基于數字孿生的薄壁零件鉚接質量控制*

王明陽，郝 博,2，劉 芳 ，于青峰，徐東平

(1.東北大學機械工程與自動化學院，沈陽 110819； 2.東北大學秦皇島分校控制工程學院，河北 秦皇島 066004； 3.沈陽飛機工業(集團)有限公司，沈陽 110034)

0 引言

薄壁零件因具有質量輕、承載效率高等優點而廣泛應用于飛機、航天器等裝備中[1]，但是，蒙皮、長桁這樣的薄壁零件往往尺寸大、剛度小，在鉚接過程中容易出現局部變形和翹曲變形，隨著鉚接點位不斷增加會導致強迫裝配和應力集中，對產品的連接強度、制造精度都有較大的影響[2]，因此，控制薄壁零件的鉚接質量對于提高飛機、航天器等裝備的制造質量和生產效率具有重要意義。

鉚接質量控制是通過實時分析當前及預測的鉚接質量數據來進行相應的調整，并將決策結果應用于生產車間，最終使鉚接質量數據保持在合理范圍內[3]。關于鉚接質量控制的問題，國內外學者進行了相關研究。劉瑞軍等分析了鉚接板料、鉚釘、壓邊圓等因素對鉚接質量的影響，利用層次分析法得到鉚接工藝參數的重要度順序，為鉚接質量控制提供了一種參考[4]。Masters I等基于“局部—整體”的映射模型，研究了單個鉚釘鉚接產生的變形對整個薄壁零件裝配變形的影響，并將模擬結果與試驗結果進行了對比，結果表明該方法在早期設計階段可以預測鉚接變形[5]。蔡昌友等研究了多點鉚接時不同鉚接路徑對鋁鋼薄板連接變形的影響，并通過實驗驗證了優化鉚接路徑可以降低薄壁零件多點鉚接的翹曲變形量[6]。綜上所述，現有的研究成果和方法都是由歷史數據或有限元模型得到的，雖然可以在一定程度上提高鉚接質量，但缺乏時效性和保真度，難以滿足復雜裝備的鉚接質量要求。

數字孿生技術不僅可以實現物理車間和虛擬車間交互融合，更重要的是虛擬車間可以根據物理車間的生產狀態信息作出分析和決策并反過來指導物理車間進行相應的調整和管控[7-8]。因此，數字孿生符合鉚接質量控制的基本思路，可以為實現薄壁零件鉚接質量控制提供一種行之有效的方法。

本文針對目前機翼裝配車間薄壁零件鉚接質量監控滯后、鉚接質量差、效率低等問題，提出基于數字孿生的薄壁零件鉚接質量控制模式，在實現鉚接質量數據實時采集的基礎上，虛擬車間利用質量離差算法、馬爾可夫方法等實現薄壁零件鉚接質量實時監控及未來鉚接質量狀態預測，并以此為依據向物理車間發送相應預警和調整命令，最終實現薄壁零件鉚接質量實時、動態管控。

1 鉚接質量控制技術架構

鉚接質量控制技術架構分為三個部分，即物理車間、虛擬車間、車間生產管理系統,如圖1所示。物理車間指薄壁零件、鉚接工人、監測設備等組成的真實裝配車間，是數字孿生體的載體。虛擬車間不僅僅是物理車間在數字空間的映射，更重要的是它可以基于物理車間的完整信息數據和明確機理利用物聯網、智能算法等技術實現多源信息分析、鉚接質量控制、未來鉚接質量預測等，是數字孿生體的大腦。車間生產管理系統主要用于實時采集物理車間的鉚接質量數據等信息，并利用閾值法、機理法等對這些信息進行異常值去除處理，最后，通過現場總線、數據接口等將可靠的鉚接質量數據實時發送到虛擬車間，是數字孿生體的引擎。

圖1 基于數字孿生的鉚接質量控制技術架構

基于Microsoft.Net平臺和B/S架構開發的鉚接質量控制平臺，以物聯網信息技術為中樞，通過“感知—分析—決策—執行”4個環節來實現鉚接質量閉環控制，達到虛實融合、以虛控實的效果[9]，解決了傳統生產車間鉚接質量監控滯后和誤差累計等問題，實現薄壁零件鉚接質量實時、動態管控。

2 鉚接質量控制總體流程

傳統的裝配車間在實現薄壁零件鉚接質量管控時主要依賴鉚接工人和質檢人員的經驗，準確性差、效率低且質檢人員無法實時監控物理車間的鉚接質量狀態，容易出現裝配誤差累計甚至導致產品報廢，而鉚接質量數據作為鉚接質量控制的重要信息源通常被埋沒在物理車間，這使得企業在進行鉚接質量管控時無據可依、可靠性差。綜上，傳統的鉚接質量管控方法難以滿足當前復雜產品的鉚接質量要求。

在“信息—物理系統”(Cyber—Physical Systems,CPS)迅速發展的今天，其最基本且最關鍵的技術—數字孿生技術，可大大提高制造系統的性能和效率[10]。本文提出的基于數字孿生的薄壁零件鉚接質量控制總體流程如圖2所示，首先，給物理車間配備過程監控鉚槍并基于物理車間實際情況構建和映射虛擬車間；然后，工人手持過程監控鉚槍按照最優鉚接路徑進行鉚接作業時，車間生產管理系統實時采集鉚接過程中的鉚接質量數據，并經過異常值去除處理后進行整合存儲；最后，虛擬車間調用鉚接質量數據，利用質量離差算法進行仿真計算，并將決策結果反饋到物理車間，若當前鉚接點的鉚接質量數據符合最優鉚接質量參數區間要求，則物理車間繼續進行鉚接作業，反之，虛擬車間會及時對物理車間發送停裝調整預警，另外，虛擬車間利用馬爾可夫方法根據當前存儲的鉚接質量數據去預測未來的鉚接質量數據狀態，并將預測的結果再次發送到物理車間，物理車間根據預測結果進行相應的調整和管制。在鉚接裝配過程中反復執行上述鉚接質量控制流程，直至整個產品保質保量鉚接完成。

圖2 基于數字孿生的鉚接質量控制總體流程圖

3 鉚接質量控制模式

3.1 生產車間最優鉚接路徑可視化

鉚接生產時，兩個零件之間往往采用多個鉚釘進行鉚接，不同的鉚接路徑將會使零件產生不同程度的翹曲變形。相比單個鉚釘的局部變形，翹曲變形對產品的制造精度和使用性能影響更大，因此，研究鉚接路徑并在生產車間實現可視化對降低薄壁零件的翹曲變形量、提高裝配精度具有重要意義。

無線射頻識別(Radio Frequency Identification，RFID)技術因其操作方便、成本低、執行效率高等優點廣泛應用于車間生產管理中[11]。RFID技術在實現生產車間最優鉚接路徑可視化時，首先，車間工藝人員根據薄壁零件結構、尺寸、材質等特點結合經驗進行鉚接路徑測試，基于翹曲變形量最小原則選出并記錄最優鉚接路徑；然后，車間生產管理人員利用工業發卡器將零件名稱、編號、最優鉚接路徑等信息提前批量錄入到RFID電子標簽中，并貼在對應的零件上；最后，鉚接工人在生產工位進行鉚接作業前，先通過RFID手持終端掃描零件上的電子標簽和自己身上的員工標簽來進行關聯，然后按照RFID手持終端上掃描結果顯示的最優鉚接路徑進行鉚接作業。在實際生產時反復執行上述流程，可以解決工人面對紛繁復雜的最優鉚接路徑時記憶、執行困難的問題，有效的實現生產車間最優鉚接路徑可視化和產品質量溯源、降低薄壁零件鉚接后的翹曲變形量、提高鉚接質量。

3.2 鉚接質量實時監測

鉚接生產時，會產生龐大的鉚接質量數據，而這些數據直接決定了裝備的強度、疲勞壽命等。根據薄壁零件的尺寸、材料、結構等特點及鉚釘的材質和型號，這些鉚接質量數據應該被控制在一定范圍內，即最優鉚接質量參數區間。因此，實時采集埋沒在離散裝配車間的鉚接質量數據并對其進行監測和分析對于提高鉚接質量和規范鉚接工人的操作規范具有重要意義。

絕對質量離差是指實測質量數據與特定參考值之間的差值，用于定量分析質量偏離的多少；相對質量離差是指該差值與特定參考值的比值，用于反映質量偏離程度。基于質量離差的基本思想，將質量離差算法應用于鉚接質量控制中，可以準確、高效的實現薄壁零件鉚接質量實時監控，此時，實測質量數據是指實測的鉚接質量數據，特定參考值是指最優鉚接質量參數區間平均值。如圖3所示，首先，在物理車間給鉚接工人配備過程監控鉚槍進行鉚接作業；然后，車間生產管理系統實時采集工人在進行鉚接作業時產生的拉鉚力、位移等鉚接質量數據并進行異常值去除處理；最后，虛擬車間調用鉚接質量數據，然后用絕對質量離差算法計算實測鉚接質量數據與最優鉚接質量參數區間平均值的差值并將該差值與最優鉚接質量參數區間長度的一半進行比較，然后將結果反饋到物理車間，若該差值比最優鉚接質量參數區間長度的一半還大，說明該實測鉚接質量數據不在最優鉚接質量參數區間內，不滿足鉚接質量要求，此時，虛擬車間會向物理車間發送停裝調整預警并計算相對質量離差，提醒鉚接工人對相應連接處進行二次鉚接并以相對質量離差為依據注意下一階段操作規范，反之，虛擬車間則默認當前鉚接質量合格，物理車間繼續進行鉚接作業。在鉚接生產過程時，反復執行上述鉚接質量監測流程，直至整個產品保質保量鉚接完成。

圖3 基于數字孿生的薄壁零件鉚接質量實時監測

3.3 鉚接質量控制實例分析

為了進一步說明基于數字孿生的薄壁零件鉚接質量控制模式在鉚接生產中的具體實施效果，選用某型號機翼的鈑金肋和隔板鉚接為例進行實例分析，其中，鈑金肋的材質為7075合金，隔板的材質為7475鋁合金，鋁制鉚釘的型號為HB8004-5-1。如圖4所示，鈑金肋在與隔板連接時需要對6個鉚接點進行鉚接，依次為孔1～6。鉚接工人在對這兩個薄壁零件進行鉚接作業時通常采用的鉚接路徑1～4分別為：{1,2,3,6,5,4}、{1,2,3,4,5,6}、{1,4,2,5,3,6}、{1,4,5,2,3,6}。

圖4 鈑金肋和隔板結構示意圖

如表1所示，按照這4種鉚接路徑分別對鈑金肋和隔板進行鉚接作業，然后采用2D激光位移傳感器采集鈑金肋的翹曲變形量。

表1 不同鉚接路徑下鈑金肋的翹曲變形量

顯然，由表1可知，采用鉚接路徑4進行鈑金肋和隔板鉚接時，鈑金肋的翹曲變形量最小，所以，鉚接路徑4為最優鉚接路徑并將其應用于實際生產中。

在實際生產中，車間生產管理人員使用工業發卡器將薄壁零件鈑金肋的名稱、編號、最優鉚接路徑等信息提前批量導入到RFID電子標簽中，并將RFID電子標簽貼在該零件上，然后鉚接工人鉚接作業前先用RFID手持終端掃描鈑金肋上的標簽及自己身上的員工標簽來進行關聯，然后按照RFID手持終端掃描結果顯示的最優鉚接路徑進行鉚接作業。在鉚接生產時循環上述操作，可有效實現生產車間最優鉚接路徑可視化和產品質量溯源、降低翹曲變形量。

為了進一步說明質量離差算法在鉚接質量管控上的作用，現繼續以鈑金肋和隔板鉚接為例進行說明。根據鈑金肋和隔板的材質、結構等特點以及鉚釘的規格型號，鈑金肋和隔板在進行鉚接時的拉鉚力應該控制在3000～3500 N，記為(a,b)，此時最優拉鉚力參數區間平均值為3250 N，最優拉鉚力參數區間長度的一半為250 N。如圖5所示，工人在使用過程監控鉚槍按照最優鉚接路徑進行鉚接作業時，車間生產管理系統實時采集鉚接操作過程中產生的鉚接質量數據，其中，取2組鈑金肋和隔板鉚接時的拉鉚力數據，將其按照采集的先后順序編號，即采集序號1～12。如表2所示，由式(1)～式(3)計算絕對質量離差、相對質量離差。絕對離差公式、相對離差公式如下所示：

Δ=f(xi,x0)=|xi-x0|

(1)

{Δm∈Δ|Δm>(a+b)/2}

(2)

(3)

式中，xi為實測的拉鉚力數據，x0為最優拉鉚力參數區間平均值，Δ表示絕對質量離差，δ表示相對質量離差，Δm表示大于最優拉鉚力參數區間長度一半的絕對質量離差，a和b分別表示最優拉鉚力參數區間上下限。

圖5 車間生產管理系統實時采集鉚接質量數據

表2 實測鉚接質量數據的絕對、相對質量離差

由表2可知，采集序號為6、10的鉚接點的絕對質量離差大于250 N，則說明該鉚接點處的實測拉鉚力數據不在最優拉鉚力參數區間內，此時，虛擬車間會向物理車間發送停裝調整預警，提供鉚接工人對相應連接處進行二次鉚接。相對質量離差用于反映質量偏離的程度和衡量工人鉚接操作的規范程度，其中，采集序號為6的鉚接點的絕對質量離差為575.55 N，相對質量離差高達17.7%，說明該鉚接點在進行鉚接操作過程中拉鉚力嚴重偏離鉚接質量要求，工人以此為依據注意下一階段操作規范。通過物理車間和虛擬車間實時融合、交互，可以實現問題鉚接點及時發現、及時補救，有效避免了鉚接狀態監控滯后及鉚接誤差累計等問題，從而提高薄壁零件的鉚接質量和效率。

4 鉚接質量數據預測

4.1 馬爾可夫預測模型

馬爾可夫預測模型主要用于分析離散隨機過程未來的變化趨勢，即利用某一變量現在的狀態去預測其未來的狀態，是具有無后效性的預測過程[3]。數字孿生技術的重要特點在于時效性，它就是通過分析某一事物當前的狀態來預測其未來的狀態，這一點與馬爾可夫預測模型的核心思想一致。不僅如此，像飛機機翼裝配車間這樣的離散生產車間，生產批量小、可利用的有效質量數據有限，而馬爾可夫方法對數據量依賴程度比較低，因此，用馬爾可夫方法來進行鉚接質量數據預測比較合適。如圖6所示，基于數字孿生技術利用當前的鉚接質量數據通過馬爾可夫模型、狀態轉移矩陣進行穩態條件求解，得出穩態條件下的未來鉚接質量數據概率分布，從而預測出未來鉚接質量數據的變化趨勢和狀態，為生產車間薄壁零件鉚接質量管控提供一種指導和參考。

圖6 基于數字孿生的鉚接質量數據預測流程

4.2 鉚接質量數據預測實例

為了進一步說明馬爾可夫方法在薄壁零件鉚接質量控制中的作用，現繼續以鈑金肋和隔板鉚接為例進行說明。鉚接工人在工位對鈑金肋和隔板進行鉚接作業時，生產車間管理系統采集到26組同一鉚接點的拉鉚力數據，這26組拉鉚力數據來自該鉚接點的26次鉚接操作。根據采集的先后順序進行編號，即采集序號1～26，采集序號1～26對應的拉鉚力分別對應從過去到當前的26個階段的鉚接質量狀態。由于鈑金肋和隔板在進行鉚接時的最優拉鉚力參數區間為(3000,3500) N，因此，記在該范圍的拉鉚力為正常，同理，記小于3000 N的拉鉚力為偏低，大于3500 N的拉鉚力為偏高，因此，這26組拉鉚力數據的鉚接質量狀態如表3所示，其中，前25組拉鉚力數據的鉚接質量狀態為分析數據，第26組拉鉚力數據為測試結果數據，用于驗證預測結果的準確性。

表3 同一鉚接點不同階段的鉚接質量狀態

鉚接質量狀態以一定概率在正常、偏低、偏高之間轉變，且轉變情況不因時間不同而發生變化。拉鉚力數據的狀態轉變情況如圖7所示，記鉚接質量狀態偏低、正常、偏高的概率分別為A1、A2、A3，則當前鉚接質量狀態偏低且下一階段鉚接質量狀態仍為偏低的概率記為A11。同理，當前鉚接質量狀態偏低且下一階段鉚接質量狀態變為正常的概率記為A12，當前鉚接質量狀態偏低且下一階段鉚接質量狀態變為偏高的概率記為A13。

圖7 拉鉚力數據狀態轉變情況示意圖

由表3中的統計數據可得馬爾可夫模型的狀態轉移矩陣式(4)，用馬爾可夫方法在穩態條件下的解作為下一階段鉚接質量數據的預測狀態，可得馬爾可夫穩態概率求解方程式(5)、式(6)。其中A11=當前鉚接質量狀態偏低且下一階段鉚接質量狀態仍偏低的頻數N11/當前鉚接質量狀態偏低的頻數N1。

(4)

(5)

(6)

根據式(4)～式(6)可求得下一階段拉鉚力質量數據偏低的概率為16%，正常的概率為76%，偏高的概率為8%，可知拉鉚力質量數據下一階段最有可能出現的狀態為正常，因此，虛擬車間當前不需要向物理車間發送預警信息，可繼續進行鉚接作業。如果預測結果顯示下一階段鉚接質量數據的狀態為偏低或偏高，則虛擬車間會向物理車間發送預警，提醒物理車間采取相應調整措施。在與第26組數據對比后發現此預測結果比較準確，可以指導生產車間對鉚接質量進行管控，進而提高薄壁零件的鉚接質量和效率。

5 結論

針對機翼裝配車間生產過程中鉚接質量監控滯后、鉚接質量差、效率低等問題，開展薄壁零件鉚接質量控制相關研究，提出基于數字孿生的薄壁零件鉚接質量控制模式，最終通過實例分析得到以下結論：

(1)利用RFID電子標簽、RFID手持終端以及工業發卡器可以便捷、高效的實現生產車間最優鉚接路徑可視化和鉚接質量溯源；

(2)基于實測鉚接質量數據利用質量離差算法進行仿真計算可以準確、高效的驗證當前鉚接質量是否滿足鉚接質量要求，實時監測鉚接質量；

(3)利用馬爾可夫方法可以通過當前的鉚接質量數據狀態預測未來的鉚接質量數據狀態，并將預測結果應用于生產車間，指導生產車間進行質量管控；

(4)驗證了基于數字孿生的薄壁零件鉚接質量控制模式的可行性，通過“感知—分析—決策—執行”四個環節實現虛實融合、以虛控實及薄壁零件鉚接質量閉環控制，為實現鉚接質量控制提供一種新的技術途徑。