面向干涉量控制的铆钉智能选配技术研究

石双江，陈文亮，王子昱

（南京航空航天大学机电学院，南京 210016）

飞行过程中飞机发生的强度问题80%以上是由疲劳破坏造成的，而疲劳破坏多发生于铆接件的连接处，因此飞机铆接件的疲劳寿命在一定程度上决定飞机整体结构的疲劳寿命[1]。铆钉连接是飞机结构连接的重要形式之一，干涉铆接作为一种提高疲劳寿命的连接方式，与普通铆接相比疲劳寿命可提高2～9倍[2]。田冬凤等[3]在研究影响铆接结构抗疲劳强度工艺的基础上，分析墩头高度对干涉量、受力均匀性及孔周应力的影响，进一步讨论镦头高度对铆接结构抗疲劳性的影响。陈允全等[4]通过试验研究钛合金结构的干涉配合铆接对疲劳性能的影响，得出干涉铆接能降低铆接件周边的应力，提高连接件的疲劳寿命，此外，发现钉孔间隙对疲劳寿命有较大的影响。方俊等[5]提出对钛合金结构件采用干涉铆接工艺的方法，通过普通锤铆试验，研究不同直径铆钉的外伸量和钉孔间隙等工艺参数与干涉量的关系，并得出控制理想干涉量的最佳钉孔间隙和铆钉外伸量。Jiang等[6]提出通过选择钉杆长度和压铆力来控制干涉量的方法，并通过试验进行验证。符文科等[7]在分析普通铆接不足之处的基础上，设计一套钛合金铆接的专用夹具，解决铆钉杆偏移、墩头形状尺寸不合格和干涉量不均匀等问题，提高干涉铆接的质量。

由上文可知，铆钉和锪窝孔配合精度是准确控制干涉量的前提，而目前铆钉和锪窝孔的尺寸测量多数采用人工抽检的方式，其测量效率低，易受人的主观影响，难以达到测量精度要求。为提高铆钉测量的精度和效率，马鑫晟等[8]研制了一套基于机器视觉的铆钉外形尺寸测量系统，利用LabVIEW完成图像处理工作，实现数据的同步保存、数据分析和报表等功能。郭全民等[9]使用机器视觉对铆钉进行测量，采用改进的最大类间方差法（OTSU）、Blob分析和轮廓跟踪等算法提高铆钉的测量精度和降低误检率。丁力平[10]在对CCD相机的采集图像清晰度分析的基础上，提出一种适合不同类型铆钉尺寸测量的自动调焦方法。

在保证铆钉尺寸测量精度的基础上，通过控制钉孔间隙，可以使铆接的干涉量处在最佳范围内。而控制钉孔间隙，需要根据锪窝孔直径合理地选择相应直径的铆钉。在研究钉孔选配问题的基础上，提出基于果蝇算法的铆钉自动分组方法，通过测量获得锪窝孔尺寸，采用智能选配方法，对铆钉进行合理的分组，减少铆接时铆钉选择的工作量，最大限度满足铆钉和锪窝孔的间隙处在理想的范围内，使铆接后的干涉量满足工艺要求。同时，研制一套能够自动调焦的柔性化铆钉尺寸快速测量系统。

1 基于视觉的铆钉尺寸快速测量方法

1.1 铆钉尺寸快速测量系统工作原理

铆钉尺寸快速测量系统的工作原理如下：首先选择待测铆钉的型号，启动系统开始测量，步进电机调整CCD相机到合适的位置，同时振动盘开始启动上料，铆钉经过振动盘和直振器后以一定的排列方式输送到测量平台上。

光纤传感器感应到铆钉，发出信号使相机进行拍照，图像信息发送至图像采集卡，图像采集卡将图像信息转换为数字信号发送至工控机，事先编写好的软件对图像进行处理和判断，将不合格的铆钉送入废品类，合格的铆钉按公差进行二次分类。工控机的显示屏实时显示测量的结果。铆钉尺寸快速测量系统工作流程如图1所示。

图1 铆钉尺寸快速测量系统流程图Fig.1 Flow chart of quick measurement for rivet

1.2 铆钉轮廓特征提取

图像传感器在采集的过程中，由于受到传感器本身的属性、电路结构和外部工作环境的影响，会造成各种噪声，如高斯噪声和均值噪声等。而在图像处理中，需要根据噪声的特征和边缘特点等，选择合适的滤波算法，常用的滤波算法有均值滤波、中值滤波和高斯滤波。中值滤波对噪声有良好的滤除作用，优点是在滤除图像噪声的同时，不影响图像的边缘信息，使图像不会变得模糊，所以选择中值滤波作为滤波方法。此外，中值滤波的算法较为简单，易于通过硬件实现。中值滤波的公式如式（1）所示。

图像二值化在数字图像处理中占有突出的地位。图像二值化是将图像中像素点的灰度值设置为255或0，将图像转化为仍能够反映目标整体与细节特征的黑白二值图的过程。最大类间方差法（OTSU）是常用的图像二值化处理方法。OTSU法的基本思想是先根据一个初始的阈值，将图像暂时分为两类，计算两类图像之间的方差，依据所得方差更新阈值后，依据所得的阈值再将图像分为两类，重新计算两类之间的方差，如此往复直到该方差变为最大，即认为此时的阈值为最佳阈值。其基本公式如式（2）所示。

式中，μA和μB为图像A和图像B的像素平均值，NA和NB为图像A和图像B中像素个数，f（i，j）为图像表达式，σ为图像的类间方差，Th为二值化阀值。

在飞机铆钉尺寸快速测量过程中，需要将铆钉轮廓特征提取出来，减少图像处理的数据量，并在轮廓的基础上进行尺寸测量。常用的边缘提取算子有Roberts算子、Sobel算子、Prewitt算子、Lapacian算子和Canny算子。Canny算子在一阶微分算子上改进后，提高边缘的定位精度，减少漏检率，边缘较为连续。比较后采用Canny算子对图像进行边缘提取，Canny算子效果图如图2所示。

图2 铆钉轮廓提取Fig.2 Extraction of rivet contour

最终铆钉尺寸自动测量算法流程图如图3所示，铆钉图像信息在传递到工控机上后，经过中值滤波消除噪声、OTSU二值化使铆钉对象更明显、Canny算子提取边缘特征后，再对提取的边缘特征进行尺寸测量，最后得到铆钉的钉杆直径、钉帽直径、钉帽高度和铆钉长度参数，之后依据装配需要，选择相应的参数对铆钉进行分类。

图3 铆钉尺寸自动测量算法流程Fig.3 Process of rivet automatic detection algorithm

1.3 铆钉尺寸快速测量平台搭建

按照前文的铆钉尺寸快速测量系统的工作原理对飞机铆钉尺寸快速测量设备进行硬件结构设计，设计的结构如图4所示。飞机铆钉尺寸自动测量设备由铆钉自动上料模块、旋转测量平台、图像测量模块和自动分拣模块组成。铆钉通过自动上料模块被传送到玻璃盘组成的运动测量平台上，运动测量平台将铆钉移动到各个测量位置，图像测量模块判断铆钉是否合格，若铆钉合格则对其进行二次分类，再将铆钉移动到对应的料仓口，通过气嘴吹气将铆钉送入料仓。

图4 飞机铆钉尺寸快速测量设备硬件结构Fig.4 Hardware structure of fast measuring equipment for aircraft rivet

自动上料模块由振动盘和直振器组成。设定振动盘控制器的电压和频率，振动盘以一定的频率和振幅振动，盘内底部的铆钉受到振动沿螺旋轨道上升，上升过程中经过筛选和调整，铆钉能有序地排列，输出到直振器。直振器通过振动使铆钉向前运动到运动测量平台上，铆钉在测量平台上经由纠偏装置，以正确的位置运动到相机前方进行拍照测量。

运动测量平台由玻璃盘和伺服电机组成。伺服电机驱动玻璃盘转动，伺服电机受工控机控制转速，能够更加准确和平稳地运行，结合自动上料模块，调节设备的测量速度，配合铆钉的生产节拍。玻璃盘下装有6个调整高度的旋钮，方便调整玻璃盘的水平度，提高铆钉尺寸的测量精度。

图像测量模块由电缸和相机组成，在选择型号后，工业相机运动到预设的工作位置，保证铆钉出现在画面中央，图像清晰。当铆钉运动经过光纤传感器时，光纤传感器发送信号给工控机，触发相机拍照，拍照所得的图像信息经由网线传输给图像采集卡，工控机通过图像算法计算出铆钉的直径、高度、钉帽的高度、钉帽的直径等参数，依据合格铆钉的参数范围，判断铆钉是否合格，合格的铆钉按照钉身直径再次分类。

自动分拣模块由气泵、过滤调压阀、电磁阀、气嘴等组成。气泵输气经由过滤调压阀，调整气压并滤去气体中的杂质和水汽。依据图像测量模块对铆钉的分类，电磁阀控制气嘴吹气的时间点，将铆钉吹到不合格或是各公差段的料仓内，实现铆钉正废品等类别的分类。

2 基于果蝇算法的铆钉锪窝孔智能选配技术

2.1 铆钉锪窝孔智能选配系统工作原理

基于果蝇算法的铆钉锪窝孔智能选配系统的工作原理如下：首先制定当前的生产任务，开始锪窝制孔，制孔完成后对孔径进行测量。在已有的铆钉数据库里，选择相应类型和规格的铆钉，生成选配任务。根据锪窝制孔孔径的分布，对孔径分组的组数和上下限偏差进行计算，计算后判断铆钉的库存是否充足。若缺少铆钉，则自动生成相应铆钉的清单，补充铆钉；若铆钉库存充足，则生成分组选配的方案，结束选配。铆钉锪窝孔智能选配系统流程如图5所示。

图5 铆钉锪窝孔智能选配系统流程Fig.5 Flow chart of intelligent matching system for rivet and countersink

2.2 基于果蝇算法的铆钉选配

铆钉锪窝孔装配过程需要考虑两个目标：一个是装配质量Q，另一个是装配成功率N，在分组过程中需要使这两个目标值尽可能提高。若将铆钉分组匹配方案记为S，目标函数记为F，则铆钉分组选配的目标函数公式为：

式中，F（S）为优化目标，Q（S）为装配质量函数，N（S）为装配成功率函数。依据田口损失质量模型，估算由于单个铆钉锪窝孔的配合误差导致的质量损失的适应度函数如式（6）所示。

式中，λ表示铆钉锪窝孔的实际装配公差落在装配精度要求的上下限时的接受程度，T表示装配要求的公差带大小，α和β是大于0，和为1的系数，y表示实际装配时铆钉锪窝孔的装配公差，O为装配的理想公差值。在对单组铆钉锪窝孔配对的基础上，对生产任务中全部锪窝孔进行配对，并对配对结果进行综合评价。将全部铆钉锪窝孔匹配简化成单组铆钉锪窝孔配对关系，再通过累加定义该批选配方案S的装配质量Q：

式中，ω为每对零件的权值。为充分利用库存中的飞机铆钉，尽可能与所有的锪窝孔配对，减少装配过程中剩余的铆钉数量，采用装配成功率公式（式8）得到选配成功率：

式中，n1为已经配对的零件个数，n为库存零件的总个数。铆钉和锪窝孔的选配过程，实际上是求解目标函数最大值的过程，可以采用优化算法对其求解。果蝇优化算法是一种基于果蝇寻找食物的行为演变出全局寻优的方法[11]，该算法具有计算量小和易于实现的优点，所以比较适合解决工业生产中的问题。

现在以一批锪窝孔和铆钉为例，根据锪窝孔直径对铆钉进行分组选配，以提高铆钉锪窝孔装配质量。锪窝孔和飞机铆钉的尺寸分布如图6所示。

图6 锪窝孔和飞机铆钉的尺寸分布Fig.6 Distribution of countersink and aircraft rivets

依据锪窝孔的尺寸分布，使用果蝇算法对铆钉尺寸的分组进行寻优计算，配对质量全局寻优图和果蝇觅食路线如图7所示。从图中可以看到果蝇算法收敛速度快，在迭代89次后便收敛，并取得较好的配对质量。

图7 果蝇算法迭代过程Fig.7 Iterative process of fruit fly optimization algorithm

通过测量加工完成的锪窝孔，对铆钉分别采用传统的等公差宽度分组和果蝇算法分组。各组的分组情况如表1所示。将分组后的铆钉和锪窝孔进行配对，计算匹配的成功率和配对质量。通过使用果蝇算法将匹配的成功率从76.84%提高到90.85%，配对质量从0.8927提高到0.9096。

表1 等公差分组与果蝇算法分组数据对比Table 1 Comparison of equal tolerance zone grouping and grouping based on fruit fly optimization algorithm

2.3 铆钉锪窝孔选配系统搭建

为实现铆钉锪窝孔自动选配的功能，本文设计开发一套铆钉锪窝孔选配系统，该系统分为界面层、算法层、数据层3大部分，如图8所示。

图8 铆钉锪窝孔选配系统框架Fig.8 Framework of matching system for rivet and countersink

数据层是整个铆钉锪窝孔选配系统的根基，包含选配系统运行中需要的各种数据，即铆钉的库存、锪窝孔参数、装配工艺要求和装配历史方案等。

算法是整个系统的核心部分，整个系统的搭建、实现和运行都是围绕着算法层来实现的，算法层包括铆钉锪窝孔的数据输入、选配任务的输入、针对工艺要求的分组选配的参数设定、基于果蝇算法的分组选配、分组方案的输出等。

界面层是用户和选配系统实现交互的应用窗口，用户对系统的各种操作都必须在界面上实现。用户可以在界面制定生产任务，依据不同类型的锪窝孔选择合适的铆钉型号，根据装配工艺要求设置分组选配的参数，进行分组选配的计算，记录分组选配的结果等。

铆钉锪窝孔选配系统的界面如图9所示，界面分为4个部分：零件信息尺寸界面、工艺参数设置界面、选配参数界面和选配结果界面。零件信息尺寸界面可以显示各类型铆钉的尺寸参数信息和锪窝孔信息，可以对零件的类型进行添加和删除；工艺参数设置界面对钉孔间隙的最佳取值范围和理想值进行设定；选配参数界面是对选配算法的相关参数进行设置，包括种群数目、配对质量和成功率要求；选配结果界面显示各分组的上下限值、配对质量和成功率。

图9 铆钉锪窝孔选配系统界面Fig.9 Interface of matching system for rivet and countersink

3 结论

（1）为提高干涉量控制的准确度，本文从铆钉尺寸快速测量入手，通过机器视觉的方法，快速测量铆钉的尺寸参数，提高铆钉测量工作的效率和精度。

（2）提出基于果蝇算法的铆钉锪窝孔选配技术，通过测量到的铆钉和锪窝孔尺寸数据，对铆钉进行分组。试验结果表明，与传统的分组方法相比，配对成功率从76.84%提升到90.85%，配对质量从0.8927提高到0.9096。

（3）设计开发铆钉锪窝孔选配系统，该系统操作方式简单，运行速度快，选配的成功率和匹配质量高，具有很好的应用前景。