摘要
航天薄壁件是运载火箭贮箱的关键组成零件，占运载火箭总覆盖面积的60%以上，具有多品种、小批量的生产特点。三辊对称滚弯成形是航天薄壁件生产过程中的关键工艺环节，其成形曲率直接影响了后续焊接质量。对薄壁件成形曲率进行提前预测，能快速发现薄壁件生产过程中的曲率不达标现象，有效避免后续校形带来的时间损耗，对提升滚弯成形效率与精度具有重要意义。但是航天薄壁件滚弯过程受到工艺参数、尺寸参数等复杂因素的互相耦合影响以及存在前后道次的强时序相关性，使得难以挖掘各项因素与成形曲率的直接影响关系；并且不同品种薄壁件由于尺寸、材料差异导致滚弯性能差异大，难以建立跨品种的航天薄壁件曲率预测模型。因此，本文首先研究单品种航天薄壁件曲率预测模型，解决滚弯过程中的多因素耦合以及强时序性问题；然后研究多品种航天薄壁件曲率自适应预测方法，解决多品种、小批量特点下的迁移学习问题。主要工作如下： 1.针对航天薄壁件滚弯成形多影响因素耦合、滚弯过程强时序性的特点，提出了一种基于图注意力网络与长短期记忆网络（GAT-LSTM）的单品种航天薄壁件多道次滚弯成形曲率预测方法，包括图重构模块、特征提取模块与曲率预测模块。图重构模块将薄壁件滚弯成形数据样本从传统欧式空间转变为非欧式空间的图结构，图上节点代表滚弯成形各影响因素；特征提取模块设计多头注意力机制挖掘各影响因素间的耦合关系，通过综合多个注意力头的特征提取结果，获得薄壁件滚弯成形过程全局特征；曲率预测模块利用长短期记忆网络，学习航天薄壁件滚弯成形过程前后道次间的时序性，实现滚弯成形曲率精确预测。实验方面，分别采用仿真数据与现场数据，验证所提方法的有效性。 2.针对航天薄壁件多品种、小批量的特点，以及不同品种薄壁件之间的尺寸、材料和滚弯性能差异性，提出了一种基于域对抗网络的多品种航天薄壁件滚弯成形曲率自适应预测方法（IDANN）。首先使用GAT-LSTM网络代替原始域对抗网络的特征提取器与标签预测器，并设计多层单通道一维卷积挖掘多品种薄壁件材料曲线关键特征，增加数据维度，结合多核最大均值差异算法（Multi Kernal Maximum Mean Discrepancy，MK-MMD）进一步缩小域间分布差异，实现特征提取器对跨域不变特征的高效挖掘；其次设计两个相互独立的双层卷积神经网络替换域分类器的全连接层，提高域分类器对源域目标域特征的学习能力；在模型更新时通过梯度反转层实现域分类器与特征提取器对抗训练，配合标签预测器促使特征提取器学习更具一般性的跨域不变特征，最终实现多品种航天薄壁件滚弯成形曲率自适应预测；实验方面，分别采用仿真数据与现场数据，验证所提方法的有效性。 3.以上海某航天设备制造企业钣金车间为案例背景，设计开发航天薄壁件多道次滚弯成形曲率预测原型系统，对研究工作进行应用验证，为航天薄壁件高效、高精度滚弯成形提供可靠工具。
NETL