外文翻译一个工艺设计的制造资源基于聚类的造型方案中文.docx
- 文档编号:26921087
- 上传时间:2023-06-24
- 格式:DOCX
- 页数:22
- 大小:544.11KB
外文翻译一个工艺设计的制造资源基于聚类的造型方案中文.docx
《外文翻译一个工艺设计的制造资源基于聚类的造型方案中文.docx》由会员分享,可在线阅读,更多相关《外文翻译一个工艺设计的制造资源基于聚类的造型方案中文.docx(22页珍藏版)》请在冰豆网上搜索。
外文翻译一个工艺设计的制造资源基于聚类的造型方案中文
中文译文:
一个工艺设计的制造资源基于聚类的造型方案
抽象
工艺规划决定了产品如何被制造,因此,它是工艺制造的关键元素之一。
计算机辅助工艺规划(CAPP)的基本难点在于制造的差异背景,复杂的过程计划。
自从过程计划被要求同制造资源在一个车间,模型的制造方法是计算机辅助工艺规划最重要的问题之一。
因此,这个研究的主要目标在于创建一个工艺设计的制造资源基于聚类的造型方案。
这造型方案结合了聚类分析方法和平均法是为了在一个车间合理划分并且分类制造资源。
该方案提供了一个搜索机床的工艺设计的策略,尤其针对机床的甄拔。
最后,给出了一个适用于描述基于聚类的造型方案的例子。
关键词:
过程计划,聚集,相似,计算机辅助工艺规划(CAPP)
1介绍
工艺规划决定了产品如何被制造,因此,它是在产品的筹备工作中最重要的任务,也是所有生产活动的基础。
以往,过程计划活动有传统地经验基础,它由人类进行手动过程规划,计算机没有参与其中。
然而,手工工艺规划涉及一些问题:
例如:
缺乏有技能的规划人员,由于其中的计划者'判断和经验的可变性导致前后矛盾的进程计划,计划生成的效率低,应对实际制造环境的改变,反应慢等等。
缓和这些问题,一个电脑辅助工具就发挥作用了。
自从在过程计划活动中使用电脑的思想被Niebel讨论后,在迈向自动化过程规划领域做出了显著的努力,其他早期的关于自动化过程规划的可行性研究被发现,是SheckandBerra。
为了能在电脑上自动演示出过程计划或整合CAD/CAPP/CAM,在过去的几十年当中越来越多研究者,工程师在CAPP的不同方面奉献了他们的精力。
近年来,CAPP在计算机一体化制造中被当作了一个关键元素。
大多数研究集中在CAPP的一些问题:
例如:
部分特征识别或萃取,过程知识表示,推理过程以及推理一类的问题。
这研究在不同程度上提高了差异的知识表示,将推理运用于过程计划中,改善了CAPP系统的性能。
所以,所有这些研究加快并且促进了自动测试系统的研制过程计划。
这个研究的终极目标是启用充分自动工艺规程设计系统。
在发展CAPP系统中付出了很大努力后有了很大的成果,同时在现实的生活环境中得到了收获。
但是,完全使用计算机自动工艺规划还远远不是一个实际的工业应用。
除了这种复杂的过程规划之外,造成这种情况的主要原因之一是系统的调查原则和建模方法论CAPP制造资源的缺乏。
由于CAPP的基本难点为背景的多样性和资源的制造工艺设计的复杂性,建模的CAPP的制造是一个最基本的隐患。
此外,在制造业的实际环境中,一个主要的困难是在CAPP中如何构建制造资源模型,以便使它可以组织好生产设备。
因此,本文的主要目标是建立一个工艺设计的制造资源基于聚类的造型方案。
然而,大多数的模型制造方法,都被研究用来应付生产计划和控制问题或资源分配和释放所充分利用资源的开发灵活性,等。
因此,本研究提出了建模方法并且结合了[32聚类方法平均法,为了在车间合理分区分类,它是为下一步用数学逻辑范式制造资源元模型和资源的开发奠定基础。
在本节的其余部分,这种结构文件已呈现出来了。
第一部分简要介绍了工艺设计的研究背景和CAPP,并解释了要求基础研究进入一个新的利用制造资源的建模方法的原因。
第二部分分析了工艺设计和制造资源。
第三部分介绍了一个制造资源在车间的基于聚类的造型方案。
来第四部分介绍了制造资源的聚类过程。
第五部分详细介绍了一个应用实例说明聚类过程。
最后,第六部分讨论这个制造资源基于聚类的造型方案所取得的成果。
2工艺规划和制造资源
工艺规划,由张等人定义。
是在对一块零件或装配生产中,可作为编制详细的操作说明用来改造工程设计到最后一部分的规划或者用来处理文件,可见,它是一种行为[3334]。
工艺规划可能会在两种不同条件下运用24]:
一个是为建立新厂或车间;另一个是针对现有的工厂或车间。
在前一种情况下,根据生产需要,它完全可以选择最合理的机床。
对于后一种情况,除非要求一些新的设备采购计划,机床应在工厂或车间选择现有可利用的设备。
这意味着,无论是哪种情况下,一个流程规划者必须具备必要的关于在规划的过程中可使用设备的知识。
然而,加工工艺规划,需要各个方面的关于资源制造的知识,它实际上是一个复杂的过程,包括了许多不同的任务[33-37]。
从技术角度来看,加工工艺规划可能涉及以下几个或全部任务或活动[24,33]
-选择空白
-加工工艺的选择
-操作测序加工
-工具的选择和切削机床
-确定安装要求
-规划计算切削参数,刀具路径
-加工参数选择
-生成或CNC数控零件程序
-机床夹具设计
但在执行工艺规划时,上述活动是按照现有计划,制造资源在一个车间的基本功能。
另外,这些活动是工艺规划中主要的隐患和基本的问题。
因此,显而易见,该建模方法的制造资源极大地影响着上述职能的过程规划。
虽然大量的关于制造资源的技术文件已经出版,每一个都涉及这一问题的重要方面。
其中最重要的目标是增强机器的功能和提高工具机的生产力,以满足某些现有的计划过程的要求。
从工艺设计的角度来看,本文的最终目标是提供一个关于制造资源的建模方法,更确切的说,是针对机床在车间的情况。
此外,还有各种生产流程中原料转化成成品部件的实例,例如:
铸造,锻造,焊接,冲压,成型,机械加工,热处理,电镀,涂料等。
在这些过程当中,加工过程在零件制造中起着重要作用。
在一个零件加工过程中根据需要的形状,尺寸精度和零件表面质量,可能会涉及一些或全部加工方法如下:
车,铣,钻,镗,铰孔,磨,拉削,齿轮加工等[24]。
为了确保已完成的零件质量,要正确地选择加工工艺和切削机床和加工工具,并确定参数。
,因此,一个适当的制造资源建模方法,方便了工艺规划上述活动。
在一个车间的工艺设计的制造资源基于聚类的造型方案提出在下面的部分:
3一个基于聚类的造型方案对一个车间的生产资源
3.1制造资源建模体系结构
建模方案(图1)假设一个集'Ö'的'东经'对象,它代表的是真正的车间所有生产资源。
集合中的每个对象的O记为object1,object2,...,和objectN,而每一个在设定'Ö'的对象时至少有一个主要的加工功能。
图1:
一个制造业集群为基础的造型方案资源
。
例如,钻床主导作用是钻井;
制造资源建模体系结构包括三个步骤,如分类,提取和集群,这是图1所示。
这个过程包括三个步骤。
现描述如下:
3.2按加工方法分类
第一步这些对象的设置'Ö'是根据上述加工方法,如车,铣,钻,镗,铰孔,磨,拉削,齿轮切割等划分,这意味着这些分区对象为一类,这记做O的K次方,K=1,2,?
S(见图1)从分类中的类产生的代表如下:
凡是B+…+C…+⋯⋯+D=N的自然数的一个,对甲.乙.丙.丁有不同或相同的值,因为具体的制造资源在不同的车间层
3.3提取每个类的属性
第二步是提取每个类的共同属性(如图所示)由于对象根据加工方法分为不同的类别,在同一类的对象有一些常见的特殊属性。
例如,一个孔最大钻孔直径为一个所有钻孔机常见的重要因素。
此外,每提取属性应满足:
-能力常设过程
-作为主要指标之一
-具有具体和明确的价值或价值域
然而,这个属性值在不同的对象之间变化,例如,不同的钻孔机就有不同的最大直径的钻孔。
该类确定上述O的K次方的属性时,K=1,2⋯S,是由A的K次方代表设置相应的,K=1,2⋯S.的属性分别记为每个类:
虽然不同的制造资源包含不同的属性,但是不管具体的对象和属性怎样,方法仍然是一样的,。
为了阐明聚类过程,O的K次方的一部分将应用在下面的部分。
对象O的K次方的确定,包括了A的K次方的一系列的属性,一个对象Oi的K次方在O的K次方中,能用逻辑表示为一个连词属性。
其中i和j是正整数,且1
每一行的属性值(Oi的K次方)在O的K次方的设置中都有相应的元素,以下的V的K次方的矩阵就说明了这一点
其中K是一个正整数.且1 3.4聚类过程 第三步是聚类中每一类的对象的确定,这取决于A的K次方的设置,K是一个整数,且1 表的结果表示成C的聚类C1的1次方,C2的1次方…C1的2次方,C1的2次方…聚类算法将在下一节详细介绍。 4聚类算法 如图1所示的聚类方法。 这是一个体系结构建模的关键问题资源,意味着将这些对象分区成Ci的群体,其中i=1,2,⋯m(图1)。 聚类算法是一种简单而有效的制造资源的统计聚类方法。 下面是算法的步骤: 1。 规格化属性的数据对象被聚集,以消除不同尺寸的差异。 另外,使得所有这些属性的值成为制造资源的第一个重要问题,归一化的功能,这意味着功能组成和归一化函数,分别定义如下: 因此,上述矩阵V的K次方可以映射到下面的矩阵υ。 2。 计算函数的不同对象之间的距离由欧氏度量。 它被定义为 这个距离是归一公式如下: 其中r,c,i,l是正整数,r是行数设置的属性,c是确定数目的对象集合,且1≤i,l≤c 3。 计算不同对象之间的相似值。 它被定义为 4。 映射每个值与其相似矩阵(S的K次方)对应的元素。 矩阵方阵S的K次方,一个下角为c的矩阵方阵,表示为: 二,由于 ;矩阵(S的K次方)是一个自反,对称矩阵。 如下: 其中(S的K次方)'是S的K次方的转置矩阵。 根据离散数学定理2.6.6,S的K次方.S的K次方=S的K次方。 因此,矩阵S的K次方是传递的。 因此,矩阵S的K次方满足聚类算法的条件,如: 自反,对称和传递。 5。 群集设置对象(O的K次方)的确定根据相似关系矩阵(S的K次方)。 给出了具体的的实数θ且θ∈[0,1],接下来,所有的对象都可以聚集到一个特定的数字集群。 这个数字θ,聚类粒度参数,极大地影响内和之间的联网距离。 如果 那么 因此,矩阵S的K次方被转化成相应的矩阵。 对象被聚集是根据以上矩阵。 例如,如果 然后三个对象, 聚集到一个群集 6。 集群的独特性决定归属的对象可能属于两个或多个。 每个对象唯一属于一个群集。 另外,如果一个对象属于群集A,则它不可以属于群集A以外的任何其他群集。 因为一个对象可能同时属于两个或多个集群,我们把平均对象方法与上述相似的方法结合起来决定对象的独特的归属。 该方法将详列于第二节5.2。 5聚类算法的一个例子说明 5.1聚类 本节中的一个应用实例用来说明应用在上面的聚类过程。 实例中的对象,如表1所示,铣床一部分在建设机械公司中的实际车间。 这些对象在这些要素中的有序集 这是铣削机器的模型。 在这里,我们选择六个属性,它们是最大工件重量(单位: 公斤),功率(单位: 千瓦),表面粗糙度(单位: 微米)平坦度(单位: 毫米),最大高速主轴(单位: 转)和最大进料表(单位: 毫米/分钟)。 每个属性(最大工件重量,功率,表面粗糙度,平坦度,最大主轴的速度,最大进料表)在有序集合{WT,PW,SR,FS,SS,FT}中有相应的元素.上述的铣削机器的工艺参数属性中,c=8和r=6。 列于表1。 矩阵对应于表1,是类似于上面矩阵V的K次方的转置矩阵式 (2)尽管矩阵转置,计算结果仍然是一样的。 根据合格品(3)及(4)在聚类算法的第一步,每个在表1的值 将规范成 见表2。 根据合格品(6)及(7)在聚类算法的第二步和表2中的数据, 被计算后,在表3所示。 根据合格品(8)在聚类算法的第三步和表3中的数据,计算Oi和Oj相似性 见表4。 矩阵的相似关系的映射表4如下: 如前所述,在第四部分的第四步中,矩阵S是自反,对称,传递矩阵。 如果 其他的等于0。 因此,相似关系矩阵S(见阵列(11))被转化为如下的平方矩阵: 表1铣床进程性能参数 注: 'VMM的'代表立式铣床机。 'HMM'表示卧式铣床 'SDFMM'代表单及双面对模铣床 'PMM'代表龙门铣机 'SDCMM'代表单,双曲面铣削机。 根据聚类算法的第五步,上述对象集中于以下七组: 如果 sij=1,其他为0。 因此,相似关系矩阵S(见阵列(11))被转化为矩阵Sθ=0: 85,如下: 类似地,上述对象都聚集到以下六组: {O1},{O3,O4},{O4,O5},{O2,O4, O6},{O7},{O8} 如果 ,sij=1,其他为0。 因此,相似关系矩阵S(见阵列(11))被转化为矩阵Sθ=0: 65,如下: 类似地,上述对象都聚集到以下三组: 如果 ,sij=1,其他为0。 因此,相似关系矩阵S(见阵列(11))被转化为矩阵Sθ=0: 13,如下: 类似地,上述对象都聚集到一个群集: 如前所述,每个簇的大小取决于粒度参数θ。 如果θ值过大(如θ=1)或过小(如θ=0),聚类结果是毫无价值的。 因此,我们选择参数θ的粒度值的平均值作为相似性的参考;另外, 其中S是一个相似的平均值,如 例如,这里 根据4个表中的数据。 如果 ,让sij=1,其他等于0。 因此,相似关系矩阵S(见阵列(11)) 表2: 规范铣床机性能参数的过程之后的结果 表三: 规范 中Oi,Oj之间的距离 被转化为矩阵 ,如下: 类似地,上述对象都聚集到以下三组: {O1,O2,O3,O4,O5,O6},{O1,O3, O8},{O7}. 在下面的部分,聚类结果的归属唯一性是θ=0.6828时被分析和确定的。 5.2聚类结果的归属唯一性 根据聚类结果的矩阵 表示如下: 但是,也有相同的元素,O1和O3在Cluster1和Cluster2。 因此,方法确定归属对象的独特性,包括如下三个步骤: 第一,计算每个集群的平均值和属性,看哪个集群和其他集群有相同的元素,就像这里的Cluster1和Cluster2。 每个群集的平均值和属性值表示每个集群的核心价值,所以它采取了如下所示的属性值作为相应的集群的参考,它是: 第二,计算{O1O3O1O2}中元素的相似值,根据第四部分步骤1-3类似的方式。 该相似关系的矩阵S*如下: 因此,相似关系矩阵S*转化为相应的矩阵 如下: 第三,根据矩阵 中 被划分为两个对: 因此,从上述分区的结果,我们可以看到, 属于cluster2而 属于cluster1。 总之,集群的最终结果如下: 5.3分析聚类结果 每个群集的平均值和属性值,如前面提到的,是指它的每一个集群的核心价值,因此它是作为一个相应的参考属性值的群集。 下面的脚本说明了聚类结果的一个特点。 然而,有时最大或最小属性值代表了过程的容量。 例如,所有最大重量的工件的最大值代表最大表群集的承载能力。 而表面粗糙度的最低值代表一个集群加工精度最好的一组。 在这里,集合{WT,PW,SS,FT,FS}中每个属性的最大价值和集合{SR,FS}中每个属性的最小价值构成了每个群集的属性。 所以,下面的脚本说明了上述聚类结果的不同的特征。 假设一个工件需要被加工。 首先分析其属性,然后将这些属性的值与每个集群的相应属性的参考值相匹配。 这样做了以后,减少了一个集群内而不是所有对象内的搜索空间;因此,在工具机的选择中提高了搜索效率。 不过,工具的选择和切削机床是进程规划中的另一个重要问题。 六,结论 在这个文件中,我们已提出了一个在过程规划中利用车间制造资源的建模方案。 更具体的说,是机床工具和工艺设计切削工具飞的选择。 拟议的方法,一个制造资源基于聚类的造型方案,为搜索机器和工具的快速进程奠定了基础。 我们的一些做法的好处如下。 在建模方案中引入聚类分析法,该方法在规划过程中提供了一个制造资源建模机制。 一个车间的机器越多,该方法就越有效率。 它可以方便搜索机器和工具的规划过程,特别是在选择机器工具时。 由于生成过程计划是满足生产车间制造资源的要求,所以,搜索空间通常包括公司或者一个真正的车间的所有的机器。 我们提出的方法可以改变搜索策略和搜索轨迹,因而在规划过程的机器工具选择中减少搜索空间。 因此,规划的效率能在实际车间环境中得到提高。 相比目前的建模方法,该方法结合了在基于聚类的造型方案中,关于视图规划聚类的过程中关于容量的知识。 这一过程容量的知识在基于聚类的造型方案中被认为是关键的一个部分。 在这项工作中,我们已经在建立一个系统的方法来利用制造资源建模的方向上作了努力,但整体问题远远没有解决。 例如,在我们目前的工作,我们不考虑选择机床工具的机制,但这是在过程规划中最重要的部分之一。 在今后的工作中,我们计划根据当前的研究综合选择机器和工具。 致谢: 本工作为国家重点实验室柔性制造系统,在中国的授权号码51458100205BQ0203。 参考文献 1.NiebelBW(1965)Mechamizedprocessselectionforplanning newdesigns.ASME,PaperNo.737 2.ScheckDE(1966)Feasibilityofautomatedporcessplanning.PhD thesis,PurdueUniversity,USA 3.BerraPB,BarashMM(1968)Investigationofautomatedprocess planningandoptimizationofmetalworkingprocesses.Report14, PurdueLaboratoryforAppliedIndustrialControl,WestLafayette, Ind.,July1968 4.AldefeldB(1983)Onautomaticrecognitionof3Dstructuresfrom 2-Drepresentations.ComputAidedDes15 (2): 59–64 5.BunceP,PratteMJ,PaveyS,PrinteJ(1986)Featuresextraction andprocessplanning.CAM-IPublicationR-86-GM/PP-01 6.CaseK,GaoJ(1993)Featuretechnology: anoverview.IntJ ComputIntegrManuf6(1–2): 2–12 7.ChoiBK,BarashMM,AndersonDC(1984)Automaticrecognition ofmachinedsurfacesfroma3Dsolidmodel.ComputAided Des16 (2): 81–86 8.HayesCC,DesaS,WrightPK(1989)Usingprocessplanning knowledgetomakedesignsuggestionsconcurrently.In: Proceedings ofASMEConferenceonProductandProcessDesign,San Francisco,CA.AmericanSocietyofMechanicalEngineers,New York,USApp87–92 9.HayesCC,WrightPK(1989)Automatingprocessplanning: using featureinteractionstoguidesearch.JManufSyst8 (1): 1–14 10.GravesGR(1988)AninterfacearchitectureforCAD/CAPP integrationusingknowledge-basedsystemsandfeaturerecognition algorithms.IntJComputIntegrManuf1 (2): 89–100 11.JoshiS,ChangTC(1988)Graph-basedheuristicsforrecognition ormachinedfeaturesfroma3Dsolidmodel.ComputAidedDes 20 (2): 58–66 12.KimYS,WangE(2002)Recognitionofmachiningfeaturesfor castthenmachinedparts.ComputAidedDes34: 71–87 13.SrinivasanR,LiuCR,FuKS(1985)Extractiononmanufacturing detailsfromgeometricmodels.ComputIndEng9 (2): 125–133 14.StaleySM,HendersonMR,AndersonDC(1983)Usingsyntactic patternrecognitiontoextractfeatureinformationfromasolid geometricdatabase.ComputMechEng2 (2): 61–66 15.ZhengDT(1999)Featuresmappingtechnologyforintegrated manufacturing.ChinaMachinePress,Beijing,PRC 16.JiaXL,XuJX,ZhangZM,HuangNK(2003)Theresearchon representationandprocessingofprocessknowledgebaseon object-orientedmodeling.In: ProceedingsoftheSecoodInternational ConierenceonMachineLearningandCybernetics,Xi’an, PRC,2–5November 17.KusiakA(1990)Intelligentmanufacturingsystems.Prentice-Hall, NewJersey,USA 18.KusiakA(1991)Processplanning: aknowledge-basedand optimizationperspective.IEEETransRobotAutom7(3): 257–266 19.RayS(1986)Aknowledgerepresentationschemeforprocessesin anautomatedmanufacturingenvironment.In: Proceedingsofthe IEEEInternationalConferenceonSystems,ManandCybernetics, Atlanta,USA 20.RequichaAAG(1979)Geometricmodellingofmechanicalparts andmachiningprocesses.In
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 外文 翻译 一个 工艺 设计 制造 资源 基于 造型 方案 中文