论文部分内容阅读
【摘 要】为了对基于STEP-NC加工工艺路线设计相关技术进行全面的了解，对近年来相关领域取得的研究成果进行了分析和总结，将相关研究分为三个主要方向，分别总结分析了各个研究方向所取得的研究进展和存在的问题。
【关键词】STEP-NC；加工工艺路线；工艺优化
1997年欧共体在OPTIMAL中提出了一种兼容于STEP标准的STEP-NC标准，它为CAx系统间的无缝集成及数控系统向开放性、智能化和网络化等方向发展带来了全新的机遇[1]。基于STEP-NC的工艺路线设计以加工特征所对应的加工工步为核心单元，将零件的加工过程转换为加工工步序列的非线性规划。由于STEP-NC加工工步序列呈非线性排列，可生成多条可供选择的工艺路线，使CNC系统可根据加工现场需求，实时灵活地选择合理的加工工步序列，提高CNC系统的柔性化水平。
随着STEP-NC标准的完善和人工智能技术的成熟，STEP-NC非线性工艺规划也成为下一代数控系统的关键技术。如何解决STEP-NC加工工步序列的生成与优化问题，已成为STEP-NC数控加工走向成熟并在车间得到应用中亟待解决的关键问题[1-2]。
1.基于STEP-NC加工特征识别技术研究
80年代以来，产品几何信息的自动识别技术作为CAD/CAPP/CAM间信息交换的关键技术，一度成为CAx领域研究热点，已形成了比较成熟的特征识别方法有：基于图的方法、基于痕迹的方法、体积剖分法、语义模式识别法、神经网络方法及其混合式辨识法等[2]。基于图的特征辨识法具有能够很好识别独立特征且识别率高被广泛使用，但其无法直接识别相交特征。基于痕迹的特征识别法却能很好实现相交特征的识别，但对于复杂特征无法找到合适的痕迹而显得力不从心[2]。体积剖分法将零件模型分解成凸体集合后重新组合来，理论上能够识别任意相交特征，但却无法保证得到正确的加工特征且其计算量巨大。文献[2]充分利用基于图和痕迹的双重优势，提出一种基于图和痕迹的相交特征识别方法，能识别符合STEP-NC的加工特征。文献[3]针对STEP-NC加工特征的特点，提出了交叉特征的定义及其特征识别方法，开发了相应的特征识别系统，实现了STEP-NC加工特征识别。
上述方法在一定程度上解决了特征识别领域的相关问题，但对于复杂交叉特征的自动识别、特征的多种解释处理、特征约束抽取、特征优先树重构等诸多问题[4]，尤其是针对符合STEP-NC的加工特征识别研究偏少，目前还难以完全自动化地实现基于STEP-NC的加工特征识别，有待进一步研究[4]。
2.基于STEP-NC的加工工艺路线生成技术研究
获取STEP-NC加工特征后，还需为每个加工特征获取可行的加工操作，它是加工工步序列优化的基礎。目前常规CAPP系统中生成特征加工方案所采用的方法主要有：基于决策表或决策树、产生式规则、神经网络及其混合方法等[5]。Chang等[6]通过Hopfield网络来获取较好的工序顺序，再根据特征优先关系和基于刀具和进刀方向进行加工操作的特征聚类。花广如等[5]考虑了特征的多个可行加工方案，提出了基于GA的可行加工方案选择和操作排序的综合优化方法。欧阳华兵等[7]基于STEP-NC制造特征的优先级约束规则对加工工步聚类分组，采用专家打分及其评定策略实现工步的自动排序，完成加工操作规划。
以上研究对加工操作方法决策和加工工步生成进行了有益探索，实现了加工特征及其有效加工操作的关联，在一定程度上实现了加工操作方法的决策。但它们建立在典型加工方法基础上，以定性化方式描述多加工方案的优先关系，受到工艺员经验与典型加工方案等诸多因素的制约，难以保证加工操作选择的有效性和最优化。为了能高效完成加工操作方法的决策与加工工步的自动生成，还应充分考虑到加工特征的几何参数、加工精度、表面粗糙度等设计信息、制造资源及每种可行加工操作方法选择的优先权等诸多约束条件，从定性化和定量化角度来构建加工操作的选择决策模型。
3.基于STEP-NC的加工工艺路线优化技术研究
加工工步排序与优化作为工艺路线规划过程中的关键环节，它在很大程度上决定了CAPP系统的实用化、柔性化和智能化水平。由于一个加工特征可多个加工工步且所有加工工步可任意排列组合。理论上，由N个加工工步组成的工序可形成N！个加工工步序列，通过工序排序约束规则和工步序列的有效化处理，可剔除许多无效的工步序列，但当工步规模较大、符合工艺规则的可行方案数量较多时，有效的工步序列数目仍然十分庞大，单纯依靠经验难以取得最优或次优的排序方案[6]。
针对传统CAPP的工步排序及其优化等问题，国内外研究人员提出了基于导数的解析方法、枚举法和其它启发式搜索方法（如爬山方法、模拟退火方法等）[6]，这些方法大部分都是基于局部搜索原理，通常难以达到全局的最优化。随着人工智能技术的发展，遗传算法、模拟退火法、蚁群算法及其混合算法等智能算法被广泛应用到工步排序与优化研究领域中[5-6]。张冠伟等[9]以辅助加工时间最短为优化目标，提出了遗传算法对零件在一次装夹情况下加工工步的优化排序。黄伟军等[10]将工艺决策过程转化为工步有向图，构建工步图的拓扑排序模型，采用一种随机深度优先搜索算法对工步图进行拓撲排序，并通过基于模拟退火机制的精英策略来解决工艺路线的优化问题。文献[11]综合考虑工艺路线规划过程中所满足的实际约束条件，建立了高效低碳的多目标工艺路线优化模型，并采用遗传算法进行求解。黄风立[12]等基于STEP-NC加工特征，提出采用蚁群算法对非线性工艺路线进行决策的方法。
上述方法在一定程度上解决了传统工步排序与优化问题，但针对STEP-NC的加工特点，对其加工工步序列的排序与优化问题研究不多见，其中田锡天，杜娟等[4，13]重点对面向STEP-NC智能化的数控加工关键技术展开研究。欧阳华兵等[14]详细阐述了面向STEP-NC制造特征的非线性工艺路线优化问题，提出了基于操作优先图的智能搜索和遗传算法相结合的混合式算法，考虑车间动态制造资源约束，有效提出了无效的加工工步序列，提高加工工步序列排序和优化的决策效率。 4.总结与展望
综上可知，国内外在基于STEP-NC的工艺路线生成与优化方面取得了明显的进展，在采用进化计算（如遗传算法、模拟退火算法、粒子群算法等）对工艺路线进行优化时，优化目标多为制造质量和制造效率，而将低能耗低排放为优化目标的研究较少，但随着资源危机和环境污染问题的日益突出，以碳排放减量化为目标的低碳制造，尤其是以制造工藝过程的能效和碳排放研究得到广泛关注。另外，在具体的求解算法上大多采用单一算法，如何扬长避短，设计性能更加优秀的混合式算法来求解工艺优化问题仍然是未来研究的热点问题。
参考文献：
[1]富宏亚，胡泊，韩德东.STEP-NC数控技术研究进展[J].计算机集成制造系统，2014，20（03）：569-578.
[2]Verm A K， Rajoti S. A review of machining feature recognition methodologies[J]. International Journal of Computer Integrated Manufacturing， 2010，23（4）：353-368.
[3]Dipper T，Xu X， Klemm P. Defining， recognizing and representing feature interactions in a feature-based data model[J]. Robotics and Computer-Integrated Manufacturing， 2011，27（1）：101-114.
[4]田锡天，仝春民，张振明等.基于STEP-NC的工艺过程设计与优化技术研究[J].西北工业大学学报，2007，25（02）：261-265.
[5]花广如，王会凤，张震寰等.基于遗传算法的加工方案选择与操作排序综合优化方法[J].上海交通大学学报，2006，40（2）：195-200.
[6]Chang C A， Angkasith V. Using Hopfield neural networks for operational sequencing for prismatic parts on NC machines[J]. 2001，14（3）：357-368.
[7]歐阳华兵，沈斌.面向STEP-NC基于加工特征规则聚类的零件装夹规划[J]. 2012，18（5）：973-980.
[8]Xu X， Wang L， Newman S T. Computer-aided process planning-A critical review of recent developments and future trends[J]. International Journal of Computer Integrated Manufacturing， 2011，24（1）：1-31.
[9]张冠伟，赵相松，李佳等.基于遗传算法的工步优化排序方法[J].计算机集成制造系统，2005，11（2）：242-246.
[10]黄伟军，蔡力钢，胡于进等.基于遗传算法与有向图拓扑排序的工艺路线优化[J].计算机集成制造系统，2009，15（9）：1770-1778.
[11]李聪波，李鹏宇，刘飞等.面向高效低碳的机械加工工艺路线多目标优化模型[J].机械工程学报，2014，50（17）：133-141.
[12]黄风立，顾金梅，王海燕. 面向制造特征的 STEP-NC 非线性工艺路线激励生成方法[J].计算机集成制造系统， 2016， 22（5）： 1245-1254.
[13]田锡天，杜娟，张振明等.STEP-CAPP系统中的非线性工艺设计和工艺优化技术[J].计算机集成制造系统，2007，13（1）：228-233.
[14]欧阳华兵，沈斌.面向STEP-NC基于混合式遗传算法的工艺路线优化[J].计算机集成制造系统，2012，18（1）：66-75.
【关键词】STEP-NC；加工工艺路线；工艺优化
1997年欧共体在OPTIMAL中提出了一种兼容于STEP标准的STEP-NC标准，它为CAx系统间的无缝集成及数控系统向开放性、智能化和网络化等方向发展带来了全新的机遇[1]。基于STEP-NC的工艺路线设计以加工特征所对应的加工工步为核心单元，将零件的加工过程转换为加工工步序列的非线性规划。由于STEP-NC加工工步序列呈非线性排列，可生成多条可供选择的工艺路线，使CNC系统可根据加工现场需求，实时灵活地选择合理的加工工步序列，提高CNC系统的柔性化水平。
随着STEP-NC标准的完善和人工智能技术的成熟，STEP-NC非线性工艺规划也成为下一代数控系统的关键技术。如何解决STEP-NC加工工步序列的生成与优化问题，已成为STEP-NC数控加工走向成熟并在车间得到应用中亟待解决的关键问题[1-2]。
1.基于STEP-NC加工特征识别技术研究
80年代以来，产品几何信息的自动识别技术作为CAD/CAPP/CAM间信息交换的关键技术，一度成为CAx领域研究热点，已形成了比较成熟的特征识别方法有：基于图的方法、基于痕迹的方法、体积剖分法、语义模式识别法、神经网络方法及其混合式辨识法等[2]。基于图的特征辨识法具有能够很好识别独立特征且识别率高被广泛使用，但其无法直接识别相交特征。基于痕迹的特征识别法却能很好实现相交特征的识别，但对于复杂特征无法找到合适的痕迹而显得力不从心[2]。体积剖分法将零件模型分解成凸体集合后重新组合来，理论上能够识别任意相交特征，但却无法保证得到正确的加工特征且其计算量巨大。文献[2]充分利用基于图和痕迹的双重优势，提出一种基于图和痕迹的相交特征识别方法，能识别符合STEP-NC的加工特征。文献[3]针对STEP-NC加工特征的特点，提出了交叉特征的定义及其特征识别方法，开发了相应的特征识别系统，实现了STEP-NC加工特征识别。
上述方法在一定程度上解决了特征识别领域的相关问题，但对于复杂交叉特征的自动识别、特征的多种解释处理、特征约束抽取、特征优先树重构等诸多问题[4]，尤其是针对符合STEP-NC的加工特征识别研究偏少，目前还难以完全自动化地实现基于STEP-NC的加工特征识别，有待进一步研究[4]。
2.基于STEP-NC的加工工艺路线生成技术研究
获取STEP-NC加工特征后，还需为每个加工特征获取可行的加工操作，它是加工工步序列优化的基礎。目前常规CAPP系统中生成特征加工方案所采用的方法主要有：基于决策表或决策树、产生式规则、神经网络及其混合方法等[5]。Chang等[6]通过Hopfield网络来获取较好的工序顺序，再根据特征优先关系和基于刀具和进刀方向进行加工操作的特征聚类。花广如等[5]考虑了特征的多个可行加工方案，提出了基于GA的可行加工方案选择和操作排序的综合优化方法。欧阳华兵等[7]基于STEP-NC制造特征的优先级约束规则对加工工步聚类分组，采用专家打分及其评定策略实现工步的自动排序，完成加工操作规划。
以上研究对加工操作方法决策和加工工步生成进行了有益探索，实现了加工特征及其有效加工操作的关联，在一定程度上实现了加工操作方法的决策。但它们建立在典型加工方法基础上，以定性化方式描述多加工方案的优先关系，受到工艺员经验与典型加工方案等诸多因素的制约，难以保证加工操作选择的有效性和最优化。为了能高效完成加工操作方法的决策与加工工步的自动生成，还应充分考虑到加工特征的几何参数、加工精度、表面粗糙度等设计信息、制造资源及每种可行加工操作方法选择的优先权等诸多约束条件，从定性化和定量化角度来构建加工操作的选择决策模型。
3.基于STEP-NC的加工工艺路线优化技术研究
加工工步排序与优化作为工艺路线规划过程中的关键环节，它在很大程度上决定了CAPP系统的实用化、柔性化和智能化水平。由于一个加工特征可多个加工工步且所有加工工步可任意排列组合。理论上，由N个加工工步组成的工序可形成N！个加工工步序列，通过工序排序约束规则和工步序列的有效化处理，可剔除许多无效的工步序列，但当工步规模较大、符合工艺规则的可行方案数量较多时，有效的工步序列数目仍然十分庞大，单纯依靠经验难以取得最优或次优的排序方案[6]。
针对传统CAPP的工步排序及其优化等问题，国内外研究人员提出了基于导数的解析方法、枚举法和其它启发式搜索方法（如爬山方法、模拟退火方法等）[6]，这些方法大部分都是基于局部搜索原理，通常难以达到全局的最优化。随着人工智能技术的发展，遗传算法、模拟退火法、蚁群算法及其混合算法等智能算法被广泛应用到工步排序与优化研究领域中[5-6]。张冠伟等[9]以辅助加工时间最短为优化目标，提出了遗传算法对零件在一次装夹情况下加工工步的优化排序。黄伟军等[10]将工艺决策过程转化为工步有向图，构建工步图的拓扑排序模型，采用一种随机深度优先搜索算法对工步图进行拓撲排序，并通过基于模拟退火机制的精英策略来解决工艺路线的优化问题。文献[11]综合考虑工艺路线规划过程中所满足的实际约束条件，建立了高效低碳的多目标工艺路线优化模型，并采用遗传算法进行求解。黄风立[12]等基于STEP-NC加工特征，提出采用蚁群算法对非线性工艺路线进行决策的方法。
上述方法在一定程度上解决了传统工步排序与优化问题，但针对STEP-NC的加工特点，对其加工工步序列的排序与优化问题研究不多见，其中田锡天，杜娟等[4，13]重点对面向STEP-NC智能化的数控加工关键技术展开研究。欧阳华兵等[14]详细阐述了面向STEP-NC制造特征的非线性工艺路线优化问题，提出了基于操作优先图的智能搜索和遗传算法相结合的混合式算法，考虑车间动态制造资源约束，有效提出了无效的加工工步序列，提高加工工步序列排序和优化的决策效率。 4.总结与展望
综上可知，国内外在基于STEP-NC的工艺路线生成与优化方面取得了明显的进展，在采用进化计算（如遗传算法、模拟退火算法、粒子群算法等）对工艺路线进行优化时，优化目标多为制造质量和制造效率，而将低能耗低排放为优化目标的研究较少，但随着资源危机和环境污染问题的日益突出，以碳排放减量化为目标的低碳制造，尤其是以制造工藝过程的能效和碳排放研究得到广泛关注。另外，在具体的求解算法上大多采用单一算法，如何扬长避短，设计性能更加优秀的混合式算法来求解工艺优化问题仍然是未来研究的热点问题。
参考文献：
[1]富宏亚，胡泊，韩德东.STEP-NC数控技术研究进展[J].计算机集成制造系统，2014，20（03）：569-578.
[2]Verm A K， Rajoti S. A review of machining feature recognition methodologies[J]. International Journal of Computer Integrated Manufacturing， 2010，23（4）：353-368.
[3]Dipper T，Xu X， Klemm P. Defining， recognizing and representing feature interactions in a feature-based data model[J]. Robotics and Computer-Integrated Manufacturing， 2011，27（1）：101-114.
[4]田锡天，仝春民，张振明等.基于STEP-NC的工艺过程设计与优化技术研究[J].西北工业大学学报，2007，25（02）：261-265.
[5]花广如，王会凤，张震寰等.基于遗传算法的加工方案选择与操作排序综合优化方法[J].上海交通大学学报，2006，40（2）：195-200.
[6]Chang C A， Angkasith V. Using Hopfield neural networks for operational sequencing for prismatic parts on NC machines[J]. 2001，14（3）：357-368.
[7]歐阳华兵，沈斌.面向STEP-NC基于加工特征规则聚类的零件装夹规划[J]. 2012，18（5）：973-980.
[8]Xu X， Wang L， Newman S T. Computer-aided process planning-A critical review of recent developments and future trends[J]. International Journal of Computer Integrated Manufacturing， 2011，24（1）：1-31.
[9]张冠伟，赵相松，李佳等.基于遗传算法的工步优化排序方法[J].计算机集成制造系统，2005，11（2）：242-246.
[10]黄伟军，蔡力钢，胡于进等.基于遗传算法与有向图拓扑排序的工艺路线优化[J].计算机集成制造系统，2009，15（9）：1770-1778.
[11]李聪波，李鹏宇，刘飞等.面向高效低碳的机械加工工艺路线多目标优化模型[J].机械工程学报，2014，50（17）：133-141.
[12]黄风立，顾金梅，王海燕. 面向制造特征的 STEP-NC 非线性工艺路线激励生成方法[J].计算机集成制造系统， 2016， 22（5）： 1245-1254.
[13]田锡天，杜娟，张振明等.STEP-CAPP系统中的非线性工艺设计和工艺优化技术[J].计算机集成制造系统，2007，13（1）：228-233.
[14]欧阳华兵，沈斌.面向STEP-NC基于混合式遗传算法的工艺路线优化[J].计算机集成制造系统，2012，18（1）：66-75.