基于模塊化的纏繞機設計方法

徐小明， 張武翔*， 丁希侖

(北京航空航天大學 機械工程及自動化學院, 北京 100083)

碳纖維復合材料具有超高模、耐腐蝕、低熱膨脹系數和可設計性強等性能，可以制備出熱膨脹系數為零的承力結構件[1]，在航空航天等領域中得到廣泛應用[2]。纏繞成型是進行大批量生產的有效工藝方法，纏繞機是實現該工藝的核心裝備。隨著碳纖維復合材料制品的應用范圍越來越廣泛，客戶需求呈現出多樣化和定制化的特點，客戶在多品種、小批量、高質量方面的要求使纏繞成型制造等高端制造面臨著嚴峻的挑戰[3]。

模塊化設計方法(Modular Design Method，MDM)是實現產品快速設計的有效手段，通過對產品進行功能分解，從而劃分出一系列的通用化模塊，建立產品的模塊化體系。當客戶的需求發生變化時，通過具有特定功能的模塊的選擇和組合重構系統功能，從而實現產品的快速響應設計[4]。采用模塊化設計方法可以實現高效產品升級、降低復雜性、降低費用、實現快速產品設計[5]。

在機械系統的模塊化設計方法中，Stone等[6]以客戶需求程度作為衡量標準，通過定量框架的方法量化功能與客戶需求之間的關系，提出一種啟發式的模塊分類方法。Kreng 和 Lee[7]以模塊內組件的功能和物理聯系最大、模塊內組件的模塊驅動力(MDF)的相似性最大為目標進行模塊劃分。Wei等[8]以模塊之間的內部關聯最大、模塊之間的互相關聯最小、系統的整體穩定性最大為目標采用多目標優化求解方法進行模塊劃分。Jose和Tollenaere[9]將模塊化設計方法分為5類：聚類方法[10]，圖論和矩陣分割方法[11]，數學規劃方法[12]，人工智能方法[13-14]，遺傳算法和啟發式方法[15]。

陸良等[16]采用模塊化方法將汽車的硬件控制電路和軟件算法劃分為標準模塊，通過模塊的合理組合完成汽車控制電器的軟硬件設計。Pritschow等[17]提出控制系統的模塊化設計方法應滿足標準化、可擴展性、互換性和實效性要求，并基于控制模型庫實現控制系統重構。何嶺松等[18]基于模型組件對象(Compent Object Model,COM)技術提出軟件總線結構的裝配式可重構虛擬儀器系統，實現測試系統的在線升級和功能調整。

當前的研究缺乏針對機械結構、控制器和控制軟件的模塊化總體設計方法的研究。本文針對纏繞機的結構組成特點，提出適應不同纏繞工藝(干法、濕法和半干法)的模塊化重構方法，拓展纏繞機的功能多樣性。

1 總體設計

纏繞機的模塊化設計方法包括模塊劃分和模塊配置方法。模塊劃分將纏繞機的組件根據功能和結構聚類為標準模塊，并根據功能和工藝的不同設計模塊實例，模塊實例之間具有標準化和通用化的接口；根據產品的需求變化，將不同功能的實例進行增減和替換，以實現產品功能的快速重構。

纏繞機機電系統的模塊化設計模型如圖1所示，分別建立模塊化的機械結構、控制器和控制軟件。機械結構的模塊化配置方法是控制器和軟件配置的基礎；控制器根據機械結構的模塊配置結果選擇對應的傳感模塊和控制模塊，并通過網絡接口連接到現場總線；控制軟件根據控制模塊的連接狀態對控制模式進行分類，解析每個控制模塊之間的狀態轉移關系，并調用對應的軟件模塊完成軟件的功能重構。

機械系統的模塊劃分和模塊配置是進行系統模塊化設計方法的基礎，控制器通過機電接口與機械結構連接，其模塊劃分和配置粒度與機械結構保持一致，控制軟件通過現場總線與控制器進行連接和數據交換。因此，纏繞機的模塊化設計問題分為：

1) 機械結構的模塊劃分和模塊配置問題。

2)控制器的接口標準化方法和控制系統的組合重構問題。

圖1 纏繞機機電系統模塊化設計模型Fig.1 Modular design model for mechatronic system of winding machine

3) 控制軟件的控制模式劃分和軟件模塊重構問題。

本文針對上述3個問題進行研究，分別提出相應的模塊化設計方法。

2 模塊劃分

2.1 機械結構模塊劃分

2.1.1 模塊劃分數學模型

模塊劃分將纏繞機的獨立組件根據相互關聯強度和功能相似度聚類為功能模塊。首先分析組件之間的關聯強度，然后依據劃分準則建立模塊劃分的數學模型，求解模型得到組件的聚類結果。從功能關聯和全生命周期的穩定性角度，模塊劃分的準則為：①同一個模塊內部組件之間的功能關聯、幾何關聯最大；②產品全生命周期的穩定性最大，即影響產品全生命周期的模塊驅動力的組件應該劃分在同一個模塊中。

根據準則①，組件之間的功能和幾何位置關聯強度矩陣為

(1)

式中：n為系統中的組件的數量；Ff,ij為組件i與組件j之間的功能關聯強度；Fg,ij為組件i與組件j之間的幾何位置關聯強度，其值9、3、1和0分別表示強關聯、一般關聯、弱關聯和無關聯，相同組件關于其自身的關聯強度為1。根據Ff和Fg可以得到描述組件之間總體功能關系的綜合關聯矩陣Y

Y=ωfFf+ωgFg

(2)

式中：ωf為功能關聯的權重值；ωg為幾何位置關聯的權重值，其關系滿足ωf+ωg=1。

除了組件之間的功能和幾何位置關聯，纏繞機在全生命周期的穩定性是影響生產效率、產品質量的關鍵因素，因此應分析影響穩定性的關鍵設計因素，即模塊驅動力。在模塊劃分過程中，對于模塊驅動力有相似貢獻度的組件應該劃分在一個模塊中，一個模塊內的模塊驅動力的更高相似性會使模塊化的系統更加穩定。組件與模塊驅動力的關聯矩陣為

(3)

式中：fij為第i個模塊驅動力與第j個組件之間的關聯程度，其值9、3、1和0分別表示強關聯、中等關聯、弱關聯和無關聯。

由K個模塊組成的系統可以用矩陣G=[gjk]表示，其中：

根據組件的綜合關聯矩陣，所有模塊的組件之間的總聚合度為

(4)

式中：yij為組件i與組件j之間的關于功能和幾何位置的綜合關聯強度；Gk為第k個模塊的相似度系數；Cmax為模塊之間的最大關聯度之和。

(5)

式中：ymax為組件之間關于功能和幾何位置的綜合關聯強度最大值，即ymax=9。

根據組件與模塊驅動力的關聯矩陣，模塊內部組件之間的相似度可以表示為

(6)

(7)

(8)

建立模塊劃分的目標函數為

maxZ=ωrIR(Y)+ωcIC(Y)

(9)

其約束條件為

(10)

2.1.2 模型求解

根據所建立的數學模型，模塊劃分問題轉化為最優化求解問題，在滿足約束條件的前提下尋找的最大Z值。Z值越大，模塊劃分的結果關于功能和穩定性最大。由于模塊劃分過程中模塊的數量和模塊中的組件數量是變化的，因此采用本文采用經過改進的組遺傳算法(Grouping Genetic Algorithm,GGA)進行模塊劃分的聚類求解。GGA的求解流程如圖2所示，包括基因編碼，交叉、變異、遺傳等操作，與常規遺傳算法不同的是，GGA以組為單位進行上述操作。根據遺傳算法的求解結果，將不同的組件聚類為模塊。

圖2 GGA求解流程Fig.2 Solving process for GGA

2.2 控制器和軟件模塊設計

控制器模塊劃分的粒度與機械結構保持一致，根據機械結構與控制器之間的接口可以完成控制器的模塊劃分。為了實現控制系統的重構功能，采用具有標準接口的分布式現場總線控制系統結構。控制器模塊均作為獨立的網絡節點，通過標準化的網絡接口連接到現場總線實現控制網絡。

纏繞機的控制器主要分為：基于模擬信號的控制器和基于總線通信的控制器，針對2類控制器，分別設計標準化的與主控制器之間的接口，以便在完成機械結構重構以后實現控制系統的快速重構。

對于模擬量輸入輸出、數字量輸入輸出類型的傳感器和驅動器，其接口設計如圖3所示，包括通信接口、電源接口、信號輸入/輸出接口和調試接口，通信接口用于向現場總線發送和接收傳感器信號和控制指令，用于接收傳感器信號時，微處理器采集傳感器的信號，根據配置文件將傳感器信號轉換為物理信號，通過通信接口上傳到控制軟件；用于控制驅動信號時，微處理器接收現場總線的控制指令，并根據配置文件轉換為相應的驅動信號驅動電機運行。

用于協議轉換的控制器接口設計如圖4所示，控制器的主要功能是將現場總線的控制指令轉換為電機驅動器的控制指令，通過協議轉換電路實現通信端口的電平轉換和控制指令編碼。

根據控制器的硬件組成和工藝參數要求，纏繞機的軟件模塊主要包括：通信管理模塊、溫度控制模塊、張力控制模塊和運行狀態檢測模塊。根據不同的控制算法和輸入輸出條件分別設計不同功能的軟件模塊。

圖3 模擬量/數字量控制器接口設計Fig.3 Interface design for analog/digital controller

圖4 通信協議轉換控制器接口設計Fig.4 Interface design for communication protocols converter

3 模塊配置

3.1 機械系統模塊配置

工藝參數調節系統的性能矢量為

P=(P1,P2,…,Pr,…,PR)T

采用層次分析法，其權重為

WP=(wP1,wP2,…,wPR)T

模塊實例和產品每一項性能的相關度矩陣Mp可以表示為

(11)

式中：τij,k為第i個模塊的第j個實例與第k項性能的相關度。

客戶對于所定制的產品需求矢量為

Cr=(C1,C2,…,Cq,…,CQ)T

采用層次分析法，其權重為

WC=(wC1,wC2,…,wCQ)T

產品需求和系統性能的相關度矩陣MC可以表示為

(12)

式中：γij為第i項系統性能和第j項產品需求之間的相關度。

根據相關度矩陣和權重值，針對需求矢量Cr的系統性能為

(13)

式中：F為系統性能的值，值越大表示系統的性能越好；σij為二元決策變量，表示模塊實例在配置產品的存在性，σij=1表示第i個模塊的第j個實例被配置在產品中，σij=0表示第i個模塊的第j個實例不被配置在產品中。

除了產品性能以外，生產成本是纏繞機系統設計過程中的另外一個考慮因素。第i個模塊中第j個實例的成本為

Cij=CM+CE+CrCR

(14)

式中：CM為生產過程中的材料成本；CE為生產過程中的維護成本，包括軸承、電機、傳感器等在高溫環境中工作的維護成本；CR為設備維護清洗時間；Cr為單位時間的人工成本。

由此可以得到產品配置的生產成本為

(15)

式中：Ca為模塊的裝配重組成本。由此，可以得到模塊化產品配置的目標函數為

約束條件為

(16)

式中：MCO為核心模塊的數量，每個核心模塊必須選擇一個實例；Mi為第i個模塊的實例數量；MO為可選模塊的數量，每個可選模塊最多選擇一個實例；Mk為第k個模塊的實例數量；Cmax為客戶所能接受的最大生產成本。

為了解決模塊配置中的多目標優化問題，采用基于快速分類的非支配遺傳算法(NSGA-Ⅱ)[19]搜索Pareto前沿。適應度的值由非支配排序級別確定，該排序級別使用快速非支配排序機制和不需要外部參數的擁擠距離以避免對于目標的偏好，并且使用精英策略以防止優秀個體的丟失。

3.2 控制系統模塊配置

根據機械結構的模塊配置，根據機電接口可以確定控制器的重構形式，并通過現場總線重構組成新的控制網絡。控制系統需要根據所連接的網絡節點，進行控制模式識別和軟件重構。控制系統的模塊化配置方法如圖5所示。控制器作為獨立的網絡節點通過網絡接口連接到上行總線和下行總線，并通過網絡控制器與控制軟件交換數據，控制模塊具有唯一的ID標識。控制軟件首先通過ID標識掃描控制模塊的連接狀態，根據預先定義的控制模式數據庫和控制模塊的特征進行控制模式分類。首先根據控制特征搜索數據庫中的相同項，如果數據庫中不存在相同項，采用k近鄰(kNN)方法進行控制模式分類。控制軟件解析控制模式腳本，采用基于COM組件的重構方法對控制器之間的連接關系和數據交換進行動態重構，進而進行軟件重構生成軟件控制系統。最后通過白盒測試和黑盒測試對控制系統功能的完整性和組件狀態轉移關系的正確性進行驗證，通過測試后形成功能完整的工藝參數調節系統的控制系統重構。

圖5 控制系統的模塊化配置方法Fig.5 Modular configuration method for control system

3.2.1 控制模式設計

在纏繞機工藝參數調節系統中，工藝流程和傳感/驅動組件的不同，導致其控制模式各不相同，應根據控制器的重構形式和連接數量，確定其控制模式。有限狀態機通過節點和事件描述離散事件之間的連接關系，可以用來標識控制器之間的執行狀態，即控制模式。濕法纏繞的控制模式如圖6所示。

圖6 濕法纏繞控制模式Fig.6 Control pattern for wet winding

3.2.2 控制模式分類方法

采用kNN方法根據控制器的連接狀態進行控制模式分類。由n個特征組成的向量Pi=(pi1,pi2,…,pin)表示一種控制模式，控制模式的訓練樣本集合為Q={(Pi,Li),i=1,2,…,K}，其中K為控制模式的樣本數量，Li為控制模式類型標簽，i=1,2,…,M，M為控制模式類型的數量。為了進一步提高kNN方法的準確度，采用加權kNN方法在基本kNN方法的基礎上對k個類型標簽進行相似度計算，其具體的計算流程為:

1)Px為待分類的控制模式的向量，Lx為控制模式的標簽。首先計算訓練樣本集合Q中的向量與Px之間的距離

(17)

2) 取集合Q′的最大樣本距離，即第k+1個樣本與Px的距離將前k個樣本距離進行歸一化處理。

(18)

3) 引入高斯核函數，將歸一化的Px與k個近鄰樣本的距離轉化為樣本之間的相似概率pxi

(19)

4) 根據近鄰樣本的相似概率，求出Px為控制模式Li的概率為

(20)

式中：σ為二值函數

(21)

根據式(20)求出Px為控制模式為Li的概率，取概率的最大值即Px的控制模式,

Lx=arg max(pLi)

(22)

3.2.3 加權kNN方法準確率分析

根據已知的控制特征和控制模式生成訓練樣本集合Q，Q中共包含1 569個訓練樣本，在MATLAB中進行分類準確性分析。針對控制特征向量Px，首先在Q中檢索相同樣本，保證Px?Q時準確率達到100%，如果不存在，則采用加權kNN方法進行分類。在1 569個訓練樣本中分別隨機挑選100和200個樣本作為測試樣本，測試不同k取值下加權kNN方法的準確率，測試結果如表1所示。

從表1可以看出，加權kNN方法的準確率較高，且對樣本數量和k值具有較好的魯棒性。然而由于加權kNN分類方法仍然存在一定的錯誤率，因此，在完成控制系統和軟件重構后，應通過一定的測試用例測試控制模式的分類準確性。

表1 不同測試樣本數量和k值的加權kNN方法準確率

3.2.4 軟件重構方法

控制軟件解析控制模式腳本，根據模塊之間的狀態轉移順序動態調用不同的軟件模塊。軟件重構模型如圖7所示，先將軟件功能進行模塊化設計，減小模塊之間的耦合和數據交換，并將軟件模塊設計為COM組件，定義組件接口。COM組件作為客戶組件，軟件控制系統的主控模塊作為服務器對客戶組件進行管理，根據控制模式的不同，服務器進行客戶組件的添加、刪除和通信等操作，從而實現操作模式的動態構建。客戶組件之間的連接關系和執行順序存儲在控制模式腳本中，服務器通過解析控制模式腳本對客戶組件之間的執行順序進行控制。

COM組件的通信包括客戶與服務器的通信以及客戶與客戶之間的通信，通信模型如圖8所示。COM服務器通過事件隊列管理客戶組件的事件消息，通過軟件數據總線管理數據的訪問，數據通過數據類型變量保存在數據總線上。根據數據傳遞方向的不同，客戶組件與服務器之間的通信方式分為：服務器調用客戶組件并將參數傳遞給客戶組件；客戶組件將運算結果等數據發送至服務器以供其他組件調用。服務器調用客戶時，通過客戶組件提供的訪問接口調用相應的方法，客戶組件從數據總線讀取相關的數據；客戶組件運算完成后，將運算結果發送至數據總線，同時生成事件消息通知服務器。

圖7 軟件重構模型Fig.7 Reconfiguration model for software

圖8 COM組件通信模型Fig.8 Communication model for COM component

客戶組件之間的通信通過事件槽技術實現，而不采用組件之間直接通信的方式，以減小組件之間的耦合，便于控制軟件的重構。當組件1需要讀取組件2的數據時，組件1向服務器發送請求數據讀取事件，服務器接收到該事件以后從組件2讀取數據，并存儲至數據總線，然后服務器將數據寫入組件1。

4 案例分析

根據本文所提出的模塊劃分和模塊配置方法，針對不同的產品需求(天線支撐桿、預浸料、筒形殼體)進行案例分析研究。首先采用模塊劃分方法將組件聚類為具有標準接口的模塊，并設計不同功能的模塊實例；然后根據產品需求的變化進行模塊選擇，完成機械結構和控制系統的功能重構。

4.1 模塊劃分

根據第2節所提出的模塊劃分方法，采用MATLAB軟件設計優化算法。根據首先纏繞機由多輥系組成的特點，將纏繞機以輥輪為基本單位分為30個獨立的組件，建立組件的綜合關聯矩陣Y；然后確定影響全壽命周期穩定性的模塊驅動力包括：運動可靠性和平穩性、技術提高和技術革新，加工質量保證，快速服務和維修，纖維磨損，組件壽命。確定組件和模塊驅動力關聯矩陣Fs，并采用層次分析法求解模塊驅動力的權重為ω=(0.269 9,0.203 1,0.051 9,0.071 6,0.333 5,0.070 0)。根據模塊劃分數學模型，采用GGA進行組件參數，GGA的參數如下：初始種群大小為200，迭代次數為100，交叉概率為0.4，變異概率為0.2，其中交換操作概率為0.5，分割和合并操作概率為0.5，穩定性相關的模塊驅動力矩陣的權重值ωr=0.5，與功能和幾何位置相關的關系矩陣的權重值ωc=0.5，模塊數量最小值Kmin=3，模塊數量最大值Kmax=27。采用GGA的適應度函數值隨迭代次數的變化結果如圖9所示。

圖9 GGA優化結果Fig.9 GGA optimization results

從圖9可以看出，GGA在迭代次數為28時收斂到目標函數的最大值，近似最優解的值為Z=0.627 2。根據GGA的優化結果，最終聚類得到7個模塊：放卷模塊、單束張力測量模塊、浸膠模塊、含膠量調整模塊、集束張力調整模塊、速度和集束張力測量模塊、絲嘴集束模塊。對每一個模塊設計不同的功能實例，放卷模塊根據放卷力矩施加方式和是否改變纖維傳動方向設計6個實例；單束張力測量模塊根據不同響應速度設計2個實例；浸膠模塊根據浸膠工藝的不同設計3個實例；含膠量調整模塊根據含膠量調節方式設計2個實例；集束張力調整模塊根據張力施加大小設計6個實例；速度和集束張力測量模塊根據測量形式設計3個實例；絲嘴集束模塊根據展紗功能設計2個實例。實例之間的輥輪采用相同的安裝接口。

4.2 天線支撐桿纏繞的模塊配置

采用多絲束高模量碳纖維進行雙工位天線支撐桿的同步纏繞，所定制的產品需求為：纏繞工藝為熱熔法，放卷輥數量為10，膠液類型為氰酸酯樹脂，碳纖維型號為M55J，纏繞線型為45°螺旋纏繞。

4.2.1 機械系統配置

工藝參數調節系統的性能要求包括：溫度，纖維磨損，參數控制精度，設備體積，維護性，纖維展開寬度，運動的平穩性和穩定性，生產效率。通過分析，可以得到每一個模塊實例和產品性能的相關度矩陣Mp、產品需求和系統性能的相關度矩陣MC，并采用層次分析法分別得到產品需求的權重值WC和系統性能的權重值WP。根據式(14)，可以計算每一個模塊實例的成本。根據模塊配置數學模型，采用NSGA-Ⅱ進行多目標優化求解，優化參數設置如下：初始種群大小為60，迭代次數為100，交叉概率為0.6，變異概率為0.02。成本和性能的變化曲線如圖10所示。

從圖10可以看出，當迭代次數大于30時，成本和性能均收斂到穩定值，說明已經收斂到最優邊界。根據優化結果，得到各個模塊實例的配置方案，將實例之間進行組合得到模塊實例的連接關系如圖 11所示。力矩電機放卷裝置和稱重傳感器單束張力測量裝置組成閉環反饋系統控制纖維的張力保持穩定，并使10束纖維張力保持均勻，然后10束纖維經過浸膠模塊完成浸膠過程，浸膠輥在設定的溫度下實現含膠量調整，磁粉離合器為集束纖維增大張力，并將速度和集束張力測量模塊作為反饋裝置控制10束纖維的總張力，最后通過絲嘴集束模塊纏繞到芯模表面。

圖10 天線支撐桿纏繞的NSGA-Ⅱ優化結果Fig.10 NSGA-Ⅱ optimization results for aerial studdle winding

圖11 天線支撐桿纏繞模塊之間的拓撲關系Fig.11 Topological relationship between modules for aerial studdle winding

4.2.2 控制系統配置

根據機械系統的模塊配置結果，將對應的控制器連接到現場總線，控制系統檢測控制器的連接狀態，根據控制特征采用加權kNN方法進行控制模式分類。在纏繞機控制系統中，控制模式的劃分特征為：放卷形式，放卷數量，斷紗檢測，單束張力測量，單束張力施加，磁粉離合器數量，浸膠工藝，集束張力測量，速度傳感器，溫度控制。根據纏繞機的工藝特點，控制模式庫為：濕法速度跟隨，干法/半干法速度跟隨，干法/半干法小張力控制，干法/半干法速度跟隨和張力控制，干法/半干法多絲束張力分布式控制。分別采用有限狀態機模型描述這5種控制模式。控制系統根據控制器的連接狀態得到控制系統的控制特征，然后采用加權kNN方法進行分類，最終得到的控制模式為干法/半干法多絲束張力分布式控制模式，如圖12所示。首先加載系統配置，完成控制器和數據總線的初始化，然后進行輥輪的溫度控制，并檢測溫度是否異常，最后達到設定溫度以后進行芯模纏繞，系統運行過程中分別進行單束張力控制、集束張力和速度控制，并檢測溫度、斷紗和運行狀態。

圖12 天線支撐桿纏繞的控制模式Fig.12 Control pattern for aerial studdle winding

4.2.3 系統測試

控制軟件根據所生成的控制模式解析COM組件之間的狀態轉移關系完成控制軟件的重構。然而由于加權kNN方法存在一定的錯誤率，因此采用白盒測試和黑盒測試方法進行系統測試以保證模塊化系統重構后的質量和可靠性。

白盒測試方法在軟件重構階段的主要作用是根據控制模式之間的狀態轉移關系，對控制系統的所有路徑進行測試。該測試方法需要保證各個組件的所有執行路徑全覆蓋；并且針對邏輯判斷條件完成測試。采用白盒測試中的路徑覆蓋測試方法遍歷控制模式中的所有路徑，根據系統的期望輸出結果和實際輸出結果判斷組件之間的狀態轉移關系是否正確。

黑盒測試方法采用等價類方法驗證系統的功能完整性。工藝參數調節裝置的功能包括：浸膠/傳導/膠槽等輥輪的加熱功能，速度跟隨功能，張力控制功能，狀態監測功能；系統的輸入條件為：溫度設定值，速度設定值，張力設定值，斷紗狀態；系統輸出為：加熱器功率，輥輪溫度，輥輪轉速，系統張力，系統運行狀態。采用等價類劃分方法將輸入劃分等價類，并生成等價類表，根據系統的期望輸出結果和實際輸出結果比對判斷控制系統的功能是否完整。

4.2.4 結果分析

所提出的產品需求為10束高模量碳纖維使用氰酸酯樹脂進行小尺寸桿件纏繞，其工藝參數要求溫度控制精度高、含膠量均勻、10束纖維張力分布均勻。采用模塊化方法生成的模塊配置方案中，高模量纖維易磨損，力矩電機放卷裝置和稱重傳感器單束張力測量裝置組成閉環反饋系統施加較小的傳輸張力，并控制每束張力保持穩定，從而使10束纖維之間的張力分布均勻。磁粉離合器輥輪、速度和集束張力測量模塊能夠在浸膠前施加較大的纖維張力并保持穩定。浸膠模塊具有含膠量調整裝置和溫控裝置，可以實現纖維的含膠量調整。浸膠模塊、集束張力調整模塊和絲嘴集束模塊均具備加熱功能，可以滿足氰酸酯樹脂的溫度控制要求。控制軟件重構生成的控制模式實現系統溫度控制、單束張力控制、速度和張力控制，使溫度和張力保持穩定。因此本文模塊化纏繞機設計方法能夠根據產品的需求快速實現功能重構，并滿足纏繞制品的工藝參數要求。

4.3 預浸料纏繞的模塊配置

濕法纏繞生產預浸料的工藝過程簡單，生產效率高，所定制的預浸料產品需求為：纏繞工藝為濕法；放卷輥數量為2；膠液類型為環氧樹脂；碳纖維型號為T800；纏繞線型為90°纏繞，纏繞模具為圓筒，直徑為1 800 mm。

在模塊化配置方法中，模塊實例和產品性能的相關度矩陣Mp和模塊實例的成本均保持不變。根據預浸料的需求計算產品需求和系統性能的相關度矩陣MC，并采用層次分析法分別得到產品需求的權重值WC和系統性能的權重值WP。在濕法纏繞工藝中，WC=(0.284 5,0.132 4,0.105 3,0.169 8,0.308 0)，WP =(0.021 0,0.079 8,0.056 1,0.107 3,0.216 7,0.197 4,0.095 4,0.226 3)，采用NSGA-Ⅱ進行多目標優化求解得到性能和成本的變化曲線如圖13所示。

從圖13可以看出，當迭代次數大于37時，成本和性能均收斂到穩定值。根據優化的模塊實例的配置方案，將實例之間進行組合得到模塊實例的連接關系如圖 14所示，2 束碳纖維通過摩擦帶放卷裝置施加一定的纖維張力，通過浸膠裝置實現樹脂和纖維的混合，然后通過含膠量調整裝置和展紗裝置調節展紗寬度后纏繞到芯模表面。

根據機械結構的模塊化配置結果將控制器連接到現場總線，根據控制特征采用kNN方法得到的控制模式為：濕法速度跟隨。如圖6所示，控制軟件根據所生成的控制模式解析COM組件之間的狀態轉移關系完成控制軟件的重構。濕法纏繞時控制系統的主要功能為控制浸膠輥的速度跟隨芯模的纏繞速度。

圖13 濕法纏繞的NSGA-Ⅱ優化結果Fig.13 NSGA-Ⅱ optimization results for wet winding

圖14 濕法纏繞模塊之間的拓撲關系Fig.14 Topological relationship between modules for wet winding

4.4 筒形殼體纏繞的模塊配置

筒形殼體采用高強度纖維和氰酸酯樹脂在較大的張力下進行纏繞成型，所定制的筒形殼體的產品需求為：纏繞工藝為熱熔法,放卷輥數量為1,膠液類型為氰酸酯樹脂,碳纖維型號為T800,纏繞線型為30°螺旋纏繞。在筒形殼體纏繞工藝中，WC=(0.390 8,0.102 7,0.197 2,0.204 3,0.105 0)，WP=(0.127 7,0.236 1,0.246 3,0.053 5,0.065 1,0.058 0,0.157 01,0.056 4)，采用NSGA-Ⅱ進行多目標優化求解得到性能和成本的變化曲線如圖15所示。

從圖 15中可以看出，當迭代次數大于22時，成本和性能均收斂到穩定值。根據優化的模塊實例的配置方案，將實例之間進行組合得到模塊實例的連接關系如圖 16所示，放卷裝置通過力矩電機施加較小的張力以減小傳送過程中的纖維磨損，浸膠裝置之前通過單束張力施加裝置施加設定的纖維張力，并通過調節浸膠輥的電機轉速實現速度跟隨和張力控制，在絲嘴處對樹脂進行加熱以保持黏度，最終纏繞到芯模表面。

根據機械結構的模塊化配置結果將控制器連接到現場總線，根據控制特征采用加權kNN方法得到的控制模式為：干法/半干法速度跟隨和張力控制，如圖 17所示，控制軟件根據所生成的控制模式解析COM組件之間的狀態轉移關系完成控制軟件的重構。首先完成控制器和數據總線的初始化;然后進行輥輪的溫度控制，并檢測溫度是否異常，達到設定溫度以后，根據設定的張力值控制放卷力矩電機和磁粉離合器的轉矩施加纖維張力;最后調節浸膠輥的轉速跟隨芯模的纏繞速度并調整傳送張力使之保持穩定，在運行過程中檢測斷紗、溫度系統的運行是否正常。

圖16 筒形殼體纏繞模塊之間的拓撲關系Fig.16 Topological relationship between modules for cylindrical shell winding

圖17 筒形殼體纏繞的控制模式Fig.17 Control pattern for cylindrical shell winding

通過對天線支撐桿、預浸料、筒形殼體纏繞的模塊劃分和模塊配置方法的分析中可以看出，本文模塊化設計方法能夠根據不同的產品需求進行不同功能模塊實例的最優配置，并實現機械結構、控制器和控制軟件的功能重構，使纏繞機能夠滿足不同的纏繞工藝要求，拓展了纏繞機的功能多樣性。

5 結 論

本文提出纏繞機機械結構、控制器和控制軟件的模塊化設計方法，得出：

1) 通過定義組件之間的關聯矩陣，采用GGA和NSGA-Ⅱ能夠有效實現模塊劃分和模塊重新配置。

2) 基于現場總線的開放式控制系統結構可以實現控制器的快速重構，基于COM組件技術、有限狀態機可以實現軟件的動態重構。

3) 采用模塊化設計方法可以快速響應客戶需求的變化，滿足不同的纏繞工藝要求，實現纏繞機功能的快速重構。

參考文獻 (References)

[1] 顧軼卓，李敏，李艷霞，等.飛行器結構用復合材料制造技術與工藝理論進展[J].航空學報,2015,36(8):2773-2797.

GU Y Z,LI M,LI Y X,et al.Progress on manufacturing technology and process theory of aircraft composite structure[J].Acta Aeronautica et Astronautica Sinica,2015,36(8):2773-2797(in Chinese).

[2] SOUTIS C.Carbon fiber reinforced plastics in aircraft construction[J].Materials Science and Engineering：A,2005,412(1-2):171-176.

[3] PIRAN F A S,LACERDA D P,ANTUNES J A V,et al.Modularization strategy:Analysis of published articles on production and operations management(1999 to 2013)[J].The International Journal of Advanced Manufacturing Technology,2016,86(1-4):507-519.

[4] HUANG C C.Overview of modular product development[J].Proceedings of the National Science Council,2000,24(3):149-165.

[5] LAU A K W,YAM R C M,TANG E.The impacts of product modularity on competitive capabilities and performance:An empirical study[J].International Journal of Production Economics,2007,105(1):1-20.

[6] STONE R B,WOOD K L,CRAWFORD R H.A heuristic method for identifying modules for product architectures[J].Design Studies,2000,21(1):5-31.

[7] KRENG V B,LEE T.Modular product design with grouping genetic algorithm—A case study[J].Computers & Industrial Engineering,2004,46(3):443-460.

[8] WEI W,LIU A,LU S C Y,et al.A multi-principle module identification method for product platform design[J].Journal of Zhejiang University-Science A(Applied Physics & Engineering),2015,16(1):1-10.

[9] JOSE A,TOLLENAERE M.Modular and platform methods for product family design:Literature analysis[J].Journal of Intelligent Manufacturing，2005,16(3):371-390.

[10] KIMURA F,KATO S,HATA T,et al.Product modularization for parts reuse in inverse manufacturing[J].CIRP Annals-Manufacturing Technology,2001,50(1):89-92.

[11] HUANG C C,KUSIAK A.Modularity in design of products and systems[J].IEEE Transactions on Systems,Man,and Cybernetics-Part A:Systems and Humans，1998,28(1)：66-77.

[12] 高飛，肖剛，潘雙夏，等.產品功能模塊劃分方法[J].機械工程學報，2007，43(5):29-35.

GAO F,XIAO G,PAN S X,et al.Method of product function module partition[J].Chinese Journal of Mechanical Engineering，2007，43(5):29-35(in Chinese).

[13] FAN B,QI G,HU X,et al.A network methodology for structure-oriented modular product platform planning[J].Journal of Intelligent Manufacturing，2015,26(3):553-570.

[14] PANDREMENOS J,CHRYSSOLOURIS G.A neural network approach for the development of modular product architectures[J].International Journal of Computer Integrated，2011,24(10):879-887.

[15] KRENG V B,LEE T P.MPD with grouping genetic algorithm:A case study[J].Computers and Industrial Engineering， 2004,46(3):443-460.

[16] 陸良，楊殿閣，顧錚珉，等.采用模塊化思想的汽車電器智能化設計方法[J].西安交通大學學報，2010，44(5):111-115.

LU L,YANG D G,GU Z M,et al.Designing strategy for smart vehicle electrical/electronic devices based on modularization[J].Journal of Xi’an Jiaotong University，2010,44(5):111-115(in Chinese).

[17] PRITSCHOW G,KIRCHER C,KREMER M,et al.Control systems for RMS and methods of their reconfiguration[M].Berlin:Springer,2006：195-211.

[18] 何嶺松，張登攀，賴紅.可重構虛擬儀器系統[J].機械工程學報，2005，41(9):78-81.

HE L S,ZHANG D P,LAI H.Reconfigurable virtual instrument system[J].Chinese Journal of Mechanical Engineering，2005，41(9):78-81(in Chinese).

[19] DEB K,PRATAP A,AGARWAL S,et al.A fast and elitist multiobjective genetic algorithm:NSGA-Ⅱ[J].IEEE Transactions on Evolutionary Computation，2002,6(2):182-197.