50附錄二 ：中文翻譯 通過夾具布局設(shè)計和夾緊力的優(yōu)化控制變形摘 要工件變形必須控制在數(shù)值控制機械加工過程之中。夾具布局和夾緊力是影響加工變形程度和分布的兩個主要方面。在本文提出了一種多目標模型的建立，以減低變形的程度和增加均勻變形分布。有限元方法應用于分析變形。遺傳算法發(fā)展是為了解決優(yōu)化模型。最后舉了一個例子說明，一個令人滿意的結(jié)果被求得， 這是遠優(yōu)于經(jīng)驗之一的。多目標模型可以減少加工變形有效地改善分布狀況。關(guān)鍵詞：夾具布局；夾緊力； 遺傳算法；有限元方法1 引言夾具設(shè)計在制造工程中是一項重要的程序。這對于加工精度是至關(guān)重要。一個工件應約束在一個帶有夾具元件，如定位元件，夾緊裝置，以及支撐元件的夾具中加工。定位的位置和夾具的支力，應該從戰(zhàn)略的設(shè)計，并且適當?shù)膴A緊力應適用。該夾具元件可以放在工件表面的任何可選位置。夾緊力必須大到足以進行工件加工。通常情況下，它在很大程度上取決于設(shè)計師的經(jīng)驗，選擇該夾具元件的方案，并確定夾緊力。因此，不能保證由此產(chǎn)生的解決方案是某一特定的工件的最優(yōu)或接近最優(yōu)的方案。因此，夾具布局和夾緊力優(yōu)化成為夾具設(shè)計方案的兩個主要方面。 定位和夾緊裝置和夾緊力的值都應適當?shù)倪x擇和計算，使由于夾緊力和切削力產(chǎn)生的工件變形盡量減少和非正式化。 夾具設(shè)計的目的是要找到夾具元件關(guān)于工件和最優(yōu)的夾緊力的一個最優(yōu)布局或方案。在這篇論文里， 多目標優(yōu)化方法是代表了夾具布局設(shè)計和夾緊力的優(yōu)化的方法。 這個觀點是具有兩面性的。一，是盡量減少加工表面最大的彈性變形； 另一個是盡量均勻變形。 ANSYS 軟件包是用來計算工件由于夾緊力和切削力下產(chǎn)生的變形。遺傳算法是 MATLAB 的發(fā)達且直接的搜索工具箱，并且被應用于解決優(yōu)化問題。最后還給出了一個案例的研究，以闡述對所提算法的應用。512 文獻回顧隨著優(yōu)化方法在工業(yè)中的廣泛運用，近幾年夾具設(shè)計優(yōu)化已獲得了更多的利益。夾具設(shè)計優(yōu)化包括夾具布局優(yōu)化和夾緊力優(yōu)化。King 和 Hutter 提出了一種使用剛體模型的夾具-工件系統(tǒng)來優(yōu)化夾具布局設(shè)計的方法。DeMeter 也用了一個剛性體模型，為最優(yōu)夾具布局和最低的夾緊力進行分析和綜合。他提出了基于支持布局優(yōu)化的程序與計算質(zhì)量的有限元計算法。李和 melkote 用了一個非線性編程方法和一個聯(lián)絡(luò)彈性模型解決布局優(yōu)化問題。兩年后， 他們提交了一份確定關(guān)于多鉗夾具受到準靜態(tài)加工力的夾緊力優(yōu)化的方法。他們還提出了一關(guān)于夾具布置和夾緊力的最優(yōu)的合成方法，認為工件在加工過程中處于動態(tài)。相結(jié)合的夾具布局和夾緊力優(yōu)化程序被提出，其他研究人員用有限元法進行夾具設(shè)計與分析。蔡等對 menassa 和 devries 包括合成的夾具布局的金屬板材大會的理論進行了拓展。秦等人建立了一個與夾具和工件之間彈性接觸的模型作為參考物來優(yōu)化夾緊力與，以盡量減少工件的位置誤差。Deng 和 melkote 提交了一份基于模型的框架以確定所需的最低限度夾緊力，保證了被夾緊工件在加工的動態(tài)穩(wěn)定。大部分的上述研究使用的是非線性規(guī)劃方法，很少有全面的或近全面的最優(yōu)解決辦法。所有的夾具布局優(yōu)化程序必須從一個可行布局開始。此外，還得到了對這些模型都非常敏感的初步可行夾具布局的解決方案。夾具優(yōu)化設(shè)計的問題是非線性的，因為目標的功能和設(shè)計變量之間沒有直接分析的關(guān)系。例如加工表面誤差和夾具的參數(shù)之間（定位、夾具和夾緊力） 。以前的研究表明，遺傳算法（ GA ）在解決這類優(yōu)化問題中是一種有用的技術(shù)。吳和陳用遺傳算法確定最穩(wěn)定的靜態(tài)夾具布局。石川和青山應用遺傳算法確定最佳夾緊條件彈性工件。vallapuzha 在基于優(yōu)化夾具布局的遺傳算法中使用空間坐標編碼。他們還提出了針對主要競爭夾具優(yōu)化方法相對有效性的廣泛調(diào)查的方法和結(jié)果。這表明連續(xù)遺傳算法取得最優(yōu)質(zhì)的解決方案。krishnakumar 和 melkote 發(fā)展了一個夾具布局優(yōu)化技術(shù)，用遺傳算法找到夾具布局，盡量減少由于在整個刀具路徑的夾緊和切削力造成的加工表面的變形。定位器和夾具位置被節(jié)點號碼所指定。krishnakumar 等人還提出了一種迭代算法，盡量減少工件在整個切削過程之中由不同的夾具布局和夾緊力造成的彈性變形。Lai 等人建成了一個分析模型，認為定位和夾緊裝置為同一夾具布局的要素靈活的一部分。Hamedi 討論了混合學習系統(tǒng)用來非線性有限元分析與支持相結(jié)合的52人工神經(jīng)網(wǎng)絡(luò)（ ANN ）和 GA。人工神經(jīng)網(wǎng)絡(luò)被用來計算工件的最大彈性變形，遺傳算法被用來確定最佳鎖模力。Kumar 建議將迭代算法和人工神經(jīng)網(wǎng)絡(luò)結(jié)合起來發(fā)展夾具設(shè)計系統(tǒng)。Kaya 用迭代算法和有限元分析，在二維工件中找到最佳定位和夾緊位置，并且把碎片的效果考慮進去。周等人。提出了基于遺傳算法的方法，認為優(yōu)化夾具布局和夾緊力的同時，一些研究沒有考慮為整個刀具路徑優(yōu)化布局。一些研究使用節(jié)點數(shù)目作為設(shè)計參數(shù)。一些研究解決夾具布局或夾緊力優(yōu)化方法，但不能兩者都同時進行。 有幾項研究摩擦和碎片考慮進去了。碎片的移動和摩擦接觸的影響對于實現(xiàn)更為現(xiàn)實和準確的工件夾具布局校核分析來說是不可忽視的。因此將碎片的去除效果和摩擦考慮在內(nèi)以實現(xiàn)更好的加工精度是必須的。在這篇論文中，將摩擦和碎片移除考慮在內(nèi)，以達到加工表面在夾緊和切削力下最低程度的變形。一多目標優(yōu)化模型被建立了。一個優(yōu)化的過程中基于 GA 和有限元法提交找到最佳的布局和夾具夾緊力。最后，結(jié)果多目標優(yōu)化模型對低剛度工件而言是比較單一的目標優(yōu)化方法、經(jīng)驗和方法。3 多目標優(yōu)化模型夾具設(shè)計一個可行的夾具布局必須滿足三限制。首先，定位和夾緊裝置不能將拉伸勢力應用到工件；第二，庫侖摩擦約束必須施加在所有夾具-工件的接觸點。夾具元件- 工件接觸點的位置必須在候選位置。為一個問題涉及夾具元件-工件接觸和加工負荷步驟，優(yōu)化問題可以在數(shù)學上仿照如下：53這里的△ 表示加工區(qū)域在加工當中 j 次步驟的最高彈性變形。j其中是△ 的平均值；￣△ j是正常力在 i 次的接觸點；niFμ 是靜態(tài)摩擦系數(shù)；fhi 是切向力在 i 次的接觸點；pos(i)是 i 次的接觸點；是可選區(qū)域的 i 次接觸點；iV整體過程如圖 1 所示，一要設(shè)計一套可行的夾具布局和優(yōu)化的夾緊力。最大切削力在切削模型和切削力發(fā)送到有限元分析模型中被計算出來。優(yōu)化程序造成一些夾具布局和夾緊力，同時也是被發(fā)送到有限元模型中。在有限元分析座內(nèi)，加工變形下，切削力和夾緊力的計算方法采用有限元方法。根據(jù)某夾具布局和變形，然后發(fā)送給優(yōu)化程序，以搜索為一優(yōu)化夾具方案。圖 1 夾具布局和夾緊力優(yōu)化過程4 夾具布局設(shè)計和夾緊力的優(yōu)化4.1 遺傳算法遺傳算法（ GA ）是基于生物再生產(chǎn)過程的強勁，隨機和啟發(fā)式的優(yōu)化方法?；舅悸繁澈蟮倪z傳算法是模擬“生存的優(yōu)勝劣汰“ 的現(xiàn)象。每一個人口中的候選個體指派一個健身的價值，通過一個功能的調(diào)整，以適應特定的問題。遺傳算法，然后進行54復制，交叉和變異過程消除不適宜的個人和人口的演進給下一代。人口足夠數(shù)目的演變基于這些經(jīng)營者引起全球健身人口的增加和優(yōu)勝個體代表全最好的方法。遺傳算法程序在優(yōu)化夾具設(shè)計時需夾具布局和夾緊力作為設(shè)計變量，以生成字符串代表不同的布置。字符串相比染色體的自然演變，以及字符串，它和遺傳算法尋找最優(yōu)，是映射到最優(yōu)的夾具設(shè)計計劃。在這項研究里，遺傳算法和 MATLAB 的直接搜索工具箱是被運用的。收斂性遺傳算法是被人口大小、交叉的概率和概率突變所控制的 。只有當在一個人口中功能最薄弱功能的最優(yōu)值沒有變化時，nchg 達到一個預先定義的價值 ncmax ，或有多少幾代氮，到達演化的指定數(shù)量上限 nmax， 沒有遺傳算法停止。有五個主要因素，遺傳算法，編碼，健身功能，遺傳算子，控制參數(shù)和制約因素。 在這篇論文中，這些因素都被選出如表 1 所列。表 1 遺傳算法參數(shù)的選擇由于遺傳算法可能產(chǎn)生夾具設(shè)計字符串，當受到加工負荷時不完全限制夾具。這些解決方案被認為是不可行的，且被罰的方法是用來驅(qū)動遺傳算法，以實現(xiàn)一個可行的解決辦法。1 夾具設(shè)計的計劃被認為是不可行的或無約束，如果反應在定位是否定的。在換句話說，它不符合方程（2）和（3）的限制。罰的方法基本上包含指定計劃的高目標函數(shù)值時不可行的。因此，驅(qū)動它在連續(xù)迭代算法中的可行區(qū)域。對于約束（4） ，當遺傳算子產(chǎn)生新個體或此個體已經(jīng)產(chǎn)生，檢查它們是否符合條件是必要的。真正的候選區(qū)域是那些不包括無效的區(qū)域。在為了簡化檢查，多邊形是用來代表候選區(qū)域和無效區(qū)域的。多邊形的頂點是用于檢查。 “inpolygon ”在 MATLAB 的功能可被用來幫助檢查。4.2 有限元分析ANSYS 軟件包是用于在這方面的研究有限元分析計算。有限元模型是一個考慮摩擦效應的半彈性接觸模型，如果材料是假定線彈性。如圖 2 所示，每個位置或支持，55是代表三個正交彈簧提供的制約。圖 2 考慮到摩擦的半彈性接觸模型在 x ， y 和 z 方向和每個夾具類似，但定位夾緊力在正常的方向。彈力在自然的方向即所謂自然彈力，其余兩個彈力即為所謂的切向彈力。接觸彈簧剛度可以根據(jù)向赫茲接觸理論計算如下：隨著夾緊力和夾具布局的變化，接觸剛度也不同，一個合理的線性逼近的接觸剛度可以從適合上述方程的最小二乘法得到。連續(xù)插值，這是用來申請工件的有限元分析模型的邊界條件。在圖3中說明了夾具元件的位置，顯示為黑色界線。每個元素的位置被其它四或六最接近的鄰近節(jié)點所包圍。圖 3 連續(xù)插值這系列節(jié)點，如黑色正方形所示，是（37，38，31和30 ） ， （9，10 ，11 ， 18，17號和16號）和（ 26，27 ，34 ， 41，40和33 ） 。這一系列彈簧單元，與這些每一個節(jié)點相關(guān)聯(lián)。對任何一套節(jié)點，彈簧常數(shù)是：這里，56kij 是彈簧剛度在的 j -次節(jié)點周圍 i 次夾具元件，Dij 是 i 次夾具元件和的 J -次節(jié)點周圍之間的距離，ki 是彈簧剛度在一次夾具元件位置,ηi 是周圍的 i 次夾具元素周圍的節(jié)點數(shù)量為每個加工負荷的一步，適當?shù)倪吔鐥l件將適用于工件的有限元模型。在這個工作里，正常的彈簧約束在這三個方向（X ， Y ， Z ）的和在切方向切向彈簧約束，（X ， Y ） 。夾緊力是適用于正常方向（Z）的夾緊點。整個刀具路徑是模擬為每個夾具設(shè)計計劃所產(chǎn)生的遺傳算法應用的高峰期的 X ，Y ，z 切削力順序到元曲面，其中刀具通行證。在這工作中，從刀具路徑中歐盟和去除碎片已經(jīng)被考慮進去。在機床改變幾何數(shù)值過程中，材料被去除，工件的結(jié)構(gòu)剛度也改變。因此，這是需要考慮碎片移除的影響。有限元分析模型，分析與重點的工具運動和碎片移除使用的元素死亡技術(shù)。在為了計算健身價值，對于給定夾具設(shè)計方案，位移存儲為每個負載的一步。那么，最大位移是選定為夾具設(shè)計計劃的健身價值。遺傳算法的程序和 ANSYS 之間的互動實施如下。定位和夾具的位置以及夾緊力這些參數(shù)寫入到一個文本文件。那個輸入批處理文件 ANSYS 軟件可以讀取這些參數(shù)和計算加工表面的變形。 因此， 健身價值觀，在遺傳算法程序，也可以寫到當前夾具設(shè)計計劃的一個文本文件。當有大量的節(jié)點在一個有限元模型時，計算健身價值是很昂貴的。因此，有必要加快計算遺傳算法程序。作為這一代的推移，染色體在人口中取得類似情況。在這項工作中，計算健身價值和染色體存放在一個 SQL Server 數(shù)據(jù)庫。遺傳算法的程序，如果目前的染色體的健身價值已計算之前，先檢查；如果不，夾具設(shè)計計劃發(fā)送到ANSYS，否則健身價值觀是直接從數(shù)據(jù)庫中取出。嚙合的工件有限元模型，在每一個計算時間保持不變。每計算模型間的差異是邊界條件，因此，網(wǎng)狀工件的有限元模型可以用來反復“ 恢復”ANSYS 命令。5 案例研究一個關(guān)于低剛度工件的銑削夾具設(shè)計優(yōu)化問題是被顯示在前面的論文中，并在以下各節(jié)加以表述。575.1 工件的幾何形狀和性能工件的幾何形狀和特點顯示在圖 4 中，空心工件的材料是鋁 390 與泊松比 0.3 和71Gpa 的楊氏模量。 外廓尺寸 152.4mm×127mm*76.2mm.該工件頂端內(nèi)壁的三分之一是經(jīng)銑削及其刀具軌跡，如圖 4 所示。夾具元件中應用到的材料泊松比 0.3 和楊氏模量的 220 的合金鋼。圖 4 空心工件5.2 模擬和加工的運作舉例將工件進行周邊銑削，加工參數(shù)在表 2 中給出?；谶@些參數(shù)，切削力的最高值被作為工件內(nèi)壁受到的表面載荷而被計算和應用，當工件處于 330.94 n（切） 、398.11 N （下徑向）和 22.84 N （下軸） 的切削位置時。整個刀具路徑被 26 個工步所分開，切削力的方向被刀具位置所確定表 2 加工參數(shù)和條件。585.3 夾具設(shè)計方案夾具在加工過程中夾緊工件的規(guī)劃如圖 5 所示。圖 5 定位和夾緊裝置的可選區(qū)域一般來說， 3-2-1 定位原則是夾具設(shè)計中常用的。夾具底板限制三個自由度，在側(cè)邊控制兩個自由度。這里，在 Y=0mm 截面上使用了 4 個定點（L1 ，L2 ， L3 和 14 ） ，以定位工件并限制 2 自由度；并且在 Y=127mm 的相反面上，兩個壓板（C1,C2）夾緊工件。在正交面上，需要一個定位元件限制其余的一個自由度，這在優(yōu)化模型中是被忽略的。在表 3 中給出了定位加緊點的坐標范圍。表 3 設(shè)計變量的約束由于沒有一個簡單的一體化程序確定夾緊力，夾緊力很大部分（6673.2N ）在初始階段被假設(shè)為每一個夾板上作用的力。且從符合例 5 的最小二乘法，分別由 4.43×107 N/m 和 5.47×107 N/m 得到了正常切向剛度。5.4 遺傳控制參數(shù)和懲罰函數(shù)在這個例子中，用到了下列參數(shù)值：Ps=30, Pc=0.85, Pm=0.01, Nmax=100 和Ncmax=20.關(guān)于 f1 和 σ 的懲罰函數(shù)是59這里 fv 可以被 F1 或 σ 代表。當 nchg 達到 6 時，交叉和變異的概率將分別改變成0.6 和 0.1.5.5 優(yōu)化結(jié)果連續(xù)優(yōu)化的收斂過程如圖 6 所示。且收斂過程的相應功能（1）和（2）如圖 7、圖8 所示。優(yōu)化設(shè)計方案在表 4 中給出。圖 6 夾具布局和夾緊力優(yōu)化程序的收斂性遺傳算法 圖 7 第一個函數(shù)值的收斂圖 8 第二個函數(shù)值的收斂性表 4 多目標優(yōu)化模型的結(jié)果 表 5 各種夾具設(shè)計方案結(jié)果進行比較，605.6 結(jié)果的比較從單一目標優(yōu)化和經(jīng)驗設(shè)計中得到的夾具設(shè)計的設(shè)計變量和目標函數(shù)值，如表5 所示。單一目標優(yōu)化的結(jié)果，在論文中引做比較。在例子中，與經(jīng)驗設(shè)計相比較，單一目標優(yōu)化方法有其優(yōu)勢。最高變形減少了 57.5 ％，均勻變形增強了 60.4 ％。最高夾緊力的值也減少了 49.4 ％ 。從多目標優(yōu)化方法和單目標優(yōu)化方法的比較中可以得出什么呢？最大變形減少了 50.2％ ，均勻變形量增加了 52.9 ％，最高夾緊力的值減少了 69.6 ％ 。加工表面沿刀具軌跡的變形分布如圖 9 所示。很明顯，在三種方法中，多目標優(yōu)化方法產(chǎn)生的變形分布最均勻。與結(jié)果比較，我們確信運用最佳定位點分布和最優(yōu)夾緊力來減少工件的變形。圖10 示出了一實例夾具的裝配。圖 9 沿刀具軌跡的變形分布61圖 10 夾具配置實例6 結(jié)論本文介紹了基于 GA 和有限元的夾具布局設(shè)計和夾緊力的優(yōu)化程序設(shè)計。優(yōu)化程序是多目標的：最大限度地減少加工表面的最高變形和最大限度地均勻變形。ANSYS軟件包已經(jīng)被用于健身價值的有限元計算。對于夾具設(shè)計優(yōu)化的問題，GA 和有限元分析的結(jié)合被證明是一種很有用的方法。在這項研究中，摩擦的影響和碎片移動都被考慮到了。為了減少計算的時間，建立了一個染色體的健身數(shù)值的數(shù)據(jù)庫，且網(wǎng)狀工件的有限元模型是優(yōu)化過程中多次使用的。傳統(tǒng)的夾具設(shè)計方法是單一目標優(yōu)化方法或經(jīng)驗。此研究結(jié)果表明，多目標優(yōu)化方法比起其他兩種方法更有效地減少變形和均勻變形。這對于在數(shù)控加工中控制加工變形是很有意義的。參考文獻1、King LS ，Hutter （ 1993 年） 自動化裝配線上棱柱工件最佳裝夾定位生成的理論方法。De Meter EC (1995) 優(yōu)化機床夾具表現(xiàn)的 Min - Max 負荷模型。2、De Meter EC (1998) 快速支持布局優(yōu)化。Li B, Melkote SN (1999) 通過夾具布局優(yōu)化改善工件的定位精度。3、Li B, Melkote SN (2001) 夾具夾緊力的優(yōu)化和其對工件的定位精度的影響。4、Li B, Melkote SN (1999) 通過夾具布局優(yōu)化改善工件的定位精度。5、Li B, Melkote SN (2001) 夾具夾緊力的優(yōu)化和其對工件定位精度的影響。6、Li B, Melkote SN (2001) 最優(yōu)夾具設(shè)計計算工件動態(tài)的影響。7、Lee JD, Haynes LS (1987) 靈活裝夾系統(tǒng)的有限元分析。8、Menassa RJ, DeVries WR (1991) 運用優(yōu)化方法在夾具設(shè)計中選擇支位。9、Cai W, Hu SJ, Yuan JX (1996) 變形金屬板材的裝夾的原則、算法和模擬。10、 Qin GH, Zhang WH, Zhou XL (2005) 夾具裝夾方案的建模和優(yōu)化設(shè)計。11、Deng HY, Melkote SN (2006) 動態(tài)穩(wěn)定裝夾中夾緊力最小值的確定。6212、Wu NH, Chan KC (1996) 基于遺傳算法的夾具優(yōu)化配置方法。13、Ishikawa Y, Aoyama T(1996) 借助遺傳算法對裝夾條件的優(yōu)化。14、Vallapuzha S, De Meter EC, Choudhuri S, et al (2002) 一項關(guān)于空間坐標對基于遺傳算法的夾具優(yōu)化問題的作用的調(diào)查。15、Vallapuzha S, De Meter EC, Choudhuri S, et al (2002) 夾具布局優(yōu)化方法成效的調(diào)查。16、Kulankara K, Melkote SN (2000) 利用遺傳算法優(yōu)化加工夾具的布局。17、Kulankara K, Satyanarayana S, Melkote SN (2002) 利用遺傳算法優(yōu)化夾緊布局和夾緊力。18、Lai XM, Luo LJ, Lin ZQ (2004) 基于遺傳算法的柔性裝配夾具布局的建模與優(yōu)化。19、Hamedi M (2005) 通過一種人工神經(jīng)網(wǎng)絡(luò)和遺傳算法混合的系統(tǒng)設(shè)計智能夾具。20、Kumar AS, Subramaniam V, Seow KC (2001) 采用遺傳算法固定裝置的概念設(shè)計。21、Kaya N (2006) 利用遺傳算法優(yōu)化加工夾具的定位和夾緊點。22、Zhou XL, Zhang WH, Qin GH (2005) 遺傳算法用于優(yōu)化夾具布局和夾緊力。23、Kaya N, ?ztürk F (2003) 碎片位移和摩擦接觸的運用對工件夾具布局的校核。 50附錄二 ：中文翻譯 通過夾具布局設(shè)計和夾緊力的優(yōu)化控制變形摘 要工件變形必須控制在數(shù)值控制機械加工過程之中。夾具布局和夾緊力是影響加工變形程度和分布的兩個主要方面。在本文提出了一種多目標模型的建立，以減低變形的程度和增加均勻變形分布。有限元方法應用于分析變形。遺傳算法發(fā)展是為了解決優(yōu)化模型。最后舉了一個例子說明，一個令人滿意的結(jié)果被求得， 這是遠優(yōu)于經(jīng)驗之一的。多目標模型可以減少加工變形有效地改善分布狀況。關(guān)鍵詞：夾具布局；夾緊力； 遺傳算法；有限元方法1 引言夾具設(shè)計在制造工程中是一項重要的程序。這對于加工精度是至關(guān)重要。一個工件應約束在一個帶有夾具元件，如定位元件，夾緊裝置，以及支撐元件的夾具中加工。定位的位置和夾具的支力，應該從戰(zhàn)略的設(shè)計，并且適當?shù)膴A緊力應適用。該夾具元件可以放在工件表面的任何可選位置。夾緊力必須大到足以進行工件加工。通常情況下，它在很大程度上取決于設(shè)計師的經(jīng)驗，選擇該夾具元件的方案，并確定夾緊力。因此，不能保證由此產(chǎn)生的解決方案是某一特定的工件的最優(yōu)或接近最優(yōu)的方案。因此，夾具布局和夾緊力優(yōu)化成為夾具設(shè)計方案的兩個主要方面。 定位和夾緊裝置和夾緊力的值都應適當?shù)倪x擇和計算，使由于夾緊力和切削力產(chǎn)生的工件變形盡量減少和非正式化。 夾具設(shè)計的目的是要找到夾具元件關(guān)于工件和最優(yōu)的夾緊力的一個最優(yōu)布局或方案。在這篇論文里， 多目標優(yōu)化方法是代表了夾具布局設(shè)計和夾緊力的優(yōu)化的方法。 這個觀點是具有兩面性的。一，是盡量減少加工表面最大的彈性變形； 另一個是盡量均勻變形。 ANSYS 軟件包是用來計算工件由于夾緊力和切削力下產(chǎn)生的變形。遺傳算法是 MATLAB 的發(fā)達且直接的搜索工具箱，并且被應用于解決優(yōu)化問題。最后還給出了一個案例的研究，以闡述對所提算法的應用。512 文獻回顧隨著優(yōu)化方法在工業(yè)中的廣泛運用，近幾年夾具設(shè)計優(yōu)化已獲得了更多的利益。夾具設(shè)計優(yōu)化包括夾具布局優(yōu)化和夾緊力優(yōu)化。King 和 Hutter 提出了一種使用剛體模型的夾具-工件系統(tǒng)來優(yōu)化夾具布局設(shè)計的方法。DeMeter 也用了一個剛性體模型，為最優(yōu)夾具布局和最低的夾緊力進行分析和綜合。他提出了基于支持布局優(yōu)化的程序與計算質(zhì)量的有限元計算法。李和 melkote 用了一個非線性編程方法和一個聯(lián)絡(luò)彈性模型解決布局優(yōu)化問題。兩年后， 他們提交了一份確定關(guān)于多鉗夾具受到準靜態(tài)加工力的夾緊力優(yōu)化的方法。他們還提出了一關(guān)于夾具布置和夾緊力的最優(yōu)的合成方法，認為工件在加工過程中處于動態(tài)。相結(jié)合的夾具布局和夾緊力優(yōu)化程序被提出，其他研究人員用有限元法進行夾具設(shè)計與分析。蔡等對 menassa 和 devries 包括合成的夾具布局的金屬板材大會的理論進行了拓展。秦等人建立了一個與夾具和工件之間彈性接觸的模型作為參考物來優(yōu)化夾緊力與，以盡量減少工件的位置誤差。Deng 和 melkote 提交了一份基于模型的框架以確定所需的最低限度夾緊力，保證了被夾緊工件在加工的動態(tài)穩(wěn)定。大部分的上述研究使用的是非線性規(guī)劃方法，很少有全面的或近全面的最優(yōu)解決辦法。所有的夾具布局優(yōu)化程序必須從一個可行布局開始。此外，還得到了對這些模型都非常敏感的初步可行夾具布局的解決方案。夾具優(yōu)化設(shè)計的問題是非線性的，因為目標的功能和設(shè)計變量之間沒有直接分析的關(guān)系。例如加工表面誤差和夾具的參數(shù)之間（定位、夾具和夾緊力） 。以前的研究表明，遺傳算法（ GA ）在解決這類優(yōu)化問題中是一種有用的技術(shù)。吳和陳用遺傳算法確定最穩(wěn)定的靜態(tài)夾具布局。石川和青山應用遺傳算法確定最佳夾緊條件彈性工件。vallapuzha 在基于優(yōu)化夾具布局的遺傳算法中使用空間坐標編碼。他們還提出了針對主要競爭夾具優(yōu)化方法相對有效性的廣泛調(diào)查的方法和結(jié)果。這表明連續(xù)遺傳算法取得最優(yōu)質(zhì)的解決方案。krishnakumar 和 melkote 發(fā)展了一個夾具布局優(yōu)化技術(shù)，用遺傳算法找到夾具布局，盡量減少由于在整個刀具路徑的夾緊和切削力造成的加工表面的變形。定位器和夾具位置被節(jié)點號碼所指定。krishnakumar 等人還提出了一種迭代算法，盡量減少工件在整個切削過程之中由不同的夾具布局和夾緊力造成的彈性變形。Lai 等人建成了一個分析模型，認為定位和夾緊裝置為同一夾具布局的要素靈活的一部分。Hamedi 討論了混合學習系統(tǒng)用來非線性有限元分析與支持相結(jié)合的52人工神經(jīng)網(wǎng)絡(luò)（ ANN ）和 GA。人工神經(jīng)網(wǎng)絡(luò)被用來計算工件的最大彈性變形，遺傳算法被用來確定最佳鎖模力。Kumar 建議將迭代算法和人工神經(jīng)網(wǎng)絡(luò)結(jié)合起來發(fā)展夾具設(shè)計系統(tǒng)。Kaya 用迭代算法和有限元分析，在二維工件中找到最佳定位和夾緊位置，并且把碎片的效果考慮進去。周等人。提出了基于遺傳算法的方法，認為優(yōu)化夾具布局和夾緊力的同時，一些研究沒有考慮為整個刀具路徑優(yōu)化布局。一些研究使用節(jié)點數(shù)目作為設(shè)計參數(shù)。一些研究解決夾具布局或夾緊力優(yōu)化方法，但不能兩者都同時進行。 有幾項研究摩擦和碎片考慮進去了。碎片的移動和摩擦接觸的影響對于實現(xiàn)更為現(xiàn)實和準確的工件夾具布局校核分析來說是不可忽視的。因此將碎片的去除效果和摩擦考慮在內(nèi)以實現(xiàn)更好的加工精度是必須的。在這篇論文中，將摩擦和碎片移除考慮在內(nèi)，以達到加工表面在夾緊和切削力下最低程度的變形。一多目標優(yōu)化模型被建立了。一個優(yōu)化的過程中基于 GA 和有限元法提交找到最佳的布局和夾具夾緊力。最后，結(jié)果多目標優(yōu)化模型對低剛度工件而言是比較單一的目標優(yōu)化方法、經(jīng)驗和方法。3 多目標優(yōu)化模型夾具設(shè)計一個可行的夾具布局必須滿足三限制。首先，定位和夾緊裝置不能將拉伸勢力應用到工件；第二，庫侖摩擦約束必須施加在所有夾具-工件的接觸點。夾具元件- 工件接觸點的位置必須在候選位置。為一個問題涉及夾具元件-工件接觸和加工負荷步驟，優(yōu)化問題可以在數(shù)學上仿照如下：53這里的△ 表示加工區(qū)域在加工當中 j 次步驟的最高彈性變形。j其中是△ 的平均值；￣△ j是正常力在 i 次的接觸點；niFμ 是靜態(tài)摩擦系數(shù)；fhi 是切向力在 i 次的接觸點；pos(i)是 i 次的接觸點；是可選區(qū)域的 i 次接觸點；iV整體過程如圖 1 所示，一要設(shè)計一套可行的夾具布局和優(yōu)化的夾緊力。最大切削力在切削模型和切削力發(fā)送到有限元分析模型中被計算出來。優(yōu)化程序造成一些夾具布局和夾緊力，同時也是被發(fā)送到有限元模型中。在有限元分析座內(nèi)，加工變形下，切削力和夾緊力的計算方法采用有限元方法。根據(jù)某夾具布局和變形，然后發(fā)送給優(yōu)化程序，以搜索為一優(yōu)化夾具方案。圖 1 夾具布局和夾緊力優(yōu)化過程4 夾具布局設(shè)計和夾緊力的優(yōu)化4.1 遺傳算法遺傳算法（ GA ）是基于生物再生產(chǎn)過程的強勁，隨機和啟發(fā)式的優(yōu)化方法?；舅悸繁澈蟮倪z傳算法是模擬“生存的優(yōu)勝劣汰“ 的現(xiàn)象。每一個人口中的候選個體指派一個健身的價值，通過一個功能的調(diào)整，以適應特定的問題。遺傳算法，然后進行54復制，交叉和變異過程消除不適宜的個人和人口的演進給下一代。人口足夠數(shù)目的演變基于這些經(jīng)營者引起全球健身人口的增加和優(yōu)勝個體代表全最好的方法。遺傳算法程序在優(yōu)化夾具設(shè)計時需夾具布局和夾緊力作為設(shè)計變量，以生成字符串代表不同的布置。字符串相比染色體的自然演變，以及字符串，它和遺傳算法尋找最優(yōu)，是映射到最優(yōu)的夾具設(shè)計計劃。在這項研究里，遺傳算法和 MATLAB 的直接搜索工具箱是被運用的。收斂性遺傳算法是被人口大小、交叉的概率和概率突變所控制的 。只有當在一個人口中功能最薄弱功能的最優(yōu)值沒有變化時，nchg 達到一個預先定義的價值 ncmax ，或有多少幾代氮，到達演化的指定數(shù)量上限 nmax， 沒有遺傳算法停止。有五個主要因素，遺傳算法，編碼，健身功能，遺傳算子，控制參數(shù)和制約因素。 在這篇論文中，這些因素都被選出如表 1 所列。表 1 遺傳算法參數(shù)的選擇由于遺傳算法可能產(chǎn)生夾具設(shè)計字符串，當受到加工負荷時不完全限制夾具。這些解決方案被認為是不可行的，且被罰的方法是用來驅(qū)動遺傳算法，以實現(xiàn)一個可行的解決辦法。1 夾具設(shè)計的計劃被認為是不可行的或無約束，如果反應在定位是否定的。在換句話說，它不符合方程（2）和（3）的限制。罰的方法基本上包含指定計劃的高目標函數(shù)值時不可行的。因此，驅(qū)動它在連續(xù)迭代算法中的可行區(qū)域。對于約束（4） ，當遺傳算子產(chǎn)生新個體或此個體已經(jīng)產(chǎn)生，檢查它們是否符合條件是必要的。真正的候選區(qū)域是那些不包括無效的區(qū)域。在為了簡化檢查，多邊形是用來代表候選區(qū)域和無效區(qū)域的。多邊形的頂點是用于檢查。 “inpolygon ”在 MATLAB 的功能可被用來幫助檢查。4.2 有限元分析ANSYS 軟件包是用于在這方面的研究有限元分析計算。有限元模型是一個考慮摩擦效應的半彈性接觸模型，如果材料是假定線彈性。如圖 2 所示，每個位置或支持，55是代表三個正交彈簧提供的制約。圖 2 考慮到摩擦的半彈性接觸模型在 x ， y 和 z 方向和每個夾具類似，但定位夾緊力在正常的方向。彈力在自然的方向即所謂自然彈力，其余兩個彈力即為所謂的切向彈力。接觸彈簧剛度可以根據(jù)向赫茲接觸理論計算如下：隨著夾緊力和夾具布局的變化，接觸剛度也不同，一個合理的線性逼近的接觸剛度可以從適合上述方程的最小二乘法得到。連續(xù)插值，這是用來申請工件的有限元分析模型的邊界條件。在圖3中說明了夾具元件的位置，顯示為黑色界線。每個元素的位置被其它四或六最接近的鄰近節(jié)點所包圍。圖 3 連續(xù)插值這系列節(jié)點，如黑色正方形所示，是（37，38，31和30 ） ， （9，10 ，11 ， 18，17號和16號）和（ 26，27 ，34 ， 41，40和33 ） 。這一系列彈簧單元，與這些每一個節(jié)點相關(guān)聯(lián)。對任何一套節(jié)點，彈簧常數(shù)是：這里，56kij 是彈簧剛度在的 j -次節(jié)點周圍 i 次夾具元件，Dij 是 i 次夾具元件和的 J -次節(jié)點周圍之間的距離，ki 是彈簧剛度在一次夾具元件位置,ηi 是周圍的 i 次夾具元素周圍的節(jié)點數(shù)量為每個加工負荷的一步，適當?shù)倪吔鐥l件將適用于工件的有限元模型。在這個工作里，正常的彈簧約束在這三個方向（X ， Y ， Z ）的和在切方向切向彈簧約束，（X ， Y ） 。夾緊力是適用于正常方向（Z）的夾緊點。整個刀具路徑是模擬為每個夾具設(shè)計計劃所產(chǎn)生的遺傳算法應用的高峰期的 X ，Y ，z 切削力順序到元曲面，其中刀具通行證。在這工作中，從刀具路徑中歐盟和去除碎片已經(jīng)被考慮進去。在機床改變幾何數(shù)值過程中，材料被去除，工件的結(jié)構(gòu)剛度也改變。因此，這是需要考慮碎片移除的影響。有限元分析模型，分析與重點的工具運動和碎片移除使用的元素死亡技術(shù)。在為了計算健身價值，對于給定夾具設(shè)計方案，位移存儲為每個負載的一步。那么，最大位移是選定為夾具設(shè)計計劃的健身價值。遺傳算法的程序和 ANSYS 之間的互動實施如下。定位和夾具的位置以及夾緊力這些參數(shù)寫入到一個文本文件。那個輸入批處理文件 ANSYS 軟件可以讀取這些參數(shù)和計算加工表面的變形。 因此， 健身價值觀，在遺傳算法程序，也可以寫到當前夾具設(shè)計計劃的一個文本文件。當有大量的節(jié)點在一個有限元模型時，計算健身價值是很昂貴的。因此，有必要加快計算遺傳算法程序。作為這一代的推移，染色體在人口中取得類似情況。在這項工作中，計算健身價值和染色體存放在一個 SQL Server 數(shù)據(jù)庫。遺傳算法的程序，如果目前的染色體的健身價值已計算之前，先檢查；如果不，夾具設(shè)計計劃發(fā)送到ANSYS，否則健身價值觀是直接從數(shù)據(jù)庫中取出。嚙合的工件有限元模型，在每一個計算時間保持不變。每計算模型間的差異是邊界條件，因此，網(wǎng)狀工件的有限元模型可以用來反復“ 恢復”ANSYS 命令。5 案例研究一個關(guān)于低剛度工件的銑削夾具設(shè)計優(yōu)化問題是被顯示在前面的論文中，并在以下各節(jié)加以表述。575.1 工件的幾何形狀和性能工件的幾何形狀和特點顯示在圖 4 中，空心工件的材料是鋁 390 與泊松比 0.3 和71Gpa 的楊氏模量。 外廓尺寸 152.4mm×127mm*76.2mm.該工件頂端內(nèi)壁的三分之一是經(jīng)銑削及其刀具軌跡，如圖 4 所示。夾具元件中應用到的材料泊松比 0.3 和楊氏模量的 220 的合金鋼。圖 4 空心工件5.2 模擬和加工的運作舉例將工件進行周邊銑削，加工參數(shù)在表 2 中給出?；谶@些參數(shù)，切削力的最高值被作為工件內(nèi)壁受到的表面載荷而被計算和應用，當工件處于 330.94 n（切） 、398.11 N （下徑向）和 22.84 N （下軸） 的切削位置時。整個刀具路徑被 26 個工步所分開，切削力的方向被刀具位置所確定表 2 加工參數(shù)和條件。585.3 夾具設(shè)計方案夾具在加工過程中夾緊工件的規(guī)劃如圖 5 所示。圖 5 定位和夾緊裝置的可選區(qū)域一般來說， 3-2-1 定位原則是夾具設(shè)計中常用的。夾具底板限制三個自由度，在側(cè)邊控制兩個自由度。這里，在 Y=0mm 截面上使用了 4 個定點（L1 ，L2 ， L3 和 14 ） ，以定位工件并限制 2 自由度；并且在 Y=127mm 的相反面上，兩個壓板（C1,C2）夾緊工件。在正交面上，需要一個定位元件限制其余的一個自由度，這在優(yōu)化模型中是被忽略的。在表 3 中給出了定位加緊點的坐標范圍。表 3 設(shè)計變量的約束由于沒有一個簡單的一體化程序確定夾緊力，夾緊力很大部分（6673.2N ）在初始階段被假設(shè)為每一個夾板上作用的力。且從符合例 5 的最小二乘法，分別由 4.43×107 N/m 和 5.47×107 N/m 得到了正常切向剛度。5.4 遺傳控制參數(shù)和懲罰函數(shù)在這個例子中，用到了下列參數(shù)值：Ps=30, Pc=0.85, Pm=0.01, Nmax=100 和Ncmax=20.關(guān)于 f1 和 σ 的懲罰函數(shù)是59這里 fv 可以被 F1 或 σ 代表。當 nchg 達到 6 時，交叉和變異的概率將分別改變成0.6 和 0.1.5.5 優(yōu)化結(jié)果連續(xù)優(yōu)化的收斂過程如圖 6 所示。且收斂過程的相應功能（1）和（2）如圖 7、圖8 所示。優(yōu)化設(shè)計方案在表 4 中給出。圖 6 夾具布局和夾緊力優(yōu)化程序的收斂性遺傳算法 圖 7 第一個函數(shù)值的收斂圖 8 第二個函數(shù)值的收斂性表 4 多目標優(yōu)化模型的結(jié)果 表 5 各種夾具設(shè)計方案結(jié)果進行比較，605.6 結(jié)果的比較從單一目標優(yōu)化和經(jīng)驗設(shè)計中得到的夾具設(shè)計的設(shè)計變量和目標函數(shù)值，如表5 所示。單一目標優(yōu)化的結(jié)果，在論文中引做比較。在例子中，與經(jīng)驗設(shè)計相比較，單一目標優(yōu)化方法有其優(yōu)勢。最高變形減少了 57.5 ％，均勻變形增強了 60.4 ％。最高夾緊力的值也減少了 49.4 ％ 。從多目標優(yōu)化方法和單目標優(yōu)化方法的比較中可以得出什么呢？最大變形減少了 50.2％ ，均勻變形量增加了 52.9 ％，最高夾緊力的值減少了 69.6 ％ 。加工表面沿刀具軌跡的變形分布如圖 9 所示。很明顯，在三種方法中，多目標優(yōu)化方法產(chǎn)生的變形分布最均勻。與結(jié)果比較，我們確信運用最佳定位點分布和最優(yōu)夾緊力來減少工件的變形。圖10 示出了一實例夾具的裝配。圖 9 沿刀具軌跡的變形分布61圖 10 夾具配置實例6 結(jié)論本文介紹了基于 GA 和有限元的夾具布局設(shè)計和夾緊力的優(yōu)化程序設(shè)計。優(yōu)化程序是多目標的：最大限度地減少加工表面的最高變形和最大限度地均勻變形。ANSYS軟件包已經(jīng)被用于健身價值的有限元計算。對于夾具設(shè)計優(yōu)化的問題，GA 和有限元分析的結(jié)合被證明是一種很有用的方法。在這項研究中，摩擦的影響和碎片移動都被考慮到了。為了減少計算的時間，建立了一個染色體的健身數(shù)值的數(shù)據(jù)庫，且網(wǎng)狀工件的有限元模型是優(yōu)化過程中多次使用的。傳統(tǒng)的夾具設(shè)計方法是單一目標優(yōu)化方法或經(jīng)驗。此研究結(jié)果表明，多目標優(yōu)化方法比起其他兩種方法更有效地減少變形和均勻變形。這對于在數(shù)控加工中控制加工變形是很有意義的。參考文獻1、King LS ，Hutter （ 1993 年） 自動化裝配線上棱柱工件最佳裝夾定位生成的理論方法。De Meter EC (1995) 優(yōu)化機床夾具表現(xiàn)的 Min - Max 負荷模型。2、De Meter EC (1998) 快速支持布局優(yōu)化。Li B, Melkote SN (1999) 通過夾具布局優(yōu)化改善工件的定位精度。3、Li B, Melkote SN (2001) 夾具夾緊力的優(yōu)化和其對工件的定位精度的影響。4、Li B, Melkote SN (1999) 通過夾具布局優(yōu)化改善工件的定位精度。5、Li B, Melkote SN (2001) 夾具夾緊力的優(yōu)化和其對工件定位精度的影響。6、Li B, Melkote SN (2001) 最優(yōu)夾具設(shè)計計算工件動態(tài)的影響。7、Lee JD, Haynes LS (1987) 靈活裝夾系統(tǒng)的有限元分析。8、Menassa RJ, DeVries WR (1991) 運用優(yōu)化方法在夾具設(shè)計中選擇支位。9、Cai W, Hu SJ, Yuan JX (1996) 變形金屬板材的裝夾的原則、算法和模擬。10、 Qin GH, Zhang WH, Zhou XL (2005) 夾具裝夾方案的建模和優(yōu)化設(shè)計。11、Deng HY, Melkote SN (2006) 動態(tài)穩(wěn)定裝夾中夾緊力最小值的確定。6212、Wu NH, Chan KC (1996) 基于遺傳算法的夾具優(yōu)化配置方法。13、Ishikawa Y, Aoyama T(1996) 借助遺傳算法對裝夾條件的優(yōu)化。14、Vallapuzha S, De Meter EC, Choudhuri S, et al (2002) 一項關(guān)于空間坐標對基于遺傳算法的夾具優(yōu)化問題的作用的調(diào)查。15、Vallapuzha S, De Meter EC, Choudhuri S, et al (2002) 夾具布局優(yōu)化方法成效的調(diào)查。16、Kulankara K, Melkote SN (2000) 利用遺傳算法優(yōu)化加工夾具的布局。17、Kulankara K, Satyanarayana S, Melkote SN (2002) 利用遺傳算法優(yōu)化夾緊布局和夾緊力。18、Lai XM, Luo LJ, Lin ZQ (2004) 基于遺傳算法的柔性裝配夾具布局的建模與優(yōu)化。19、Hamedi M (2005) 通過一種人工神經(jīng)網(wǎng)絡(luò)和遺傳算法混合的系統(tǒng)設(shè)計智能夾具。20、Kumar AS, Subramaniam V, Seow KC (2001) 采用遺傳算法固定裝置的概念設(shè)計。21、Kaya N (2006) 利用遺傳算法優(yōu)化加工夾具的定位和夾緊點。22、Zhou XL, Zhang WH, Qin GH (2005) 遺傳算法用于優(yōu)化夾具布局和夾緊力。23、Kaya N, ?ztürk F (2003) 碎片位移和摩擦接觸的運用對工件夾具布局的校核。