航天復雜產品智能化加工工藝設計模式研究

夏 潮 黃久超 鄭祖杰 于謀雨 穆英娟 成群林

航天復雜產品智能化加工工藝設計模式研究

夏 潮1黃久超1鄭祖杰1于謀雨1穆英娟1成群林1

（上海航天精密機械研究所，上海 201600）

隨著智能制造的不斷推進，貫穿產品全生命周期的工業大數據越發受到重視。針對愈演愈烈的航天產品多品種、變批量、短周期研制生產模式，分析了產品制造過程中產生的海量、多源數據，提出一種數據驅動的智能化工藝設計模式。通過主流三維軟件平臺進行了驗證，證明了模式的可行性，為后續進一步深化智能化工藝設計、實現精益工藝奠定基礎。

智能制造；智能工藝設計；數控加工；航天制造

1 引言

近年來，航天型號產品呈現多品種、變批量發展趨勢，基于現有數字化制造模式，各廠所基本已打通了全三維設計制造一體化鏈路，但是工藝設計過程自動化、智能化程度仍然較為低下，主要基于人為重復性交互操作完成工藝分析與設計工作存在效率低下、質量參差不齊等問題，難以支撐未來航天產品的“三高”研制模式。

模型驅動、過程智能決策已經成為國外數字化制造的顯著特征，基于機器學習、特征識別與模型檢索等技術，國外復雜大型結構件的產品制造效率、質量大幅提升，制造工藝設計與準備過程的人工參與度顯著減低。波音、空客與洛克希德馬丁等國際先進制造公司，均建立了企業內部的工藝自動設計、數控加工編程等自動化軟件系統以及配套的切削參數專家知識庫，有效提高了其產品的加工效率和質量穩定性。國內方面，制造領域仍然處于“三維為輔、二維為主”等過程，模型的設計/加工特征信息未充分利用，航天產品工藝設計過程人工參與度高、重復性工作量大，離智能化制造的距離較大。針對該問題，國內北航、南航與西工大等高校均開展了航空航天結構件的快速工藝設計技術研究與產品開發，一定程度上復用了模型的幾何與工藝特征信息，但工藝設計過程仍然需要大量的人工干預決策，工藝知識經驗難以自動融入工藝設計過程中[1]。針對上述現狀與問題，研究并探索數據與模型驅動的智能化工藝設計模式，最大程度上挖掘、復用產品全生命周期過程產生的數據，實現高度智能化的制造模式。

2 產品全生命周期過程大數據

“十三五”期間，國內大型軍工制造企業通過工業信息化工程的建設發展，基本配備了PDM、ERP、MES等工業信息化軟件，同時基于CAD/CAM/CAE等計算機輔助設計制造軟件實現產品設計制造過程的虛擬表達、設計與仿真分析。這些軟件的使用提高了產品設計制造過程的數字化、自動化水平，取代了傳統基于模擬量的產品研制。但是，在軟件使用過程中產生的海量、多源、異構數據并沒有得到有效存儲、挖掘與復用。以機加工工藝為例，雖然PDM、MES系統內存儲了已有的部分工藝信息，如工藝的加工參數、選用刀具和選用機床等，但在制定新的工藝時，現有的工藝數據無法起到快速提供參考或者指導的作用，導致新工藝的編制仍然主要依靠人工經驗，原有的工藝參數只能在人工編制時用于查詢，但沒有真正起到反饋促進生產的作用[2]。

中國《國家智能制造標準體系建設指南（2015版）》中要求，要讓生產系統具有自感知、自決策和自執行等先進功能，并以一種高度柔性與集成的方式實施制造過程中的各種活動。而想要實現這一目標，必須充分挖掘復用工藝過程產生的歷史數據。工業大數據本身并不會給企業的經營管理帶來價值，數據技術也不能直接推動制造業前行。但當數據轉換成制造業所需要的信息后，其巨大價值便得以充分體現[3]。根據制造工藝典型過程，自頂向下將產品全生命周期過程的多源異構大數據分為工藝大數據、仿真大數據與質量大數據三大類，如圖1所示。

圖1 工業大數據

2.1 工藝大數據

工藝大數據主要產生于產品制造工藝的規劃、編制過程，數據來源包含PDM、CAD與CAM等系統，通常包含零件產品對應的工藝過程文件、數控加工程序與制造資源清單等數據，數據格式、來源以及存儲形式存在一定差異性。以數控加工程序數據為例，一般包含結構類型、材料信息、模型特征、工藝路線與工藝方法等具體數據信息。同時，上述數據之間又存在關聯關系，比如具體特征采用何種工藝路線以及對應的加工操作類型與參數設置方法等。

2.2 仿真大數據

數字化仿真過程是產品質量保障的重要技術手段，仿真大數據不僅包含工藝數據執行后用于判斷零件是否合格的仿真結果，還包含對加工過程的仿真過程數據與邊界條件等參數信息[4]，如裝備運行狀態、加工狀態、任務狀態、能耗狀態、環境狀態等幫助提高仿真的精度和準確度。為了提高機床使用率，減少空置，單個零件與機床之間所搭配的加工順序仿真也被包含在仿真大數據內，為合理規劃后續加工順序，確保設備調度合理性打下基礎。

2.3 質量大數據

質量大數據以質量檢查為核心，通過總結生產過程中所采用的工藝是否合理實現工藝改進，提高工藝質量，加強工藝可行性、可讀性、指導性以及覆蓋性。通過實際生產中反饋來的質量情況改善作為工藝流程是否規范依據的規章標準，以及在評判加工合格的工藝質量標準是否完善的同時檢查其合理性以及可執行性。而根據加工零件所反饋的情況，根據其頻次和數量又可以檢校工藝質量標準是否隱含缺陷。不同批次的加工合格情況可以有效幫助對整體情況的把握分析，增強質量風險的預測能力。

綜上所述，產品制造工藝設計、準備以及實際制造過程產生大量有價值的數據及數據之間的關聯關系，面向未來智能工藝實際設計需求，此類靜態存儲的數據信息可基于人工智能算法實現工藝的自主決策，最大化企業數據的價值。

3 智能化加工工藝設計模式

基于MBD技術的推廣應用，模型驅動的數控加工自動、快速編程系統已經在航空航天制造領域初步取得應用，一定程度上能夠解決人工干預多、效率低下等問題。但是，目前研究成果多為面向特定類型結構件的定制化工藝設計系統，成果適用范圍窄、技術轉移成本高[5]。基于上述多源異構數據分析，通過數據充分挖掘與特征、產品檢索，以及工藝的匹配技術[6]能夠實現工藝過程的智能決策，進一步提高自動化工藝設計系統的適用范圍與智能化程度。

圖2 工藝智能規劃模式

圖2所示為模型及歷史數據驅動的智能化加工工藝設計模式，其核心是工藝智能設計的輸入以及參數的自主決策基礎，不僅僅只有模型本身的特征信息，同時還包含了企業歷史的工藝設計以及生產數據。通過工藝人員長期編制的工藝文件積累得到的工藝大數據，可建立一個“模型→加工特征→加工方法”的對應匹配庫，首先檢索三維模型，查找相似零件，然后通過工藝方案庫來實現基于歷史數據的工藝方案推薦。而在給出推薦方案后，根據仿真大數據具體優化工藝參數，實現工藝方案自主調整，智能制定工藝方案。最后，結合仿真和質量大數據，實施生產流程規劃，包括數控設備選取、毛坯準備、裝夾方式的確定等。

3.1 基于模型的工藝方案推薦

三維模型可以包含幾何、拓撲信息以及特性信息，以這些信息作為基礎，基于特征識別與模型自動匹配技術[7]，如圖3所示，根據模型相似性自動推薦以歷史模板數據為參考的工藝方案。在工藝方案中，模型、制造特征、加工方法是關聯存儲的，所以匹配三維模型時即可將制造特征作為依據。通過模型自身的幾何信息和拓撲信息構造當前模型中包含著的制造特征，進行模型匹配。一個模型對應一個標準加工方案模板，根據模型匹配結果，自動選擇相似工藝方案模板，在此基礎上按照工藝模板數據結構，將工藝特征及自動選擇匹配的加工資源與工藝參數進行數據組織，實現工藝方案推薦。

圖3 模型自動匹配

3.2 工藝參數的自主優化

在得到推薦的工藝方案后，需要根據零件的實際幾何、物理信息等對工藝方案中的工藝參數進行自主優化。加工中所需的工藝參數，如轉速、進給、切深、所用刀具尺寸等不僅與加工材料有關，還與實際工件的特征信息（如幾何、拓撲信息）有關。以相同材料的相同去除量為例，在不同厚度的零件上去除相應材料時會產生不同的加工振動和變形。所以，首先給出圖4的加工參數映射模型，通過神經網絡建立特征與加工參數之間的對應準則[8]。通過對這些數據的關聯分析，量化數據間的影響機理，從數據的角度去探索彼此之間存在的聯系，并實現加工參數的自主優化，替換傳統的人工經驗參數定義模式。

圖4 工藝參數映射模型

3.3 多粒度的工藝設備推薦選擇

對于機加工而言，工藝設備包括多種類型，如刀具、數控設備、工裝、量具等。針對制造過程中穩定性、經濟性的需求，考慮到工藝設備的推薦選擇原理具備相似性，以數控設備為例，介紹多粒度工藝設備推薦選擇方法，具體流程如圖5所示。

圖5 工藝設備的推薦選擇

出于對信息動態協調性的重視，通過采集機床在加工時的仿真大數據，例如主軸轉速、切削力、振動量、主軸位置、加速度等，使用數據提高加工質量，降低加工的不穩定性，完成對機床性能的動態分析與評估。判斷自主優化后所得的工藝參數在機床層的可行域，確定可用于當前零件工藝流程的工藝設備，完成第一次篩選；在性能滿足的基礎上，為了降低實際加工過程中意外情況（設備停機、設備內部故障、刀具崩刃等）出現的可能性，利用機器學習或深度學習算法預測加工過程中工藝設備出現問題的可能性，起到規避風險的作用，完成第二次篩選；最后，引入質量大數據，在滿足產品技術指標的基礎上選取經濟性最高的工藝設備，得到第三次篩選后作為最終推薦的結果，確保企業效益最大化。

4 應用驗證

基于所提出的工藝智能設計模式，以NX軟件作為平臺進行二次開發，驗證了以上部分技術。工作主要分為兩部分：工藝方案推薦、加工參數自動優化設置，兩部分工作完成了工藝方案智能定制的全部過程。

a. 基于模型自動匹配的工藝方案推薦。通過模型自動匹配，程序提供人工選擇零件類型和自動識別匹配兩種形式，當使用基于三維模型的自動匹配時，通過讀取當前零件內的幾何模型來自動匹配三維模型庫中相似程度最高的一個零件，并給出與之關聯的工藝方案。

b. 加工參數的自動優化工藝模板中包括加工參數刀具參數、加工速度參數、加工宏參數的定義與管理。模板庫使用XML文件存儲，以加工特征作為關鍵節點存儲加工參數，如圖6所示。

圖6 XML文件

當選擇了工藝方案模板后，內部程序會根據推薦原則自動推薦工藝參數。通過參數推薦，工藝方案中的原始數據及其優化后的參數如圖7所示。除此以外，考慮到實際機床參數輸入的需要，調整了相關參數。在提供自動優化的工藝方案后，由工藝人員檢查參數。另外，工藝人員可以將修改的工藝方案進行存儲，擴充工藝知識庫。當工藝人員認為推薦的工藝方案不合理時，可以讀取打開其他的工藝方案加工。

圖7 工藝參數的優化

5 結束語

通過全面分析現有數字制造模式的問題與技術瓶頸，面向航天復雜產品的實際生產過程，結合智能制造發展趨勢，提出了一種模型與歷史大數據驅動的智能化加工工藝設計模式，并結合具體事例初步驗證了模式的實用性與可行性，形成了一種有效的數據挖掘、復用的技術途徑，奠定了航天企業結構件產品數字化制造模式向智能制造轉型發展的技術基礎。

1 劉長青.基于動態加工特征的航空結構件智能加工關鍵技術[D].南京：南京航空航天大學，2014

2 王建民.工業大數據技術綜述[J].大數據，2017,3(6)：3～14

3 謝青松.工業大數據在智能制造中的應用價值面向工業大數據的數據采集系統[D]. 武漢：華中科技大學，2016

4 郝俊虎. 面向數字化車間的工業大數據研究與開發[D]. 北京：中國科學院大學，2019

5 李少波，陳永前. 大數據環境下制造業關鍵技術分析[J]. 電子技術應用，2017，43(2)：18～21，25

6 孫璞，侯俊杰,石倩，等. 面向三維工藝設計的知識推送方法研究[J]. 制造自動化，2016，38(9)：96～105

7 張海冬. 基于多級特征提取的三維模型檢索方法與系統研究[M]. 哈爾濱：哈爾濱工業大學，2018

8 劉偉杰，吉衛喜，張朝陽. 面向智能生產維護的大數據建模分析方法[J].中國機械工程，2019，30(2)：159～166

Design Model of Intelligent Manufaturing Technology for Complicate Aerospace Products

Xia Chao1Huang Jiuchao1Zheng Zujie1Yu Mouyu1Mu Yingjuan1Cheng Qunlin1

(Shanghai Spacelight Precision Machinery Institute, Shanghai 201600)

With the development of intelligent manufacturing, industry big data which runs through the whole life cycle of products attracts more and more attention. Firstly, this paper analyzes the massive and multi-source data generated in the manufacturing process of the increasingly extensive multi-variety variable-batch and short-cycle mode of space products, and proposes a data-driven intelligent process design way. Lastly, the feasibility of this model is verified by the mainstream 3D software, which lays a foundation for further deepening the intelligent process design and realizing the lean process.

intelligent manufacturing；intelligent process design；nc machining；aerospace manufacturing；

TP391

A

夏潮（1996），助理工程師，機加工專業；研究方向：數字化設計與制造技術的研究與開發。

2021-01-06