《翻译中文 (2).doc》由会员分享，可在线阅读，更多相关《翻译中文 (2).doc（5页珍藏版）》请在金锄头文库上搜索。
1、采用遗传算法优化加工夹具定位和加紧位置摘要：工件变形的问题可能导致机械加工中的空间问题。支撑和定位器是用于减少工件弹性变形引起的误差。支撑、定位器的优化和夹具定位是最大限度的减少几何在工件加工中的误差的一个关键问题。本文应用夹具布局优化遗传算法（Gas）来处理夹具布局优化问题。遗传算法的方法是基于一种通过整合有限的运行于批处理模式的每一代的目标函数值得元素代码的方法，用于来优化夹具布局。给出的个案研究说明已开发的方法的应用。采用染色体文库方法减少整体解决问题的时间。已开发的遗传算法保持跟踪先前的分析设计，因此先前的分析功能评价的数量降低大约93.结果表明，该方法的夹具布局优化问题是多模式的问题
2、。优化设计之间没有任何明显的相似之处，虽然它们提供非常相似的表现。关键词：夹具设计；遗传算法；优化1.引言 夹具用来定位和束缚机械操作中的工件，减少由于对确保机械操作准确性的夹紧方案和切削力造成的工件和夹具的变形。传统上，加工夹具是通过反复试验法来设计和制造的，这是一个既造价高又耗时的制造过程。为确保工件按规定尺寸和公差来制造，工件必须给以适当的定位和夹紧以确保有必要开发工具来消除高造价和耗时的反复试验设计方法。适当的工件定位和夹具设计对于产品质量的精密度、准确度和机械制件的完饰是至关重要的。 从理论上说，3-2-1定位原则 对于定位所有的棱柱形零件是很令人满意的。该方法具有最大的刚性与最少量
3、的夹具元件。从动力学观点来看定位零件意味着限制了自由移动物体的六自由度（三个平动自由度和三个旋转自由度）。在零件下部设置三个支撑来建立工件在垂直轴方向的定位。在两个外围边缘放置定位器旨在建立工件在水平x轴和y轴的定位。正确定位夹具的工件对于制造过程的全面准确性和重复性是至关重要的。定位器应该尽可能的远距离的分开放置并且应该放在任何可能的加工面上。放置的支撑器通常用来包围工件的重力中心并且尽可能的将其分开放置以维持其稳定性。夹具夹子的首要任务是固定夹具以抵抗定位器和支撑器。不应该要求夹子反抗加工操作中的切削力。 对于给定数量的夹具元件，加工夹具合成的问题是寻找夹具优化布局或工件周围夹具元件的位置
4、。本篇文章提出一种优化夹具遗传算法。优化目标是研究一个二维夹具布局使工件不同位置上最大的弹性变形最小。ANSYS程序以用于工件变形情况下夹紧力和切削力。本文给出两个实例来说明给出的方法。2.回顾相关工程结构 最近几年夹具设计问题受到越来越多的重视。然而，很少有注意力集中在优化夹具布局设计。Menassa和Devries用FEA计算变形量使设计准则要求的位点的工件变形最小化。设计问题是确定支持器位置。Meyer和Liou提出一个方法就是使用线性编程技术合成动态编程条件中的夹具。给出了使夹紧力和定位力最小化的解决方案。Li和Melkote用非线性规划方法解决布局优化问题。这个方法使工件位置误差最小
5、化归于工件的局部弹性变形。Roy和Liao开发出一种启发式方法来计划最好的支撑和夹紧位置。Tao等人提出一个几何推理的方法来确定最优夹紧点和任意形状工件的夹紧顺序。Liao和Hu提出一种夹具结构分析系统，这个系统基于动态模型分析受限于时变加工负载的夹具工件系统。本文也调查了夹紧位置的影响。Li和Melkote提出夹具布局和夹紧力优化结合的程序。他们用接触弹性建模方法解释工件刚体动力学在加工期间的影响。Amaral等人ANSYS验证夹具设计的完整性。他们用3-2-1方法。ANSYA提出优化分析。Tan等人通过力锁合、优化与有限建模方法描述了建模、优化夹具的分析与验证。 以上大部分的研究使用线性和
6、非线性编程方式这通常不会给出全局最优解决方案。所有的夹具布局优化程序开始于一个初始可行布局。这些方法给出的解决方案在很大程度上取决于初始夹具布局。他们没有考虑到工件夹具布局优化对整体的变形 GAs已被证明在解决工程中优化问题是有用的。夹具设计具有巨大的解决空间并需要搜索工具找到最好的设计。一些研究人员曾使用GAs解决夹具设计及夹具布局问题。Kumar等人用GAs和神经网络设计夹具。Marcelin已将GAs用于支撑位置的优化。Vallapuzha等人提出基于优化方法的GA，它采用空间坐标来表示夹具元件的位置。夹具布局优化程序设计的实现是使用MATLAB和遗传算法工具箱。HYPERMESH和MS
7、C/NASTRAN用于FE模型。Vallapuzha等人提出一些结果关于一个广泛调查不同优化方法的相对有效性。他们的研究表明连续遗传算法提出了最优质的解决方案。Li和Shiu使用遗传算法确定了夹具设计最优配置的金属片。MSCN/NASTRAN已经用于适应度值评价。Liao提出自动选择最佳夹子和夹钳的数目以及它们在金属片整合的夹具中的最优位置。Krisshnakumar和Melkote开发了一种夹具布局优化技术，它是利用遗传算法找到了夹具布局，由于整个刀具路径中的夹紧力和加工力使加工表面变形量最小化。通过节点编号使定位器和夹具位置特殊化。一个内置的有限元求解器研制成功。 一些研究没考虑到整个刀具
8、路径的优化布局以及磨屑清除。一些研究采用节点编号作为设计参数。 在本研究中，开发GA工具用于寻找在二维工件中最优定位器和夹紧位置。使用参考边缘的距离作为设计参数而不是用FEA节点编号，真正编码遗传算法的染色体的健康指数是从FEA结果中获得的。ANSYS用于FEA计算。用染色体文库的方法是为了减少解决问题的时间。用两个问题测试已开发的遗传算法工具。给出的两个实例说明了这个开发的方法。本论文主要贡献可以概括为以下几个方面：（1） 开发了遗传算法编码结合商业有限元素求解；（2） 遗传算法采用染色体文库以降低计算时间（3） 使用真正的设计参数，而不是有限元节点数字（4） 当工具在工件中移动时考虑磨屑清
9、除工具。3.遗传算法概念 遗传算法最初由John Holland开发。Goldberg出版了一本书，解释了这个理论和遗传算法应用实例的详细说明。遗传算法是一种随机搜索方法，它模拟一些自然演化的机制。该算法用于种群设计。种群从一代到另一代演化，通过自然选择逐渐提高了适应环境的能力，更健康的个体有更好的机会，将他们的特征传给后代。 该算法中，要基于为每个设计计算合适性，所以人工选择取代自然环境选择。适应度值这个词用来指明染色体生存几率，它在本质上是该优化问题的目标函数，生物定义的特征染色体用代表设计变量的字符串中的数值代替。被公认的遗传算法与传统的梯度基础优化技术的不同主要有如下四种方式：（1）
10、遗传算法和问题中的一种编码的设计变量和参数一起工作面不是实际参数本身。（2） 遗传算法使用种群一类型研究。评价在每个重复中的许多不同的设计要点面不是一个点顺序移动到下一个。（3） 遗传算法仅仅需要一个适当的或目标函数值。没有衍生晶或梯度是必要的。（4） 遗传算法以用概率转换规则来发现新设计为探索点而不是利用基于梯度信息的确定性规则来找到这些新观点。 4.方法4.1夹具定位原则 加工过程中，用夹具来保持工件处于一个稳定的操作位置。对于夹具最重要的标准是工件位置精确度和和工件变形，一个良好的夹具设计使工件几何和加工精度误差最小化。另一个夹具设计的要求是夹具必须限制工件的变形。考虑切削力以及夹紧力是
11、很重要的。没有足够的夹具支撑，加工操作就不符合设计公差。有限元分析在解决这其中的一些问题时是一种很有力的工具。棱柱形零件常见的定位方法是3-2-1方法。该方法具有最大刚度以及最小夹具元件数。在三维中一个工件可能会通过六自由度定位方法快速定位为了限制工件的九个自由度。其他的三个自由度通过夹具元件消除了。基于3-2-1定位原理的二位工件布局的例子如： 图4 3-2-1 对二维棱柱形工件定位布局定位面的数量不得超过两个避免冗余的位置。基于3-2-1的夹具原则有两种精确的定位平面包含于两个或一个定位器。因此，在两边有最大的加紧力抵抗每个定位平面。夹紧力总是指向定位器为了推动工件接触到所有的定位器。定位
12、点对面应定位夹紧点防止工件由于夹紧力而扭曲。因为加工力沿着加工面，所以有必要确保定位器的反应力在所有时间内是正的。任何负面的反应力表示工件从夹具元件中脱离。换句话说，当反应力是负的时候，工件和夹具元件之间接触或分离的损失可能发生。定位器内正的反应确保工件从切削开始到结束都能接触到所有的定位器。夹紧力应该充分束缚和定位元件且不导致工件的变形或损坏。本文不考虑夹紧力的优化。4.2基于夹具布局优化方法的遗传算法 在实际设计问题中，设计参数的数量可能很大并且它们对目标函数的影响会是非常复杂的。目标函数曲线必须是光滑的并且需要一个程序计算梯度。遗传算法在理念上远不同于其他的探究方法，它们包括传统的优化方
13、法和其他随机方法。通过运用遗传算法来对夹具优化布局，可以获得一个或一组最优的解决方案。 本项研究中，最优定位器和夹具定位使用遗传算法确定。它们是理想的适合夹具布局优化问题的方法因为没有直接分析的关系存在于加工误差和夹具布局中。因为遗传算法仅仅为一个特别的夹具布局处理设计变量和目标函数值，所以不需要梯度或辅助信息。 建议方案流程图如图5。 使用开发的命名为GenFix和Delphi语言软件来实现夹具布局优化。位移量用ANSYS软件计算。通过WinExec功能在GenFix中运行ANSYS很简单。GenFix和ANSYS之间相互作用通过四布实现：（1） 定位器和夹具位置从二进制代码字符串中提取作为
14、真正的参数。（2） 这些参数和ANSYS输入批处理文件（建模、解决方案和后置处理）用WinExec功能传给ANSYS。（3） 解决后将位移值写成一个文本文件。（4） GenFix读这个文件并为当前定位器和夹紧位置计算适应度值。为了减少计算量，染色体与适应度值储存在一个文库里以备进一步评估。GenFix首先检查是否当前的染色体的适应度值已经在之前被计算过。如果没有，定位器位置被送到ANSYS，否则从文库中取走适应度值。在初始种群产生过程中，检查每一个染色体可行与否。如果违反了这个原则，它就会出局后新的染色体就产生了。这个程序创造了可行的初始种群。为保证了初始种群的每个染色体在夹紧力和切削力作用下
15、工件的稳定性。用两个测试为例来验证提到的遗传算法计划。第一个实例是使用Himmelblau功能。在第二个测试用例中，遗传算法计划用来优化均匀载荷作用下梁的支持位置。 Best individualtNNumber of Iteration (N)Population Size (PS)Crossover Probability (Pc)Mutation Probability (Pm)Initialize population,t0Evaulate the fitness of each individual indi5.夹具布局优化的个案研究 该夹具布局优化问题的定义是：找到定位器和夹子的位置以使在特定区工件变形降到最小程度。那么多的定位器和夹子并不是设计参数因为它们在3-2-1方案中是已知的和固定的。因此，设计参数的选择如同定位器和夹子的位置。本研究中不考虑摩擦力。两个实例研究来说明以提出的方法。6.结论 本文提出了一个夹具布局优化的评价优化技术。ANSYS用于FE计算适合度值。可以看到，遗传算法和FE方法的结合对当今此类问题似乎是一种强大的方法。遗传算法特别适合应用于解决那些在目标函数和设计变量之间不存在一个定义明确的数学关系的问题。结果证明遗传算法在夹具布局优化问题方面的成功应用。本项研究中，遗传算法在夹具
