基于多阶段加工过程动态流分析的夹具布局优化设计理论与方法研究

Fixture layout optimization in multistation manufacturing process is a hot research topic in the field of intelligent fixture design. However, there commonly exist some problems, such as incomplete process models, relatively simple optimization object function and inefficient solution procedure in high-dimensional design space. This project is the first to apply the flow theory in large-scale systems into fixture layout design in multistation machining processes (MMP). Through researching synergy movement effects among material flow, energy flow and information flow, a dynamic flow model of MMP is established. And then, the flow parametric analysis and the maximum likelihood estimation method are used to explore the extraction strategies of important machining stage based on sensitivity index, which will effectively reduce the fixture design space dimension. Subsequently, mathematical expression of entropy in dynamic flow is deduced to describe the order degree of structure and function in MMP, and the fixture layout optimization criteria is proposed when the minimum entropy value of dynamic flow is taken as the objective function. The project, in short, will research in the dynamic flow mathematical modeling, the fixture design space dimension reduction methods, and fixture layout optimization criteria and algorithms based on entropy in MMP. Finally, an innovative fixture layout optimization design system based on dynamic flow analysis for MMP will be proposed, which will provide a theoretical and algorithmic basis for intelligent fixture design and processing techniques innovation in digital manufacturing systems.

面向多阶段制造过程的夹具布局优化设计是当前智能夹具设计领域的一个研究热点。其中，过程模型建立不完整、高维度设计空间的优化目标函数相对简单和求解效率低等问题普遍存在。本项目首次将大系统的流理论应用于多阶段加工过程的夹具布局设计。通过研究加工过程中物质流、能量流和信息流的协同运动效应，建立多阶段加工过程的动态流模型；采用流参数分析和极大似然估计法，探索基于灵敏度指标分析的重要加工阶段提取策略，进而有效降低夹具设计空间维度；建立动态流熵的数学表达式来描述多阶段加工过程的结构功能有序度，提出以动态流最小熵值为目标函数的夹具布局优化设计准则。本项目从多阶段加工过程动态流的数学建模、夹具设计空间降维方法、基于熵的夹具布局优化设计准则和算法等方面展开研究。进而，创新性提出基于多阶段加工动态流分析的夹具布局优化设计系统，为数字化制造系统中智能夹具设计和加工工艺创新提供理论依据与算法支持。

首先，通过研究多阶段加工过程中误差的累积与传播行为，建立多阶段加工过程误差流模型。该模型综合考虑了基准误差、夹具误差和加工误差对工件位姿偏差的影响，建立了过程变量到工件位姿偏差的映射关系。接下来，建立了多阶段加工过程成本预测数学模型。模型中考虑了各工序成本要素之间的相互作用关系以及装夹与换刀定位次数对制造成本的影响，使得预测结果更符合实际。利用成本预测模型可以在早期的设计阶段对工件后续加工成本进行估算和预测，有效地降低了产品制造成本。.其次，建立了工件上孔的位置度误差与夹具各定位元件误差之间的关系模型，可以获得由已知夹具定位元件误差所导致的工件孔位置度误差。然后，以工件上孔的位置度误差最小为优化目标，采用遗传算法对夹具布局进行优化设计。进而，提出了基于相似性布局的夹具优化设计新方法，使工件在满足加工精度的前提下，在某些不同的加工阶段具有相同的夹具布局，从而减少了夹具设计、制造、安装和调配的次数，有效地降低了夹具制造成本。.再次，分别采用改进的ACA以及GAAA方法解决多阶段装配过程中二维刚性零件的夹具布局优化问题，合理选择两个定位销的位置使得灵敏度指标最小化。基于状态空间模型作为多阶段变化传播模型，将E-optimality优化标准的最小化作为目标函数。通过改变蚁群算法中蚂蚁新的信息素值的表达式、全局搜索中的变异步长以及局部搜索中的限制步长等，改进了ACA；通过改变遗传算法的变异算子、变异长度以及交叉、变异在蚁群算法中发生的位置，提高了GAAA的稳定性和收敛性。采用三阶段汽车侧边装配为例验证了两种改进算法的有效性，证明了改进的ACA比基本的ACA、改进的GAAA比基本的GAAA和基本的ACA求得的结果要好，且收敛速度更快，稳定性更高。.然后，提出了一种基于文化基因的多目标夹具布局优化的新方法。通过熵权法计算得出每个目标函数的权系数，再将各目标函数的权系数乘以其对应的目标函数，相加求和得到评价函数。之后，利用MA 优化计算出评价函数的最优值，获得最优夹具布局。通过与基于GA（遗传算法）的单目标优化方法得出工件位姿偏移最小量的结果进行对比验证多目标夹具布局优化模型的正确性；MA 与GA 的收敛性对比，验证所提出的多目标优化方案的有效性和可行性。.最后，基于多阶段加工过程误差流分析的夹具布局设计理论和方法构建夹具布局优化设计系统。