飞机装配中激光雷达测量场布局规划方法探讨

激光雷达可以较为精确地测出物体空间轮廓,在飞机制造业中具有重要作用.激光雷达因对光路可达性、光路距离、光路入射角等参数有要求,其位置摆放必须满足一定条件.首先建立了激光雷达布局规划的几何约束要求,分析了碰撞干涉的实现方法;基于空间圆锥曲面和曲线,研究了激光雷达的可放置区域的表示方法和规划方法.最后为了满足工程可实现性,...     

基于误差相似性的移动机器人定位误差补偿

对由AGV承载的工业机器人组成的AGV式移动制孔机器人的定位误差补偿方法进行了研究。在面向飞机装配的AGV式移动制孔机器人系统中，利用激光跟踪仪构建坐标系，提出了AGV式移动制孔机器人机座坐标系的换站方法，能更好地适应飞机制造多品种、小批量的特点。基于对AGV式移动制孔机器人定位误差源的分析，利用定位误差相似性，提出针对AGV式移动制孔机器人的基于反距离加权定位误差的空间插值与补偿方法，克服了现有技术对于AGV式移动制孔机器人定位误差补偿的局限性。以AGV搭载的KUKA KR480型工业机器人制孔系统作为试验对象，通过试验选取最优网格步长，补偿结果表明，能将系统综合定位误差平均值由补偿前的1.045 mm降低到0.227 mm，最大绝对定位误差由补偿前的2.727 mm降低到0.478 mm，降低了82.47%，该方法能有效提高AGV式移动制孔机器人的绝对定位精度。     

基于力位协同控制的大飞机机身壁板装配调姿方法

为校正中机身壁板由于重力和调姿内力产生的变形，提高中机身壁板装配调姿精度，提出了一种基于力位协同控制的装配调姿方法。通过将调姿机构等效为并联机构，推导了调姿机构的解析正反解模型；根据螺旋理论，建立了力传感器测量值与重力、调姿内力之间的映射关系，实现重力补偿值的动态计算，基于局部刚体-弹性连接假设，通过多元线性回归方法构建了调姿内力转化为位置补偿量的模型；根据Clamped-Free变形协调原理，简化了定位器调姿内力之间的协调关系，在此基础上提出了重力前馈补偿和调姿内力转化为位置补偿的力位协同控制策略，并对其进行了理论分析与设计。最后，对所提出的控制策略进行了仿真分析，结果表明采用力位协同控制方法，调姿定位精度提高35.3%，调姿内力降低77.8%，通过应用实验，说明了该方法的可行性和有效性。     

基于航空发动机脉动装配的智能管控技术研究

脉动装配生产组织模式能够有效提高航空发动机装配的质量和效率。通过对国产航空发动机脉动装配生产组织模式的需求分析,提出生产资源的精准配送是保证生产线实现脉动装配的关键。梳理国内外智能制造生态标准,结合发动机装配需求,提出基于实时数据驱动的航空发动机脉动装配生产线智能管控系统。总结出包括装配工艺仿真、智能排产与动态调度、物料标识与配送、技术状态管理、装配状态采集及优选优配等方面的关键技术。为建设智能、柔性、脉动的航空发动机装配系统提供技术支持。     

航天器用双层双面立体布局及装配技术研究

文章从某卫星装配的实际需求出发，打破常规扁平化布局的设计方法，独具匠心地采用双层双面立体布局设计，最大限度地将多个载荷设备集成到一块较小的舱板上；同时，用多种特殊的结构支架代替常规小舱四周的舱板做支撑，使布局面积缩小至原来的35%，舱体减重约50%。文章的创新性在于双层双面立体布局，在高通量多波束卫星上具有应用前途。     

基于优化STD法的大飞机垂尾装配界面精加工过程模态参数识别

为减小大飞机垂尾装配界面精加工过程中产生的加工振动对其精加工质量的影响，需掌握装配界面加工过程的动力学特性，而动力学特性与其模态参数密切相关。因此，为获得装配界面各阶模态参数，针对其动态精加工过程，提出了一种优化STD环境激励下结构模态参数识别方法。该方法首先由装配界面的实测加工振动数据构造Toeplitz矩阵，并将其作为STD法的输入，进而求出装配界面各阶次模态参数，并构成模态参数下三角矩阵。然后利用模态置信因子及模态保证准则选出阶次相对稳定的模态参数作为装配界面的真实模态参数。最后，通过切削实验和锤击测试验证优化STD法的正确性和有效性。将锤击实验模态结果作为装配界面的模态参数测量参考值，以一阶模态频率识别结果为例，该方法相比于传统STD法和SSI法，识别精度分别提高了12.71%和3.82%；同理其余各阶模态参数识别精度均有不同程度的提高。通过优化STD法可准确高效地获得装配界面的模态参数，为其精加工工艺参数的合理选择提供了理论依据和技术支持。     

凌华科技宣布推出高亮度智能屏系列的最新产品

近日,计算机产品领导者之一的凌华科技,公开推出其首款以ARM架构为解决方案的SP-860高亮度智能屏。SP-860是一套性能强大且富含多功能的独立系统显示器,整合LCD面板、CPU、触控屏幕于一体,拥有低功耗、OS弹性(WinCE、Linux或Android均适用)、以及强大开发与客制化支持等优势。     

基于PSO-BiLSTM神经网络的机身筒段应力预测

飞机机身部件在装配对接前，通常需要使用形状控制工装调节机身筒段形状以达到对接标准，为避免出现控形过程中筒段局部应力过大损坏机身的情况，需实时监测机身筒段应力变化，为此提出基于粒子群优化算法和双向长短期记忆（PSO-BiLSTM）神经网络的应力预测方法。通过机身筒段控形历史数据对应力预测模型进行训练和测试，采用粒子群优化算法迭代优化神经网络超参数，实验结果表明，PSO-BiLSTM神经网络凭借长记忆细胞和高模型容量优势在处理序列式数据方面具有明显优势，应力预测损失在0.3%的均方根误差范围内收敛。与竞争模型循环神经网络（RNN）、标准长短期记忆（LSTM）神经网络和双向长短期记忆（BiLSTM）神经网络相比，PSO-BiLSTM神经网络模型不仅预测结果更准确，训练效率也明显提高。