CN102081706B - 基于相似性理论的工艺规划方法 - Google Patents

Abstract

一种基于相似性理论的工艺规划方法，其包括以下步骤：i)在传统单特征描述的基础上加入特征组合描述完善零件特征信息模型，建立零件特征的描述；ii)把以特征为核心的有关特征加工工序的相关信息所形成的实体用工艺元表示，生成工艺规划的最基本模块和过程特征；iii)建立一个基于特征的实例索引结构，通过零件特征多叉树的相似性判定生成相似工艺信息，进行工艺相似性判定；iv)应用凝聚的层次聚类法进行工序组合，生成工序族；v)对工序族内的所有工艺元进行优先关系排序，保证工序族内的所有工艺元均能在机床上进行加工。

Description

基于相似性理论的工艺规划方法

技术领域

本发明涉及的是一种工艺规划领域的方法，特别是一种基于相似性理论的工艺规划方法。

背景技术

可重组制造系统是由客户需求和制造环境驱动，具有动态重组能力，并能够通过调整系统配置来快速响应外界变化的制造系统，其最大的特点是能够根据外界的变化进行自身重组。制造系统的重组涉及到系统层和设备层两个层次，系统层主要解决如何根据生产任务优化配置制造资源，并保证物料流、信息流在各子系统之间无缝流动，从而实现根据生产任务定制制造系统的生产功能和生产能力，这是通过更改系统的构形来实现的。因此，系统层主要涉及以下一些问题：系统级工艺规划、制造系统的可重组布局以及可重组制造系统物流优化等一系列问题。

制造系统的重组是产品及其工艺变化驱动的，可重组制造系统的规划建立在工艺规划基础之上。因此，工艺规划是可重组制造系统的重要组成部分之一，但传统的工艺规划面向的是固定的制造环境和特定的产品对象，并不适合资源及加工对象都是动态变化的制造环境。因此，可重组制造环境下工艺规划的最大特征是其柔性和动态响应性，其能够根据产品和企业制造资源的动态变化生成优化的工艺方案，而且能及时处理车间突发事件，并做出相应的工艺调整。

经对现有技术的文献检索发现，对于可重组制造环境下的工艺规划，A.Azab等提出工艺规划和可重构机床集成设计的方法，通过零件特征与机床模块的映射实现工艺规划中工序的组合。B.Lee等应用定量可制造性评估方法提出一种在给定生产计划条件下的可重组制造工件族设计方法。张晓峰借鉴非线性工艺规划、闭环工艺规划及分布式工艺规划的部分思想，提出了面向可重组制造单元的工艺规划系统设计框架。倪中华等在分析可重组制造系统的特点及制造系统对工艺规划新的要求的基础上，提出了一种满足可重组制造系统的工艺规划体系结构和功能模型，并建立了适用于机床制造业的可重组工艺规划系统。

以上面向可重组制造环境的工艺规划方法只在理论层面上进行探讨和研究，缺乏实用性。而在面向可重组制造系统的工艺规划过程中，一个重要的合理化要求就是能重复使用成熟的工艺方案，以尽可能小的修改代价、尽快地设计出需要的工艺，从而降低设计费用和生产周期。零件的结构实例与加工方法之间、相似结构与相似工艺之间所存在的对应性是工艺方案可重用的基础。因此，有必要研究可重组制造环境下基于相似性理论的动态工艺规划方法，并根据加工过程中工艺过程的状态信息，通过重用相应的工艺知识，实现工艺过程的重组。

发明内容

本发明的目的是针对现有工艺规划方法的不足，提出一种基于相似性理论的工艺规划方法，以满足可重组制造环境下多品种、变批量，以及高产品质量和敏捷性的要求。同时使企业在零件工艺规划时能重复使用已经设计过的现成工艺，降低设计费用和生产周期。

本发明是通过以下的技术方案实现的：

一种基于相似性理论的工艺规划方法，其包括以下步骤：

i)在传统单特征描述的基础上加入特征组合描述完善零件特征信息模型，建立零件特征的描述。

ii)把以特征为核心的有关特征加工工序的相关信息所形成的实体用工艺元表示，生成工艺规划的最基本模块和过程特征。

iii)建立一个基于特征的实例索引结构，通过零件特征多叉树的相似性判定生成相似工艺信息，进行工艺相似性判定。

iv)应用凝聚的层次聚类法进行工序组合，生成工序族。

v)对工序族内的所有工艺元进行优先关系排序，保证工序族内的所有工艺元均能在机床上进行加工。

所述基于特征的零件信息描述，是指零件特征描述一般采用单特征描述结构，从制造的角度来讲，用单特征描述零件是合理的。但这种方法过分强调特征的独立性，忽视了特征之间的关联和组合关系，造成工艺规划结果的不准确。

通过在单特征描述的基础上加入特征组合描述来完善零件特征信息模型。特征组合就是按照工艺规划对特征的要求，将描述零件的单特征中彼此相关的特征组合起来描述，并且阐明这种关联的性质。

所述过程特征的生成方法，是指：把以特征为核心的有关特征加工工序的相关信息所形成的实体，定义为工艺元，并用五元组表示为

pe_ij＝(d_i，g_i，b_i，MP_ij，MR_ij)i＝1，2，…，n；j＝1，2，…，m

其中，d_i为特征f_i所属方位面；g_i为特征f_i的形位公差；b_i为特征f_i与其它特征之间的关联类别；MP_ij表示对特征f_i进行加工所采用的加工方法；MR_ij表示采用加工工艺MP_ij加工特征f_i所达到的加工精度。工艺元是零件工艺规划的基本单元，是组成工艺过程的最基本模块。

一个特征的全部工艺元构成该特征的加工元，并表示为

Pe_i＝{pe_i1，pe_i2，…，pe_im}

加工过程是一个零件特征组态不断改变的过程，由于在加工过程中，每个特征都处于一种加工状态，因此每道工序的状态信息由多个特征工艺元来标定，将这些特征工艺元的集合称为过程特征。具体表达形式为：

 P_t＝{pe_1，t，pe_2，t，…，pe_n，t}

过程特征是以零件的特征工艺元为中心，每一阶段的工艺元映射一组加工信息。从毛坯到零件由多个过程特征所组成，每一个过程特征都包含相应的工艺元和加工信息。

建立基于特征的实例索引结构，是指将与相似系数有关的零件类型、加工方式、特征的类型、材料类型、热处理方法、毛坯类型以及形状特征的精度等级、粗糙度和形位公差等因素分为零件级、形状级和特征级，建立一个基于特征的树型实例索引结构。该结构可抽象为多叉树结构，树中的结点代表一个对象，多叉树直观表示了对象间的相互关系，这种层次关系就表示了对象间的相似性。

工艺相似性计算，是指采用自底向上的策略，先计算局部的相似性，再计算全局的相似性，逐层向上进行，最后求得零件实例总的相似性评价。每一层的求和均采用Tversky方法，即：

$S=\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i{F}_i^2}$

其中，待比较二个结点共有n个属性值，w_i为第i个属性的权重系数，F_i为第i个属性的相似度函数。具体如下：

(a)计算特征的相似度

采用特征的属性来计算特征的相似度。当对两个特征进行比较时，采用多叉树结点相似性计算法来进行计算。特征中的属性一般是数值类型的，对这些属性应先进行归一化处理，常用的处理方式是映射为取值范围内的相似度值。

(b)计算形状的相似度

根据特征的相似度来计算零件形状的相似度。计算的基本方法仍然是多叉树结点相似性计算方法。要计算两个零件的形状相似性，就需要逐个比较两个零件的特征。待比较的两个特征可能是下列三种情况之一：①两个特征是相同的；②两个特征是匹配的；③两个特征是不匹配的。完成所有的特征相似度计算后再计算零件的形状相似度。

(c)计算零件相似度

获得零件形状相似度后，结合零件级的其它属性，按Tversky方法计算零件的相似度。

基于凝聚层次聚类法的工序组合，其具体包括如下：

(a)数据标准化

设论域PE＝(pe₁，pe₂，…，pe_v)为所有工艺元集合，其中，v表示特征工艺元总数。每个工艺元pe_i可用5个属性来表示，即所属方位面、形位公差、关联类别、加工方法以及精度等级。于是，得到工艺元的原始数据矩阵PE：

${\mathrm{PE}}_{v\×5}=\left[\begin{array}{ccccc}{\mathrm{pe}}_{\mathrm{1,1}}& {\mathrm{pe}}_{\mathrm{1,2}}& {\mathrm{pe}}_{\mathrm{1,3}}& {\mathrm{pe}}_{\mathrm{1,4}}& {\mathrm{pe}}_{\mathrm{1,5}}\\ {\mathrm{pe}}_{\mathrm{2,1}}& {\mathrm{pe}}_{\mathrm{2,2}}& {\mathrm{pe}}_{\mathrm{2,3}}& {\mathrm{pe}}_{\mathrm{2,4}}& {\mathrm{pe}}_{\mathrm{2,5}}\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ {\mathrm{pe}}_{v,1}& {\mathrm{pe}}_{v,2}& {\mathrm{pe}}_{v,3}& {\mathrm{pe}}_{v,4}& {\mathrm{pe}}_{v,5}\end{array}\right]$

由于5个属性的量纲和数量级都不相同，为了使属性指标具有统一的可比性，必须对各指标值进行无量纲处理，并将数据压缩到区间[0，1]上。常用的方法有标准差变换，即

${\mathrm{pe}}_{i,k}^{\text{'}}=\frac{{\mathrm{pe}}_{i,k}-{\stackrel{\‾}{\mathrm{pe}}}_k}{s_k}(i=\mathrm{1,2},...,v;k=\mathrm{1,2,3,4,5})$

其中， ${\stackrel{\‾}{\mathrm{pe}}}_k=\frac{1}{v}\underset{i=1}{\overset{v}{\mathrm{\Σ}}}{\mathrm{pe}}_{i,k},s_k=\sqrt{\frac{1}{v}\underset{i=1}{\overset{v}{\mathrm{\Σ}}}{({\mathrm{pe}}_{\mathrm{ik}}-{\stackrel{\‾}{\mathrm{pe}}}_k)}^2}.$

(b)工艺元间的距离计算

用d₂(pe_i，pe_j)∈[O，1]来描述被聚类工艺元pe_i和pe_j之间的距离(相异度)，采用欧式距离法计算d₂(pe_i，pe_j)。为便于分析，进一步把对象距离单位化，采用以下欧式计算公式进行归一化处理，||pe_ik一pe_jk||₁表示工艺元pe_i和pe_j的距离。

$d_2({\mathrm{pe}}_i,{\mathrm{pe}}_j)={\left|\right|{\mathrm{pe}}_i-{\mathrm{pe}}_j\left|\right|}_2={\left[\frac{1}{5}\underset{k=1}{\overset{5}{\mathrm{\Σ}}}{{\left|\right|{\mathrm{pe}}_{\mathrm{ik}}-{\mathrm{pe}}_{\mathrm{jk}}\left|\right|}_1}^2\right]}^{1/2}$

(c)工序族间的距离计算

采用不同的距离准则可以得到不同的层次聚类方法，族间最小距离准则通过族间距离最小的一对数据点代表族间的距离，使族内工艺元数过多，相似度较低，聚类效果不理想；采用最大距离准则，族内工艺元相似度较高，但工艺元数较少，工序族较多，聚类效果也不理想。因此，采用平均距离法计算如下：

$d_{\mathrm{avg}}(C_i,C_j)=\frac{1}{v_i{v}_j}\underset{\mathrm{pe}\∈C_i}{\mathrm{\Σ}}\underset{{\mathrm{pe}}^{\text{'}}\∈C_j}{\mathrm{\Σ}}\left|\right|\mathrm{pe}-{\mathrm{pe}}^{\text{'}}\left|\right|$

其中，d_avg(C_i，C_j)表示族C_i和族C_j间的距离，||pe-pe′||表示对象pe和对象pe′的距离。

(d)工序动态聚类

由(b)、(c)，计算出对应于工艺元的原始数据矩阵的相异度矩阵：

依据相异度矩阵中提供的各项距离值，首先把v个工艺元分别划分为v个不同的族，采用平均距离法计算族间距离，确定一个阈值，把距离小于等于阀值的族合并为一个新的工序族。

工艺元的排序，根据单特征之间可能出现的关联类别以及工序族内工艺元之间的排序规则对工序族内的工艺元之间的优先关系进行排序，使工序族内所有工艺元能依次在设备上加工完成。包括：

(a)若特征之间有基准关系，则将作为基准的工艺元放在前，与此特征有基准关系的工艺元放在后。

(b)若特征之间有互为基准关系，则按照特征先后作为基准的顺序安排工艺元顺序。

(c)若特征之间有定位关系，则将决定其它特征位置的工艺元放在前，被决定位置的工艺元放在后。

(d)若特征之间有衍生关系，则由特征产生的先后顺序确定工艺元的先后顺序。

(e)若特征之间有位置精度要求关系，则将这些工艺元在一次定位装夹中加工。

(f)若特征之间有同类特征关联关系，则将这些工艺元集中在尽可能少的工序中。

由于采用了以上技术方案，本发明的有益效果是：可迅速适应现代制造业对企业产品质量和敏捷性的提出的要求，适应多品种、小批量的市场需求。通过重复利用企业已有的现成工艺规划，并根据零件质量及生产率等需求对工艺进行组合，从而缩短加工周期并降低制造成本。

附图说明

图1为基于相似性理论的工艺规划流程图。

图2为本发明的工序组合和工序族划分示意图。

具体实施方式

以下结合本发明的内容和附图所述实施例对本发明作进一步的说明。

本发明一种基于相似性理论的工艺规划方法，其包括以下步骤：

步骤一，基于特征的零件信息描述。

用在单特征描述的基础上加入特征组合描述的特征信息模型对零件特征信息进行描述。按照工艺规划对特征的要求，将描述零件的单特征中彼此相关的特征组合起来描述，并且阐明这种关联的性质。单特征之间可能出现的关联类别按照工艺要求可分为以下六种关系：①基准关系；②互为基准关系；③定位关系；④衍生关系；⑤精度要求关系；⑥同类特征关联关系。

步骤二，过程特征生成。

把以特征为核心的有关特征加工工序的相关信息所形成的实体，定义为工艺元，并用五元组表示为

pe_ij＝(d_i，g_i，b_i，MP_ij，MR_ij)i＝1，2，…，n；j＝1，2，…，m

其中，d_i为特征f_i所属方位面；g_i为特征f_i的形位公差；b_i为特征f_i与其它特征之间的关联类别；MP_ij表示对特征f_i进行加工所采用的加工方法；MR_ij表示采用加工工艺MP_ij加工特征f_i所达到的加工精度。工艺元是零件工艺规划的基本单元，是组成工艺过程的最基本模块。

一个特征的全部工艺元构成该特征的加工元，并表示为

Pe_i＝{pe_i1，pe_i2，…，pe_im}

加工过程是一个零件特征组态不断改变的过程，由于在加工过程中，每个特征都处于一种加工状态，因此每道工序的状态信息由多个特征工艺元来标定，将这些特征工艺元的集合称为过程特征。具体表达形式为：

P_t＝{pe_1，t，pe_2，t，…，pe_n，t}

将过程特征作为零件特征工艺元的核心，每一阶段的工艺元映射一组加工信息。从毛坯到零件由多个过程特征所组成，每一个过程特征都包含相应的工艺元和加工信息。

步骤三，工艺相似性判定。

将与相似系数有关的零件类型、加工方式、特征的类型、材料类型、热处理方法、毛坯类型以及形状特征的精度等级、粗糙度和形位公差等因素分为零件级、形状级和特征级，建立一个基于特征的树型实例索引结构。该结构可抽象为多叉树结构，树中的结点代表一个对象，多叉树直观表示对象间的相互关系。

工艺相似性计算采用自底向上的策略，先计算局部的相似性，再计算全局的相似性，逐层向上进行，最后求得零件实例总的相似性评价。每一层的求和均采用Tversky方法，即：

$S=\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i{F}_i^2}$

其中，待比较二个结点共有n个属性值，w_i为第i个属性的权重系数，F_i为第i个属性的相似度函数。

(a)计算特征的相似度

采用特征的属性来计算特征的相似度。当对两个特征进行比较时，采用多叉树结点相似性计算法来进行计算。特征中的属性一般是数值类型的，对这些属性应先进行归一化处理，常用的处理方式是映射为取值范围内的相似度值。

(b)计算形状的相似度

根据特征的相似度来计算零件形状的相似度。计算的基本方法仍然是多叉树结点相似性计算方法。要计算两个零件的形状相似性，就需要逐个比较两个零件的特征。待比较的两个特征可能是下列三种情况之一：①两个特征是相同的；②两个特征是匹配的；③两个特征是不匹配的。完成所有的特征相似度计算后再计算零件的形状相似度。

(c)计算零件相似度

获得零件形状相似度后，结合零件级的其它属性计算零件的相似度。

设定相似系数阈值，当零件的相似度大于设定阀值时，认为找到相似零件。零件与实例经过相似匹配后，把零件与实例零件的特征分成两类：匹配的特征和未匹配的特征。保留匹配特征的工艺信息，删除实例零件中多余的特征工艺信息，由此可得新零件匹配特征工艺元所形成的工艺信息和每道工序的过程特征。对未匹配的特征，添加该部分特征的加工元信息。

步骤四，工艺组合。

采用基于凝聚层次聚类法对工序进行组合，其具体步骤如下：

(a)数据标准化

设论域PE＝(pe₁，pe₂，…，pe_v)为所有工艺元集合，其中，v表示特征工艺元总数。每个工艺元pe_i可用5个属性来表示，即所属方位面、形位公差、关联类别、加工方法以及精度等级。于是，得到工艺元的原始数据矩阵PE：

${\mathrm{PE}}_{v\×5}=\left[\begin{array}{ccccc}{\mathrm{pe}}_{\mathrm{1,1}}& {\mathrm{pe}}_{\mathrm{1,2}}& {\mathrm{pe}}_{\mathrm{1,3}}& {\mathrm{pe}}_{\mathrm{1,4}}& {\mathrm{pe}}_{\mathrm{1,5}}\\ {\mathrm{pe}}_{\mathrm{2,1}}& {\mathrm{pe}}_{\mathrm{2,2}}& {\mathrm{pe}}_{\mathrm{2,3}}& {\mathrm{pe}}_{\mathrm{2,4}}& {\mathrm{pe}}_{\mathrm{2,5}}\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ {\mathrm{pe}}_{v,1}& {\mathrm{pe}}_{v,2}& {\mathrm{pe}}_{v,3}& {\mathrm{pe}}_{v,4}& {\mathrm{pe}}_{v,5}\end{array}\right]$

由于5个属性的量纲和数量级都不相同，为了使属性指标具有统一的可比性，必须对各指标值进行无量纲处理，并将数据压缩到区间[0，1]上。常用的方法有标准差变换，即

${\mathrm{pe}}_{i,k}^{\text{'}}=\frac{{\mathrm{pe}}_{i,k}-{\stackrel{\‾}{\mathrm{pe}}}_k}{s_k}(i=\mathrm{1,2},...,v;k=\mathrm{1,2,3,4,5})$

其中， ${\stackrel{\‾}{\mathrm{pe}}}_k=\frac{1}{v}\underset{i=1}{\overset{v}{\mathrm{\Σ}}}{\mathrm{pe}}_{i,k},s_k=\sqrt{\frac{1}{v}\underset{i=1}{\overset{v}{\mathrm{\Σ}}}{({\mathrm{pe}}_{\mathrm{ik}}-{\stackrel{\‾}{\mathrm{pe}}}_k)}^2}.$

(b)工艺元间的距离计算

用d₂(pe_i，pe_j)∈[O，1]来描述被聚类工艺元pe_i和pe_j之间的距离(相异度)，采用欧式距离法计算d₂(pe_i，pe_j)。为便于分析，进一步把对象距离单位化，采用以下欧式计算公式进行归一化处理，||pe_ik一pe_jk||₁表示工艺元pe_i和pe_j的距离。

$d_2({\mathrm{pe}}_i,{\mathrm{pe}}_j)={\left|\right|{\mathrm{pe}}_i-{\mathrm{pe}}_j\left|\right|}_2={\left[\frac{1}{5}\underset{k=1}{\overset{5}{\mathrm{\Σ}}}{{\left|\right|{\mathrm{pe}}_{\mathrm{ik}}-{\mathrm{pe}}_{\mathrm{jk}}\left|\right|}_1}^2\right]}^{1/2}$

(c)工序族间的距离计算

采用不同的距离准则可以得到不同的层次聚类方法，族间最小距离准则通过族间距离最小的一对数据点代表族间的距离，使族内工艺元数过多，相似度较低，聚类效果不理想；采用最大距离准则，族内工艺元相似度较高，但工艺元数较少，工序族较多，聚类效果也不理想。因此，采用平均距离法计算如下：

$d_{\mathrm{avg}}(C_i,C_j)=\frac{1}{v_i{v}_j}\underset{\mathrm{pe}\∈C_i}{\mathrm{\Σ}}\underset{{\mathrm{pe}}^{\text{'}}\∈C_j}{\mathrm{\Σ}}\left|\right|\mathrm{pe}-{\mathrm{pe}}^{\text{'}}\left|\right|$

其中，d_avg(C_i，C_j)是族C_i和族C_j间的距离，||pe-pe′||表示对象pe和对象pe′的距离。

(d)工序动态聚类

由(b)、(c)，计算出对应于工艺元的原始数据矩阵的相异度矩阵：

依据相异度矩阵中提供的各项距离值，首先把v个工艺元分别划分为v个不同的族，采用平均距离法计算族间距离，确定一个阈值，把距离不大于阀值的族合并为一个新的工序族。

步骤五，工艺元排序。

根据单特征之间可能出现的关联类别以及工序族内工艺元之间的排序规则对工序族内的工艺元之间的优先关系进行排序，使工序族内所有工艺元能依次在设备上加工完成。

本发明的流程如图1所示。主要包括特征描述2、特征信息3、实例索引4、相似度匹配5、加工元6、工序组合7、工艺元排序8、工艺编辑与输出9、实例组织与管理10、实例库11、实例存储12、特征库13、工艺元14、过程特征15、组合原则16和机床库17等几部分。其详细步骤如下：

(1)先对预加工零件1进行特征分析，利用单特征和组合特征相结合的特征描述方法2对零件1的所有加工特征进行描述。

(2)重复操作(1)，直到将新零件1所有的加工特征描述完毕，并将所有的特征描述生成特征信息3。

(3)将与相似系数有关的零件类型、加工方式、特征的类型、材料类型、热处理方法、毛坯类型以及形状特征的精度等级、粗糙度和形位公差等特征信息3分为零件级、形状级和特征级，建立一个基于特征的树型实例索引结构4。

(4)依据已建立的新零件1的实例索引结构4，采用多叉树结点相似性以及Tversky方法并结合加工特征属性计算特征相似度。

(5)根据特征的相似度来计算零件形状的相似度。计算的基本方法仍然是多叉树结点相似性计算方法。要计算两个零件的形状相似性，就需要逐个比较两个零件的特征。完成所有的特征相似度计算后再计算零件的形状相似度。

(6)获得零件形状相似度后，结合零件级的其它属性，Tversky方法计算零件的相似度5。

(7)零件与实例经过相似匹配后，把零件与实例零件的特征分成两类：匹配的特征和未匹配的特征。保留匹配特征的工艺信息15，删除实例零件中多余的特征工艺信息，由此可得新零件匹配特征工艺元所形成的工艺信息和每道工序的过程特征。

(8)对于操作(7)中未匹配的特征，首先把以特征为核心的有关加工工序信息通过特征库13的映射形成工艺元14，然后将这些工艺元的集合生成过程特征15。

(9)利用凝聚层次聚类法的对保留的工艺信息6和过程特征15进行工序组合。图2形象化地描述了工序组合和工序族划分的过程。

(10)根据单特征之间可能出现的关联类别以及工序族内工艺元之间的排序规则对操作(9)中工序族内的工艺元之间的优先关系进行排序，实现工序排序8，使工序族内所有工艺元能依次在设备上加工完成。

(11)工艺编辑与输出9实现工艺的输出与编辑，将经过确认的新零件工艺经过实例存储12存储到工艺实例库11中，并通过实例组织与管理10对实例库进行管理。

上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于这里的实例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。

Claims (4)

1.一种基于相似性理论的工艺规划方法,其特征在于：其包括以下步骤： 

i）在传统单特征描述的基础上加入特征组合描述完善零件特征信息模型，建立零件特征的描述； 

ii）把以特征为核心的有关特征加工工序的相关信息所形成的实体用工艺元表示，生成工艺规划的最基本模块和过程特征； 

iii）建立一个基于特征的实例索引结构，通过零件特征多叉树的相似性判定生成相似工艺信息，进行工艺相似性判定； 

iv）应用凝聚的层次聚类法进行工序组合，生成工序族； 

v）对工序族内的所有工艺元进行优先关系排序，保证工序族内的所有工艺元均能在机床上进行加工； 

所述特征组合是按照工艺规划对特征的要求，将描述零件的单特征中彼此相关的特征组合起来描述，并且阐明关联的性质； 

所述工艺元是指以特征为核心的有关特征加工工序的相关信息所形成的实体，是零件工艺规划的基本单元，是组成工艺过程的最基本模块，并用五元组表示为 

pe_ij＝(d_i,g_i,b_i,MP_ij,MR_ij)i＝1,2,…,n;j＝1,2,…,m 

其中，d_i为特征f_i所属方位面；g_i为特征f_i的形位公差；b_i为特征f_i与其它特征之间的关联类别；MP_ij表示对特征f_i进行加工所采用的加工方法；MR_ij表示采用加工方法MP_ij加工特征f_i所达到的加工精度；n为零件的特征总数，m为每个特征的工艺元数目； 

一个特征的全部工艺元构成该特征的加工元，并表示为Pe_i＝{pe_i1,pe_i2,…，pe_im}；每道工序的状态信息由多个特征工艺元来标定，将这些特征工艺元的集合称为过程特征； 

过程特征的具体表达形式为： 

P_t＝{pe_1,t,pe_2,t,…，pe_n,t}； 

所述建立基于特征的实例索引结构，是指将与相似系数有关的零件类型、加工方式、特征的类型、材料类型、热处理方法、毛坯类型以及形状特征的精度等级、粗糙度和形位公差分为零件级、形状级和特征级，建立一个基于特征的树型实例索引结构，该结构抽象为多叉树结构，树中的结点代表一个对象，多叉树直观表示了对象间的相互关系； 

所述相似系数是指用于衡量新零件与实例零件形似程度的一个参数，其不但与零件类型、加工方式、特征类型有关，还与零件的材料类型、热处理方法、毛坯类型以及形状特征的精度等级、粗糙度和形位公差有关； 

所述应用凝聚的层次聚类法进行工序组合，具体包括： 

（a）数据标准化 

设论域PE＝(pe₁,pe₂,…，pe_v)为所有工艺元集合，其中，v表示特征工艺元总数，每个工艺元pei用5个属性来表示，即所属方位面、形位公差、关联类别、加工方法以及精度等级，得到工艺元的原始数据矩阵PE： 

对各指标值进行无量纲处理，并将数据压缩到区间[0,1]上，即 

其中，

（b）工艺元间的距离计算 

用d₂(pe_i,pe_j)∈[0,1]来描述被聚类工艺元pe_i和pe_j之间的距离，采用欧式距离法计算d₂(pe_i,pe_j)，且将距离单位化，采用以下欧式计算公式进行归一化处理，||pe_ik-pe_jk||₁表示工艺元pe_i和pe_j的距离， 

（c）工序族间的距离计算 

采用平均距离法计算如下： 

其中，d_avg(C_i,C_j)表示族C_i和族C_j间的距离，||pe-pe′||表示对象pe和对象pe′的距离；v_i，v_j分别表示族C_i、族C_j的特征工艺元总数；

（d）工序动态聚类 

由（b）、（c），计算出对应于工艺元的原始数据矩阵的相异度矩阵： 

依据相异度矩阵中提供的各项距离值，把v个工艺元分别划分为v个不同的族，采用平 均距离法计算族间距离，确定一个阈值，把距离小于等于阀值的族合并为一个新的工序族。 

2.根据权利要求1所述的方法，其特征在于：所述工艺相似性判定是指采用自底向上的策略，先计算局部的相似性，再计算全局的相似性，逐层向上进行，最后求得零件总的相似性评价；其中，每一层的求和均采用Tversky方法，即： 

其中，待比较二个结点共有n个属性值，w_i为第i个属性的权重系数，F_i为第i个属性的相似度函数。 

3.根据权利要求1所述的方法，其特征在于：所述工艺相似性判定包括： 

（1）计算特征的相似度 

采用特征的属性来计算特征的相似度，当对两个特征进行比较时，采用多叉树结点相似性计算法来进行计算； 

（2）计算形状的相似度 

根据特征的相似度来计算零件形状的相似度，计算方法是多叉树结点相似性计算方法；其中计算两个零件的形状相似性，是逐个比较两个零件的特征，包括三种情况：①两个特征是相同的；②两个特征是匹配的；③两个特征是不匹配的； 

（3）计算零件的相似度 

获得零件形状相似度后，结合零件级的材料类型、热处理方法、毛坯类型、生产类型，按Tversky方法计算零件的相似度。 

4.根据权利要求1所述的方法，其特征在于：所述工艺元的排序，包括： 

（1）若特征之间有基准关系，则将作为基准特征的工艺元放在前，与基准特征有基准关系的特征的工艺元放在后； 

（2）若特征之间有互为基准关系，则按照特征先后作为基准的顺序安排工艺元顺序； 

（3）若特征之间有定位关系，则将决定其它特征位置的工艺元放在前，被决定位置的工艺元放在后； 

（4）若特征之间有衍生关系，则由特征产生的先后顺序确定工艺元的先后顺序； 

（5）若特征之间有位置精度要求关系，则将这些工艺元在一次定位装夹中加工； 

（6）若特征之间有同类特征关联关系，则将这些工艺元集中在尽可能少的工序中。 

Images