使用机器学习和稀疏传感预测飞机装配中的垫片间隙
摘要：航空器个别填充物（厚片）是填补飞机结构组件之间由于制造公差在大型结构物上集合而形成的间隙所必需的，一个现代飞机可能需要上千个个别填充物。这些填充物的存在是为了消除间隙、维持结构性能，并且最小化将飞机调整到工程标称配置以达到最佳飞行效能所需的附加拉力。填隙是一个耗时的过程，涉及到要么昂贵的人工检查，要么使用越来越先进的计量设备进行大量测量数据的计算。无论哪种情况，都会导致生产延误，其中大部分时间都花在飞机装配的关键路径上。本文提出了一种基于机器学习和稀疏传感的预测填隙策略，首先通过历史数据学习间隙分布，然后设计优化的稀疏传感策略来简化数据收集和处理过程。这种新方法基于这样一个假设，即填充物分布在飞机之间存在着模式，这些模式可以被挖掘并用于减轻未来飞机数据收集和处理的负担。具体而言，本文利用鲁棒主成分分析方法提取间隙测量结果中的低维模式，同时排除异常值。接下来，获取了在这些低维主成分上对新飞机尺寸最具信息量的优化稀疏传感器。我们在代表性的54架波音商用飞机的历史生产数据上展示了所提出方法的成功，我们的算法成功地在所需的测量公差内预测了99%的填充物间隙，并只使用了通常所需的激光扫描点的3%；所有结果都经过了交叉验证。
作者：Krithika Manohar, Thomas Hogan, Jim Buttrick, Ashis G. Banerjee, J. Nathan Kutz and Steven L. Brunton
论文ID：1711.08861
分类：Machine Learning
分类简称：stat.ML
提交时间：2020-05-18