(11)
[0207]
其中。为min-max模糊合成算子，
[0208][0209]
将上述数据代入模糊关系方程式(11)中，有：
[0210]
y＝(upr(n-pr))，(upr(n-pl))，(upr(n-re))＝(0.4432，0.8697，0.1856)
[0211]
则待求解模糊关系方程为：
[0212][0213]
在建立的装配质量异常模糊方程中，式(12)模糊关系方程中质量异因的模糊隶属度ai＝ua(xi)(i＝1，2，
…
，m)，本实施例中，我们采用运用bp神经网络算法求解该方程。
[0214]
根据式(2)模糊关系方程，质量异常原因的隶属度ai∈[0，1]。本案例中，论域质量异常表现症状u和引起异常原因v均有接，且u∈[0，1]，v＝y∈[0，1]，分别取m＝14，n＝3时均是分布在u和v上的样点，即
[0215]
x＝(x1，x2，
…
，x
14
)＝(0.0358824，0.117321，
…
，1.0000)
[0216]
y＝(y1，y2，y3)＝(0.33333，0.66667，1.00000)
[0217]
确定χ和σ的初始值χ(0)和σ(0)，这里χ(0)在u上选取，令χ(0)＝0.3，σ(0)＝1，选定初始j＝1，给定ε＝0.0001。其中，χ和σ为模糊关系计算中的自由参数。
[0218]
然后根据下式求取学习率：η
[0219][0220]
其中τ是常数，k是迭代次数。令y＝(y1，y2，y3)的值不变，分别计算z＝ab，寻找最大zi对应的i。假如求出对应的max zi的值为maxzi＝(z1，z5，z
14
)，调整u
x
(xm)的参数χ和σ求得ua(x1)，ua(x5)，ua(x
14
)，即i＝1，5，14时的区间变化值，区间变化最小的为模糊方程的最优解，即该编号对应的异常原因对装配质量异常的贡献度最大。
[0221]
7)装配质量智能控制：根据质量预测结果对部件、组件以及整体的质量特性进行分析，若质量特性预测值异常，即出现了步骤6)相同的异常波动，通过基于智能决策优化方法生成装配的主动调控策略并实时反馈至装配车间，由生产车间中的自动装配设备或者装配生产人员进行当前或后续装配过程的动态优化调控，实现装配过程的实时动态调控。
[0222]
在一个更为优选的实施方式中，以本实施例中的导引头质量特性预测为例，基于异常诊断所的得到的引起异常的原因，结合动力学仿真的结果，根据仿真结果与预期仿真结果的不同，例如若谐振频率峰值过低，则加大螺栓拧紧力矩，缩小角接触轴承的预紧间隙；若谐振频率峰值过高，减小螺栓拧紧力矩，增加预紧间隙。从而实现对装配质量的动态
调控。
[0223]
本方案在又一种实施方式下，可以通过设备的方式来实现，该设备可以包括执行上述各个实施方式中各个或几个步骤的相应模块。因此，可以由相应模块执行上述各个实施方式的每个步骤或几个步骤，并且该设备可以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。
[0224]
该设备可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线将包括一个或多个处理器、存储器和/或硬件模块的各种电路连接到一起。总线还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其它电路连接。
[0225]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本方案的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本方案的实施方式所属技术领域的技术人员所理解。处理器执行上文所描述的各个方法和处理。例如，本方案中的方法实施方式可以被实现为软件程序，其被有形地包含于机器可读介质，例如存储器。在一些实施方式中，软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或安装。当软件程序加载到存储器并由处理器执行时，可以执行上文描述的方法中的一个或多个步骤。备选地，在其他实施方式中，处理器可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法之一。
[0226]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，可以具体实现在任何可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
[0227]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。
[0228]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。