基于禁忌制造特征動態調整的STEP-NC工藝路線蟻群優化方法

黃風立　顧金梅　張禮兵　徐春光,2　王海燕

1.嘉興學院,嘉興,314001　　2.常州大學,常州,213164

?

基于禁忌制造特征動態調整的STEP-NC工藝路線蟻群優化方法

黃風立1顧金梅1張禮兵1徐春光1,2王海燕1

1.嘉興學院,嘉興,3140012.常州大學,常州,213164

摘要：針對STEP-NC制造特征的加工工藝路線生成與優化問題，提出了一種以機床、夾具及刀具更換率最低為目標函數的禁忌制造特征動態更新的工藝路線蟻群優化方法。首先，根據加工工藝對制造特征進行分解，將工藝路線優化問題轉化為對制造特征的排序；然后根據制造特征在加工過程中存在的加工遮擋關系以及剛性工藝性約束，提出禁忌制造特征動態更新的工藝路線生成方法；最后將禁忌制造特征動態更新方法與Ant-Cycle模型的蟻群算法相結合，求解制造特征工藝路線的優化問題。實例應用表明，提出的方法能較好解決加工工藝路線優化過程中的剛性約束處理問題。

關鍵詞：禁忌制造特征；工藝路線優化；剛性工藝性約束；蟻群算法

0引言

計算機輔助設計(CAD)、計算機輔助制造(CAM)、計算機輔助工藝規劃(CAPP)以及計算機數字控制(computer numerical control, CNC)系統之間的集成，是構建數字集成制造系統的關鍵問題。STEP-NC(standard for the exchange of product data numerical control)標準的提出為不同CAx及CNC系統之間的數據交換以及異構系統間信息的順暢流動與協調高效運行提供了有效途徑[1]。

STEP-NC的本質特征是面向對象，由幾何信息和工藝信息組成，描述工件從毛坯到成品件的所有加工任務[2]。當采用STEP-NC作為CAx和CNC系統的數據交換標準時，作為連接產品設計和產品制造橋梁的CAPP系統，是各分系統集成的關鍵環節，而工藝路線決策是CAPP的難點問題[3]。劉日良等[4]較早地研究了面向STEP-NC控制器的數控加工工藝模型，提出了按工步級規劃、特征級規劃、零件級規劃的在線規劃模式，并使用啟發式算法對工步進行排序。黃華等[5]利用加工流程圖表達加工工藝，研究了在STEP-NC環境下進行非線性工藝設計的方法和過程。Rauch等[6]提出基于STEP-NC非線性加工規劃的智能CNC系統，該系統能仿真和優化加工過程參數，能根據加工可行性和加工實際條件智能化選擇加工路徑。

STEP-NC工藝路線規劃的主要任務是為制造特征選擇合適的制造工藝資源，再基于選擇的工藝資源生成優化的工藝路線。因此，STEP-NC的主要工作可以劃分為兩個關鍵環節：①為每個制造特征確定可行的加工操作；②生成加工工步序列，并進行優化[7]。在大多數已有的文獻研究中，制造特征的加工操作和加工工步序列生成及優化兩個方面的內容相對獨立，再由于工藝路線生成中存在大量的相互作用，從而造成處理工藝約束困難。因此，本文針對AP238(CNC加工應用協議)中定義的銑削特征，提出禁忌制造特征動態更新的蟻群算法來實現制造特征的加工工藝路線優化。

1STEP-NC數據模型與特征加工單元

STEP-NC是歐共體于1997年通過OPTIMAL計劃提出的一種遵從STEP標準并面向對象的數據模型，用作數控加工編程的接口標準，并于2001年底形成了國際標準草案ISO-DIS-14649[8]。STEP-NC(ISO 14649)的產品數據模型包括幾何數據、操作數據與加工數據，并采取了面向對象的手法，嚴格地分離了上述數據。再就是，ISO 14649中的加工方案為加工步驟所組成的序列，并由于數據模型具有獨立性，因此，每個加工步驟也均是獨立的對象，這為基于加工步驟的工藝路線優化提供了理論依據。

ISO 14649中的加工步驟由制造特征和加工操作組成。其中，制造特征是指需要在工件中加工出的具體結構，分為域特征、2.5軸制造特征和過渡特征等類型。加工操作是對制造特征進行加工的概括性描述，包括加工時所使用的刀具、刀具路徑、工藝和加工策略等[9]。但在現有加工步驟的定義中，一個加工步驟只能使用一把刀具和一套恒定的技術參數。因此，為更好地描述加工過程中的相關工藝信息，我們定義特征加工單元(machining unit of feature, MUF)的概念，主要是強調以特征為加工操作的主體，這樣能更好地適應STEP-NC的工藝路線生成。

定義1特征加工單元。特征加工單元形式化表示為ME={MF,OP,M,CS,T}，其中{MF}表示制造特征，{OP}表示加工操作，{M}表示機床，{CS}表示裝夾；{T}表示刀具。

對于STEP-NC中定義的制造特征，顯然有nop(nop≥1)個加工操作，而對于一個加工單元而言，只存在一個加工操作。為了使零件的工藝路線規劃問題轉化為特征加工單元的規劃問題，應基于加工操作，對現有的制造特征進行分解。使一個加工操作對應一個特征，消除制造特征與加工操作之間1∶n關系的模糊性。

2制造特征加工的剛性約束與優化目標

2.1特征相交的加工剛性優先約束

在STEP AP238中定義的銑削工藝數據中，描述了銑削和孔加工所需的信息，同時也包括了銑削和孔加工所需的刀具信息。因此，在討論特征相交的加工剛性優先約束時，主要是針對銑削特征和孔加工特征。

就銑削、孔加工特征而言，特征兩兩相交將產生3種有效的相交關系：虛面鄰接、位置嵌套以及分裂[8]。具體對于虛面鄰接相交而言，絕大多數只存在于銑特征之間，位置嵌套與分裂則在銑削-銑削、銑削與孔加工以及孔加工-孔加工的特征之間存在。對于虛面鄰接與分裂相交而言，特征之間不存在加工遮擋優先約束。而在位置嵌套相交中，則存在著加工遮擋約束。在分裂相交中，存在著孔完整性的優先約束。由此，可定義加工遮擋優先規則、孔完整性優先規則，并可利用優先規則對相交特征進行加工優先判斷[10]。

定義2加工遮擋約束優先規則。制造特征MFi與MFj屬位置嵌套相交關系，沿刀具的進刀方向看去，若特征MFi的絕對深度大于特征MFj的絕對深度，則特征MFj的粗加工要優先于MFi的粗加工。

定義3孔完整性約束優先規則。若孔特征與銑削特征存在分裂相交關系，銑削特征的開放部分造成孔特征部分缺失，若先進行銑削特征加工將導致無法進行孔加工的定位，則孔特征應先于銑削特征進行粗精加工。

2.2特征派生的加工剛性優先約束

將所有識別出的復雜相交特征進行分解后，得到的制造特征還應基于加工工藝方案，進行特征的派生。在實際加工中，同類特征不同加工鏈方案的主要區別在以下兩個方面：一是加工鏈中所包含的加工方法不同；二是加工鏈的長度不同。加工方法的不同直接影響機床類型的選擇；加工鏈長度的不同影響派生特征的劃分及機床配置的數量。因此，確定以下三條加工原則，并作為特征加工方案的決策目標。

(1)保證加工精度。在同一特征的多個加工特征方案中，容易保證加工精度要求的加工方案應優先選擇。具體可通過特征加工方案的優選系數來確定，其概念的定義如下：

定義4特征加工方案優選系數。設某一加工鏈保證制造特征的尺寸公差、形位公差和表面粗糙度的容易程度分別為rIT、rFP和rRa，則特征加工方案的優選系數C=min(rIT,rFP,rRa)。

(2)加工鏈最短。在保證加工精度的前提下，應盡量選用加工操作數少的加工鏈，使特征加工方案的加工操作數最少。

(3)加工方法種類最少。對于相同的制造特征應盡量選取相同的加工方法，使整個零件加工方案中所包含的加工方法最少。

設某一制造特征MFi需要多個加工操作才能完成加工，則經過第1次派生后，特征MFi生成兩個子特征，記為MFi-1與MFi-2，并依此類推。

2.3制造特征加工單元與剛性優先約束矩陣表示

2.3.1制造特征加工單元生成

對于某一具體的制造特征，特征加工單元選擇的主要目的是為該特征選擇可行的加工方法，并給出該加工操作類型可選的機床與刀具，最后確定該制造特征的裝夾方案。因此，特征加工單元的確定步驟如下：

(1)對識別的相交特征添加虛連接，形成虛面，并基于相交特征分解算法和AP 224應用協議，對相交特征進行分解；

(2)對所有特征的尺寸精度、形位公差和表面粗糙度進行識別，并依據特征加工方案選擇目標，確定特征的加工方法；

(3)依據特征的加工方法，對特征進行派生操作，派生后生成新的制造特征集合；

(4)基于特征的加工方案與刀具信息，對所有特征的機床進行選擇；

(5)通過刀具的進刀方向，對所有特征的裝夾方式進行選擇；

(6)完成所有特征加工單元信息的建立。

上述特征加工單元的特征進行了相交特征劃分以及特征派生的操作，顯然可見，每個特征加工單元只有一個加工操作，但是刀具、機床及裝夾均對應有多個特征。并且，其中的刀具選擇、機床選擇以及裝夾選擇，均可以通過智能化的方法進行決策，以提高特征加工單元生成的自動化程度，當生成方案發生沖突時，通過人機交互進行沖突消解。

2.3.2剛性優先約束的矩陣表示及約束處理

剛性優先約束具體表現為加工單元的先后加工順序，可分為兩類：一是加工單元對應的制造特征之間具有加工遮擋關系；二是加工單元之間存在的工藝性要求。自動識別后的制造特征之間存在加工的相互遮擋關系，可根據進刀方向以及制造特征劃分方法，確定制造特征間的加工遮擋剛性優先約束關系。再就是，前述特征派生的剛性優先約束也可歸類為加工遮擋類別。加工工藝性的剛性優先約束主要表現為：定位約束、基準約束、裝夾約束、非破壞性約束等類別。將剛性優先約束利用矩陣進行表達。

設某一被加工零件有e個制造特征，對所有特征進行基于加工操作的分解后，有N個基本的制造特征：MF={MF1,MF2,…,MFN}，則可定義一個N階矩陣來存儲這些制造特征間的剛性優先約束關系：{PRij|i,j=1,2,…,n}。其中，如果制造特征MFi必須在制造特征MFj之前完成，則PRij=1，PRji=0。其他情況下，PRij=PRji=0[7]。圖1為某一零件加工的優先關系矩陣。從上述剛性優先矩陣的表示方法可定義獨立制造特征集合、優先制造特征集合和后繼制造特征集合。

12345678101001000200010000300000000400001000500000010600000000700000000800010000

圖1剛性優先關系矩陣

顯然從上述定義以及圖1的剛性優先關系矩陣可以得到：{3,6}為獨立制造特征，{1,8}為優先制造特征，{2,4,5,7}為后繼制造特征。

2.4優化目標函數的建立

優化目標主要考慮加工精度、加工時間以及成本等因素的影響。但在一個給定的制造資源環境下，最終確定的工藝路線很難同時滿足上述目標。因此，本文主要從制造資源入手，以機床、裝夾、刀具更換率最低作為優化的目標函數。

從制造特征的加工單元中，可建立機床制造特征的集合：{CM1,CM2,…,CMj}，其中某一機床對應的加工特征集合為 CMi={MFi1,MFi2,…,MFin}。若CMi中的某一制造特征加工完后，下一個制造特征不在CMi中，則表示更換了機床。同樣，可從制造特征的加工單元中，建立起裝夾制造特征的集合：{CS1,CS2,…,CSk}，其中某一裝夾可進行加工的特征集為CSi={MFi1,MFi2,…,MFim}。若CSi中的某一制造特征加工完后，下一個制造特征不在CSi中，則表示更換了裝夾方式。同理可建立刀具制造特征集合，{CT1,CT2,…,CTd}，其中某一刀具可進行加工的特征集為CTi={MFi1,MFi2,…,MFil}。若CTi中的某一制造特征加工完后，下一個制造特征不在CTi中，則表示更換了刀具。

將機床、夾具和刀具在某工藝路線上的相鄰兩個制造特征的制造資源更換率指標定義為Ci,i+1，某工藝路線的更換率為Cb，則有[11]

Ci,i+1=λ1ZCM+λ2ZCS+λ3ZCT

(1)

(2)

其中，λ1、λ2、λ3分別為制造資源機床、夾具和刀具更換次數的權重系數，并設λ1=0.6、λ2=0.3、λ3=0.1； ZCM、ZCS、ZCT分別為機床、夾具和刀具的更換次數，當上述制造資源發生更換時，其值取1，否則為0。則優化的目標函數可定義為minCb。

3禁忌制造特征動態調整的蟻群算法

基于蟻群優化的工藝路線優化方法的基本原理如下：首先將螞蟻隨機放在MFdl∪MFyx集合中的某一制造特征節點上；更新剛性優先矩陣，再更新特征集合MFdl、MFyx、MFhj；依照路徑轉移概率在更新后的MFdl∪MFyx中選擇下一個制造特征節點；重復上述步驟，生成一條可行的工藝路線，并對各路徑上殘留信息素進行更新調整。經過反復多次循環，螞蟻經歷的路徑將趨于穩定，即可得到較優的零件工藝路線。

3.1動態禁忌制造特征集合

螞蟻在進行制造特征選擇時，已經選擇過的制造特征將不能再次進行選擇，屬于禁忌制造特征集合。顯然，該特征集合等價于工藝路線的特征集合，并設工藝路線的制造特征集合為MFgy。此外，MFhj中制造特征存在著的剛性優先約束，也屬于禁忌制造特征集合。設禁忌制造特征列表為Tab(MF)，則有Tab(MF)=MFgy∪MFhj。當螞蟻的上一個選擇來自于MFyx集合時，并設為MFi，則MFhj可能會發生動態調整。具體的相關制造特征調整及禁忌制造特征列表生成的方法如下：

(1)判斷螞蟻上一個選擇的制造特征MFi∈MFyx是否成立。否，則轉步驟(3)；是，則令MFi在剛性優先約束矩陣中對應行的值為0。

(3)將MFi移到工藝路線制造特征集合MFgy中。

(4)將更新后的MFgy和MFhj合并，生成新的禁忌制造特征列表Tab(MF)。

3.2信息素更新

信息素是表征過去信息的載體， 在t+n時刻工藝路線(MFi→MFj)上的信息量可按照如下規則進行調整:

τij(t+n)=(1-ρ)τij(t)+Δτij(t)

(3)

(4)

(5)

蟻群算法在應用過程中易出現停滯和擴散等問題，因此，可將各條尋優路徑上可能的殘留信息素數量限制在[τmin，τmax]，并按照下式進行閾值判斷選擇：

(6)

3.3路徑的轉移概率

(7)

Jk(i)=MF-Tab(MF)=MF-(MFgy+MFhj)

(8)

ηik(t)=1-Ci,k

(9)

其中，Jk(i)表示螞蟻k在當前的路徑狀態下，可以從i出發的可選制造特征集合；ηik(t)表示從制造特征MFi移動到制造特征MFj的啟發信息，ηik(t)的取值如式(9)所示；參數α、β是用來控制信息素和啟發信息之間相互影響關系的參數。

3.4工藝路線蟻群優化的實現步驟

從上述蟻群算法的關鍵步驟分析可見，本文是基于Ant-Cycle模型對信息素和啟發信息進行計算的，但由于零件在制造加工過程中，存在的剛性優先約束會動態變化，因此搜索的禁忌表也將動態調整。嵌入工藝路線制造特征禁忌表動態調整的蟻群算法的具體實現步驟如下：

(1)參數初始化。設置最大循環次數Nc，max，令t=0和循環次數Nc=0，令所有制造特征之間的信息素τij(0)為一常數，且初始時刻Δτij(0)=0。

(2)循環次數Nc←Nc+1，螞蟻數目k=1。

(3)將螞蟻k放置于初始MFdl∪MFyx集合中的某一制造特征上，螞蟻的制造特征禁忌表索引號t←t+1，調用相關制造特征調整及禁忌制造特征列表生成方法的步驟，更新MFdl∪MFyx集合和Tab(MF)。

(5)調用相關制造特征調整及禁忌制造特征列表生成方法的步驟，更新MFdl∪MFyx集合和Tab(MF)。

(6)若MF未遍歷完，則返回步驟(4)，否則執行步驟(7)。

(7)根據式(3)～式(6)更新工藝路線上的信息量，螞蟻數目k←k+1，當k≤m，返回步驟(3)，否則執行步驟(8)。

(8)當循環次數Nc≥Nc,max，則循環結束，輸出最優的工藝路線，否則清空制造特征禁忌表，返回步驟(2)。

4應用案例

為驗證本文提出的方法，采用如圖2所示的零件進行試驗，該零件共有11個特征。根據制造特征加工工藝的確定原則，確定臺階1、通槽1、凹槽1、凹槽2需要分為粗加工和精加工兩步完成，hole1-hole4分為鉆孔和鉸孔兩步完成。由此，進行特征派生后，可得到19個基本制造特征，建立的特征加工單元如表1所示。

圖2　待加工的零件及制造特征

序號特征操作機床裝夾刀具加工描述1臺階11銑削銑床CM1CS1CT1粗加工2臺階12銑削銑床CM1CS1CT1精加工3凹槽11銑削銑床CM1CS1CT2粗加工4凹槽12銑削銑床CM1CS1CT3精加工5通槽11銑削銑床CM1CS1CT2粗加工6通槽12銑削銑床CM1CS1CT4側壁精加工7凹槽21銑削銑床CM1CS2CT2粗加工8凹槽22銑削銑床CM1CS2CT3精加工9盲孔11鉆孔鉆床CM2CS3CT5粗加工10盲孔12鉸孔鉆床CM2CS3CT6精加工11盲孔21鉆孔鉆床CM2CS3CT5粗加工12盲孔22鉸孔鉆床CM2CS3CT6精加工13盲孔31鉆孔鉆床CM2CS4CT5粗加工14盲孔32鉸孔鉆床CM2CS4CT6精加工15盲孔41鉆孔鉆床CM2CS4CT5粗加工16盲孔42鉸孔鉆床CM2CS4CT6精加工17外輪廓槽1線切割線切割CM3CS5CT7鉬絲18外輪廓槽2線切割線切割CM3CS5CT7鉬絲19外輪廓槽3線切割線切割CM3CS5CT7鉬絲

根據剛性優先約束的定義及確定方法，可得到初始的剛性優先約束矩陣。從表1可見，制造特征集合按機床劃分如下：CM1={1,2,3,4,5,6,7,8}，CM2={9,10,11,12,13,14,15,16}，CM3={17,18,19}。制造特征集合按照裝夾劃分如下：CS1={1,2,3,4,5,6}，CS2={7,8}，CS3={9,10,11,12}，CS4={13,14,15,16}。制造特征集合按照刀具劃分如下：CT1={1,2}，CT2={3,5,7}，CT3={4,8}，CT4={6}，CT5={9,11,13,15}， CT6={10,12,14,16}，CT7={17,18,19}。

在本實例中，螞蟻個數m=10，信息素揮發系數ρ=0.1，信息啟發因子α=1，期望啟發因子β=2，信息素強度Q=1，迭代次數Nc,max=50，殘留信息素的限制范圍[τmin，τmax]為[0.5, 2]。利用MATLAB編程，得到的最優解為9→11→12→10→13→15→16→14→7→8→1→2→5→3→4→6→19→17→18，最優的適應度值為3.4，每代最優及每代平均的適應度值如圖3所示。

圖3　蟻群算法運行得到的每代最優值

從優化得到的工藝路線來看，機床的更換次數為2，裝夾更換的次數為4，刀具的更換次數為10。可見，剛性優先約束的存在使刀具更換次數的增加較多。式(1)優化目標函數的設置，可使得工藝路線在優化過程中，優先滿足機床更換和裝夾更換的目標。

5結論

(1)為解決STEP-NC工藝路線的優化問題，本文提出了一種以制造資源更換率最小為目標函數，嵌入剛性優先約束檢驗的工藝路線蟻群優化算法。

(2)通過識別的零件制造特征的加工方法，將零件制造特征分解為與加工操作一一對應的基本制造特征，再根據加工過程中制造特征之間的遮擋關系以及其他剛性工藝性約束，建立基于加工順序約束的制造特征優先約束矩陣。

(3)通過定義獨立制造特征、優先約束特征和后繼約束特征，提出了動態禁忌特征調整的蟻群算法，該算法解決了每進行一步制造特征選取后的剛性約束檢驗，以及下一步可選制造特征的更新問題。

(4)通過實例驗證了提出的方法能較好地解決STEP-NC銑削數據結構下制造特征的加工工藝路線優化問題。下一步的工作將結合車削工藝，綜合考慮銑削與車削的數據模型，并開發相應的工藝路線優化系統。

參考文獻：

[1]Xu X W, Wang I, Mao J, et al. STEP Compliant NC Research: the Search for Intelligent CAD/CAPP/CAM/CNC integration[J]. International Journal of Production Research, 2005, 43(17): 3703-3743.

[2]Ridwan F, Xu Xun, Liu Guangyu. A Framework for Machining Optimization Based on STEP-NC[J]. Journal of Intelligent Manufacturing，2012, 23: 423-441.

[3]Zhang Yu, Bai Xiaolan, Xu Xun, et al. STEP-NC Based High-level Machining Simulations Integrated with CAD/CAPP/CAM[J]. International Journal of Automation and Computing, 2012, 9(5): 206-517.

[4]劉日良, 張承瑞, 張元才. 面向STEP-NC 控制器的數控加工工藝規劃模型[J]. 中國機械工程, 2004, 15(4): 325-329.

Liu Riliang, Zhang Chengrui, Zhang Yuancai. Process Planning Model and Heuristics for CNC Machining Based on STEP-NC[J]. China Mechanical Engineering, 2004, 15(4): 325-329.

[5]黃華, 李愛平. 基于STEP-NC的非線性加工工藝規劃研究[J]. 中國機械工程, 2009, 20(2): 171-175.

Huang Hua, Li Aiping. Research on Non-linear Process Planning in STEP-NC[J]. China Mechanical Engineering, 2009, 20(2): 171-175.

[6]Rauch M, Laguionie R, Hascoet J Y, et al. An Advanced STEP-NC Controller for Intelligent Machining Process[J]. Robotics and Computer-Integrated Manufacturing, 2012, 28: 375-384.

[7]張冠偉, 趙相松, 李佳，等. 基于遺傳算法的工步優化排序方法[J]. 計算機集成制造系統, 2005, 11(2): 242-246, 300.

Zhang Guanwei, Zhao Xiangsong, Li Jia, et al. Method of Optimization Sequencing Using Genetic Algorithm[J]. Computer Integrated Manufacturing Systems, 2005, 11(2):242-246, 300.

[8]Chung Dae-Hyuk, Suh Suk-Hwan. ISO 14649-based Nonlinear Process Planning Implementation for Complex Machining[J]. Computer-aided Design, 2008, 40: 521-536.

[9]黎榮, 王金諾. 基于特征模型的特征相交識別[J]. 機械工程學報, 2006, 42(1): 227-230.

Li Rong, Wang Jinnuo. Recognizing Interacting Relationships between Features Based on Feature Modeling[J]. Chinese Journal of Mechanical Engineering, 2006, 42(1): 227-230.

[10]王軍, 馮剛, 舒啟林，等. 面向相交特征的加工鏈自動生成方法[J]. 計算機集成制造系統, 2013, 19(11): 2748-2756.

Wang Jun, Feng Gang, Shu Qilin, et al. Automatic Generation Method for Process Chain Oriented to Interacting Features[J]. Computer Integrated Manufacturing Systems, 2013, 19(11): 2748-2756.

[11]常智勇, 楊建新, 趙杰，等. 基于自適應蟻群算法 的工藝路線優化[J]. 機械工程學報, 2012, 48(9): 163-169.

Chang Zhiyong, Yang Jianxin Zhao Jie, et al. Optimization of Process Based on Adaptive Ant Colony Algorithm[J]. Journal of Mechanical Engineering, 2012, 48(9): 163-169.

(編輯袁興玲)

Ant Colony Optimization of STEP-NC Process Route Based on Dynamic Update of Taboo Manufacturing Features

Huang Fengli1Gu Jinmei1Zhang Libing1Xu Chunguang1,2Wang Haiyan1

1.Jiaxing University,Jiaxing,Zhejiang,314001

2.Changzhou University,Changzhou,Jiangsu,213164

Abstract:In view of the process route generation and optimization problems of the manufacturing features in STEP-NC, ant colony optimization method of process routes with dynamic update of taboo manufacturing features was proposed, which was to make the replacement rate minimum of machine tools, fixtures and tools as the objective function. First, the manufacturing features were decomposed in accordance with manufacturing process, and then the process route optimization problem was converted to the order of manufacturing features. According to the processing hiding relationship in the machining process and the rigid constraint matrix, a dynamic update method of taboo manufacturing features was put forward in the process of generating process route. Taboo manufacturing features dynamic updating method was combined with ant-cycle model of ant colony algorithm, which was to solve the optimization problem of parts processing route. Application examples show that the proposed method may solve the rigid constraint processing problems better in the optimization process of the machining process route.

Key words:taboo manufacturing feature; process route optimization; rigid process constraint; ant colony algorithm

作者簡介：黃風立，男，1976年生。嘉興學院機電工程學院副教授、博士。主要研究方向為數字化設計與制造。發表論文50余篇。顧金梅，女，1980年生。嘉興學院機電工程學院講師。張禮兵，男，1974年生。嘉興學院機電工程學院講師、博士。徐春光，男，1991年生。常州大學機械工程學院碩士研究生。王海燕，女，1984年生。嘉興學院機電工程學院副教授、博士。

中圖分類號：TH162; TP391

DOI：10.3969/j.issn.1004-132X.2016.05.005

基金項目：國家自然科學基金資助項目(51405197,61403163)；浙江省自然科學基金資助項目(LY13E050021)；浙江省公益性技術應用研究計劃資助項目(2015C31069)

收稿日期：2015-06-15