翻译基于模糊综合评价与遗传算法的公差优化分配.docVIP

基于模糊综合评价与遗传算法的公差优化分配 先进加工技术中心，哈尔滨工业大学，哈尔滨，中国 知道如何在CAD/ CAM系统中分配零件公差是非常重要的，因为这直接影响到零件的加工费用。在模糊综合评价方法和遗传算法的基础上，提出了一种新的方法以获取合理的零件公差分配。首先，目前的公差分配方法是详细审查。然而，模糊综合评价是用来评估一个零件的可加工性，是结合零件的功能灵敏度因素和可加工性因素和因素确定的，是一个新的优话模型，该模型可以充分利用的DFA（面向装配的设计）和DFM（可制造性设计）。遗传算法（GA）则是用来优化上述模型。最后，一个实际的例子来验证上述方法的可行性，计算结果表明，该方法可以准确地并且经济地做出公差分配。 关键词：模糊综合评价；遗传算法；公差分配 1. 简介 在机械设计，几何和尺寸公差用于指定一个范围，在这个范围内的零件几何形状和大小可能会有所不同，但都符合功能要求。公差分配对加工费用和产品质量有直接影响，不必要的高公差等级会导致高生产成本，但所选公差应确保产品的功能令人满意。过于宽松的公差会影响产品质量并且增加废品率和生产成本。一般来说，设计师们依靠他们的经验和手册分配零件公差，这通常会导致一些错误。近年来，计算机辅助公差设计已成为CAD系统和集成化CAD/ CAM系统中重要的研究方向。 公差分配是CATD中最重要的问题之一。组装所需公差给定以后，设计者首先面临的问题是如何根据功能要求和加工费用之间的关系分配合适的零件公差值。许多研究者认为公差分配是优化问题。零件的公差值作为控制变量，使加工费用作为目标函数最小化。公差叠加的限制条件作为变量的约束条件。 在这篇论文中，公差分配表示为一个优化问题。首先详细地回顾一系列常用的的方法。模糊综合评价法用来评价零件的机械性能，然后建立一个新的并采用遗传算法求解数学模型。一个实际的工业生产装配的公差分配方案是按上述方法建立的，结果表明，该方法可以用来经济地设计零件的公差值。 2. 综述：公差分配方法 2.1 一般的分配方法 当装配功能需求给定时，N个零件的公差值必须得到解决。由于给定的条件几乎总是不足，所以公差通常被视为相等的。所采用的方法通常包括同容差法，不断精度因子的方法，同样影响的一种方法和比例缩放方法。 2.1.1 相同公差 在这种方法里，所有零件的公差值在满足功能要求的前提下都是相等的，也就是 ti表示第i个零件的公差值 2.1.2 常数因子法 常数因子法基于经验法则，一个零件的公差按标准数据的立方根增大，从而 当时，因子可按下式计算 这里表示装配的功能要求 2.1.3 同因素方法 装配功能的要求受两个因素影响，一个是每个零件的公差值，另一个是功能灵敏度系数，故这种方法可表述如下 2.1.4 比例缩放方法 零件公差首先使用比例缩放方法的数据库进行确定。如果零件公差的总和超过所要求的装配公差，则每个零件的公差减少相应的尺寸，一般表述为： 总之，上述方法非常简单，但只能根据一定的等差等级评估零件的公差值。这些值通常用在公差分配的初始阶段。 2.2 尽量减少成本的方法 评价公差分配的最好原则是加工费用规则，所以降低成本的方法已经成为了很重要的研究课题。在这些方法中，加工费用和零件的公差值之间的关系用数学公式表示，并且在满足功能要求的约束条件下最小化总加工成本是终佳目标。在过去50年中，已经有10多个成本和公差的关系模型已提交。见表1。 这些模型都是基于在生产过程中经常使用的基于经验的关于成本和公差的数据。该模型参数的计算采用以这些数据为基础的最小二乘法。由于缺乏关于成本和公差关系的生产数据，并且当加工环境改变时加工成本也会发生变化，所以这些方法的应用非常有限。 2.3 综合因子法 对各零件的可加工性定量评价就是综合因素。由于加工成本和可加工性是密切相关的，所以每个零件的相对加工成本可利用其综合因素进行评价。通常情况下，当各因素给予适当的权重值后，综合因子可以计算： i表示零件的编号,m表示与可加工性相关的因素数，Pi表示第i个零件的相对可加工性占整个装配的百分比。一般而言，影响加工费用的因素包括加工方法，零件材料，零件的几何结构，零件尺寸，等。由于这些因素值只能由具有丰富的生产知识和经验的专家测定，所以该方法是主观的。 2.4 人工智能方法 人工智能技术目前应用于CATD。Kopardekar和Anand提出了基于神经网络的公差分配方法，同时考虑到机械加工性和平均变化。该神经网络可以预测单个零件公差，如图1所示 该方法的优点是： 该过程不需要任何有关零件尺寸分布的假设，这与统计方法不同。 这种方法可以推广到多种零件的集合。 然而，一些缺点限制了其应用，例如