[发明专利]一种面向船用柴油机箱体类零件的工艺路线智能优选方法在审
申请号: | 201811377013.5 | 申请日: | 2018-11-19 |
公开(公告)号: | CN109635354A | 公开(公告)日: | 2019-04-16 |
发明(设计)人: | 刘金锋;朱钰萍;李纯金;周宏根;田桂中;李国超;李磊;景旭文 | 申请(专利权)人: | 江苏科技大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06N3/12 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 柏尚春 |
地址: | 212008 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 工艺路线 加工 船用柴油机 箱体类零件 工艺信息 智能优选 基元 优选 基本工艺约束 小组 适应度函数 资源利用率 尺寸信息 初始种群 工艺设计 工艺装备 机床刀具 随机产生 特征组合 遗传算法 优选目标 约束规则 智能化 邻接 生产成本 重用 筛选 制定 | ||
1.一种面向船用柴油机箱体类零件的工艺路线智能优选方法,其特征在于,包括以下步骤:
(1)将完全相同的特征定义为一个特征小组,利用含尺寸信息的属性邻接图将箱体类零件的特征组合为多个特征小组;
(2)对每个特征小组进行基于加工特征的工艺信息重用,得到特征对应的工艺信息;
(3)随机产生加工基元排列,制定基本约束规则,筛选出符合基本工艺约束的加工基元排列,并选择部分加工基元排列作为工艺路线优选的初始种群;
(4)以机床刀具更换最少为优选目标,确定适应度函数;
(5)基于遗传算法对工艺路线进行优选,最后优选出加工路线最短,资源利用率最高,生产成本最低的工艺路线。
2.根据权利要求1所述的一种面向船用柴油机箱体类零件的工艺路线智能优选方法,其特征在于,所述步骤(1)中的操作过程为:
(11)在对加工特征进行工艺信息重用之前,将完全相同的特征定义为一个特征小组,并提出含尺寸信息的属性邻接图;
(12)将含尺寸信息的属性邻接图分解为单个子图,并对子图一致的特征进行尺寸信息比较;
(13)子图及尺寸信息完全一致的特征记为一个特征小组,对于单个加工特征,自为一组,对组合后的特征小组给定组号标记。
3.根据权利要求2所述的一种面向船用柴油机箱体类零件的工艺路线智能优选方法,其特征在于,所述步骤(11)中完全相同的特征指几何、拓扑关系、尺寸参数和精度要求完全一致的特征。
4.根据权利要求1所述的一种面向船用柴油机箱体类零件的工艺路线智能优选方法,其特征在于,所述步骤(2)中的工艺信息包含以下三类:
(21)特征本身信息:主要包含特征的名称、尺寸参数和精度要求;
(22)工艺过程信息:主要包含工序名称、工序内容、工步数及工步名称;
(23)装备资源信息:主要包含机床类型、刀具及夹具。
5.根据权利要求1所述的一种面向船用柴油机箱体类零件的工艺路线智能优选方法,其特征在于,所述步骤(3)的具体操作过程为:
(31)将特征小组在(22)中对应的各工步定义为若干加工基元,并以“特征小组号+此特征加工工步”的简称标记加工基元;
(32)对加工基元随机产生的若干加工基元排列,并给出相应的矩阵表示;
(33)以单个特征的加工逻辑顺序为基本工艺约束,制定对应的规则算法作为筛选加工基元排列的基本约束条件;
(34)根据基本约束条件对(32)给出的排列种群进行初步筛选,排除不符合加工逻辑顺序的加工基元排列;
(35)将筛选后的加工基元排列作为初始种群,代入遗传算法中进行优选。
6.根据权利要求5所述的一种面向船用柴油机箱体类零件的工艺路线智能优选方法,其特征在于,所述步骤(32)中表示加工基元排列的矩阵M定义为:矩阵维数n由加工基元个数确定,即Mnn,行和列依次表示各个加工基元,矩阵中各元素依据加工基元在排列中的先后顺序而定,当第i个加工基元在第j个加工基元之前时,元素Mij设为1,当第i个加工基元在第j个加工基元之后时,元素Mij设为0,对角线元素为对应特征小组的标记。
7.根据权利要求5所述的一种面向船用柴油机箱体类零件的工艺路线智能优选方法,其特征在于,所述步骤(33)中的规则算法指每个特征的加工过程必须遵循一定的加工逻辑顺序,即任意单个特征的加工基元总满足第i个加工基元在第j个加工基元之前加工(i≤j时),因此在各个特征对应的分块方阵中满足一定的规律,即以主对角线为界右上三角全为1,左下三角全为0。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏科技大学,未经江苏科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811377013.5/1.html,转载请声明来源钻瓜专利网。