數(shù)字化自動鉚接技術(shù)在飛機(jī)設(shè)計(jì)與制造中的應(yīng)用

紀(jì)巧 邢萌

摘? 要：飛機(jī)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(yīng)力場發(fā)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(jī)裝配過程中壁板的外形精度對飛機(jī)的飛行性能至關(guān)重要，為保證裝配質(zhì)量，減小鉚接變形，需同時(shí)保證干涉量的均勻程度和壁板的變形程度。

關(guān)鍵詞：數(shù)字化自動鉆鉚技術(shù);飛機(jī)制造;應(yīng)用

前言

近年來，航空制造業(yè)發(fā)展迅速，作為鉆鉚技術(shù)的應(yīng)用對象，飛機(jī)壁板加工的孔位數(shù)量越來越多并且分布較散亂，為了縮短加工時(shí)間，需要對鉆鉚的順序進(jìn)行規(guī)劃。

1研究基礎(chǔ)

目前，國內(nèi)外學(xué)者在鉚接參數(shù)對鉚接變形、殘余應(yīng)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(shí)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(jìn)行鉚接工藝參數(shù)預(yù)測和優(yōu)化時(shí)，國內(nèi)外學(xué)者建立的代理模型多為響應(yīng)面模型、多項(xiàng)式擬合和徑向基函數(shù)等方法，基于智能算法和機(jī)器學(xué)習(xí)等前沿方法的優(yōu)化較少。通過數(shù)值模擬的方法，分析了工藝參數(shù)對鉚接殘余應(yīng)力的影響，結(jié)果表明，殘余應(yīng)力和鉚釘長度、鉚釘與釘孔間隙的大小有關(guān)，并得出殘余應(yīng)力與釘桿長度以及孔隙的二次擬合關(guān)系式。研究了可控工藝參數(shù)（鉚接順序、鉚釘間距和板件之間的間隙）對鉚接搭接質(zhì)量和成形釘頭質(zhì)量的影響，并采用正交試驗(yàn)的方法對仿真數(shù)據(jù)進(jìn)行了分析，得出對于20.32cm的標(biāo)稱鉚釘，最佳的鉚接順序?yàn)?–3–2、最佳的鉚釘間距為1.59cm和最佳的板件間隙為0.013cm。結(jié)合G86自動鉆鉚系統(tǒng)，采用正交試驗(yàn)的方法分析了壓鉚力、夾緊力等鉚接參數(shù)對鉚接質(zhì)量的影響，并在此基礎(chǔ)上得出了一組最優(yōu)參數(shù)組合。上述兩種研究方法都沒有把離散問題轉(zhuǎn)化為連續(xù)問題，采用正交試驗(yàn)所獲得的優(yōu)化結(jié)果只能是正交試驗(yàn)所用水平的某種組合，優(yōu)化結(jié)果不可靠。采用響應(yīng)面法對鉚接工藝參數(shù)進(jìn)行優(yōu)化，雖然可以把離散的數(shù)據(jù)轉(zhuǎn)化為連續(xù)的多項(xiàng)式函數(shù)，進(jìn)而在優(yōu)化的過程中遍歷整個(gè)自變量的區(qū)間范圍，但是鉚接是一個(gè)復(fù)雜非線性的過程，簡單的多項(xiàng)式函數(shù)逼近復(fù)雜非線性問題的描述能力較弱，而且響應(yīng)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(shí)容易陷入局部最優(yōu)和螞蟻搜索容易偏離路徑終點(diǎn)的情況，提出2-opt策略以跳出局部最優(yōu)，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(guī)劃是在有妨礙機(jī)器人正常工作時(shí)，機(jī)器人需要尋找到一條從初始位置到終點(diǎn)位置的最優(yōu)路徑，評價(jià)路徑最優(yōu)的標(biāo)準(zhǔn)就是路徑是否最短。

2改進(jìn)蟻群算法的實(shí)現(xiàn)

2.1基本原理

蟻群算法優(yōu)化過程的本質(zhì)在于：（1）選擇機(jī)制。路徑上信息素濃度越大，后續(xù)螞蟻選擇該路徑的幾率也越大。（2）更新機(jī)制。經(jīng)過螞蟻的數(shù)量越多，信息素濃度越高，以此同時(shí)，信息素濃度也會跟著時(shí)間的推移而降低。（3）協(xié)調(diào)機(jī)制。螞蟻之間是通過通信進(jìn)行協(xié)調(diào)工作，因此蟻群算法得到解的質(zhì)量很高。

2.2改進(jìn)蟻群算法

由于蟻群優(yōu)化算法作為一種新的啟發(fā)式搜索算法，自適應(yīng)性、魯棒性好，但是在蟻群搜索過程中，當(dāng)問題規(guī)模較大時(shí)，需要花費(fèi)大量的時(shí)間，另外易陷入局部解。算法的正反饋機(jī)制保證了算法的搜索過程朝著問題最優(yōu)解的方向進(jìn)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(dǎo)致無法進(jìn)一步探索其他路徑。此時(shí)，算法的搜索容易停滯，陷入局部最優(yōu)解，問題的規(guī)模越大，這種現(xiàn)象就越明顯。同時(shí)初始參數(shù)的設(shè)置對算法有很大的影響，初始參數(shù)的設(shè)置雖然不影響收斂性，但對最終的優(yōu)化結(jié)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(shù)和較好的初始解，就能引導(dǎo)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(jìn)行了改進(jìn)。

2.3局部優(yōu)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(yōu)，無論后續(xù)增加多少的迭代次數(shù)，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(qiáng)蟻群算法跳出局部最優(yōu)的能力。其中2-opt在面對城市的數(shù)量較少的情況下，既可以跳出局部最優(yōu)，又可以花費(fèi)較少的時(shí)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(gè)城市之間的路徑，算法會在一定范圍之內(nèi)進(jìn)行搜索。假設(shè)全局最優(yōu)路徑為1-2-3-4-5-6-7-8-9-1，子路徑2-3-4-5變?yōu)?-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(xù)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(xù)下一階段的搜索。這種局部優(yōu)化雖然能夠提高解的質(zhì)量，但是同時(shí)消耗過多時(shí)間。

3算法的仿真及分析

該仿真的主要目的是驗(yàn)證本文提出的改進(jìn)蟻群算優(yōu)于基本蟻群算法和遺傳算法。在其他參數(shù)不變的情況下，重復(fù)實(shí)驗(yàn)30次，根據(jù)經(jīng)典蟻群算法和改進(jìn)之后的蟻群算法仿真結(jié)果的對比，如表1所示，改進(jìn)蟻群算法在計(jì)算效率方面明顯優(yōu)于經(jīng)典蟻群算法，而且能夠搜索出更加優(yōu)秀的路徑。從收斂曲線中可以得到，改進(jìn)蟻群算法的收斂性明顯優(yōu)路徑長于基本蟻群算法。

結(jié)束語

本文針對飛機(jī)壁板鉆鉚過程中刀具空行的路徑進(jìn)行了規(guī)劃。首先對走刀的路徑規(guī)劃問題進(jìn)行了數(shù)學(xué)描述，對于蟻群算法搜索容易偏離路徑終點(diǎn)和容易陷入局部最優(yōu)解的缺陷，提出一種改進(jìn)蟻群算法（IACO）。通過加入2-opt策略，改變了兩個(gè)“城市”間的路徑，提高解的質(zhì)量，同時(shí)將激勵函數(shù)Sigmoid與方向因子相結(jié)合，為螞蟻搜索提供方向保證，減少較差解的產(chǎn)生。通過比較改進(jìn)前后算法的迭代次數(shù)、路徑長度，證實(shí)改進(jìn)算法確實(shí)對路徑的規(guī)劃起到優(yōu)化作用。

參考文獻(xiàn)：

[1]俞鴻均.面向自動鉆鉚機(jī)的飛機(jī)柔性工裝設(shè)計(jì)技術(shù)研究[D].沈陽：沈陽航空航天大學(xué)，2016.