一种提供自评价的数控刀具智能选取方法技术

本发明专利技术涉及一种提供自评价的数控刀具智能选取方法，属于先进制造工艺智能化决策领域。本发明专利技术基于成功选刀实例建立选刀知识库，同时基于多目标优化对备选刀具进行评价。其基本思想是：选刀人员按照不同的工艺类型，在系统的提示下输入相应的参数值，可以有选择地输入一个、多个或全部，系统采用多因素模糊综合评价的方法，通过“相似度”这一指标对知识库中保存的选刀实例进行评价，找出与当前实例最接近的刀具，即与目标刀具相似度最高的刀具；并通过“置信度”这一指标为上述结果赋予自评价能力，即对上述选刀方案的可信程度进行评价。最终呈献给用户满足加工需求的刀具的多种方案，为刀具的快速准备提供支持。

【技术实现步骤摘要】

本专利技术涉及，属于先进制造工艺智能化决策领域。
技术介绍
数控刀具作为制造资源的重要组成部分，它与零件几何特征、尺寸公差、表面精度 及加工成本等方面有着十分密切的关系，对加工质量和加工效率起着决定性作用。随着技 术的发展，加工制造需求日趋复杂，数控刀具的种类和数量也不断增长，这无疑给机械加工 人员合理选择刀具带来了困难，种类及数量繁多的数控刀具管理也成为生产管理中的重要 问题。据统计，由于刀具的缺乏或不合适，大约16%的生产调度无法进行，30%到60%的刀 具散落在生产现场，金工车间每年刀夹具、耗材和备件的预算高出主要设备的7到12倍。刀 具的选择、配置及有效的管理已成为企业制造加工过程中的瓶颈问题。研究和开发能够快 速选择数控刀具、对刀具进行拼装规划的系统，以提高数控刀具准备速度并对数控刀具进 行有效管理已成为企业亟待解决的问题。因此计算机辅助刀具选择技术的研究成为近年来 的重要研究课题。从目前的研究成果来看，刀具选择方案的思路主要分以下几类 1.单目标选刀 单目标选刀，即仅以单一指标作为选刀的优化目标。H.S.Rong等在文献U mathematical analysis for cutter size selection on millingconvex prismatic pockets》中以力口工时间为优化目标；S. Hindauja等在文献《Determination of optimum cutter diameter for machining 2. 5Dpockets》中以力口工成本为优化目标。 2.多目标优选刀 多目标优选刀，即考虑多种因素共同作用于选刀优化模型。陈敬海等在文献《面向 柔性生产线方案设计的计算机辅助刀具管理系统研究》中，采用多因素评价的方法，建立了 刀具优选模型，并用权值表示各因素的相对重要性，运用层次分析法确定各因素的权重，用 "专家"知识对其进行校验。 花广如等在文献《模具数字化制造中智能CAPP与系统集成关键技术研究》中提出了一种综合考虑总切削时间和总切削体积的模具型腔粗铣加工刀具选择多目标优化模型。通过最小几何约束提取、切削层优化合并和多步长优选算法求解目标函数，得到了加工效率最高的刀具组合。 3.基于特征建模建立知识库 基于特征建模选刀，即对零件的加工特征和刀具的加工特征进行分析和建模，找到二者之间的推理关系，在此基础上建立知识库，经由知识库推理做出选刀决策， 杨涧石等在文献《刀具的计算机辅助选取与数据管理》中通过特征转换提取形状特征参数，通过人机交互界面获得精度等特征参数，在上述特征的基础上，经由推理机推理得到选配的刀具。姚雷等在文献《基于STEP-NC特征建模及刀具选配系统研究》中在STEP-NC数据模型的基础上，通过零件的特征分析，建立常用加工零件的实体对应关系模型，作为刀具选 配的依据，进行系统数据库的创建。 蒋新宇等在文献《基于特征的刀具智能选取及其数据管理技术研究》中给出了特 征加工知识的产生式规则表示，通过获取特征加工知识，并对知识实施有效的组织和管理， 建立了特征加工知识库；给出了刀具选取的推理机制和推理流程；在此基础上，运用特征 加工知识的推理实现了刀具的智能选取。可以一次性选取整个零件，也可以选取单个特征， 经系统识别提取出加工特征信息，自动生成所需加工刀具。 综合考虑多目标进行优化、同时创建智能化选刀知识库，这是智能化刀具选取方 法的发展方向。 对上述选刀方案进行分析，发现都存在以下局限性 (1)单目标选刀的缺点是只考虑一种因素，而不能对多种因素进行综合考虑，这种 局限性影响了选刀结果的准确性。 (2)多目标选刀仅仅提出一种基本思想和框架性的解决方案，缺少对各参数隶属 度函数的定量计算，因此不能直接用于应用实施。 (3)基于特征建模的知识库选刀主要是通过对零件的加工特征和刀具的加工特征 进行分析和建模，找到二者之间的推理关系，在此基础上建立知识库。可以根据某一个特征 目标，也可以根据提供的多个特征目标进行选刀，但由于无法对选刀结果的可信程度进行 比较，因此影响了给用户提供的参考价值。总之，目前还没有任何一种选刀方法将选刀结果 的可信程度的差异性呈现给用户作为参考。
技术实现思路
本专利技术的目的是提出。本专利技术基于成功 选刀实例建立选刀知识库，同时基于多目标优化对备选刀具进行评价，评价分为两个方面， 一方面是对参数的相似程度的评价，另一方面是对上述相似度的可信程度的评价。基于上 述思想的，可以为用户提供更可靠的选刀方案。 本专利技术的目的是通过以下技术方案实现的。 首先，建立选刀实例知识库。 与目前常见的基于特征建模建立知识库的方案不同，本专利技术的知识库的建立是通 过分析工艺专家的选刀实例，区分不同的工艺类型，分别提取特征参数，然后设计适合的存 储格式进行存储。即，知识库中存储的是以加工工艺特征参数和对应的刀具构成的工艺专 家的成功选刀实例。 对应不同的工艺类型，其特征参数是不同的。本专利技术通过对实际生产中的手动选 刀实例进行分析和总结，提取在选刀过程中起关键作用的工艺参数，将刀具用这些关键工 艺特征参数进行描述。 特征参数分为三类第一类参数描述工艺类型，由2个参数组成。第二类参数为特 有参数，随着工艺类型的不同而不同，由2个参数组成。例如工艺类型为车削时，子工序的 取值就被限定为车削下的可能的子工序，而随着子工序的不同，两个特殊参数的参数名称 及取值范围也不相同。第三类参数为公有参数，这类参数对每把刀具来说其数值类型和取 值范围都是相同的，由4个参数组成，分别是加工材料、加工硬度、加工粗糙度和粗精加工。11公有参数的表示和处理相对简单，而特有参数需要根据加工工序的不同动态确定。 表1中的参数描述了加工任务的工艺特征，作为选刀实例的一部分保存起来，与之一起保存的还有相对应的刀具，这样就构成了一个完整的实例，在知识库中进行保存。 表1各工艺类型及其对应特征参数<table>table see original document page 12</column></row><table> 然后，在建立好选刀知识库的基础上实现刀具的智能选取。 其基本思想是选刀人员按照不同的工艺类型，在系统的提示下输入相应的参数 值，可以有选择地输入一个、多个或全部，系统采用多因素模糊综合评价的方法，通过"相似 度"这一指标对知识库中保存的选刀实例进行评价，找出与当前实例最接近的刀具，即与目标刀具相似度最高的刀具；并通过"置信度"这一指标为上述结果赋予自评价能力，即对上 述选刀方案的可信程度进行评价。最终呈献给用户满足加工需求的刀具的多种方案，为刀 具的快速准备提供支持。 本专利技术的的整体框架设计流程如图1所示，其具体步骤如下 步骤一、指导用户填写特征参数 首先，通过人机交互的方式，分步骤指导用户填写的加工任务的工艺特征参数。特 征参数用户可以有选择地输入一个、多个或全部。 步骤二、生成目标刀具 在步骤一的基础上，生成目标刀具。目标刀具是满足所有加工工艺特征的理论计 算上的最优刀具。通过提取用户输入的加工任务的工艺特征参数依次对目标刀具的加工参 数赋值，完成目标刀具的生成。对于用户没有输入的加工参数，在本文档来自技高网...

【技术保护点】
一种提供自评价的数控刀具智能选取方法，其特征在于：基于成功选刀实例建立选刀知识库，同时基于多目标优化对备选刀具进行评价，评价分为两个方面，一方面是对参数的相似程度的评价，另一方面是对上述相似度的可信程度的评价；其具体操作步骤如下：　　　　首先，建立选刀实例知识库；　　　　其次，在建立好选刀知识库的基础上实现刀具的智能选取；其具体步骤如下：　　　　步骤一、指导用户填写特征参数　　　　首先，通过人机交互的方式，分步骤指导用户填写的加工任务的工艺特征参数；特征参数用户可以有选择地输入一个、多个或全部；　　　　步骤二、生成目标刀具　　　　在步骤一的基础上，生成目标刀具；目标刀具是满足所有加工工艺特征的理论计算上的最优刀具；通过提取用户输入的加工任务的工艺特征参数依次对目标刀具的加工参数赋值，完成目标刀具的生成；步骤三、生成备选刀具集　　　　在步骤一的基础上，生成备选刀具集；由于刀具的加工参数中加工工序、子工序、粗精加工三个参数对刀具的筛选有严格的限定作用，因此利用这三个加工参数进行精确匹配，从知识库库中筛选出一个刀具集合，称该刀具集合为备选刀具集；　　　　步骤四、进行模糊评价优选，生成推荐刀具集　　　　在步骤二和步骤三的基础上，以目标刀具为标准，依次对备选刀具集中的刀具做出模糊综合评价，得到各刀具与目标刀具的相似度，并计算结果的置信度，然后按照推荐优先级的高低列出多种方案供用户选择。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李冬妮，缪文民，王铁生，王彤，郑伟，王小海，居玉辉，贾进，李仲君，李弘，杨忠林，吴志强，王强，高永锦，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：11[]