數字化自動鉚接技術在飛機設計與制造中的應用

紀巧 邢萌

摘? 要：飛機壁板裝配常采用鉚接的方式，其中自動鉆鉚大量采用干涉連接，而干涉連接會使孔周圍的應力場發生變化，干涉量不均勻會造成被連接件的扭曲和彎曲變形，而飛機裝配過程中壁板的外形精度對飛機的飛行性能至關重要，為保證裝配質量，減小鉚接變形，需同時保證干涉量的均勻程度和壁板的變形程度。

關鍵詞：數字化自動鉆鉚技術;飛機制造;應用

前言

近年來，航空制造業發展迅速，作為鉆鉚技術的應用對象，飛機壁板加工的孔位數量越來越多并且分布較散亂，為了縮短加工時間，需要對鉆鉚的順序進行規劃。

1研究基礎

目前，國內外學者在鉚接參數對鉚接變形、殘余應力、干涉量大小、鐓頭尺寸等方面的影響開展了大量研究，但是同時考慮干涉均勻程度和壁板的變形程度的研究較少。此外，在進行鉚接工藝參數預測和優化時，國內外學者建立的代理模型多為響應面模型、多項式擬合和徑向基函數等方法，基于智能算法和機器學習等前沿方法的優化較少。通過數值模擬的方法，分析了工藝參數對鉚接殘余應力的影響，結果表明，殘余應力和鉚釘長度、鉚釘與釘孔間隙的大小有關，并得出殘余應力與釘桿長度以及孔隙的二次擬合關系式。研究了可控工藝參數（鉚接順序、鉚釘間距和板件之間的間隙）對鉚接搭接質量和成形釘頭質量的影響，并采用正交試驗的方法對仿真數據進行了分析，得出對于20.32cm的標稱鉚釘，最佳的鉚接順序為1–3–2、最佳的鉚釘間距為1.59cm和最佳的板件間隙為0.013cm。結合G86自動鉆鉚系統，采用正交試驗的方法分析了壓鉚力、夾緊力等鉚接參數對鉚接質量的影響，并在此基礎上得出了一組最優參數組合。上述兩種研究方法都沒有把離散問題轉化為連續問題，采用正交試驗所獲得的優化結果只能是正交試驗所用水平的某種組合，優化結果不可靠。采用響應面法對鉚接工藝參數進行優化，雖然可以把離散的數據轉化為連續的多項式函數，進而在優化的過程中遍歷整個自變量的區間范圍，但是鉚接是一個復雜非線性的過程，簡單的多項式函數逼近復雜非線性問題的描述能力較弱，而且響應面代理模型的精度至今懸而未解。本文針對蟻群算法在搜索時容易陷入局部最優和螞蟻搜索容易偏離路徑終點的情況，提出2-opt策略以跳出局部最優，加入方向因子為螞蟻搜索提供方向，提高算法的性能。典型的路徑規劃是在有妨礙機器人正常工作時，機器人需要尋找到一條從初始位置到終點位置的最優路徑，評價路徑最優的標準就是路徑是否最短。

2改進蟻群算法的實現

2.1基本原理

蟻群算法優化過程的本質在于：（1）選擇機制。路徑上信息素濃度越大，后續螞蟻選擇該路徑的幾率也越大。（2）更新機制。經過螞蟻的數量越多，信息素濃度越高，以此同時，信息素濃度也會跟著時間的推移而降低。（3）協調機制。螞蟻之間是通過通信進行協調工作，因此蟻群算法得到解的質量很高。

2.2改進蟻群算法

由于蟻群優化算法作為一種新的啟發式搜索算法，自適應性、魯棒性好，但是在蟻群搜索過程中，當問題規模較大時，需要花費大量的時間，另外易陷入局部解。算法的正反饋機制保證了算法的搜索過程朝著問題最優解的方向進行，然而，由于蟻群算法的正反饋特性，很容易將蟻群搜索集中在某些路徑上，導致無法進一步探索其他路徑。此時，算法的搜索容易停滯，陷入局部最優解，問題的規模越大，這種現象就越明顯。同時初始參數的設置對算法有很大的影響，初始參數的設置雖然不影響收斂性，但對最終的優化結果影響很大。如果在蟻群搜索過程中，能在初始操作階段得到合理的參數和較好的初始解，就能引導蟻群朝著正確的方向搜索，其速度將大大提高。鑒于以上問題對蟻群算法進行了改進。

2.3局部優化

蟻群算法的信息素更新方式具有正反饋性。正反饋能夠提高算法的收斂速度，但也易陷入局部最優，無論后續增加多少的迭代次數，仍然無法跳出。為此，在蟻群算法中加入k-optimization（k-opt）策略，能夠改善這一情況，增強蟻群算法跳出局部最優的能力。其中2-opt在面對城市的數量較少的情況下，既可以跳出局部最優，又可以花費較少的時間，提高算法效率，因此而得到推崇。2-opt方法的基本原理就是在一條完整的漢密爾頓回路（HamiltonTour）上通過改變連接兩個城市之間的路徑，算法會在一定范圍之內進行搜索。假設全局最優路徑為1-2-3-4-5-6-7-8-9-1，子路徑2-3-4-5變為2-4-3-5，交換之后的路徑長度大于交換之前，則保持路徑，繼續搜索，直至搜索到比交換之前路徑短的情況或者交換之前的路徑為最短路徑停止，繼續下一階段的搜索。這種局部優化雖然能夠提高解的質量，但是同時消耗過多時間。

3算法的仿真及分析

該仿真的主要目的是驗證本文提出的改進蟻群算優于基本蟻群算法和遺傳算法。在其他參數不變的情況下，重復實驗30次，根據經典蟻群算法和改進之后的蟻群算法仿真結果的對比，如表1所示，改進蟻群算法在計算效率方面明顯優于經典蟻群算法，而且能夠搜索出更加優秀的路徑。從收斂曲線中可以得到，改進蟻群算法的收斂性明顯優路徑長于基本蟻群算法。

結束語

本文針對飛機壁板鉆鉚過程中刀具空行的路徑進行了規劃。首先對走刀的路徑規劃問題進行了數學描述，對于蟻群算法搜索容易偏離路徑終點和容易陷入局部最優解的缺陷，提出一種改進蟻群算法（IACO）。通過加入2-opt策略，改變了兩個“城市”間的路徑，提高解的質量，同時將激勵函數Sigmoid與方向因子相結合，為螞蟻搜索提供方向保證，減少較差解的產生。通過比較改進前后算法的迭代次數、路徑長度，證實改進算法確實對路徑的規劃起到優化作用。

參考文獻：

[1]俞鴻均.面向自動鉆鉚機的飛機柔性工裝設計技術研究[D].沈陽：沈陽航空航天大學，2016.