RBR與CBR相結合的槽系組合夾具CAD系統研究

易 文，劉德福，羅新俊

YI Wen, LIU De-fu, LUO Xin-jun

（中南大學 機電工程學院，長沙 410083）

RBR與CBR相結合的槽系組合夾具CAD系統研究

The research about computer aided design of modular fixture with slot combining rbr and cbr

易 文，劉德福，羅新俊

YI Wen, LIU De-fu, LUO Xin-jun

（中南大學 機電工程學院，長沙 410083）

夾具是一種在加工過程中能準確穩定地定位及夾緊加工工件的工藝裝備，好的夾具設計方案能提高產品質量和生產效率。針對目前客戶需要產品零件千變萬化的背景，夾具快速設計系統具有重要的研究意義。本文利用Visual Basic對Solid Works進行二次開發，采用基于規則推理技術（RBR)及基于實例推理技術（CBR)的混合推理技術，開發了一種槽系組合夾具CAD系統。通過集合兩種推理技術的優點，在夾具設計過程中，強理論部分運用RBR，具有推理能力強、推理效率高的優點；而在弱理論部分則運用CBR，檢索過去的類似設計案例，從而快速完成組合夾具設計，系統具有較高的實用價值。

槽系組合夾具；計算機輔助設計；CBR；RBR

0 引言

槽系組合夾具具有裝配靈活、便于使用等優點。它適合于產品種類多、產品變化快、新產品試制和小批量生產。由于在激烈的市場競爭中客戶對產品的需求千變萬化，這無疑對產品的周期提出了很高的要求。夾具作為機械制造業中的一種重要工藝裝備，直接影響產品的質量和研制周期。而現有通用CAD軟件，很難根據產品信息快速設計夾具，因此在通用CAD軟件的基礎上研制一種槽系組合夾具計算機輔助設計系統具有重要的意義。目前國內外在該方面的研究很活躍，研究的方法有成組技術[1]、基于特征推理技術[2]、基于規則推理技術[3]、基于實例推理技術[4]、遺傳算法[5]等, 但是槽系組合夾具CAD系統構建往往采用一種方法，導致在強理論和弱理論共存的槽系組合夾具設計知識中不能很好地表達，不能靈活、有效地實現組合夾具的設計。本文以Visual Basic為開發工具，對SolidWorks進行二次開發，采用RBR與CBR混合推理技術來實現槽系組合夾具計算機輔助設計系統。

1 槽系組合夾具CAD系統工作流程圖

本文采用“基于實例推理（CBR）+基于規則推理（RBR）”的混合推理求解方法，構造了槽系組合夾具CAD系統。

目前很多研究往往采用一種推理方法來實現夾具的設計，但是各種推理方法各具優勢和不足，需要揚長避短。RBR技術具有較強的推理能力和較強的推理效率，并且知識表達的形式簡單（通常為IF-THEN結構），易于系統實現，但是RBR技術對于一些知識不確定、弱理論領域難以實現，而且應用RBR技術在解決新問題時必須“從頭開始”，對現實問題這是很消耗計算資源的。然而RBR的這些缺點，CRB技術能夠很好地補足。CBR技術是一種基于實例的推理技術，簡言之就是一種借鑒過去案例來解決新問題的方法，它是一種跳過開始的方法，適合于解決知識不確定、弱理論領域的問題。因此槽系組合夾具計算機輔助設計系統可以采用RBR和CBR的混合推理技術。

整個設計過程分兩個階段。第一階段：首先，工件基本信息輸入。用RBR技術推理出定位及夾緊模式。然后根據推理的結果，及加工特征進行定位特征及夾緊特征的RBR推理，確定工件具體的定位特征和夾緊特征。第二階段：根據第一階段推理的結果以及相關工件信息及夾具信息進行實例推理，檢索出相似度高的實例，修改，完成設計。當系統不能提供夾具方案時，則根據體統提供的組合夾具元件庫和構件庫進行手動設計。具體工作流程圖如圖1所示。

圖1 槽系組合夾具計算機輔助設計系統流程圖

2 定位及夾緊模式的推理過程

確定夾具的定位模式主要有兩個：工件特征及加工工藝特征[6]。其中工件特征包括工件的形狀（軸、盤、塊等）和工件中孔的數目；而加工工藝信息主要包括主定位面特征、加工刀具、加工內容、進給形式等，詳細信息如圖2所示。

一般來說，定位模式的確定具有確定性，即具有某種條件便產生某種結果，而產生式規則[7]的方式能簡單有效地表達這種關系。產生式規則的方式包含兩個部分：IF部分稱為前項（前提或條件），THEN部分稱為后項（結論或行為）。其一般形式如下：

IF 條件1 AND 條件2 ……條件N

THEN 結論1，結論2 …… 結論N

圖2 工件特征信息及加工工藝信息

END IF

在定位模式規則庫中每條規則的結構如圖3所示。建立規則結構之前，應該對規則名、條件、結論進行統一編號，避免重復、避免規則沖突。本文將采用Visual Basic的Type語句來定義規則庫。如下所示：

Private Type Rule

Dim Rule_Name As String

Dim Condition()As Integer

Dim Conclusion() As Integer

Dim Next_Rule As Integer

End Type

其中Condition()和Conclusion()為動態數組，用來保存條件和結論所對應的編號， Next_Rule存放下一條規則的編號。下面以規則庫中一條規則來說明定位模式規則庫。其中該規則的規則名為規則1；條件分別為“工件類型=塊”、“孔的數目<2”、“加工刀具=鉆頭”，對應的編號分別為3、4、5，是Condition()動態數組的三個元素；結論為“定位模式=3-2-1定位模式”，對應編號為2，是Conclusion()動態數組的一個元素；Next_Rule指向下一條規則。如圖4所示。

圖3 規則結構圖

圖4 具體規則圖

同樣，夾緊模式的確定通過夾緊模式規則庫推理，建立規則的方式與定位模式相同，采用Visual Basic中Type語句定義。

3 定位特征及夾緊特征的推理過程

定位特征選擇包含兩個步驟。首先確定候選的定位特征，然后從候選的定位特征中選擇最符合要求的特征。由于可能的定位特征可以由特征形式、定位模式、加工方式、主軸方向以及加工特征種類確定，適合于采用IF-THEN形式，所以定位特征的確定可以通過基于規則推理的技術（RBR）實現。

首先，確定候選主定位特征集X：

X={x1, x2, x3,……, xn}

xi為工件上可能的主候選特征

其次，確定影響因子的因數F：

F={f1, f2, f3,…… ,fn,}

fi影響選擇主定位特征的因數

夾具設計非常靈活，考慮的因數多種多樣，本文主要考慮其中三個重要因子[1]。f1：面積；f2：尺寸及位置關系；f3：粗糙度。所以影響因數定義如下：

F={f1, f2, f3}

然后，計算每一個影響因數，構造評估矩陣R[8]：

n表示候選對象的數目

接下來根據下面三條準則來確定評估矩陣的值（以下三條準則中的取值根據經驗獲得）：

準則2：如果候選定位特征與加工特征的尺寸約束數目超過三個或等于三個，則r2j=1；如果候選定位特征與加工特征的尺寸約束數目等于兩個，則r2j=0.9；如果候選定位特征與加工特征的尺寸約束數目等于一個，則r2j=0.8；如果沒有候選定位特征與加工特征的尺寸約束數目，則r2j=0.5；

準則3：如果候選定位特征粗糙度高，則r3j=1；如果候選定位特征粗糙度中等，則r3j=0.8；如果候選定位特征粗糙度低，則r3j=0.6；

最后，獲取各個影響因數的權重并計算最優解。

由上面的分析可知，影響定位特征的因子只有三個，分別是: f1：面積；f2：尺寸及位置關系；f3：粗糙度。為了衡量各個因子的權重，根據專家打分的結果構造判斷矩陣A[9]（判斷矩陣用于在決策分析時比較各個因子重要性所構成的矩陣）：

固定比率CR=0.964%<10% ，所以該判斷矩陣符合要求。

最優解bk為方案集B中的最大值。

輔定位特征及夾緊特征的確定和主定位特征確定的方法類似。

4 相似度的CBR檢索

CBR檢索根據以下五個步驟進行：

1）夾具設計的相關信息獲取。主要包括：工件的定位模式及夾緊模式、工件形狀、工件大小、加工方式、加工精度要求、生產批量等；

2）檢索。根據以上信息，檢索出候選夾具方案；

3）相似度計算。計算候選方案與新方案之間的相似度，把高相似度的方案進行重用；

4）夾具方案的修改；

5）夾具方案的保存；

在這五步中，相似度計算是其中的核心。本文相似度的計算從三個層面來考慮，分別是：工件形狀的匹配、定位模式的匹配以及工件制造信息，幾何信息的匹配。根據三個層面，工件信息相似度計算模型為：

其中P為工件層相似因子。如果工件類型與實例類型相同，則P=1，否則P=0。L為定位模式層相似因子。如果實際工件的定位模式與實例中的定位模式相同，則L=1，否則L=0。M為制造信息和幾何特征相似因子。實際要求的制造信息和幾何信息因子設為MP={M1s,M2s,M3s,...,Mls}，而數據庫中實例的制造信息和幾何信息因子設為MP={M1a,M2a,M3a,...,Mla}，如果，反之M=u j分別是制造信息和尺寸信息中各個相似因子的權重，其值根據具體情況來決定。

5 應用實例

如圖5所示工件為例說明槽系組合夾具CAD系統的運作。工件為塊狀，長110mm，寬60mm，高30mm，鍵槽長75mm，加工對象為鍵槽。首先根據定位模式RBR推理，工件屬于塊狀、加工方法為銑銷，孔的數目為0，則該工件采用3-2-1定位方式。由于需要銑工件上表面的鍵槽，根據定位特征RBR推理，主定位面法向必須與加工特征方向相反，所以工件底面是主定位特征。第二定位特征需要垂直于主定位特征，能滿足要求的面有8個，分別是F1,F2,F3…F8,于是構成一個第二定位面集合{x1, x2, …… , x8}，根據定位面推理的方法，為每一個候選第二定位特征構成的判斷矩陣R計算如下：

bk=Max(B)=0.971

所以可以選取F1或者是F3作為第二定位面，同樣的方法確定F6為第三定位面。

圖5 塊狀工件

接下來根據輸入的夾具設計信息和已經確定的定位模式夾緊模式在在組合夾具實例庫中檢索出一個工件實例，如圖6所示。工件實例同樣是3-2-1定位，長100mm，寬60mm，高40mm，鍵槽長100mm。計算產品信息相似度：

相似度很高，可以選為相似實例，經過簡單修改，最后得到適合于工件的組合夾具如圖7所示。

圖6 夾具檢索界面

圖7 適合于工件的組合夾具

6 結束語

槽系組合夾具設計靈活多變，其設計往往依靠夾具設計者豐富的設計知識和經驗，所以組合夾具設計有一定的難度。為了能很好地繼承優秀組合夾具設計工程師的設計知識及經驗，快速高效地針對具體工件設計相應的組合夾具，本文以Visual Basic語言為開發工具，以Solidworks為開發平臺進行二次開發，并集合基于規則推理技術和基于實例推理技術的優點，采用兩者混合推理，解決組合夾具設計中強理論部分和弱理論部分很好地進行知識的表達，使系統在強理論部分高效地進行推理，同時在弱理論部分能參照過去案例快速產生新的夾具方案，提高了組合夾具設計的效率。

[1] 融亦鳴,朱耀祥,羅振壁.計算機輔助夾具設計[M].北京:機械工業出版社,2002.

[2] 劉金山,廖文和,劉長毅,等.基于特征相似夾具變型設計方法研究[J].中國機械工程,2008,19(4):379-383.

[3] 彭穎紅,胡潔.KBE技術及其在產品設計中的應用[M].上海:上海交通大學出版社,2007,7.

[4] 方坤禮,蔣曉英.基于實例推理的機床專用夾具虛擬裝配技術[J].機電工程,2009,26(8):34-39.

[5] 鄭軍紅,葉修梓,陳志楊.基于神經網絡和遺傳算法的智能夾具規劃[J].中國機械工程,2008,19(19):2376-2381.

[6] 杜江,李原,史琦,等.夾具方案設計的混合推理方法研究[J].西北工業大學學報,2001,19(3):376-380.

[7] Michael Negnevitsky.人工智能智能系統指南[M].北京:機械工業出版社,2007.

[8] Peng Gaoliang,Wang Gongdong,Liu Wenjian, Yu Haiquan.A desktop virtual reality-based interactive modular fixture configuration design system[J].Computer-Aided Design,2009,(2):432-443.

[9] Anna Szczypinska,Edward W. Piotrowski. Inconsistency of the judgment matrix in the AHP method and the decision maker's knowledge[J].Statistical Mechanics and its Applications,2009,388(3):907-915.

TP391.72

A

1009-0134(2010)12(上)-0056-05

10.3969/j.issn.1009-0134.2010.12(上).20

2010-07-20

易文（1985 -），男，湖南長沙人，碩士研究生，研究方向為機械制造及自動化。