(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111457308.5 (22)申请日 2021.12.02 (71)申请人 中国科学院沈阳自动化研究所 地址 110016 辽宁省沈阳市沈河区南塔街 114号 (72)发明人 王军义　杨啸　于海斌　徐志刚　 范林林　徐永利　刘勇　刘松凯　 (74)专利代理 机构 沈阳科苑专利商标代理有限 公司 210 02 代理人 王倩 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06F 30/15(2020.01) G06F 30/17(2020.01)G06N 3/00(2006.01) G06N 3/08(2006.01) G06F 119/14(2020.01) (54)发明名称 基于增强现实的舱段不可测装配质量检测 方法 (57)摘要 本发明涉及本发明公开了基于增强现实的 舱段不可测装配质量检测方法， 涉及智能装配制 造领域。 该方法基于舱段实测模型， 取得装配部 件的几何特征数据， 根据装配过程中的装配工艺 参数， 使用有限元方法计算得到装配体内部不可 测质量数据作为样本集； 使用生成 ‑对抗神经网 络对样本数据进行扩张， 用扩张后的样本集训练 装配质量仿真计算模型， 对舱段不可测装配质量 进行快速计算； 将舱段装配质量计算结果通过3D 变形图、 应变云图、 变形数值显示窗等方式叠加 在增强现实环 境中， 实现舱段不可测装配质量的 可视化， 帮助控制舱段装配质量。 权利要求书3页 说明书6页 附图3页 CN 114239349 A 2022.03.25 CN 114239349 A 1.基于增强现实的舱段不可测装配质量检测方法， 其特 征在于， 包括以下步骤： 步骤S1： 基于实测舱段获得舱段几何特征数据， 根据装配工艺参数通过有限元方法计 算得到舱段装配内部质量数据； 步骤S2： 将S1中得到的几何特征数据、 装配工艺参数及舱段装配内部质量数据作为样 本集， 使用生成 ‑对抗网络扩张样本数； 步骤S3： 基于实测舱段获得的几何特征数据， 结合装配过程中的装配工艺参数， 使用基 于机器学习的装配质量仿真神经网络模型得到舱段的装配内部质量数据， 以获取实时的舱 段装配内部不可 见状态。 2.根据权利要求1所述的基于增强现实的舱段不可测装配质量检测方法， 其特 征在于： 所述步骤S1中包括以下步骤: 步骤S1.1： 使用实验舱段模拟发动机舱段装配过程， 在舱段对接表面安置应变片进行 受力检测； 步骤S1.2： 采集舱段的几何特征数据、 装配工艺参数、 应力应变、 密封 圈剪切力、 密封 圈 挤压量， 通过X探伤检测装置检测舱段在 装配过程中的装配间隙、 装配干涉； 所述装配间隙、 装配干涉、 应力应 变、 密封圈剪切力、 密封圈挤压量构成内部质量状态数据； 步骤S1.3： 使用有限元方法获得舱段在数字空间中虚拟舱段的内部质量状态， 根据 S1.2得到的实测舱段内部质量状态修 正舱段的有限元分析计算模型； 步骤S1.4： 通过重复步骤S1.1 ‑S1.3采集多 组实验舱段的几何特征及装配工艺参数、 并 通过有限元分析方法计算得到舱段有限元分析模型的内部质量状态数据， 将舱段的几何特 征及装配工艺 参数、 内部质量状态数据作为初始的样本数据集。 3.根据权利要求1所述的基于增强现实的舱段不可测装配质量检测方法， 其特征在于： 所述步骤S1.3包括以下步骤： 步骤S1.3.1： 将虚拟舱段导入有限元分析软件， 添加材料属性及连接条件， 添加夹具条 件、 载荷约束； 步骤S1.3.2： 进行网格划分； 步骤S1.3.3： 通过分析 取得虚拟舱段的内部质量状态数据； 步骤S1.3.4： 根据S1.1 ‑S1.2得到的内部质量状态校正有限元方法计算得到 的虚拟舱 段的内部质量状态数据， 修 正有限元分析计算模型。 4.根据权利要求1所述的基于增强现实的舱段不可测装配质量检测方法， 其特征在于： 所述步骤S2包括以下步骤: 步骤S2.1： 将步骤S1.4得到的几何特征数据、 装配工艺参数、 内部质量状态数据构 建样 本数据集， 并构建条件式生成 ‑对抗神经网络； 所述条件式生成 ‑对抗神经网络包括生成器 和判别器， 所述生成器根据已知的几何特征数据、 装配工艺参数及内部质量状态数据继续 生成样本数据； 所述判别器为生成样本质量判别器， 根据已知的样本数据对生成器的生成 样本数据进行判别； 步骤S2.2： 使用训练后的判别器对生成器生成的数据和样本数据集中的样本数据进行 质量判别， 将通过质量判别的生成数据加入样本数据集； 步骤S2.3： 使用扩充后的数据集重复执行步骤S2.1 ‑S2.2， 继续训练生成器， 直至质量 判别器无法分辨真假， 即判别概 率0.5时停止训练；权　利　要　求　书 1/3 页 2 CN 114239349 A 2步骤S2.4： 由生成器根据通过步骤S1.4获取的几何特征数据、 装配工艺参数及内部质 量状态数据， 对样本数据集进行扩张。 5.根据权利要求4所述的基于增强现实的舱段不可测装配质量检测方法， 其特征在于： 步骤S2.1中的生成器和判别器进行训练， 包括以下步骤： 步骤S2.1.1： 使用样本数据初次训练判别器； 步骤S2.1.2： 使用样本数据初次训练生成器； 步骤S2.1.3： 使用训练后的生成器产生数据集， 对初次训练后的质量判别器进行二次 训练。 6.根据权利要求1所述的基于增强现实的舱段不可测装配质量检测方法， 其特征在于： 所述步骤S3中包括以下步骤： 步骤S3.1： 构建装配质量仿真神经网络模型； 步骤S3.2： 将步骤S2.4得到的扩张后样本数据集分为训练集和测试集， 进行装配质量 仿真神经网络模型的训练； 步骤S3.3： 对于已完成装配的舱段， 根据实测舱段获得的几何特征， 结合装配过程中的 装配工艺 参数， 使用装配质量仿真神经网络模型 得到舱段内部不可测的质量状态数据。 7.根据权利要求6所述的基于增强现实的舱段不可测装配质量检测方法， 其特征在于： 所述步骤S3.2包括： 步骤S3.2.1： 将 样本数据集划分训练集和 测试集； 步骤S3.2.2： 以舱段几何特征数据及装配工艺参数为训练输入， 内部质量状态数据为 训练输出， 进行 数据归一 化处理； 步骤S3.2.3： 训练装配质量仿真计算神经网络模型， 使用粒子群算法对网络参数进行 寻优。 8.根据权利要求7所述的基于增强现实的舱段不可测装配质量检测方法， 其特征在于： 所述步骤S3.2.3包括： 步骤S3.2.3.1： 初始化粒子群的大小， 设置最大的速度区间和搜索区间， 在搜索空间和 速度区间内随机初始化初始位置、 初始速度； 所述粒子的优化目标为装配质量仿真计算神经网络的参数： 输入层节点个数、 隐含层 数、 各隐含层节点个数、 输出层节点个数； 步骤S3.2.3.2： 设置粒子更新的惯性因子ω和加速常数C1、 C2， 设置终止条件为达到最 大迭代次数Gmax或神经网络结构下验证集的均方误差 MSE小于 ε； 步骤S3.2.3.3： 计算各个粒子对应网络结构下验证集的均方误差， 找到各粒子当前的 个体极值pb和整个粒子群的当前全局最优解gb， 并判断是否 达到终止条件； 若是， 则输出目前 粒子群最优位置作为装配质量仿真计算神经网络参数优化结果； 若否,根据下列公式更新各个粒子的速度和位置： new_v＝ω ·v+C1·rand()·(pb‑position)+C2·rand()·(gb‑position) new_positi on＝positi on+new_v·t 其中， new_v为粒子更新后的速度， ω为惯性因子， v为粒子当前 的速度,C1、 C2为加速常 数， rand()为0到1之间的随机数， pb为粒子最优位置， gb为全体粒子最优位置， p osition为 粒子当前位置， new_positi on为粒子更新后的位置， t为时间；权　利　要　求　书 2/3 页 3 CN 114239349 A 3