监测数据驱动的大型结构件加工变形精确控制基础研究

Frame, beam and other large-scale complex structural parts are the main strength bearing of the aircraft, which directly impact the overall performance and lead time of aircrafts. The structural parts of new generation of aircrafts are more complex, the manufacturing cycle requirement is much shorter, and the machining accuracy is much higher, especially for the machining deformation control. In order to address the major requirement of the precision control of large-scale structural parts, a novel machining method by floating fixtures is proposed in this project, by which the clamping force can be monitored in real time, the workpiece deformation can be released adaptively and be monitored during the machining process. The new locating principle for the floating fixture method of large-scale complex structural parts will be researched. The representation method of the unstructured information for the monitoring data associated with rigidity of part and machining process are proposed. The deep learning model driven by monitoring data will be constructed, and then the machining process optimization method aiming for precision control of machining deformation will be proposed. The research shifts the difficult problem of precision control of machining deformation due to uncertain factors of uneven material properties to the problem solution based on the determined factors of clamping force and deformation monitoring data, which can provide theoretical and technical support for the intelligent machining of the large-scale complex structural parts of the new generation aircraft.

框、梁等大型复杂结构件是飞机的主承力件，直接影响飞机的综合性能和研制周期。新一代飞机结构件更复杂、制造周期要求更短，精度要求更高，尤其是对加工变形控制提出了更高的要求。本项目针对大型结构件加工变形精确控制的重大实际需求，提出一种在加工过程中实时监测夹紧力、自适应释放和监测工件变形的浮动装夹自适应加工方法，研究大型复杂结构件浮动装夹定位新原理，提出监测数据与零件刚度、加工工艺等非结构化信息的表达方法，构建监测数据驱动的深度学习模型，进而提出面向加工变形精确控制的加工工艺优化方法。本项目把由材料属性不均匀等不确定性因素导致的加工变形精确控制难题转化为基于夹紧力、加工变形监测数据等确定性因素的问题求解，为新一代飞机大型复杂结构件智能加工提供理论和技术支撑。

大型复杂结构件是飞机的主承力件，其制造能力是一个衡量国家航空制造水平的重要标志，对国防安全和经济建设具有重大意义。新一代飞机追求极致的飞行性能，对大型复杂结构件的加工技术提出了更高的要求，尤其是加工变形控制。传统基于机理模型的加工变形控制方法因存在大量的假设、简化和近似等问题，难以精确预测和控制加工变形。针对大型结构件加工变形控制难题，本项目打破传统方法的局限，提出了监测数据驱动的加工变形控制技术思路，突破了变形数据监测、变形预测和变形控制等关键技术，主要创新点如下：.（1）针对传统固定装夹模式下结构件加工变形数据难以监测的问题，提出了浮动装夹自适应加工新工艺和6+X定位新原理，突破了加工过程中变形力和变形量精确监测技术，为监测数据驱动的加工变形预测和变形控制奠定了重要基础。.（2）针对几何-工艺-加工数据等异构数据引起的数据建模和变形预测难题，研究了基于张量的多维异构数据建模方法，提出了基于策略梯度的残余应力场重构方法和基于潜变量模型的变形量预测方法，为加工变形精确控制奠定了基础。.（3）针对结构件复杂加工变形控制难题，研究了基于变形监测数据的主动预应力调控、动态余量分配及加工顺序协同优化等多种变形控制策略，提出了基于元强化学习的仿真-实际数据协同驱动的加工变形控制技术，实现了大型结构件加工变形精确控制。.项目在研期间，发表论文23篇，其中SCI收录19篇，申请国家发明专利13项，获授权9项。受邀作国际学术会议大会主题报告1次。出版Special Issue 3部。研究成果在航空工业成飞公司等单位进行了应用验证。.项目负责人入选2021年度教育部“长江学者”青年学者和江苏特聘教授；获2019年度四川省科技进步奖一等奖，个人排名第5；获2020年度江西省科技进步一等奖，个人排名第8；获2021年度国家自然科学基金面上项目资助。本项目培养的1名博士获2019年度上银优秀机械博士论文佳作奖。