CN110990907A - 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 - Google Patents
基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 Download PDFInfo
- Publication number
- CN110990907A CN110990907A CN201911073722.9A CN201911073722A CN110990907A CN 110990907 A CN110990907 A CN 110990907A CN 201911073722 A CN201911073722 A CN 201911073722A CN 110990907 A CN110990907 A CN 110990907A
- Authority
- CN
- China
- Prior art keywords
- manufacturability
- processing
- information
- feature
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000005457 optimization Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 85
- 238000004519 manufacturing process Methods 0.000 claims abstract description 73
- 238000011156 evaluation Methods 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 230000002068 genetic effect Effects 0.000 claims abstract description 9
- 238000012795 verification Methods 0.000 claims abstract description 3
- 230000008569 process Effects 0.000 claims description 32
- 238000003754 machining Methods 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 12
- 238000011161 development Methods 0.000 claims description 8
- 230000003746 surface roughness Effects 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 8
- 230000007547 defect Effects 0.000 abstract description 2
- 238000012356 Product development Methods 0.000 abstract 1
- 230000018109 developmental process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Geometry (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computer Graphics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于特征‑资源知识的船用柴油机关重件可制造性三级优化方法，该方法包括以下步骤：1、对船用柴油机关重件的加工特征进行分类；2、基于面和规则的加工特征识别算法完成特征识别；3、从零件三维模型中获取尺寸、精度信息，建立加工元信息模型；4、创建结构工艺性规则知识库；5、建立加工制造能力模型及知识库；6、提出基于遗传算法的分布式制造环境优选方法；7、搭建验证平台，输出三级可制造性优化方案及评价报告。本发明提出的的可制造性三级优化方法层层递进，充分考虑了船用柴油机关重件实际加工中的难点，具有良好的实用性和拓展性，能够有效发现设计中存在的缺陷，从而缩短产品研制的周期，节约成本。
Description
技术领域
本发明涉及机械制造领域，特别是一种船用柴油机关重件可制造性三级优化方法。
背景技术
柴油机关重件的实际生产中，由于设计人员对制造资源的约束了解不足，常常会造成加工指标与生产设备不匹配的问题，浪费时间和金钱。因此需要在实际加工前预测零件在工厂现有的制造资源条件下能否被加工。与此同时，面对分布式制造环境的复杂情况，需要选择相应的工厂、机床和刀具来使效率、经济最优化。而现有的船用柴油机关重件可制造性评价系统缺少明确的评价指标与评价标准，实际应用中效果不佳。
目前，可制造性评价方法大致可分为基于规则和基于规划两个方向，其方法多涉及模糊集、改进粒子群算法等理论，使得计算过程繁琐，且计算结果缺乏准确性，导致评价的结果不能直接应用，还需要进一步处理。
在基于特征-资源的可制造性评价研究中，有文献“刘红军,莫蓉,范庆明,万能.并行工程下基于特征的零件可制造性及其评价方法研究[J].计算机应用研究，2009,26(03):980-983.”建立了基于制造约束规则的加工可行性定性评价和基于模糊综合评判的加工可行性定量评价两种评价方法，但是该文献并没有将结构工艺性考虑在内，并且规则库不够具体，难以判断评价的准确性；文献“张军,邰艳芳.基于零件三维模型的可制造性分析技术研究[J].现代制造技术与装备,2018(01):23-25.”通过建立加工工艺性评价知识库、规则库，实现基于三维加工特征模型的可制造性评价，但其阐述的规则并不适用于船用柴油机关重件，且该文献所述的方法和系统缺少具体的制造资源模型，并不能够应用在船用柴油机关重件的设计中；文献“戴忠,金亮,姜晓平,孙志权.基于三维几何模型的可制造性评价技术研究[J].计算机仿真,2019,36(04):137-141.”采用基于属性邻接图的特征识别技术对三维模型进行特征识别,识别出的特征与预定义的加工特征比对,并重构成加工特征模型，采用基于规划的可制造性评价策略对重构的加工特征模型进行工艺性评价，但该文献并未创建合适的制造资源模型且缺乏制造环境的优化。
综上所述，可制造性评价方法有着广阔的应用前景，它是制造企业缩短研制周期、降低成本、提高企业竞争力的重要手段。然而，当前的方法系统并不全面，往往只针对某单一可制造性评价指标，且未充分考虑到制造资源约束的影响，更难以面对船用柴油机复杂的制造环境。针对目前研究方面的不足，亟需一种更为全面的可制造性优化方法，能够完整准确的判断零件的可制造性以及优化和建议。
发明内容
发明目的：针对现有技术中存在的不足，为解决船用柴油机关重件设计方案制造时由于资源条件不符或零件结构工艺性不合理而引起的设计反复问题，本发明提供一种基于特征-资源的船用柴油机关重件可制造性评价系统，该系统较之前的系统更周全，把基于规则和基于规划的可制造性评价方法的特征结合在了一起，并提出基于遗传算法的分布式制造环境优化方法，为零件加工选择最优的加工方案。
技术方案：为实现以上目的，本发明所述的基于特征-资源知识的船用柴油机关重件可制造性三级优化方法包括如下步骤：
步骤1、基于加工特征的定义，将船用柴油机关重件含有的加工特征分为面特征、孔特征、型腔特征、回转体特征4类；
步骤2、输入零件的三维模型，利用基于面和规则的特征识别方法进行特征识别；
步骤3、提取特征基本信息、特征尺寸信息，构建零件的加工元信息模型；
步骤4、根据柴油机关重件加工及装配过程中所涉及的工艺规则，基于面向对象的表达方法建立结构工艺规则库，并依次判断零件的结构工艺性是否合理；
步骤5、根据制造资源信息，建立制造资源加工能力模型和制造资源加工能力知识库，创建特征-资源关联关系模型，通过智能匹配算法提取零件模型各加工特征的尺寸及精度，与制造资源加工能力模型相比对，完成所有加工特征可制造性的判断；
步骤6、提出基于遗传算法的分布式制造环境优选方法，输出最优加工方案；
步骤7、基于NX8.5二次开发进行平台验证，输出优化方案及可制造性报告。
优选地，所述三级优化为从产品、零件、特征三个层次系统对产品的可制造性进行优化。
优选地，步骤1所述的加工特征是指切削过程中按照特定的方法和顺序成型的几何拓扑形状。
优选地，步骤2所述的基于面和规则的特征识别方法的具体步骤为：
Step1.以初始平面为种子面，判断种子面类型；
Step2.检索种子面外环，获取种子面邻接边及其对应的邻接面；
Step3.获得邻接边与邻接面类型；
Step4.按照设定的路线检索边与面组，以此获取边组与面组类型。
优选地，步骤3所述的加工元信息模型包括零件的特征基本信息、工艺信息和尺寸信息；特征基本信息包括特征名称、特征ID、父特征；工艺信息包括加工方法、加工设备、加工材料；尺寸信息包括基本尺寸、尺寸精度和表面粗糙度。
优选地，步骤5中所述的制造资源加工能力是指将机床资源、刀具资源作为一个整体，在资源固有属性约束下，针对零件的几何特征，完成加工任务的过程中所发挥的作用。
优选地，步骤5所述的制造资源加工制造能力模型是动态的，能够根据设备信息的更新，进行加工制造能力的调整。
优选地，步骤5所涉及的制造资源加工能力知识库的整体建库流程包括以下步骤：
Step1.数据准备：查阅机床刀具相关资料，提取制造资源加工制造能力模型中所需内容，形成文档，为建库做准备；
Step2.采用SQL语言的CREATE DATABASEH和CREATE TABLE语法分别对机床基本信息模型、刀具信息模型和加工功能模型建立相应的数据表，并对其进行详细描述；
Step3.采用AWK文本处理工具，依据不同模型的实际数据格式，编写对应的数据提取脚本；
Step4.执行脚本提取数据，依据提取出来的数据生成INSERT SQL语句；
Step5.在数据库中执行生成的INSERT SQL语句，完成数据库中不同表数据的插入；
Step6.结束。
优选地，步骤5所述的特征-资源关联关系模型是从特征信息出发，将特征分解为加工元中的一个个操作，每个操作都与一个或若干个机床相关联，从而将加工元信息模型与制造资源模型一一关联起来。
优选地，分布式制造环境为：在该环境下，每个工厂都有固定的编号，每个工厂中的机床和刀具也都有相应的编号，零件的每个特征可以由一个或几个操作完成，每个加工操作可由各个工厂中的一台或几台机床、一种或几种刀具完成。
优选地，步骤7所述的可制造性报告由NX二次开发技术所创建的可制造性评价平台输出。
有益效果：与现有技术相比，本发明具有以下显著优点：本发明针对性地创建了船用柴油机关重件加工元信息模型，并在此基础上，根据船用柴油机实际加工情况，构建结构工艺规则库和加工制造能力知识库，通过加工特征匹配的方法解决了零件结构工艺性和加工特征可加工性的评价问题，并应用遗传算法对制造环境进行了优化，经过在连杆加工中的运用，提高了产品研发的效率，证明该方法对推广智能制造设计系统的发展和应用具有重要意义。
附图说明
图1为本发明本发明的系统操作流程图；
图2为船用柴油机关重件可制造性三级优化方法体系框架图；
图3为船用柴油机关重件可制造性三级优化方法各功能模块图；
图4为实施例中加工元信息模型示意图；
图5为实施例中结构工艺性评价界面示意图；
图6为实施例中制造资源加工制造能力模型示意图；
图7为实施例中“特征-资源”的关联关系示意图；
图8为实施例中加工特征可制造性评价流程；
图9为实施例中基于遗传算法的分布式制造环境优选方法流程图；
图10为实施例中输出的可制造性评价文档示意图。
具体实施方式
下面对本发明技术方案进行详细说明，但本发明的保护范围不局限于所述实施例。
本实施例中的船用柴油机关重件可制造性三级优化方法，基于可制造性的定义，需要从产品、零件、特征三个层次来评价及优化产品的可制造性，每个层次的优化内容均不相同，故将优化过程分为三级。三级可制造性优化方法应用过程为：一级可制造性优化是结构工艺性优化，主要针对零件的加工特征，判断其是否满足结构工艺性规则的要求；二级可制造性优化是可加工性优化，主要判断制造资源的加工能力是否满足零件的尺寸、精度、表面粗糙度等设计信息的要求；三级可制造性优化是综合优化，即制造资源优化，基于遗传算法选择出最合适的加工环境及加工方案。
本发明的系统体系架构如图2所示，共包括五个层次：基础层、数据层、技术管理层、功能实现层和用户交互层。
基础层是指系统开发的保障，借助于企业已有软件系统环境以及开发语言，在此基础上完成可制造性评价的功能模块。
数据层是系统运行的直接信息源，主要用于存储和管理系统在运行过程中所使用或产生的原始数据、中间数据、结果数据等，主要包括：零件三维模型、结构工艺规则库、加工制造能力知识库、数据管理库等。
技术管理层为系统各功能模块提供技术支持，所有技术贯穿于系统的实现流程，作为功能实现层与数据层的桥梁，主要包括三个模块：基于几何推理的加工特征识别方法、基于特征-资源知识的可制造性评价方法和基于遗传算法的分布式制造环境优选方法。
功能实现层主要包括该系统实现的功能模块，主要包括数据库管理模块、加工特征识别模块、可制造性评价模块、可制造性评价报告输出模块和用户权限管理模块。各模块的具体功能如图3所示。
下面对该三级优化方法操作流程进行系统阐述。
步骤1，按照加工特征定义，将船用柴油机关重件含有的加工特征分为四类：面特征、孔特征、型腔特征、以及回转体特征。面特征可分为平面、斜平面、曲面以及组合平面，其中组合平面是由多个平面结合形成的复合特征如台阶面等；孔特征是柴油机关重件中最为常见的加工特征，其加工精度要求高且多为装配结合面，孔特征分为通孔、盲孔，其中通孔包含普通通孔、斜口孔、台阶孔、沉孔等。型腔特征可分为圆型腔、矩形腔、扇型腔和梯形腔。回转体特征可分为圆柱体、圆锥体、球面体、环面体等。
实施例：如图1所示，以连杆加工为例，一种基于特征-资源知识的船用柴油机关重件可制造性评价系统按照如下的步骤进行实施：
步骤2，特征识别，输入连杆的三维CAD模型，结合关重件的特征分类，采用基于面和规则的加工特征交互识别算法，对特征进行判断推理，识别出特征类型。
该步骤中所述的基于面和规则的特征识别方法的具体步骤为：
Step1.以初始平面为种子面，判断种子面类型；
Step2.检索种子面外环，获取种子面邻接边及其对应的邻接面；
Step3.获得邻接边与邻接面类型；
Step4.按照设定的路线检索边与面组，以此获取边组与面组类型。
步骤3，创建加工元信息模型，应用NX8.5及C++语言编写遍历程序，从连杆的三维模型中提取加工特征信息。将所提取出的信息进行归纳，构造以特征为核心，附加其加工所需要的制造信息的实体，称作加工元。其内容包括零件的特征基本信息、工艺信息和尺寸信息，特征基本信息包括特征名称、特征ID、父特征；工艺信息包括加工方法、加工设备、加工材料；尺寸信息包括基本尺寸、尺寸精度和表面粗糙度，将特征识别出的每一个特征都以加工元信息模型的形式来表达，以某一深孔特征为例，其加工元信息模型如图4所示。
加工特征信息存储，采用ADO接口连接SQL Server数据库，配置数据源，指定存储路径，利用C++语言实现NX8.5和SQL Server数据库的连接，将提取信息写入相关数据表中，为可制造性评价提供数据依据。
步骤4，结构工艺性评价：先总结归纳关重件加工过程中每一类特征所遵循的规则，部分规则如表1所示。
表1船用柴油机关重件结构工艺性规则
按照顶层架构设计和产生式规则来表达结构工艺性规则知识，通过Oracle数据库系统建立结构工艺规则库，然后逐条判断零件的结构工艺性是否存在问题。其评价界面如图5所示。步骤4所述的结构工艺规则库囊括了船用柴油机关重件4类特征所对应的若干条规则，集成了机械设计经验、企业制造经验和环境等形成的经验知识，并基于产生式规则对其表达并建模。
步骤5，可加工性评价，采用面向对象技术创建制造资源加工制造能力模型，该模型由机床基本信息、刀具信息、加工功能3部分组成，以具体的连杆加工机床NC3*10M为例，其加工制造能力模型如图6所示。
在SQL Server 2012中分别创建机床基本信息表、刀具信息表、加工功能表，构建建立制造资源加工能力知识库，具体包含以下6个步骤：
Step1.数据准备：查阅机床刀具相关资料，提取制造资源加工制造能力模型中所需内容，形成文档，为建库做准备；
Step2.采用SQL语言的CREATE DATABASEH和CREATE TABLE语法分别对机床基本信息模型、刀具信息模型和加工功能模型建立相应的数据表，并对其进行详细描述；
Step3.采用AWK文本处理工具，依据不同模型的实际数据格式，编写对应的数据提取脚本。
Step4.执行脚本提取数据，依据提取出来的数据生成INSERT SQL语句；
Step5.在数据库中执行生成的INSERT SQL语句，完成数据库中不同表数据的插入；
Step6.结束。
如图7所示，建立特征-资源关联关系模型，通过特征分解与制造资源加工制造能力的形式化表达方法将特征信息与资源信息关联在一起，便于后续信息的搜索与匹配。
通过匹配算法分别搜索匹配每个特征的特征尺寸及特征精度等信息，判断所有加工特征的可制造性。如面对精度要求，只需零件上孔和平面的最高精度被满足即可。加工特征可制造性评价的方法流程如图8所示，将每个特征在加工元信息模型中所包含的信息与制造资源在加工制造能力模型中的信息进行功能、对象上的匹配，找到可以加工相应特征的机床。再依次判断基本尺寸信息和精度信息在该机床加工制造能力下的可加工性，并将结果逐一记录下来。
步骤6，分布式制造环境优化：可制造性评价系统的前两级主要评价所设计的零件在现有制造资源的环境下能否被加工。三级评价为综合评价，其目的是优化制造资源环境，以便确定最优的加工方案。
基于遗传算法的制造环境优化方法的实现过程如图9所示，具体步骤如下：
Step1.先对每道工序所对应设备和刀具进行编号，如第n道工序共有3个加工设备能够满足加工要求，则编号为(1,2,3)，第n道工序共有4把刀具满足加工要求，则编号为(1,2,3,4)。
Step2.依据编码规则进行整数编码，并随机产生初始种群Q。
Step3.选择适应度函数并计算各个个体的适应度值，并记录适应度最高的个体。
Step4.对种群进行选择操作。
Step5.对选择操作后的种群按照给定的交叉概率进行交叉和变异操作，从而产生新群体，并计算每个个体的适应度值，用已记录的适应度最高的个体替换当前群体中适应度最低的个体，产生新一代群体。
判断是否满足终止条件，如果满足则解码并输出最优加工方案和来源工厂，否则转至步骤3。
步骤7，生成优化方案和评价文档：通过NX二次开发技术，开发可制造性评价模块，将连杆可制造性评价的结果通过Excel文档的形式输出，如图10所示，具体包含所涉及的特征信息、不合理说明、不能加工的特征参数以及相应的修改建议等内容。
Claims (11)
1.一种基于特征-资源知识的船用柴油机关重件可制造性三级优化方法，其特征在于，包括如下步骤：
步骤1、基于加工特征的定义，将船用柴油机关重件含有的加工特征分为面特征、孔特征、型腔特征、回转体特征4类；
步骤2、输入零件的三维模型，利用基于面和规则的特征识别方法进行特征识别；
步骤3、提取特征基本信息、特征尺寸信息，构建零件的加工元信息模型；
步骤4、根据柴油机关重件加工及装配过程中所涉及的工艺规则，基于面向对象的表达方法建立结构工艺规则库，并依次判断零件的结构工艺性是否合理；
步骤5、根据制造资源信息，建立制造资源加工能力模型和制造资源加工能力知识库，创建特征-资源关联关系模型，通过智能匹配算法提取零件模型各加工特征的尺寸及精度，与制造资源加工能力模型相比对，完成所有加工特征可制造性的判断；
步骤6、提出基于遗传算法的分布式制造环境优选方法，输出最优加工方案；
步骤7、基于NX8.5二次开发进行平台验证，输出优化方案及可制造性报告。
2.根据权利要求1所述的船用柴油机关重件可制造性三级优化方法，其特征在于，所述三级优化为从产品、零件、特征三个层次系统对产品的可制造性进行优化。
3.根据权利要求1所述的船用柴油机关重件可制造性三级优化方法，其特征在于，步骤1所述的加工特征是指切削过程中按照特定的方法和顺序成型的几何拓扑形状。
4.根据权利要求1所述的船用柴油机关重件可制造性三级优化方法，其特征在于，步骤2所述的基于面和规则的特征识别方法的具体步骤为：
Step1.以初始平面为种子面，判断种子面类型；
Step2.检索种子面外环，获取种子面邻接边及其对应的邻接面；
Step3.获得邻接边与邻接面类型；
Step4.按照设定的路线检索边与面组，以此获取边组与面组类型。
5.根据权利要求1所述的船用柴油机关重件可制造性三级优化方法，其特征在于，步骤3所述的加工元信息模型包括零件的特征基本信息、工艺信息和尺寸信息；特征基本信息包括特征名称、特征ID、父特征；工艺信息包括加工方法、加工设备、加工材料；尺寸信息包括基本尺寸、尺寸精度和表面粗糙度。
6.根据权利要求1所述的船用柴油机关重件可制造性三级优化方法，其特征在于，步骤5中所述的制造资源加工能力是指将机床资源、刀具资源作为一个整体，在资源固有属性约束下，针对零件的几何特征，完成加工任务的过程中所发挥的作用。
7.根据权利要求1所述的船用柴油机关重件可制造性三级优化方法，其特征在于，步骤5所述的制造资源加工制造能力模型是动态的，能够根据设备信息的更新，进行加工制造能力的调整。
8.根据权利要求1所述的船用柴油机关重件可制造性三级优化方法，其特征在于，步骤5所涉及的制造资源加工能力知识库的整体建库流程包括以下步骤：
Step1.数据准备：查阅机床刀具相关资料，提取制造资源加工制造能力模型中所需内容，形成文档，为建库做准备；
Step2.采用SQL语言的CREATE DATABASEH和CREATE TABLE语法分别对机床基本信息模型、刀具信息模型和加工功能模型建立相应的数据表，并对其进行详细描述；
Step3.采用AWK文本处理工具，依据不同模型的实际数据格式，编写对应的数据提取脚本；
Step4.执行脚本提取数据，依据提取出来的数据生成INSERT SQL语句；
Step5.在数据库中执行生成的INSERT SQL语句，完成数据库中不同表数据的插入；
Step6.结束。
9.根据权利要求1所述的船用柴油机关重件可制造性三级优化方法，其特征在于，步骤5所述的特征-资源关联关系模型是从特征信息出发，将特征分解为加工元中的一个个操作，每个操作都与一个或若干个机床相关联，从而将加工元信息模型与制造资源模型一一关联起来。
10.根据权利要求1所述的船用柴油机关重件可制造性三级优化方法，其特征在于，分布式制造环境为：在该环境下，每个工厂都有固定的编号，每个工厂中的机床和刀具也都有相应的编号，零件的每个特征可以由一个或几个操作完成，每个加工操作可由各个工厂中的一台或几台机床、一种或几种刀具完成。
11.根据权利要求1所述的船用柴油机关重件可制造性三级优化方法，其特征在于，步骤7所述的可制造性报告是利用NX二次开发技术所创建的可制造性评价平台输出的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911073722.9A CN110990907B (zh) | 2019-11-06 | 2019-11-06 | 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911073722.9A CN110990907B (zh) | 2019-11-06 | 2019-11-06 | 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110990907A true CN110990907A (zh) | 2020-04-10 |
| CN110990907B CN110990907B (zh) | 2024-03-01 |
Family
ID=70083487
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911073722.9A Active CN110990907B (zh) | 2019-11-06 | 2019-11-06 | 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110990907B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111985056A (zh) * | 2020-07-07 | 2020-11-24 | 北京机电工程研究所 | 一种可实现快速工艺规划的机加件设计方法 |
| CN112487717A (zh) * | 2020-11-27 | 2021-03-12 | 江苏科技大学 | 一种船用柴油机关键件的可制造性智能评价方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090070281A1 (en) * | 2007-06-01 | 2009-03-12 | Solomon Research Llc | System for hybridized efficient genetic algorithms to solve bi-objective optimization problems with application to network computing |
| WO2015096511A1 (zh) * | 2013-12-24 | 2015-07-02 | 沈阳飞机工业（集团）有限公司 | 飞机结构件智能数控加工编程系统及方法 |
| CN108090303A (zh) * | 2018-01-05 | 2018-05-29 | 江苏科技大学 | 一种面向船用柴油机关重件的三维机加工工艺信息重用方法 |
| CN109117560A (zh) * | 2018-08-17 | 2019-01-01 | 武汉理工大学 | 基于mbd的汽车典型机加工零件三维工艺设计方法及平台 |
| CN109615113A (zh) * | 2018-11-19 | 2019-04-12 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件加工质量预测方法 |
| CN109857395A (zh) * | 2019-01-10 | 2019-06-07 | 湖南科技大学 | 基于开放式数控系统的凸轮轴智能磨削工艺软件数据库系统的集成应用方法 |
-
2019
- 2019-11-06 CN CN201911073722.9A patent/CN110990907B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090070281A1 (en) * | 2007-06-01 | 2009-03-12 | Solomon Research Llc | System for hybridized efficient genetic algorithms to solve bi-objective optimization problems with application to network computing |
| WO2015096511A1 (zh) * | 2013-12-24 | 2015-07-02 | 沈阳飞机工业（集团）有限公司 | 飞机结构件智能数控加工编程系统及方法 |
| CN108090303A (zh) * | 2018-01-05 | 2018-05-29 | 江苏科技大学 | 一种面向船用柴油机关重件的三维机加工工艺信息重用方法 |
| CN109117560A (zh) * | 2018-08-17 | 2019-01-01 | 武汉理工大学 | 基于mbd的汽车典型机加工零件三维工艺设计方法及平台 |
| CN109615113A (zh) * | 2018-11-19 | 2019-04-12 | 江苏科技大学 | 一种基于数字孪生的船用柴油机关重件加工质量预测方法 |
| CN109857395A (zh) * | 2019-01-10 | 2019-06-07 | 湖南科技大学 | 基于开放式数控系统的凸轮轴智能磨削工艺软件数据库系统的集成应用方法 |
Non-Patent Citations (1)
| Title |
|---|
| 魏鹤: "船用柴油机关重件三维机加工艺信息重用方法研究", 万方中国学位论文全文数据库 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111985056A (zh) * | 2020-07-07 | 2020-11-24 | 北京机电工程研究所 | 一种可实现快速工艺规划的机加件设计方法 |
| CN112487717A (zh) * | 2020-11-27 | 2021-03-12 | 江苏科技大学 | 一种船用柴油机关键件的可制造性智能评价方法 |
| CN112487717B (zh) * | 2020-11-27 | 2024-03-29 | 江苏科技大学 | 一种船用柴油机关键件的可制造性智能评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110990907B (zh) | 2024-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109117560B (zh) | 基于mbd的汽车典型机加工零件三维工艺设计方法及平台 | |
| CN101093559B (zh) | 一种基于知识发现的专家系统构造方法 | |
| CN101477521B (zh) | 用于构建机械产品设计知识库的非规范知识获取方法 | |
| KR102465451B1 (ko) | 가공 특성 기반의 공정 지식 푸시 방법 | |
| CN109598705B (zh) | 一种基于检测特征的检验规程自动生成方法 | |
| CN106529028A (zh) | 一种工艺规程的自动生成方法 | |
| CN116680839B (zh) | 一种基于知识驱动的发动机智能化工艺设计方法 | |
| CN106599064B (zh) | 一种适用于高端装备的复杂知识自动分类、获取及存储方法 | |
| CN115168971A (zh) | 基于构件参数库的装配式建筑设计与建造一体化协同方法 | |
| CN110795835A (zh) | 一种基于自动同步建模的三维工序模型逆向生成方法 | |
| CN110990907B (zh) | 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 | |
| CN112001047B (zh) | 一种基于pmi信息的雷达关键零部件工艺设计方法 | |
| CN115062164A (zh) | 一种基于产品制造过程多领域信息的知识图谱构建方法 | |
| CN111814528B (zh) | 一种连通性分析的夜光影像城市等级分类方法 | |
| CN116307566A (zh) | 大型房屋建筑工程施工组织方案动态设计系统 | |
| CN114254441A (zh) | 一种基于本体的加工方法智能生成方法 | |
| CN110866317A (zh) | 基于产品历史信息及设计行为分析的设计工具包重构方法 | |
| Gaoliang et al. | Using CBR to develop a VR‐based integrated system for machining fixture design | |
| CN112487717B (zh) | 一种船用柴油机关键件的可制造性智能评价方法 | |
| CN108227627B (zh) | 一种用于船用柴油机关键件的数控程序编制方法 | |
| CN113806891B (zh) | 适应工件变更用夹具快速设计方法 | |
| Li et al. | Similarity measurement of the geometry variation sequence of intermediate process model | |
| Ascheri et al. | A knowledge-based framework for automated layout design in an industrial environment | |
| Qiao et al. | Common Structure Mining of 3D Model Assembly Model Based on Frequent Subgraphs | |
| Manuguerra et al. | Machine learning for parametric cost estimation of axisymmetric components |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |