一种基于神经网络的测量点振动误差预测方法与流程

1.本发明涉及一种基于神经网络的测量点振动误差预测方法，具体地说就是一种用于大型飞机装配工装的基于神经网络模型的振动误差补偿方法。


背景技术：

2.在飞机装配过程中，激光跟踪仪的测量精度决定着飞机的装配质量。美国波音公司已经将激光跟踪仪应用于波音747、787等型号测量系统中，该系统可以测量直径为6m的波音747机体的外形形貌，测量精度为0.127mm，飞机的装配精度达到0.25mm。但是随着大型飞机的发展需求，需要将激光跟踪仪应用在测量对象超过12m以上的大尺寸的测量场景中。大尺寸飞机的装配需要配套大尺寸工装研发，其中对大尺寸工装的测量将直接决定对接过程中各个装配部件之间的相对位置，影响飞机部件姿态的调整和对接。但是一般情况下大型工装所在厂房内部环境存在铣切、制孔、运输车辆等引起的振动，较大的振动可能会引起工装的变形，使得观测点坐标偏离理论位置，从而降低装配质量。此外，振动还会导致测量点的理论坐标和实测坐标转站拟合的精度降低，降低了装配稳定性。因此针对振动导致工装变形及装配精度降低的问题，需要提出一种用于大型飞机装配工装的测量点振动误差分析方法。


技术实现要素：

3.为解决当前已有技术的不足，本发明提出一种基于神经网络的测量点振动误差预测方法，通过有限元软件中瞬态分析模块求解工装在振动下的最大水平位移分量。结合激光跟踪仪测量距离、测量俯仰角、测量水平角、设备站位、振动源幅值、振源到测量点距离、振源到设备的距离信息，建立了一种基于神经网络的测量点振动误差预测模型，能够计算振动环境下各个测量点的补偿结果，对测量结果进行补偿，进一步提高工装变形的测量精度，减少工程中测量的时间成本。
4.本发明的技术方案是：一种基于神经网络的测量点振动误差预测方法，包括以下步骤：
5.步骤一 测量场内工装及地面的几何模型构建；
6.1建立与实物1：1的飞机工装精确三维几何模型；
7.2删除几何模型中的凸台、三角板、垫片、螺丝和螺栓后将其导入到有限元仿真软件中。
8.步骤二 有限元仿真计算；
9.1在有限元分析软件中输入某一确定环境状态下的振动源信息包括振动幅值、振动频率、振动时长；
10.2边界条件设定：地面为固定边界条件；工装和地面的界面位置约束6个自由度；
11.3网格划分：网格长宽高的最大尺寸不超过工装长宽高的1％；
12.4通过瞬态响应分析模块将地面振动信息，包括加速度、速度、位移传递到工装上，
得到工装在某一确定环境状态下的最大水平位移分量u
x
、uy、uz。
13.步骤三 建立神经网络数据模型；
14.1输入激光跟踪仪测量距离、测量俯仰角、测量水平角、设备站位、振动源幅值、振源到待测量点的距离、振源到激光跟踪仪的距离信息；
15.2根据有限元计算得到的最大水平位移分量u
x
、uy、uz，建立神经网络数据模型，构建测量点预测模型，按照公式(1)进行神经网络训练：
[0016][0017]
其中，δ为神经网络中的学习率；n为迭代次数，ξ为系数；
[0018]
3按照公式(2)确定隐含层的神经元节点数nn，并开始神经网络训练；
[0019][0020]
其中，n
in
为神经网络中输入层节点数；n
out
为神经网络中输处层节点数，const为系数。
[0021]
4对于有限元计算获取的最大水平位移分量u
x
、uy、uz，将40％结果通过步骤2至3用于到神经网络学习，40％的结果用于数据检验，20％数据作为神经网络数据验证，最终获得u
x
、uy、uz的补偿结果。
[0022]
步骤四 计算不同振动环境下各个测量点的补偿结果。
[0023]
1重复步骤3和步骤4，获得振动环境下大型工装测量场下每个测量点最大水平位移分量u
x
、uy、uz的补偿结果；
[0024]
2重复步骤3和步骤4建立并计算不同环境下的所有测量点在不同振动幅值、振动频率、振动时长下的补偿结果数据库。
[0025]
发明的有益效果：为防止在装配过程中由于振动导致的装配精度下降，导致耗时长、成本高的问题，本发明提出了一种基于神经网络的测量点振动误差预测方法，该方法通过构建测量场内工装及地面的几何模型，通过有限元软件中输入振动源位置、振动幅值、振动频率、振动时长，利用瞬态分析模块求解工装在振动下的最大水平位移分量。结合输入测量距离、测量俯仰角、测量水平角、设备站位、振动源幅值、振源到测量点距离、振源到设备的距离信息，对有限元结果提出了一种基于神经网络的测量点振动误差预测模型，能够计算振动环境下各个测量点的补偿结果，对测量结果进行补偿，减少工程中测量的时间成本，是一种快速、有效的测量精度补偿计算方法。
[0026]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
[0027]
本发明未涉及部分与现有技术相同或可采用现有技术加以实现。
附图说明
[0028]
图1为本发明步骤一中的工装有限元模型
[0029]
图2为本发明步骤二中的输入的振动信息
[0030]
图3为本发明步骤三中神经网络模型计算流程
[0031]
图4为本发明步骤四中计算振动环境下各个测量点的补偿结果数据库
[0032]
图中编号说明：1、工装；2、工装所在地面
具体实施方式
[0033]
下面结合附图和具体实施例对本发明做进一步详细说明。
[0034]
一种用于大型工装1非均匀温度场下的测量场变形分析方法，包括以下步骤：
[0035]
步骤一 测量场内工装及地面的几何模型构建：
[0036]
1-1采用catia r2018软件建立与实物1：1的飞机工装精确三维几何模型，如图1所示；
[0037]
1-2删除几何模型中的凸台、三角板、垫片、螺丝和螺栓后将其导入到有限元仿真软件。
[0038]
步骤二 有限元仿真计算：
[0039]
2-1在abaqus 6.14有限元分析软件中输入振动源信息包括振动源深度距离工装距离为5m。振动源假设为沿高度方向的正弦波，振动幅值为0.1mm、振动频率为2hz、振动时长为10s，如图2所示；
[0040]
2-2边界条件设定：地面为固定边界条件；工装和地面的界面位置约束6个自由度；
[0041]
2-3网格划分：网格长宽高的最大尺寸不超过工装长宽高的1％；
[0042]
2-4通过瞬态响应分析模块将地面振动信息(包括加速度、速度、位移)传递到工装上，得到工装在振动下的最大水平位移分量u
x
＝0.0029mm、uy＝0.0021mm、uz＝0.0032mm；
[0043]
步骤三 建立神经网络数据模型：
[0044]
3-1输入实际激光跟踪仪测量距离5.2m、测量俯仰角0.349rad、测量水平角1.902rad、设备站位2.011m,1.179m、振动源幅值0.1mm、振源到测量点距离5m、振源到设备的距离7.21m；
[0045]
3-2根据有限元计算得到的最大水平位移分量，建立神经网络数据模型，构建测量点预测模型，如图3所示。按照公式(1)进行神经网络训练：
[0046][0047]
其中，δ为神经网络中的学习率，取值范围为0.001～0.1；n为迭代次数，推荐取值范围为1.0
×
105～1.0
×
106，ξ为系数，推荐0.15～0.25。
[0048]
3-3按照公式(2)确定隐含层的神经元节点数nn，并开始神经网络训练；
[0049][0050]
其中，n
in
为神经网络中输入层节点数；n
out
为神经网络中输处层节点数，const为系数。本发明中n
in
＝7，n
out
＝3，const＝1。确定隐含层的神经元节点数nn＝10，通过matlab 2018软件中的train函数开始神经网络训练；
[0051]
3-4对于有限元计算获取的最大水平位移分量u
x
、uy、uz，将40％结果通过步骤3-2至3-3用于到神经网络学习，40％的结果用于数据检验，20％数据作为神经网络数据验证，最终获得u
x
、uy、uz的补偿结果。
[0052]
步骤四 计算振动环境下各个测量点的补偿结果：
[0053]
4-1重复步骤3和步骤4，获得振动环境下大型工装测量场下该测量点三个最大水平位移分量u
x
、uy、uz的补偿结果的补偿结果为0.00236mm，-0.04205mm，0.00785mm；
[0054]
4-2重复步骤3和步骤4建立并计算不同环境下的所有测量点在不同振动幅值、振动频率、振动时长下的补偿结果数据库，如图4所示。
[0055]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
[0056]
本发明未涉及部分与现有技术相同或可采用现有技术加以实现。

技术特征：
1.一种基于神经网络的测量点振动误差预测方法，其特征在于，包括以下步骤：步骤一 测量场内工装及地面的几何模型构建；步骤二 有限元仿真计算；步骤三 建立神经网络数据模型；步骤四 计算不同振动环境下各个测量点的补偿结果。2.根据权利要求1所述的一种基于神经网络的测量点振动误差预测方法，其特征在于所述的步骤一测量场内工装及地面的几何模型构建，具体过程如下：2-1建立与实物1：1的飞机工装精确三维几何模型；2-2删除几何模型中的凸台、三角板、垫片、螺丝和螺栓后将其导入到有限元仿真软件中。3.根据权利要求1所述的一种基于神经网络的测量点振动误差预测方法，其特征在于，所述的步骤二中有限元仿真计算包括以下步骤：3-1在有限元分析软件中输入某一确定环境状态下的振动源信息包括振动幅值、振动频率、振动时长；3-2边界条件设定：地面为固定边界条件；工装和地面的界面位置约束6个自由度；3-3网格划分：网格长宽高的最大尺寸不超过工装长宽高的1％；3-4通过瞬态响应分析模块将地面振动信息，包括加速度、速度、位移传递到工装上，得到工装在某一确定环境状态下的最大水平位移分量u
x
、u
y
、u
z
。4.根据权利要求1所述的一种基于神经网络的测量点振动误差预测方法，其特征在于，步骤三中建立神经网络数据模型，包括以下步骤：4-1输入激光跟踪仪测量距离、测量俯仰角、测量水平角、设备站位、振动源幅值、振源到待测量点的距离、振源到激光跟踪仪的距离信息；4-2根据有限元计算得到的最大水平位移分量u
x
、u
y
、u
z
，建立神经网络数据模型，构建测量点预测模型，按照公式(1)进行神经网络训练：其中，δ为神经网络中的学习率；n为迭代次数，ξ为系数；4-3按照公式(2)确定隐含层的神经元节点数n
n
，并开始神经网络训练；其中，n
in
为神经网络中输入层节点数；n
out
为神经网络中输处层节点数，const为系数。4-4对于有限元计算获取的最大水平位移分量u
x
、u
y
、u
z
，将40％结果通过步骤4-2至4-3用于到神经网络学习，40％的结果用于数据检验，20％数据作为神经网络数据验证，最终获得u
x
、u
y
、u
z
的补偿结果。5.根据权利要求1所述的一种基于神经网络的测量点振动误差预测方法，其特征在于，步骤四中计算不同振动环境下各个测量点的补偿结果，包括以下步骤：5-1重复步骤3和步骤4，获得振动环境下大型工装测量场下每个测量点最大水平位移分量u
x
、u
y
、u
z
的补偿结果；5-2重复步骤3和步骤4建立并计算不同环境下的所有测量点在不同振动幅值、振动频
率、振动时长下的补偿结果数据库。

技术总结
本发明公开了一种基于神经网络的测量点振动误差预测方法，它包括以下步骤：测量场内工装及地面的几何模型构建；有限元仿真计算；建立神经网络数据模型；计算不同振动环境下各个测量点的补偿结果。该方法利用有限元软件中瞬态分析模块求解工装在振动下的最大水平位移分量。结合激光跟踪仪测量距离、测量俯仰角、测量水平角、设备站位、振动源幅值、振源到测量点距离、振源到设备的距离信息，对有限元结果提出了一种基于神经网络的测量点振动误差预测模型，能够计算不同振动环境下各个测量点的补偿结果，对测量结果进行补偿，减少工程中测量的时间成本，是一种快速、有效的测量精度补偿计算方法。偿计算方法。偿计算方法。


技术研发人员：魏洪杨 王新峰 石文雄 刘若璇 梁艳杰 王守川 李卫平
受保护的技术使用者：中航西安飞机工业集团股份有限公司
技术研发日：2023.04.03
技术公布日：2023/7/25