欧盟开发航空复合材料零件的零缺陷制造技术_海外动态_业界资讯__复合材料信息网

时间:2021-07-31
  飞机工业中 复合材料零件的自动化制造还没完全实现。尽管面向高质量结构的标准是由安全性驱动,但是当前都通过人工肉眼检查来满足,比如一个检测员必须停机并在继续前用肉眼检查铺层。为解决这个问题,欧盟委员会在“地平线2020”研究框架计划内资助了ZAero项目,旨在通过一个内嵌的自动化检测系统将复合材料零件生产效率提升30%-50%。不过项目更进了一步,还包括为工艺链操作员开发零件仿真和决策支持工具。这些系统如果在A320neo 碳纤维增强塑料机翼蒙皮批产中实施,预计每年将节省1.5亿欧元。它们还将解决当前质量控制系统无法跟上飞机生产速度增加的问题(每月60架),帮助达到所需的生产率。
 
 图 AFP传感器
  一、项目牵头方
  项目的设想出自奥地利Profactor公司,一个非大学研发中心,主要从事两类活动:1.微纳制造;2.工业辅助系统,如人和机器人协作(协作机器人),以及使用机器视觉和机器学习的质量保证。
  Profactor机器视觉经理表示:“我们是ZAero项目的协调方,本质上该项目是我们的想法。我们与航空工业共事了一些时间,发现在碳纤维增强塑料(CFRP)零件生产中的质量控制存在问题。通过空客我们了解到检测仍存在问题,特别是AFP,因此我们想到了覆盖整个生产过程的大项目。整个生产过程从铺放和将材料置入一个 模具开始直到固化工艺,专注如何将质量控制、返工决策和工艺链进行集成。他表示ZAero只是大项目簇的一部分——专注零缺陷制造领域,不仅面向航空航天还有不同领域,如航空航天微制造和汽车。
 
 图 当前铺放工艺
  
图 项目概念和解决方案
  二、项目交付物
  ZAero项目2016年开始,预计2019年结束。其三大交付物/主要计划是:
  1.在纤维铺放过程中替代造成生产瓶颈的现有手工检测工艺。解决方案是一个自动化的检测系统,探测缝隙、重叠、起毛和外来碎物(FOD)。为了可靠地完成检测,系统必须拥有学习组件,分辨一个正常表面和一个有缺陷的,而且必须区分不同缺陷。
  2.在固化过程中收集传感器数据,预测零件的最终性能。
  3.在更高层级,收集来自这些系统的所有数据,以帮助操作员确定如何处理一个特定类型的缺陷。因此作为一个整体,我们正为工艺构建决策支持工具。理想上,运行越多工艺就产生越多数据,决策支持工具将变得越智能。
图 项目预期成果
 图 项目进行的四个验证
  三、传感器、机器学习和仿真
  ZAero项目用于铺放的传感器已经开发出来,还为MTorres的AFP设备购买了最近由空客旗下InFactory解决方案公司开发和鉴定的传感器。项目的实验目前基于MTorres和FIDAMC的干纤维铺放。一个挑战是传感器需要集成到机床中。“AFP铺放头中几乎没有空间,它需要专门设计。”另一个问题是开发在曲面上AFP的传感器。“最后是经济性问题。如果你要建造一个扫描表面的传感器,它有一定的可视深度。”如果零件曲率高,则可视深度内可以扫描的区域就会变小。如果想扫描更大的区域,就需要更多扫描器或能够扫描更多角度的能力,比如偏移10度成两张图像。这将类似于在大面积超声试验(UT)系统中使用相控阵转换器。
 
 图 ADMP传感器
  尽管机器学习是Profactor的专业能力,为ZAero解决方案开发更高层级的决策支持技术还是有一些问题。“使用一个机器学习系统的标准方法,是在执行生产前将系统训练到一个特定的性能水平。为实现这个,我们离线训练系统,之后‘冻结’它——放到生产中不再进行更改。不过在ZAero项目中,我们在研究一个更新的方法,尝试利用来自生产线的数据流,持续改进系统的性能。这是在线训练。挑战是系统的机器学习总是变化着的,而且可能不总是朝正确的方向。这样,问题之一就是如何评价和管理这个在线机器学习,以保持工艺链稳定。”
  达索系统公司领导仿真这一部分项目。“当前更多关注铺放工艺。如果发现缺陷怎么办?达索的方法不使用当前复杂的规则组合,而是从零件实际制造中获取数据,在有限元分析(FEA)模型中使用它来预测缺陷造成的影响。它是否需要消除或处理?”