面向航空装备装测过程的辅助决策控制方法与流程

1.本发明涉及一种辅助决策控制方法，尤其涉及一种面向航空装备装测过程的辅助决策控制方法。


背景技术：

2.航空装备装配过程工艺规划涉及从几何问题到运筹学等多个方面。然而，有关这方面的研究却很少。
3.大规模自动化一直是满足许多制造领域降低制造成本和提高交付率需求的关键解决方案。但在航空结构装配领域，一些附件的复杂性、高水平的几何要求和所需的大工作区域是有效利用人工装配自动化的几个障碍。
4.因此，有必要研究提出一种选择装配技术和分配部件几何公差的创新方法，以最大限度地降低产品成本并最大限度地提高与装配计划相关的合格率。


技术实现要素：

5.本发明所要解决的技术问题是提供一种面向航空装备装测过程的辅助决策控制方法，能够使产品成本最小化，并使装测计划的合格率最大化。
6.本发明为解决上述技术问题而采用的技术方案是提供一种面向航空装备装测过程的辅助决策控制方法，包括如下步骤：s1)获取给定航空装备的装配顺序规划；s2)为装配产品的每个附件选择装配工艺计划，并确定分配给每个部件的几何公差；s3)从可行装配计划集中通过多目标优化找到一套装配工艺计划和一组几何公差，以降低产品成本并提高与装配工艺计划相关的合格率。
7.进一步地，所述步骤s2中装配产品通过接头连接在一起，每个接头都使用装配工艺计划描述并制作，所述步骤s3将装配工艺计划描述转换为装配计划的决策变量向量，再通过多目标优化寻找装配工艺计划和几何公差。
8.进一步地，每个接头的装配工艺计划存储在具有多个属性的数据表中，包括索引、装配操作关联列表、成本信息列表和几何能力。
9.进一步地，所述步骤s2包括定义适合装配产品每个接头的技术列表，将技术列表中的相关元素转换为决策变量向量，并在第一个元素之间设置附加约束来减少装配计划的集合x。
10.进一步地，所述步骤s3中多目标优化过程如下：将已知的装配工艺计划描述转换为装配计划的决策变量向量x；采用适应度函数f处理多个目标，满足多目标优化方程(1)，其中x是可行装配计划集；
11.inf{f(x):x∈x}
ꢀꢀꢀ
(1)
12.寻找非支配点集满足多目标优化方程(2)；
[0013][0014]
ncr(x)为不合格率函数，c(x)交付成本函数；其中x表示装配计划的决策变量向
量，x表示可行装配计划集，x*称为非支配点。
[0015]
进一步地，所述步骤s3中多目标为如下两个目标：使产品成本最小化以及使装测计划的合格率最大化，并将不合格率作为适应度，将交付成本作为约束条件。
[0016]
进一步地，所述步骤s3使用不合格率来评估装配计划，提供灵敏度矩阵s用不符合率方程(3)将几何偏差δl4与关键特征偏差δkc联系起来；
[0017]s·
δl＝δkc
ꢀꢀꢀ
(3)
[0018]
使用组件几何变化和装配技术能力将δl向量的样本与装配计划向量相关联；最后使用蒙特卡罗方法将不合格率ncr(x)与决策变量向量x描述的装配计划相关联。
[0019]
进一步地，所述步骤s3使用交付成本来评估装配计划，所述交付成本分为与装配操作相关的成本和几何公差分配产生的成本。
[0020]
进一步地，所述装配操作相关的成本交付成本方程式(4)中定义：
[0021][0022]cop
为基于活动的总成本，包括在一定时间段t
op
内使用的资源，是每个操作的基本成本的总和，其列表来自决策变量向量x给出的选定装配技术列表；cf为每个操作的固定成本，代表消耗品和单一工具磨损；hri为小时费率。
[0023]
进一步地，所述几何公差分配产生的成本ctol由交付成本方程式(5)建模：
[0024][0025]
t是分配的公差区间大小，t
lim
、a、b、m和k是根据实验数据确定的功能参数。
[0026]
本发明对比现有技术有如下的有益效果：本发明提供的面向航空装备装测过程的辅助决策控制方法，能够使产品成本最小化，并使装测计划的合格率最大化；可以为决策提供的有用支持，有望成为从产品设计师到制造过程设计师的共同观点，使其成为并行工程的有效工具。
附图说明
[0027]
图1为本发明面向航空装备装装配工艺计划描述和评估示意图；
[0028]
图2为本发明同时考虑最小化不合格率和最小化交付成本的示意图；
[0029]
图3为本发明将装配过程计划转换为决策变量向量x示意图；
[0030]
图4为本发明结构装配容差分配方法与流程图；
[0031]
图5为本发明采用决策变量向量x定义的装配计划的评估方案和适应度；
[0032]
图6为本发明产品关键特性(kci)、组件及其几何变化特性(lj)的信息图；
[0033]
图7为本发明装配期间使用的临时部件、产品接头和装配顺序图；
[0034]
图8为本发明优化后获得的非支配点分布示意图，具有四个独立的等技术区域和不同的分配公差。
具体实施方式
[0035]
下面结合附图和实施例对本发明作进一步的描述。
[0036]
请参见图1，本发明提供的面向航空装备装测过程的辅助决策控制方法，包括如下步骤：
[0037]
s1)获取给定航空装备的装配顺序规划；
[0038]
s2)为装配产品的每个附件选择装配工艺计划，并确定分配给每个部件的几何公差；
[0039]
s3)从可行装配计划集中通过多目标优化找到一套装配工艺计划和一组几何公差，以降低产品成本并提高与装配工艺计划相关的合格率。
[0040]
本发明的具体技术方案实现如下：
[0041]
1.1.装测工艺规划的设计
[0042]
大型机械结构(如航空结构)的装配可能占其总交付成本的很大一部分。boothroyd和dewhurst强调了制造公司通过尽快设计装配工艺计划来评估产品设计的重要性，以达到最大性能。计算机辅助装配工艺规划一直是许多研究工作的主题，通常旨在找到最小的交付周期和/或成本。装配工艺计划的绩效根据几个指标进行评估，例如，工具需求、子组件的重新定位、连续操作中的技术相似性等。
[0043]
如图1所示，装配工艺计划描述和评估的示意图，以及拟议的方法边界图。装配工艺计划的描述可分为装配顺序、为装配产品的每个附件而选择的装配技术、分配给每个部件的几何公差以及装配系统的描述。
[0044]
装配顺序规划，定义为零件介绍顺序或作为联合实现顺序。基于联合的方法接近于cao和sanderson提出的基于活动的方法，反映了在运筹学中通常处理的装配系统组织中考虑的一些问题。
[0045]
但装配序列的生成和装配系统的组织并不是封装在装配工艺规划中的唯一活动。尽管装配技术选择可能对生产成本影响最大，但国内外研究中很少涉及装配技术选择。
[0046]
选择装配技术意味着设置相关的几何功能。因此，对装配产品几何质量的关注(通常称为公差)与装配工艺规划相结合。到目前为止，分配给待装配部件的几何公差可能是综合装配工艺计划中包含的信息的一部分。
[0047]
1.2.提出的方法
[0048]
本发明旨在提出一种选择装配技术和分配部件几何公差的创新方法，以最大限度地降低产品成本并最大限度地提高与装配计划相关的合格率。假定装配顺序已经定义，装配系统的组织没有考虑。
[0049]
第2节优化问题，详细说明了如何根据一组决策变量描述装配工艺计划，以及如何根据几个性能指标对其进行评估。该问题的形式化视图用于定义和解决多目标优化问题。第3节介绍了一个简单的实施用例。第4节对结果进行分析。第5节结论部分总结了这种方法在并行工程环境中的潜在好处。
[0050]
2.优化问题
[0051]
2.1.多目标优化
[0052]
考虑到给定的产品和给定的装配顺序，上述工作的目的是提出一种方法，以找到一套装配技术和一组几何公差，同时最大限度地降低不合格率和产品的交付成本。
[0053]
多目标优化方程(1)给出了该问题的数学表达式，其中x是表示装配计划的决策变量向量，x是可行装配计划集，f是将适应度与装配计划关联的函数。决策变量向量x的构造∈x稍后将在第2.2节中描述。
[0054]
inf{f(x):x∈x}
ꢀꢀ
(1)
[0055]
在当前情况下，适应度函数f必须处理多个目标(比如不符合项和成本)。此外，这些目标可能相互冲突。这个问题的一个常见解决方案是将目标合并到一个单值适应度函数中；但将实际目标建模为单个绩效指标可能会很复杂，并会导致先验权衡。
[0056]
在工业环境中，解决多目标优化问题似乎更合适。从装配流程规划的角度来看，一个点x*描述了一个装配工艺计划，对于该计划，无法找到同时提供较低不合格率和较低成本的解决方案，如图2所示，考虑到同时最小化不合格率和最小化交付成本，总体(正方形)中的非主导装配工艺计划(圆圈)。
[0057]
假设f＝[ncr(x)，c(x)]，不合格率函数和交付成本，第2.3装配计划评估小节中x*描述的功能。多目标优化方程(1)中给出的问题的解决方案是点x*满足多目标优化方程(2)，x*被称为非支配点。
[0058][0059]
这项工作的基本数学问题在于找到非支配点集(如果该集不是有限的，则找到足够数量的点)。装配工艺规划师最终必须选择一个计划，该计划在后验的非支配点集中提供最佳的权衡。高级别的、难以做出的决策出现在手边，而不是在构建黑盒优化器所需的建模阶段。仅对问题的每个实际目标进行建模可能是一项更容易的任务。
[0060]
2.2.参数化装配平面图
[0061]
1)一般性
[0062]
运行多目标优化方程(1)中提出的优化问题需要将技术术语中已知的装配工艺计划描述转换为数学向量x，在该方法中称为装配计划向量。
[0063]
产品是在装配过程中通过接头连接在一起的一组组件。每个部件都会受到几何公差范围内的几何变化的影响。每个接头都是使用装配技术制作的。对装配计划向量x的需求可以从这三个断言中推断出来。它必须包括代表为产品每个接头选择的技术的元素，以及代表组件几何偏差的元素。
[0064]
2)装配技术。
[0065]
考虑到带有nj接头的产品，x的nj第一要素专用于描述与每个nj接头相关的装配技术。装配技术存储在一个具有多个属性的库中并编制索引：索引、装配操作关联列表、成本信息列表、几何能力等。
[0066]
分配给接头j的技术是索引等于第j个元素x的值的技术，将装配工艺计划转换为决策变量向量x，如图3所示。
[0067]
装配工艺规划师必须定义适合制造产品每个接头的技术列表。可以在这些nj个第一个元素之间设置一些附加约束：例如，可以使用相同的技术强制创建两个关节。这将可行装配计划的集合x减少在技术上可接受的集合x。
[0068]
3)几何变化和几何公差。
[0069]
假设每个几何变化的概率分布是已知的，分配容差相当于设置这些分布参数，例如均匀概率分布的下限和上限或正态分布的平均值和标准差。图3将装配过程计划转换为决策变量向量x进行了说明。如果产品的部件有n
gv
几何变化，并且每个部件都有k个分布参数，那么装配计划向量x也有n
pv
＝pn
gv
i＝1ki元素来描述分配的几何公差。
[0070]
这些n
pv
元素之间存在内在约束，例如，下限小于上限。用户还可以声明外部约束，以定义其他技术限制，例如公差带的最小尺寸。这也减少了可行装配计划的集合x。
[0071]
2.3.装配计划评估
[0072]
1)不合格率
[0073]
产品的符合性可以通过验证其某些特性是否保持在功能分析期间定义的需求域内来评估。产品的不合格率定义为产品至少有一个kc(key characteristics)超出其要求域的概率。在这项工作中，仅考虑几何kc。公差研究通常提供灵敏度矩阵s用以将几何偏差δl4与kc偏差δkc联系起来，如不符合率方程(3)
[0074]s·
δl＝δkc
ꢀꢀ
(3)
[0075]
可以使用组件几何变化的pdf和装配技术能力将δl向量的样本与装配计划向量相关联。最后使用蒙特卡罗方法将不合格率ncr(x)与x描述的装配计划相关联。
[0076]
2)交付成本
[0077]
交付成本可以分为两个成本来源：与装配操作相关的成本和几何公差分配产生的成本。
[0078]
每种装配技术都具有相互依赖的装配操作列表的特征(表3中给出了一个示例，详细介绍了使用机器人作为工具表的技术定位)。例如，每个操作都有一个固定成本cf，代表消耗品和单一工具磨损。它还在一定时间内使用多种资源(每小时费率hri)。装配操作的基本成本在交付成本方程式(4)中定义：
[0079][0080]
基于活动的总成本c
op
是每个操作的基本成本的总和，其列表来自x给出的选定装配技术列表。
[0081]
每个产品c
nr
的非经常性成本，由于组装所需的所有资源的购置成本除以要组装的产品的估计数量，也包括在总交付成本中。由于组装产品所需的资源列表取决于组装技术的选择，因此c
nr
是x的函数。
[0082]
与分配的几何公差相关的成本由交付成本方程式(5)建模。t是分配的公差区间大小，t
lim
、a、b、m和k是根据实验数据确定的功能参数，装配容差分配方法与流程如图4所示。
[0083][0084]
与分配给产品部件的几何公差相关的总成本ctol是根据向量x描述的公差，根据交付成本方程(5)评估的所有基本成本的总和。
[0085]
最后，c
op
、c
nr
和c
tol
的总和提供了与装配计划相关的交付成本c(x)，如图5所示，装配计划的评估方案和适合度表示由其数学表示形式x定义。
[0086]
3.实施用例
[0087]
3.1.待装配产品
[0088]
前一节所述方法适用于由四个部件组成的简单机械结构的组装，见图6产品关键特性(kci)、部件及其受几何变化影响的特性的详细信息(lj)，比如部件1为左侧翼，部件2为右侧翼，部件3为拼接件，部件4为盖子。装配过程中还使用了三个额外的临时部件，如图7装配过程中使用的临时部件(称为工具k，比如第一工具5，第二工具6和第三工具7)、产品接头和装配顺序；其中也给出了装配顺序(如接头的制作顺序)。
[0089]
将几何变化传播问题归结为一个一维研究，该研究具有六个关键特征和四个受几何变化影响的组件尺寸。为tj3至tj7接头选择的技术能力也会影响合格率，因为这些接头
是kc值中涉及的定位接头。kc1和kc2上的偏差必须保持在
±
0.6mm以内。kc4至kc6的值为
±
0.3mm。
[0090]
交货成本方程(5)定义的成本与公差定律的参数见表1定义的成本与公差定律的参数。
[0091]
表1由方程(5)定义的成本与公差定律的参数
[0092][0093]
3.2.装配技术库
[0094]
本发明并没有完全描述装配技术库，但表2列出了与可用于表的接头相关的可用装配技术。
[0095]
表2可用于连接的可用装配技术列表
[0096][0097][0098]
表3详细说明了机器人作为工具表的技术定位。
[0099]
表3以机器人为工具的技术定位细节
[0100]
[0101]
资源小时费率：机器人，0.7成本单位/百万
[0102]
资源获取成本：机器人，cnr＝50000成本单位
[0103]
详细说明了存储在库中的信息，以便使用机器人作为工具进行定位。除了表2详述的可行性约束外，还可以使用与接头相关的可用装配技术列表。接头tj3至tj5必须采用相同的技术。接头tj6和tj7也是如此。
[0104]
4.结果
[0105]
多目标优化方程(1)中定义的优化问题使用非排序遗传算法ii(在inspyredpython库中实现)解决，种群由200个个体组成，在20代中进化。使用公差分析软件anatole获得灵敏度矩阵s，并使用openturns中实施的蒙特卡罗方法评估不合格率。
[0106]
图8显示了优化后获得的非支配点，其中有四个独立的iso技术区域和不同的分配公差图。与图8中的方形点相对应的装配工艺计划，优化后获得的非支配点，具有四个独立的iso技术区域和不同的分配公差图。在表4装配工艺计划中详细说明。
[0107]
表4对应于图7中方点的装配工艺计划
[0108]
共同的选择的装配技术尺寸分配公差tj1和tj2背靠背定位l1u(-0.40,0.30)tj3至tj7以机器人为工具进行定位l2u(-0.40,0.30)j1和j2传统粘贴l3u(-0.22,0.21)j3和j5带拆分的背靠背定位l4u(-0.17,0.16)j4和j6用格栅钻孔和手动紧固
ꢀꢀ
[0109]
结果说明了多目标优化的重要性。将一个目标作为适应度，另一个目标作为约束，将在可接受和不可接受的解之间给出任意边界，从而得到一个不一定比其他目标更好的最优点。在这里，决策团队可以在掌握更多信息的情况下调整最终选择。
[0110]
图8显示了优化后获得的非支配点的结果的深入分析，四个独立的iso技术区域和不同的分配公差图。对于这个用例，这些点可以分为四个区域。在每个区域中，选择的装配技术是相同的，只有分配的公差是不同的。因此，可以在产品设计早期确定最相关的装配技术集，并在其设计过程中优化公差分配。
[0111]
虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。