李現(xiàn)坤,曾德標(biāo),楚王偉,伍承旭
(1.成都飛機(jī)工業(yè)(集團(tuán))有限責(zé)任公司,四川成都610092;2.四川省航空智能制造裝備工程技術(shù)研究中心,四川成都610092)
在飛機(jī)裝配過程中,型架定位器狀態(tài)的穩(wěn)定性關(guān)系著飛機(jī)各個(gè)部件的裝配精度,是保證飛機(jī)裝配質(zhì)量和協(xié)調(diào)性的重要指標(biāo)[1-6]。目前,針對(duì)定位器位置的檢測(cè),主要采用直接測(cè)量的方式:首先采用激光跟蹤儀對(duì)現(xiàn)場(chǎng)基準(zhǔn)點(diǎn)進(jìn)行測(cè)量和擬合,然后依次檢測(cè)各個(gè)定位器的位置是否滿足要求,如不滿足,則通過人工調(diào)整的方式使定位器滿足定位精度要求。然而,由于型架結(jié)構(gòu)較大,測(cè)量視線容易被遮擋,導(dǎo)致個(gè)別定位器位置無法被檢測(cè)到。此外,由于成本所限,只能對(duì)定位器進(jìn)行逐個(gè)檢測(cè),而無法同時(shí)對(duì)所有定位器進(jìn)行檢測(cè),這可能造成個(gè)別定位器位置偏差過大,從而影響飛機(jī)裝配質(zhì)量[7-8]。
為了實(shí)現(xiàn)飛機(jī)裝配過程中型架定位器位置的準(zhǔn)確檢測(cè),筆者提出了一種基于光纖應(yīng)變傳感器的定位器位置檢測(cè)方法:利用光纖應(yīng)變傳感器采集型架主體及定位器組件關(guān)鍵特征部位的位置信息,并采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)采集的數(shù)據(jù)進(jìn)行分析和處理,建立飛機(jī)型架不同區(qū)域應(yīng)變量與定位器位置變化量之間的映射關(guān)系,實(shí)現(xiàn)對(duì)飛機(jī)裝配過程中定位器位置的實(shí)時(shí)檢測(cè)[9]。
飛機(jī)裝配現(xiàn)場(chǎng)環(huán)境惡劣,傳統(tǒng)應(yīng)變傳感器在粘貼、布線等方面難以滿足使用要求。光纖應(yīng)變傳感器具有體積小、質(zhì)量小、精度高等優(yōu)點(diǎn)[10-13],容易實(shí)現(xiàn)對(duì)被測(cè)信號(hào)的遠(yuǎn)距離檢測(cè),同時(shí)具有高度的集成性,即在一根光纖上可以串行或并行多個(gè)傳感器,可同時(shí)傳輸多種信號(hào)。光纖應(yīng)變傳感器利用光導(dǎo)纖維的傳光特性,將來自光源的光傳入調(diào)制器。在調(diào)制器內(nèi),由于應(yīng)變與光的相互作用,使得纖芯的有效折射率和光柵周期發(fā)生變化,進(jìn)而導(dǎo)致纖芯的中心波長(zhǎng)發(fā)生變化。通過檢測(cè)反射或透射中心波長(zhǎng)的漂移量,可以得到應(yīng)變的變化。根據(jù)光纖光柵的布拉格方程,得出波長(zhǎng)漂移與應(yīng)變之間的關(guān)系:
式中:λB為中心波長(zhǎng);ΔλB為波長(zhǎng)的偏移;Kε為光纖靈敏度系數(shù),可以根據(jù)光纖的固有屬性計(jì)算得出;εz為應(yīng)變大小;為光柵的有效折射率;p11和p12均為石英的彈光系數(shù);u為石英光纖的泊松比。
飛機(jī)型架結(jié)構(gòu)復(fù)雜,其應(yīng)變量與定位器位置變化量之間的數(shù)學(xué)關(guān)系很難通過簡(jiǎn)單的計(jì)算來獲取。因此,將型架應(yīng)變與定位器位置變化之間的關(guān)系看作黑箱問題,基于BP神經(jīng)網(wǎng)絡(luò)算法,以大量輸入與輸出數(shù)據(jù)作為支撐,獲取型架應(yīng)變與定位器位置變化的傳遞關(guān)系?;诙鄬忧梆伨W(wǎng)絡(luò)構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層和輸出層組成,其結(jié)構(gòu)如圖1所示。理論上,3層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)能以任意精度逼近復(fù)雜的非線性函數(shù)關(guān)系[14-18]。
圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of BP neural network
圖1中:輸入層有m個(gè)神經(jīng)元,其輸入矢量x∈?m,x=(x1,x2,…,xM)T;隱藏層有j個(gè)神經(jīng)元,其輸出矢量v∈?j,v=(v1,v2,…,vJ)T;輸出層有p個(gè)神經(jīng)元,其輸出矢量y∈?p,y=(y1,y2,…,yP)T;期望輸出矢量d∈?p,d=(d1,d2,…,dP)T;輸入層到隱藏層的權(quán)重為ωmj,閾值為θj;隱藏層到輸出層的權(quán)重為ωjp,閾值為θp。
BP神經(jīng)網(wǎng)絡(luò)算法的計(jì)算過程分為2步:一是輸入信息的正向傳播;二是計(jì)算誤差的反向傳播。在信息的正向傳播過程中,輸入信號(hào)從輸入層通過激活函數(shù)向隱含層和輸出層傳播。如果在輸出層得不到期望的輸出值,即輸出值與目標(biāo)值的誤差較大,則將誤差信號(hào)由輸出層向輸入層逐層反推,修改各層神經(jīng)元之間的權(quán)重和閾值,以使神經(jīng)網(wǎng)絡(luò)朝誤差減小的方向變化。當(dāng)達(dá)到期望的預(yù)測(cè)精度時(shí),計(jì)算停止,此時(shí)得到的權(quán)重、閾值矩陣即為BP神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。BP神經(jīng)網(wǎng)絡(luò)模型中各變量之間的關(guān)系如下:
式中:Ep為訓(xùn)練樣本的總誤差。
為了驗(yàn)證本文提出方法的有效性,選定某型工藝裝備,搭建如圖2所示的試驗(yàn)平臺(tái),該平臺(tái)包括型架主體、定位器組件、光纖、應(yīng)變傳感器及多角度加載裝置。在實(shí)際裝配過程中,由于裝配工藝流程不同,定位器末端受到的載荷也不同。多角度加載裝置可根據(jù)裝配過程中定位器的實(shí)際受載范圍,對(duì)它施加不同大小和方向的載荷。在試驗(yàn)過程中,通過對(duì)定位器組件末端施加不同大小和方向的載荷,使得型架主體及定位器組件產(chǎn)生應(yīng)變,同時(shí)使定位點(diǎn)偏離理論位置。
圖2 型架定位器位置檢測(cè)試驗(yàn)平臺(tái)Fig.2 Test platform for position detection of jig positioner
3.2.1 樣本數(shù)據(jù)
輸入數(shù)據(jù)通過多角度加載裝置獲取。如圖3所示,多角度加載裝置包括4個(gè)加載平面,每個(gè)加載平面均可對(duì)定位器末端施加0°,±15°,±30°,±45°和±60°方向的載荷。在試驗(yàn)過程中,通過改變加載平面、加載角度和載荷大小來實(shí)現(xiàn)定位器末端不同的加載。記錄加載時(shí)光纖應(yīng)變傳感器采集的應(yīng)變量和定位點(diǎn)的位置變化量,將它們作為后續(xù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練及驗(yàn)證的樣本數(shù)據(jù)。
圖3 多角度加載裝置結(jié)構(gòu)示意圖Fig.3 Structure diagram of multi-angle loading device
3.2.2 試驗(yàn)結(jié)果與分析
利用MATLAB軟件的newff函數(shù)創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)模型,隱藏層的傳輸函數(shù)選用tansig函數(shù),輸出層選用purelin函數(shù)。輸入層和輸出層的神經(jīng)元個(gè)數(shù)由輸入和輸出樣本的維度確定,其中:輸入層神經(jīng)元個(gè)數(shù)為16個(gè),輸出層神經(jīng)元個(gè)數(shù)為3個(gè),根據(jù)試算法確定隱藏層神經(jīng)元個(gè)數(shù)為10個(gè),則構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)為“16-10-3”。
1)偏移角度對(duì)模型預(yù)測(cè)精度的影響。
為了驗(yàn)證加載偏移角度對(duì)訓(xùn)練后BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度的影響,在某一加載平面內(nèi),選取加載角度為0°時(shí)獲得的輸入和輸出數(shù)據(jù)200組,作為BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本。選取加載角度為15°,30°,45°,60°時(shí)獲得的數(shù)據(jù)(各20組),將其輸出數(shù)據(jù)作為驗(yàn)證樣本,以此分析偏移角度對(duì)訓(xùn)練后BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度的影響規(guī)律。實(shí)驗(yàn)結(jié)果如圖4所示。
圖4 偏移角度對(duì)BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度的影響Fig.4 Effect of migration angle on BP neural network model prediction accuracy
由圖4可以看出:隨著偏移角度的增大,其訓(xùn)練模型的預(yù)測(cè)精度下降;當(dāng)偏移角度大于30°時(shí),精度超過0.10 mm,超出定位器的定位精度要求。
2)型架定位器在平面內(nèi)受載時(shí)的試驗(yàn)結(jié)果與分析。
根據(jù)上述偏移角度對(duì)訓(xùn)練后BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度的影響結(jié)果,任意選取某一加載平面,分別選取加載角度為0°,±30°和±60°時(shí)獲得的輸入和輸出數(shù)據(jù)各50組,作為該加載平面的BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本。選取加載角度為±15°和±45°時(shí)獲得的數(shù)據(jù)各20組,將其輸出數(shù)據(jù)作為驗(yàn)證樣本,檢測(cè)BP神經(jīng)網(wǎng)絡(luò)模型對(duì)定位器在平面內(nèi)受載時(shí)位置變化的預(yù)測(cè)精度。實(shí)驗(yàn)結(jié)果如圖5所示。
由圖5可以看出,當(dāng)訓(xùn)練樣本數(shù)量一定時(shí),在平面范圍內(nèi),模型的預(yù)測(cè)精度與載荷角度無關(guān),僅與偏離角度有關(guān)。以30°的間隔選取加載位置,訓(xùn)練后模型的預(yù)測(cè)精度較高,滿足定位精度要求。
3)型架定位器空間受載時(shí)的試驗(yàn)結(jié)果與分析。
圖5 型架定位器在平面內(nèi)受載時(shí)BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度Fig.5 Prediction accuracy of BP neural network model with jig positioner loaded in a plane
根據(jù)上述實(shí)驗(yàn)結(jié)果,對(duì)定位器受載空間進(jìn)行分割,選取加載平面1和3,在每個(gè)加載平面內(nèi)選取0°,±30°和±60°的加載角度,以空間90°間隔、平面30°間隔選取加載位置,在每個(gè)加載位置上獲取輸入和輸出數(shù)據(jù)100組,作為BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本。在加載平面2和4中隨機(jī)獲取不同角度的數(shù)據(jù)各20組,將其輸出數(shù)據(jù)作為驗(yàn)證樣本,檢測(cè)BP神經(jīng)網(wǎng)絡(luò)模型對(duì)定位器以空間90°間隔受載時(shí)位置變化的預(yù)測(cè)精度。實(shí)驗(yàn)結(jié)果如圖6所示。
圖6 型架定位器以空間90°間隔受載時(shí)BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度Fig.6 Prediction accuracy of BP neural network model with jig positioner loaded at a space interval of 90°
在加載平面1,2,3,4內(nèi)選取0°,±30°和±60°的加載角度,以空間45°間隔、平面30°間隔選取加載位置,在每個(gè)加載位置上獲取輸入和輸出數(shù)據(jù)50組,作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。旋轉(zhuǎn)多角度加載裝置,以旋轉(zhuǎn)后獲取的輸出數(shù)據(jù)作為驗(yàn)證樣本,檢測(cè)BP神經(jīng)網(wǎng)絡(luò)模型對(duì)定位器以空間45°間隔受載時(shí)位置變化的預(yù)測(cè)精度。實(shí)驗(yàn)結(jié)果如圖7所示。
圖7 型架定位器以空間45°間隔受載時(shí)BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度Fig.7 Prediction accuracy of BP neural network model with jig positioner loaded at a space interval of 45°
由圖6和圖7可知:對(duì)于空間范圍內(nèi)某一加載平面,隨著偏移角度的增大,模型的預(yù)測(cè)精度降低;隨著空間加載間隔的縮小,模型在同一加載角度下的預(yù)測(cè)精度提高。在一定空間范圍內(nèi),模型的預(yù)測(cè)精度與加載位置的間隔有關(guān):加載位置的間隔越小,覆蓋率越高,在該空間范圍內(nèi)模型的預(yù)測(cè)精度越高。
本文提出一種基于光纖應(yīng)變傳感器的型架定位器位置檢測(cè)方法。搭建了型架定位器位置檢測(cè)試驗(yàn)平臺(tái),采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行分析和處理,建立型架不同區(qū)域的應(yīng)變與定位器位置變化量之間的數(shù)學(xué)模型,對(duì)裝配過程中定位器位置進(jìn)行實(shí)時(shí)檢測(cè)。
1)由試驗(yàn)結(jié)果可知,BP神經(jīng)網(wǎng)絡(luò)模型對(duì)定位器位置變化的預(yù)測(cè)精度滿足定位要求,驗(yàn)證了本文方法的可行性,具有實(shí)際應(yīng)用價(jià)值。
2)型架不同區(qū)域的應(yīng)變通過光纖應(yīng)變傳感器獲取,投入成本較低,易于推廣和應(yīng)用。
3)與傳統(tǒng)的用數(shù)字化設(shè)備直接測(cè)量的方式相比,采用間接的方式檢測(cè)定位器的位置,彌補(bǔ)了因視線遮擋而造成個(gè)別定位器位置無法被檢測(cè)的缺陷。通過對(duì)裝配過程中所有定位器位置進(jìn)行實(shí)時(shí)檢測(cè),解決了定位器位置偏差過大造成的飛機(jī)部件檢測(cè)質(zhì)量差的問題,提升了飛機(jī)的裝配質(zhì)量。