一种复合材料构件装配变形预测方法技术

本发明专利技术涉及装配变形预测技术领域，解决了现有技术无法提前预测壁板在保形工装上外形真实状态的技术问题，尤其涉及一种复合材料构件装配变形预测方法，该方法包括以下步骤：S1、获取待预测的复合材料构件的点云数据，并对获取的点云数据进行预处理得到无噪声的点云数据N；S2、根据多元线性回归模型和RBF神经网络搭建深度神经网络预测模型；S3、对深度神经网络预测模型进行训练得到最优的深度神经网络预测模型；S4、采用最优的深度神经网络预测模型对待预测的复合材料构件的变形进行预测。本发明专利技术通过有限元分析与神经网络结合，准确预测复合材料构件的装配变形，可以有限的预测复合材料构件与骨架的装配间隙，提高装配效率。提高装配效率。提高装配效率。

【技术实现步骤摘要】
一种复合材料构件装配变形预测方法


[0001]本专利技术涉及装配变形预测
，尤其涉及一种复合材料构件装配变形预测方法。

技术介绍

[0002]新一代航空装备对国防安全具有重要意义，大型复合材料构件的装配精度和效率是保证航空装备研制周期和作战性能的核心要素。以“预装加补偿”为特征的传统复合材料装配效率低、质量差、成本高，已无法满足新一代航空装备的需求。
[0003]大型复合材料构件成型精度不高，尺寸形状误差较大。同时，复合材料具有典型的各向异性，引起复合材料构件变形，导致大型复合材料构件接合面产生干涉或者间隙，影响飞机的气动外形准确度和连接结构强度。
[0004]具体地，以大型复合材料机翼壁板与骨架装配为例，传统装配工艺包括预装、制/扩孔、测隙、涂胶/加垫/打磨、连接、固化等多道工序。预装时，为了严格保证壁板装配后外形符合设计要求，需要通过复杂保形工装根据关键特征约束对壁板进行外形控制，再与骨架结构进行连接、测隙、涂胶、加垫、打磨等操作。
[0005]但是，由于复合材料壁板制造成型误差大、材料特性复杂、表面结构复杂（本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复合材料构件装配变形预测方法，其特征在于，包括以下步骤：S1、获取待预测的复合材料构件的点云数据，并对获取的点云数据进行预处理得到无噪声的点云数据N；S2、根据多元线性回归模型和RBF神经网络搭建深度神经网络预测模型；S3、对深度神经网络预测模型进行训练得到最优的深度神经网络预测模型；S4、采用最优的深度神经网络预测模型对待预测的复合材料构件的变形进行预测。2.根据权利要求1所述的变形预测方法，其特征在于：在步骤S1中，获取待预测的复合材料构件的点云数据，并对获取的点云数据进行预处理得到无噪声的点云数据N，具体过程包括以下步骤：S11、采用三维激光扫描仪扫描待预测的复合材料构件的表面，获得原始散乱的三维点云数据；S12、对三维点云数据进行去噪，计算三维点云数据中任意一点的双边滤波权因子得到滤波后的点；S13、重复步骤S12直至处理完三维点云数据中的所有的点，得到无噪声的点云数据N。3.根据权利要求1所述的变形预测方法，其特征在于：在步骤S2中，根据多元线性回归模型和RBF神经网络搭建深度神经网络预测模型，具体过程包括以下步骤：S21、建立有限元模型，并对有限元模型进行修正得到修正后的有限元模型；S22、采用RBF神经网络根据K个力传感器作用在待预测的复合材料构件上的位移值，得到待预测的复合材料构件的点云数据N中各个点的位移数据R；S23、将位移数据R输入到RBF神经网络中，得到多元线性回归参数；S24、基于修正后的有限元模型并根据多元线性回归参数得到多元线性回归模型；S25、将位移数据R输入至多元线性回归模型中得到待预测的复合材料构件的变形预测结果。4.根据权利要求3所述的变形预测方法，其特征在于：在步骤S21中，建立有限元模型，并对有限元模型进行修正得到修正后的有限元模型，具体过程包括以下步骤：S211、采用CAE有限元计算分析软件对待预测的复合材料构件进行有限元建模，获得初始的有限元模型；S212、采用基于灵敏度分析的模型修正方法对初始的有限元模型进行修正。5.根据权利要求4所述的变形预测方法，其特征在于：初始的...

【专利技术属性】
技术研发人员：汪俊，单忠德，陈红华，黄天豪，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：