模具數字化制造中智能CAPP與系統(tǒng)集成關鍵技術研究.pdf

1、模具數字化制造尚處于起步階段,其體系結構和關鍵技術仍有待進一步研究.目前,制約模具數字化制造的瓶頸技術--智能CAPP及其與CAD、CAM的集成技術尚未有效解決.本文對其中的零件信息獲取、特征加工方案產生、工藝計劃優(yōu)化以及模具型腔粗銑加工的刀具優(yōu)化選擇等關鍵技術進行了深入研究,為實現模具的數字化制造奠定基礎.針對目前CAD模型不能直接提供CAPP所需的加工特征及其工藝信息問題,提出了一種基于知識的區(qū)域分層特征識別算法,在特征識別和唯一性

2、解釋過程中引入相關知識,得到合理的加工特征以及特征關系樹,結合特征識別的后處理,獲取工藝設計等所需的特征信息,實現了CAPP與CAD的有效集成. 同一特征一般具有多種加工方案,且它們在一定的生產條件下具有不同的選擇優(yōu)先權.傳統(tǒng)的方法一般只能獲取某一特定的加工方案或者僅對各種可行加工方案的選擇優(yōu)先權進行簡單的定性描述,不能為特征加工方案的靈活選擇提供科學的依據.為此,本文提出了一種基于人工神經網絡和反向設計來產生特征加工方案的方法

3、.該方法采用均勻設計法選擇樣本集,通過神經網絡學習,獲取特征在當前幾何參數、技術要求和生產條件下的可行加工方法及其選擇概率.然后,為獲取的可行加工方法匹配候選機床和刀具集,結合加工余量的選擇和計算,通過反向設計,獲取該特征的所有可行加工方案及其選擇概率,為后續(xù)全局優(yōu)化工藝計劃過程中動態(tài)選擇特征加工方案提供依據.為了制訂最優(yōu)的模具加工工藝計劃并提高工藝計劃對生產環(huán)境的適應性,在分析特征加工方案選擇與零件工序排序優(yōu)化關系的基礎上,提出了一種

4、加工方案選擇與工序排序綜合優(yōu)化的方法.該方法采用基于選擇概率的輪盤賭策略動態(tài)選擇特征加工方案,自動產生和調整工序優(yōu)先約束,通過穩(wěn)態(tài)遺傳算法進行工序排序優(yōu)化,生成候選最優(yōu)工藝計劃,最后通過對候選最優(yōu)工藝計劃的比較,獲取加工成本最低的工藝計劃(最優(yōu)工藝計劃)和若干基于不同加工方案組合的近似最優(yōu)工藝計劃,提高了工藝計劃對生產環(huán)境的適應性,克服了當前常用工藝優(yōu)化方法容易陷入局部最優(yōu)的不足. 刀具選擇對模具型腔的加工質量和效率至關重要.目

5、前的方法主要依靠經驗或者僅進行單一目標優(yōu)化,難以滿足復雜模具型腔最優(yōu)刀具參數選擇的需要. 為此,本文提出了一種綜合考慮總切削時間和總切削體積的模具型腔粗銑加工刀具選擇多目標優(yōu)化模型.通過最小幾何約束提取、切削層優(yōu)化合并和多步長優(yōu)選算法求解目標函數,得到了加工效率最高的刀具組合.基于上述關鍵技術研究,利用VC++和UG/OPEN API,在UG NX平臺上設計了模具數字化制造中智能CAPP的原型系統(tǒng)及其與CAD、CAM集成的解決方