数字化自动铆接技术在飞机设计与制造中的应用

纪巧 邢萌

摘  要：飞机壁板装配常采用铆接的方式，其中自动钻铆大量采用干涉连接，而干涉连接会使孔周围的应力场发生变化，干涉量不均匀会造成被连接件的扭曲和弯曲变形，而飞机装配过程中壁板的外形精度对飞机的飞行性能至关重要，为保证装配质量，减小铆接变形，需同时保证干涉量的均匀程度和壁板的变形程度。

关键词：数字化自动钻铆技术;飞机制造;应用

前言

近年来，航空制造业发展迅速，作为钻铆技术的应用对象，飞机壁板加工的孔位数量越来越多并且分布较散乱，为了缩短加工时间，需要对钻铆的顺序进行规划。

1研究基础

目前，国内外学者在铆接参数对铆接变形、残余应力、干涉量大小、镦头尺寸等方面的影响开展了大量研究，但是同时考虑干涉均匀程度和壁板的变形程度的研究较少。此外，在进行铆接工艺参数预测和优化时，国内外学者建立的代理模型多为响应面模型、多项式拟合和径向基函数等方法，基于智能算法和机器学习等前沿方法的优化较少。通过数值模拟的方法，分析了工艺参数对铆接残余应力的影响，结果表明，残余应力和铆钉长度、铆钉与钉孔间隙的大小有关，并得出残余应力与钉杆长度以及孔隙的二次拟合关系式。研究了可控工艺参数（铆接顺序、铆钉间距和板件之间的间隙）对铆接搭接质量和成形钉头质量的影响，并采用正交试验的方法对仿真数据进行了分析，得出对于20.32cm的标称铆钉，最佳的铆接顺序为1–3–2、最佳的铆钉间距为1.59cm和最佳的板件间隙为0.013cm。结合G86自动钻铆系统，采用正交试验的方法分析了压铆力、夹紧力等铆接参数对铆接质量的影响，并在此基础上得出了一组最优参数组合。上述两种研究方法都没有把离散问题转化为连续问题，采用正交试验所获得的优化结果只能是正交试验所用水平的某种组合，优化结果不可靠。采用响应面法对铆接工艺参数进行优化，虽然可以把离散的数据转化为连续的多项式函数，进而在优化的过程中遍历整个自变量的区间范围，但是铆接是一个复杂非线性的过程，简单的多项式函数逼近复杂非线性问题的描述能力较弱，而且响应面代理模型的精度至今悬而未解。本文针对蚁群算法在搜索时容易陷入局部最优和蚂蚁搜索容易偏离路径终点的情况，提出2-opt策略以跳出局部最优，加入方向因子为蚂蚁搜索提供方向，提高算法的性能。典型的路径规划是在有妨碍机器人正常工作时，机器人需要寻找到一条从初始位置到终点位置的最优路径，评价路径最优的标准就是路径是否最短。

2改进蚁群算法的实现

2.1基本原理

蚁群算法优化过程的本质在于：（1）选择机制。路径上信息素浓度越大，后续蚂蚁选择该路径的几率也越大。（2）更新机制。经过蚂蚁的数量越多，信息素浓度越高，以此同时，信息素浓度也会跟着时间的推移而降低。（3）协调机制。蚂蚁之间是通过通信进行协调工作，因此蚁群算法得到解的质量很高。

2.2改进蚁群算法

由于蚁群优化算法作为一种新的启发式搜索算法，自适应性、鲁棒性好，但是在蚁群搜索过程中，当问题规模较大时，需要花费大量的时间，另外易陷入局部解。算法的正反馈机制保证了算法的搜索过程朝着问题最优解的方向进行，然而，由于蚁群算法的正反馈特性，很容易将蚁群搜索集中在某些路径上，导致无法进一步探索其他路径。此时，算法的搜索容易停滞，陷入局部最优解，问题的规模越大，这种现象就越明显。同时初始参数的设置对算法有很大的影响，初始参数的设置虽然不影响收敛性，但对最终的优化结果影响很大。如果在蚁群搜索过程中，能在初始操作阶段得到合理的参数和较好的初始解，就能引导蚁群朝着正确的方向搜索，其速度将大大提高。鉴于以上问题对蚁群算法进行了改进。

2.3局部优化

蚁群算法的信息素更新方式具有正反馈性。正反馈能够提高算法的收敛速度，但也易陷入局部最优，无论后续增加多少的迭代次数，仍然无法跳出。为此，在蚁群算法中加入k-optimization（k-opt）策略，能够改善这一情况，增强蚁群算法跳出局部最优的能力。其中2-opt在面对城市的数量较少的情况下，既可以跳出局部最优，又可以花费较少的时间，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条完整的汉密尔顿回路（HamiltonTour）上通过改变连接两个城市之间的路径，算法会在一定范围之内进行搜索。假设全局最优路径为1-2-3-4-5-6-7-8-9-1，子路径2-3-4-5变为2-4-3-5，交换之后的路径长度大于交换之前，则保持路径，继续搜索，直至搜索到比交换之前路径短的情况或者交换之前的路径为最短路径停止，继续下一阶段的搜索。这种局部优化虽然能够提高解的质量，但是同时消耗过多时间。

3算法的仿真及分析

该仿真的主要目的是验证本文提出的改进蚁群算优于基本蚁群算法和遗传算法。在其他参数不变的情况下，重复实验30次，根据经典蚁群算法和改进之后的蚁群算法仿真结果的对比，如表1所示，改进蚁群算法在计算效率方面明显优于经典蚁群算法，而且能够搜索出更加优秀的路径。从收敛曲线中可以得到，改进蚁群算法的收敛性明显优路径长于基本蚁群算法。

结束语

本文针对飞机壁板钻铆过程中刀具空行的路径进行了规划。首先对走刀的路径规划問题进行了数学描述，对于蚁群算法搜索容易偏离路径终点和容易陷入局部最优解的缺陷，提出一种改进蚁群算法（IACO）。通过加入2-opt策略，改变了两个“城市”间的路径，提高解的质量，同时将激励函数Sigmoid与方向因子相结合，为蚂蚁搜索提供方向保证，减少较差解的产生。通过比较改进前后算法的迭代次数、路径长度，证实改进算法确实对路径的规划起到优化作用。

参考文献：

[1]俞鸿均.面向自动钻铆机的飞机柔性工装设计技术研究[D].沈阳：沈阳航空航天大学，2016.