基于STEP—NC的加工工藝路線生成與優(yōu)化技術(shù)研究進(jìn)展

【摘 要】為了對基于STEP-NC加工工藝路線設(shè)計相關(guān)技術(shù)進(jìn)行全面的了解，對近年來相關(guān)領(lǐng)域取得的研究成果進(jìn)行了分析和總結(jié)，將相關(guān)研究分為三個主要方向，分別總結(jié)分析了各個研究方向所取得的研究進(jìn)展和存在的問題。

【關(guān)鍵詞】STEP-NC；加工工藝路線；工藝優(yōu)化

1997年歐共體在OPTIMAL中提出了一種兼容于STEP標(biāo)準(zhǔn)的STEP-NC標(biāo)準(zhǔn)，它為CAx系統(tǒng)間的無縫集成及數(shù)控系統(tǒng)向開放性、智能化和網(wǎng)絡(luò)化等方向發(fā)展帶來了全新的機(jī)遇[1]?；赟TEP-NC的工藝路線設(shè)計以加工特征所對應(yīng)的加工工步為核心單元，將零件的加工過程轉(zhuǎn)換為加工工步序列的非線性規(guī)劃。由于STEP-NC加工工步序列呈非線性排列，可生成多條可供選擇的工藝路線，使CNC系統(tǒng)可根據(jù)加工現(xiàn)場需求，實時靈活地選擇合理的加工工步序列，提高CNC系統(tǒng)的柔性化水平。

隨著STEP-NC標(biāo)準(zhǔn)的完善和人工智能技術(shù)的成熟，STEP-NC非線性工藝規(guī)劃也成為下一代數(shù)控系統(tǒng)的關(guān)鍵技術(shù)。如何解決STEP-NC加工工步序列的生成與優(yōu)化問題，已成為STEP-NC數(shù)控加工走向成熟并在車間得到應(yīng)用中亟待解決的關(guān)鍵問題[1-2]。

1.基于STEP-NC加工特征識別技術(shù)研究

80年代以來，產(chǎn)品幾何信息的自動識別技術(shù)作為CAD/CAPP/CAM間信息交換的關(guān)鍵技術(shù)，一度成為CAx領(lǐng)域研究熱點，已形成了比較成熟的特征識別方法有：基于圖的方法、基于痕跡的方法、體積剖分法、語義模式識別法、神經(jīng)網(wǎng)絡(luò)方法及其混合式辨識法等[2]。基于圖的特征辨識法具有能夠很好識別獨立特征且識別率高被廣泛使用，但其無法直接識別相交特征。基于痕跡的特征識別法卻能很好實現(xiàn)相交特征的識別，但對于復(fù)雜特征無法找到合適的痕跡而顯得力不從心[2]。體積剖分法將零件模型分解成凸體集合后重新組合來，理論上能夠識別任意相交特征，但卻無法保證得到正確的加工特征且其計算量巨大。文獻(xiàn)[2]充分利用基于圖和痕跡的雙重優(yōu)勢，提出一種基于圖和痕跡的相交特征識別方法，能識別符合STEP-NC的加工特征。文獻(xiàn)[3]針對STEP-NC加工特征的特點，提出了交叉特征的定義及其特征識別方法，開發(fā)了相應(yīng)的特征識別系統(tǒng)，實現(xiàn)了STEP-NC加工特征識別。

上述方法在一定程度上解決了特征識別領(lǐng)域的相關(guān)問題，但對于復(fù)雜交叉特征的自動識別、特征的多種解釋處理、特征約束抽取、特征優(yōu)先樹重構(gòu)等諸多問題[4]，尤其是針對符合STEP-NC的加工特征識別研究偏少，目前還難以完全自動化地實現(xiàn)基于STEP-NC的加工特征識別，有待進(jìn)一步研究[4]。

2.基于STEP-NC的加工工藝路線生成技術(shù)研究

獲取STEP-NC加工特征后，還需為每個加工特征獲取可行的加工操作，它是加工工步序列優(yōu)化的基礎(chǔ)。目前常規(guī)CAPP系統(tǒng)中生成特征加工方案所采用的方法主要有：基于決策表或決策樹、產(chǎn)生式規(guī)則、神經(jīng)網(wǎng)絡(luò)及其混合方法等[5]。Chang等[6]通過Hopfield網(wǎng)絡(luò)來獲取較好的工序順序，再根據(jù)特征優(yōu)先關(guān)系和基于刀具和進(jìn)刀方向進(jìn)行加工操作的特征聚類?；◤V如等[5]考慮了特征的多個可行加工方案，提出了基于GA的可行加工方案選擇和操作排序的綜合優(yōu)化方法。歐陽華兵等[7]基于STEP-NC制造特征的優(yōu)先級約束規(guī)則對加工工步聚類分組，采用專家打分及其評定策略實現(xiàn)工步的自動排序，完成加工操作規(guī)劃。

以上研究對加工操作方法決策和加工工步生成進(jìn)行了有益探索，實現(xiàn)了加工特征及其有效加工操作的關(guān)聯(lián)，在一定程度上實現(xiàn)了加工操作方法的決策。但它們建立在典型加工方法基礎(chǔ)上，以定性化方式描述多加工方案的優(yōu)先關(guān)系，受到工藝員經(jīng)驗與典型加工方案等諸多因素的制約，難以保證加工操作選擇的有效性和最優(yōu)化。為了能高效完成加工操作方法的決策與加工工步的自動生成，還應(yīng)充分考慮到加工特征的幾何參數(shù)、加工精度、表面粗糙度等設(shè)計信息、制造資源及每種可行加工操作方法選擇的優(yōu)先權(quán)等諸多約束條件，從定性化和定量化角度來構(gòu)建加工操作的選擇決策模型。

3.基于STEP-NC的加工工藝路線優(yōu)化技術(shù)研究

加工工步排序與優(yōu)化作為工藝路線規(guī)劃過程中的關(guān)鍵環(huán)節(jié)，它在很大程度上決定了CAPP系統(tǒng)的實用化、柔性化和智能化水平。由于一個加工特征可多個加工工步且所有加工工步可任意排列組合。理論上，由N個加工工步組成的工序可形成N！個加工工步序列，通過工序排序約束規(guī)則和工步序列的有效化處理，可剔除許多無效的工步序列，但當(dāng)工步規(guī)模較大、符合工藝規(guī)則的可行方案數(shù)量較多時，有效的工步序列數(shù)目仍然十分龐大，單純依靠經(jīng)驗難以取得最優(yōu)或次優(yōu)的排序方案[6]。

針對傳統(tǒng)CAPP的工步排序及其優(yōu)化等問題，國內(nèi)外研究人員提出了基于導(dǎo)數(shù)的解析方法、枚舉法和其它啟發(fā)式搜索方法（如爬山方法、模擬退火方法等）[6]，這些方法大部分都是基于局部搜索原理，通常難以達(dá)到全局的最優(yōu)化。隨著人工智能技術(shù)的發(fā)展，遺傳算法、模擬退火法、蟻群算法及其混合算法等智能算法被廣泛應(yīng)用到工步排序與優(yōu)化研究領(lǐng)域中[5-6]。張冠偉等[9]以輔助加工時間最短為優(yōu)化目標(biāo)，提出了遺傳算法對零件在一次裝夾情況下加工工步的優(yōu)化排序。黃偉軍等[10]將工藝決策過程轉(zhuǎn)化為工步有向圖，構(gòu)建工步圖的拓?fù)渑判蚰Ｐ?，采用一種隨機(jī)深度優(yōu)先搜索算法對工步圖進(jìn)行拓?fù)渑判?，并通過基于模擬退火機(jī)制的精英策略來解決工藝路線的優(yōu)化問題。文獻(xiàn)[11]綜合考慮工藝路線規(guī)劃過程中所滿足的實際約束條件，建立了高效低碳的多目標(biāo)工藝路線優(yōu)化模型，并采用遺傳算法進(jìn)行求解。黃風(fēng)立[12]等基于STEP-NC加工特征，提出采用蟻群算法對非線性工藝路線進(jìn)行決策的方法。

上述方法在一定程度上解決了傳統(tǒng)工步排序與優(yōu)化問題，但針對STEP-NC的加工特點，對其加工工步序列的排序與優(yōu)化問題研究不多見，其中田錫天，杜娟等[4，13]重點對面向STEP-NC智能化的數(shù)控加工關(guān)鍵技術(shù)展開研究。歐陽華兵等[14]詳細(xì)闡述了面向STEP-NC制造特征的非線性工藝路線優(yōu)化問題，提出了基于操作優(yōu)先圖的智能搜索和遺傳算法相結(jié)合的混合式算法，考慮車間動態(tài)制造資源約束，有效提出了無效的加工工步序列，提高加工工步序列排序和優(yōu)化的決策效率。endprint

4.總結(jié)與展望

綜上可知，國內(nèi)外在基于STEP-NC的工藝路線生成與優(yōu)化方面取得了明顯的進(jìn)展，在采用進(jìn)化計算（如遺傳算法、模擬退火算法、粒子群算法等）對工藝路線進(jìn)行優(yōu)化時，優(yōu)化目標(biāo)多為制造質(zhì)量和制造效率，而將低能耗低排放為優(yōu)化目標(biāo)的研究較少，但隨著資源危機(jī)和環(huán)境污染問題的日益突出，以碳排放減量化為目標(biāo)的低碳制造，尤其是以制造工藝過程的能效和碳排放研究得到廣泛關(guān)注。另外，在具體的求解算法上大多采用單一算法，如何揚(yáng)長避短，設(shè)計性能更加優(yōu)秀的混合式算法來求解工藝優(yōu)化問題仍然是未來研究的熱點問題。

參考文獻(xiàn)：

[1]富宏亞，胡泊，韓德東.STEP-NC數(shù)控技術(shù)研究進(jìn)展[J].計算機(jī)集成制造系統(tǒng)，2014，20（03）：569-578.

[2]Verm A K， Rajoti S. A review of machining feature recognition methodologies[J]. International Journal of Computer Integrated Manufacturing， 2010，23（4）：353-368.

[3]Dipper T，Xu X， Klemm P. Defining， recognizing and representing feature interactions in a feature-based data model[J]. Robotics and Computer-Integrated Manufacturing， 2011，27（1）：101-114.

[4]田錫天，仝春民，張振明等.基于STEP-NC的工藝過程設(shè)計與優(yōu)化技術(shù)研究[J].西北工業(yè)大學(xué)學(xué)報，2007，25（02）：261-265.

[5]花廣如，王會鳳，張震寰等.基于遺傳算法的加工方案選擇與操作排序綜合優(yōu)化方法[J].上海交通大學(xué)學(xué)報，2006，40（2）：195-200.

[6]Chang C A， Angkasith V. Using Hopfield neural networks for operational sequencing for prismatic parts on NC machines[J]. 2001，14（3）：357-368.

[7]歐陽華兵，沈斌.面向STEP-NC基于加工特征規(guī)則聚類的零件裝夾規(guī)劃[J]. 2012，18（5）：973-980.

[8]Xu X， Wang L， Newman S T. Computer-aided process planning-A critical review of recent developments and future trends[J]. International Journal of Computer Integrated Manufacturing， 2011，24（1）：1-31.

[9]張冠偉，趙相松，李佳等.基于遺傳算法的工步優(yōu)化排序方法[J].計算機(jī)集成制造系統(tǒng)，2005，11（2）：242-246.

[10]黃偉軍，蔡力鋼，胡于進(jìn)等.基于遺傳算法與有向圖拓?fù)渑判虻墓に嚶肪€優(yōu)化[J].計算機(jī)集成制造系統(tǒng)，2009，15（9）：1770-1778.

[11]李聰波，李鵬宇，劉飛等.面向高效低碳的機(jī)械加工工藝路線多目標(biāo)優(yōu)化模型[J].機(jī)械工程學(xué)報，2014，50（17）：133-141.

[12]黃風(fēng)立，顧金梅，王海燕. 面向制造特征的 STEP-NC 非線性工藝路線激勵生成方法[J].計算機(jī)集成制造系統(tǒng)， 2016， 22（5）： 1245-1254.

[13]田錫天，杜娟，張振明等.STEP-CAPP系統(tǒng)中的非線性工藝設(shè)計和工藝優(yōu)化技術(shù)[J].計算機(jī)集成制造系統(tǒng)，2007，13（1）：228-233.

[14]歐陽華兵，沈斌.面向STEP-NC基于混合式遺傳算法的工藝路線優(yōu)化[J].計算機(jī)集成制造系統(tǒng)，2012，18（1）：66-75.endprint