人人文库网 > 图纸下载 > 毕业设计 > 方套加工工艺钻孔5-φ8.5的夹具设计[含CAD图纸，工序卡，工艺过程卡，说明书]

设计说明书.doc

方套加工工艺钻孔5-φ8.5的夹具设计[含CAD图纸，工序卡，工艺过程卡，说明书]

资源目录

方套加工工艺钻孔5-φ8.5的夹具设计[含CAD图纸，工序卡，工艺过程卡，说明书].rar

设计说明书.doc---(点击预览)

机械加工工艺过程卡片 .doc---(点击预览)

工序卡片.doc---(点击预览)

外文翻译

翻译原文.pdf---(点击预览)

翻译.doc---(点击预览)

方套零件图.dwg

毛坯图.dwg

钻孔5-φ8.5夹具体.dwg

钻孔5-φ8.5夹具装配图.dwg

压缩包内文档预览：(预览前20页/共41页)

编号：19377873 类型：共享资源大小：884.84KB 格式：RAR 上传时间：2019-05-20 上传人：好资料QQ****51605 IP属地：江苏

20
积分

版权申诉 word格式文档无特别注明外均可编辑修改；预览文档经过压缩，下载后原文更清晰！ 立即下载

关键词：: 含CAD图纸，工序卡，工艺过程卡，说明书含CAD图纸工序卡工艺过程卡说明书夹具设计CAD图纸加工过程卡片 [含CAD图纸 CAD图纸说明书工序卡加工工艺过程卡片

资源描述：

【温馨提示】购买原稿文件请充值后自助下载。

以下预览截图到的都有源文件,图纸是CAD，文档是WORD，下载后即可获得。

预览截图请勿抄袭，原稿文件完整清晰，无水印，可编辑。

有疑问可以咨询QQ：414951605或1304139763

摘要

本次设计内容主要是机械加工工艺，工程材料应用，机床夹具设计及金属切削机床等多方面知识。

方套零件的设计主要是由零件加工工艺设计，工序设计和其机床专用夹具设计组成。加工工艺设计主要对零件的作用和零件的工艺分析，设计出其毛坯结构。再由其基面粗基准和精基准的选择来制定出工艺路线，从而确定零件机械加工余量及工序尺寸和切削用量及基本工时。最后进行零件专用夹具，定位分析及基准的选择和切削力和夹紧力的计算以及定位误差分析，从而确定定位元件、加紧元件、机床链接部分和夹具体来设计出夹具。本文主要围绕方套夹具设计为中心，在分析生产零件的基础上设计制造工艺，针对方套的加工工艺确定夹具设计方案。在设计合理，符合工程实际的基础上，设计了3套夹具，并绘制夹具装配图及零件图，完成毕业设计。

　　　关键词：方套、加工工艺、夹具、夹具设计

Square Sleeve’s Machining Process And Its Fixture Design

Abstract

The design content mainly by mechanical processing technology, application of engineering materials, tooling and fixture design of metal cutting machine tool and so on.

Fixture design process design and fixture design of the machine tool. Process analysis of machining process design of the main role of parts and components, design the billet structure. From its base and benchmark crude benchmarks choice to develop process, so as to determine the parts machining allowance and the process dimensions and cutting parameters and the basic working hours. The last part of special fixture, positioning analysis and selection of reference and cutting force and clamping force calculation and positioning error, so as to determine the positioning element to element, machine tool, clamp to link part and fixture design. This paper mainly focuses on the sets of fixture design as the center, the design and manufacturing process based on the analysis of production parts, design scheme of the fixture for processing sleeve. On the basis of reasonable design, accord with the actual engineering, 3 sets of fixture design, fixture and assembly drawings and parts drawing, completed the graduation design.

Keywords：Square Sleeve, Processing technic,Fixture , Fixture design

　　　1 绪论 1

1.1 概述 1

1.2 夹具的研究意义 1

1.3 夹具的相关研究现况 1

1.4 本课题的主要研究内容 3

　　　2零件分析 4

2.1 零件的生产类型及生产纲领 4

2.2 零件作用分析 4

2.3 零件的工艺分析 4

2.4 确定毛坯的成形方法 5

2.5 确定铸造工艺方案 6

2.6 确定铸造工艺参数 6

　　　3 机械加工工艺规程设计 8

3.1 基面的选择 8

3.2 确定机械加工余量及工序尺寸 11

3.3 确定切削用量及基本工时 16

　　　4钻Ø8孔夹具设计 29

4.1定位分析及基准的选择 29

4.2切削力及夹紧力的计算 29

4.3定位误差分析 30

4.4定位销选用 32

4.5夹具设计及操作的简要说明 33

　　　结论 37

　　　参考文献 38

　　　致谢 39

　　　　1 绪论

1.1 概述

在机械加工制造过程中,用来固定加工对象,使其占有正确的位置,以便接受施工、检测的装置,都可统称为“夹具”。夹具的发展历程,大约可以分为三个阶段:第一个阶段主要表现在夹具与人的结合上,这是夹具主要是作为人的单纯的辅助工具,使得加工过程进一步提高效率和趋于完善;第二阶段,夹具成为人与机床之间的桥梁,夹具的机能发生变化,它主要用于工件的定位和夹紧;第三阶段表现为夹具与机床的结合,夹具作为机床的一部分,成为机械加工任务的加工设备,而任务单的开工时间则根据定单下达日期、任务单计划入库日期、相关的工艺信息以及各加工单元的当前加工计划来统一决定。它主要用于保证产品的加工质量、减轻劳动强度、辅助产品检测、展示、运输等。工件的工艺分析及夹具设计是工艺工程师必备的专业素质。通过完成毕业设计，可以使设计者掌握机械加工的流程，为成为合格工艺工程师打下良好的基础[1]~[5]。

1.2 夹具的研究意义

随着机床加工精度的提高，为了降低定位误差，提高加工精度，对夹具的制造精度要求相应提高。为了适应不同行业的需要和经济性，夹具有不同的型号，以及不同档次的精度标准供选择。夹具的通用性直接影响其经济性，采用模块、组合式的夹具系统只有夹具系统的可重组性、可重构性及可扩展性功能强，应用范围广，通用性好，夹具利用率高，元件的功能强，使得夹具的通用性好，元件少而精，配套的费用低，经济使用才有推广的价值[5]~[8]。

1.3 夹具的相关研究现况

近几十年来, 夹具的基本组成部分虽无明显变化, 但对夹具设计的要求却不断提高。机械加工中的工装水平往往代表一个国家的工艺水平。据统计, 在大型工业企业中, 采用的工装很多, 有的甚至多达上万种。一般生产一辆轿车大约需4000 件, 夹具及紧固件7500 件。设计每套夹具需12 小时, 制造需58 小时。这仅是一个平均数字。对于单个夹具的设计与制造, 以及中小企业的生产, 需要的时间则更长。夹具在新产品研制过程中, 对缩短研制周期起着重要作用。根据我国机械工业的现有水平, 生产准备周期一般要占整个研制周期的50～70%, 而工艺装备的设计装备周期又占生产装备周期的50～70%, 其中工艺装备准备周期中有70～80%的时间用于夹具的设计与制造。在现代制造企业中, 夹具已成为保证产品质量, 实行全面质量管理的重要手段, 利用加工中心、坐标测量机可使零件的装卸、检测、刀具的更换自动化, 夹具及装夹已成为制造系统发展的关键。夹具的标准化、自动高效化、精密化和柔性化是夹具发展的主要趋势, 也是实现产品更新换代和老产品改造的需要。

在机床技术向高速、高效、精密、复合、智能、环保方向发展的带动下，夹具技术正朝着高精、高效、模块、组合、通用、经济方向发展。

在高精方面，随着机床加工精度的提高，为了降低定位误差，提高加工精度，对夹具的制造精度要求更高。高精度夹具的定位孔距精度高达±5μm，夹具支承面的垂直度达到0.01mm/300mm，平行度高达0.01mm/500mm。德国demmeler(戴美乐)公司制造的4m长2m宽的孔系列组合焊接夹具平台，其等高误差为±0.03mm；精密平口钳的平行度和垂直度在5μm以内；夹具重复安装的定位精度高达±5μm；瑞士EROWA柔性夹具的重复定位精度高达2~5μm。机床夹具的精度已提高到微米级，世界知名的夹具制造公司都是精密机械制造企业。诚然，为了适应不同行业的需求和经济性，夹具有不同的型号，以及不同档次的精度标准供选择。

全部文件.png

零件图.gif

毛坯图.gif

钻孔5-φ8.5夹具装配图.gif

钻孔5-φ8.5夹具体.gif

目录.jpg

内容简介：: 沈阳理工大学学士学位论文附录二：中文翻译通过夹具布局设计和夹紧力的优化控制变形摘要工件变形必须控制在数值控制机械加工过程之中。夹具布局和夹紧力是影响加工变形程度和分布的两个主要方面。在本文提出了一种多目标模型的建立，以减低变形的程度和增加均匀变形分布。有限元方法应用于分析变形。遗传算法发展是为了解决优化模型。最后举了一个例子说明，一个令人满意的结果被求得，这是远优于经验之一的。多目标模型可以减少加工变形有效地改善分布状况。关键词：夹具布局；夹紧力；遗传算法；有限元方法1 引言夹具设计在制造工程中是一项重要的程序。这对于加工精度是至关重要。一个工件应约束在一个带有夹具元件，如定位元件，夹紧装置，以及支撑元件的夹具中加工。定位的位置和夹具的支力，应该从战略的设计，并且适当的夹紧力应适用。该夹具元件可以放在工件表面的任何可选位置。夹紧力必须大到足以进行工件加工。通常情况下，它在很大程度上取决于设计师的经验，选择该夹具元件的方案，并确定夹紧力。因此，不能保证由此产生的解决方案是某一特定的工件的最优或接近最优的方案。因此，夹具布局和夹紧力优化成为夹具设计方案的两个主要方面。定位和夹紧装置和夹紧力的值都应适当的选择和计算，使由于夹紧力和切削力产生的工件变形尽量减少和非正式化。夹具设计的目的是要找到夹具元件关于工件和最优的夹紧力的一个最优布局或方案。在这篇论文里，多目标优化方法是代表了夹具布局设计和夹紧力的优化的方法。这个观点是具有两面性的。一，是尽量减少加工表面最大的弹性变形；另一个是尽量均匀变形。 ANSYS软件包是用来计算工件由于夹紧力和切削力下产生的变形。遗传算法是MATLAB的发达且直接的搜索工具箱，并且被应用于解决优化问题。最后还给出了一个案例的研究，以阐述对所提算法的应用。2 文献回顾随着优化方法在工业中的广泛运用，近几年夹具设计优化已获得了更多的利益。夹具设计优化包括夹具布局优化和夹紧力优化。King 和 Hutter提出了一种使用刚体模型的夹具-工件系统来优化夹具布局设计的方法。DeMeter也用了一个刚性体模型，为最优夹具布局和最低的夹紧力进行分析和综合。他提出了基于支持布局优化的程序与计算质量的有限元计算法。李和melkote用了一个非线性编程方法和一个联络弹性模型解决布局优化问题。两年后，他们提交了一份确定关于多钳夹具受到准静态加工力的夹紧力优化的方法。他们还提出了一关于夹具布置和夹紧力的最优的合成方法，认为工件在加工过程中处于动态。相结合的夹具布局和夹紧力优化程序被提出，其他研究人员用有限元法进行夹具设计与分析。蔡等对menassa和devries包括合成的夹具布局的金属板材大会的理论进行了拓展。秦等人建立了一个与夹具和工件之间弹性接触的模型作为参考物来优化夹紧力与，以尽量减少工件的位置误差。Deng和melkote 提交了一份基于模型的框架以确定所需的最低限度夹紧力，保证了被夹紧工件在加工的动态稳定。大部分的上述研究使用的是非线性规划方法，很少有全面的或近全面的最优解决办法。所有的夹具布局优化程序必须从一个可行布局开始。此外，还得到了对这些模型都非常敏感的初步可行夹具布局的解决方案。夹具优化设计的问题是非线性的，因为目标的功能和设计变量之间没有直接分析的关系。例如加工表面误差和夹具的参数之间（定位、夹具和夹紧力）。以前的研究表明，遗传算法（ GA ）在解决这类优化问题中是一种有用的技术。吴和陈用遗传算法确定最稳定的静态夹具布局。石川和青山应用遗传算法确定最佳夹紧条件弹性工件。vallapuzha在基于优化夹具布局的遗传算法中使用空间坐标编码。他们还提出了针对主要竞争夹具优化方法相对有效性的广泛调查的方法和结果。这表明连续遗传算法取得最优质的解决方案。krishnakumar和melkote 发展了一个夹具布局优化技术，用遗传算法找到夹具布局，尽量减少由于在整个刀具路径的夹紧和切削力造成的加工表面的变形。定位器和夹具位置被节点号码所指定。krishnakumar等人还提出了一种迭代算法，尽量减少工件在整个切削过程之中由不同的夹具布局和夹紧力造成的弹性变形。Lai等人建成了一个分析模型，认为定位和夹紧装置为同一夹具布局的要素灵活的一部分。Hamedi 讨论了混合学习系统用来非线性有限元分析与支持相结合的人工神经网络（ ANN ）和GA。人工神经网络被用来计算工件的最大弹性变形，遗传算法被用来确定最佳锁模力。Kumar建议将迭代算法和人工神经网络结合起来发展夹具设计系统。Kaya用迭代算法和有限元分析，在二维工件中找到最佳定位和夹紧位置，并且把碎片的效果考虑进去。周等人。提出了基于遗传算法的方法，认为优化夹具布局和夹紧力的同时，一些研究没有考虑为整个刀具路径优化布局。一些研究使用节点数目作为设计参数。一些研究解决夹具布局或夹紧力优化方法，但不能两者都同时进行。有几项研究摩擦和碎片考虑进去了。碎片的移动和摩擦接触的影响对于实现更为现实和准确的工件夹具布局校核分析来说是不可忽视的。因此将碎片的去除效果和摩擦考虑在内以实现更好的加工精度是必须的。在这篇论文中，将摩擦和碎片移除考虑在内，以达到加工表面在夹紧和切削力下最低程度的变形。一多目标优化模型被建立了。一个优化的过程中基于GA和有限元法提交找到最佳的布局和夹具夹紧力。最后，结果多目标优化模型对低刚度工件而言是比较单一的目标优化方法、经验和方法。3 多目标优化模型夹具设计一个可行的夹具布局必须满足三限制。首先，定位和夹紧装置不能将拉伸势力应用到工件；第二，库仑摩擦约束必须施加在所有夹具-工件的接触点。夹具元件-工件接触点的位置必须在候选位置。为一个问题涉及夹具元件-工件接触和加工负荷步骤，优化问题可以在数学上仿照如下：这里的表示加工区域在加工当中j次步骤的最高弹性变形。其中是的平均值；是正常力在i次的接触点；是静态摩擦系数；fhi是切向力在i次的接触点；pos(i)是i次的接触点；是可选区域的i次接触点；整体过程如图1所示，一要设计一套可行的夹具布局和优化的夹紧力。最大切削力在切削模型和切削力发送到有限元分析模型中被计算出来。优化程序造成一些夹具布局和夹紧力，同时也是被发送到有限元模型中。在有限元分析座内，加工变形下，切削力和夹紧力的计算方法采用有限元方法。根据某夹具布局和变形，然后发送给优化程序，以搜索为一优化夹具方案。图1 夹具布局和夹紧力优化过程4 夹具布局设计和夹紧力的优化4.1 遗传算法遗传算法（ GA ）是基于生物再生产过程的强劲，随机和启发式的优化方法。基本思路背后的遗传算法是模拟“生存的优胜劣汰“的现象。每一个人口中的候选个体指派一个健身的价值，通过一个功能的调整，以适应特定的问题。遗传算法，然后进行复制，交叉和变异过程消除不适宜的个人和人口的演进给下一代。人口足够数目的演变基于这些经营者引起全球健身人口的增加和优胜个体代表全最好的方法。遗传算法程序在优化夹具设计时需夹具布局和夹紧力作为设计变量，以生成字符串代表不同的布置。字符串相比染色体的自然演变，以及字符串，它和遗传算法寻找最优，是映射到最优的夹具设计计划。在这项研究里，遗传算法和MATLAB的直接搜索工具箱是被运用的。收敛性遗传算法是被人口大小、交叉的概率和概率突变所控制的。只有当在一个人口中功能最薄弱功能的最优值没有变化时，nchg达到一个预先定义的价值ncmax ，或有多少几代氮，到达演化的指定数量上限nmax，没有遗传算法停止。有五个主要因素，遗传算法，编码，健身功能，遗传算子，控制参数和制约因素。在这篇论文中，这些因素都被选出如表1所列。表1 遗传算法参数的选择由于遗传算法可能产生夹具设计字符串，当受到加工负荷时不完全限制夹具。这些解决方案被认为是不可行的，且被罚的方法是用来驱动遗传算法，以实现一个可行的解决办法。1夹具设计的计划被认为是不可行的或无约束，如果反应在定位是否定的。在换句话说，它不符合方程（2）和（3）的限制。罚的方法基本上包含指定计划的高目标函数值时不可行的。因此，驱动它在连续迭代算法中的可行区域。对于约束（4），当遗传算子产生新个体或此个体已经产生，检查它们是否符合条件是必要的。真正的候选区域是那些不包括无效的区域。在为了简化检查，多边形是用来代表候选区域和无效区域的。多边形的顶点是用于检查。“inpolygon ”在MATLAB的功能可被用来帮助检查。4.2 有限元分析ANSYS软件包是用于在这方面的研究有限元分析计算。有限元模型是一个考虑摩擦效应的半弹性接触模型，如果材料是假定线弹性。如图2所示，每个位置或支持，是代表三个正交弹簧提供的制约。图2 考虑到摩擦的半弹性接触模型在x ， y和z 方向和每个夹具类似，但定位夹紧力在正常的方向。弹力在自然的方向即所谓自然弹力，其余两个弹力即为所谓的切向弹力。接触弹簧刚度可以根据向赫兹接触理论计算如下：随着夹紧力和夹具布局的变化，接触刚度也不同，一个合理的线性逼近的接触刚度可以从适合上述方程的最小二乘法得到。连续插值，这是用来申请工件的有限元分析模型的边界条件。在图3中说明了夹具元件的位置，显示为黑色界线。每个元素的位置被其它四或六最接近的邻近节点所包围。图3 连续插值这系列节点，如黑色正方形所示，是（37，38，31和30 ），（9，10 ，11 ， 18，17号和16号）和（ 26，27 ，34 ， 41，40和33 ）。这一系列弹簧单元，与这些每一个节点相关联。对任何一套节点，弹簧常数是：这里，kij 是弹簧刚度在的j -次节点周围i次夹具元件，Dij 是i次夹具元件和的J -次节点周围之间的距离，ki是弹簧刚度在一次夹具元件位置,i 是周围的i次夹具元素周围的节点数量为每个加工负荷的一步，适当的边界条件将适用于工件的有限元模型。在这个工作里，正常的弹簧约束在这三个方向（X ， Y ， Z ）的和在切方向切向弹簧约束，（X ， Y ）。夹紧力是适用于正常方向（Z）的夹紧点。整个刀具路径是模拟为每个夹具设计计划所产生的遗传算法应用的高峰期的X ，Y ，z切削力顺序到元曲面，其中刀具通行证。在这工作中，从刀具路径中欧盟和去除碎片已经被考虑进去。在机床改变几何数值过程中，材料被去除，工件的结构刚度也改变。因此，这是需要考虑碎片移除的影响。有限元分析模型，分析与重点的工具运动和碎片移除使用的元素死亡技术。在为了计算健身价值，对于给定夹具设计方案，位移存储为每个负载的一步。那么，最大位移是选定为夹具设计计划的健身价值。遗传算法的程序和ANSYS之间的互动实施如下。定位和夹具的位置以及夹紧力这些参数写入到一个文本文件。那个输入批处理文件ANSYS软件可以读取这些参数和计算加工表面的变形。因此，健身价值观，在遗传算法程序，也可以写到当前夹具设计计划的一个文本文件。当有大量的节点在一个有限元模型时，计算健身价值是很昂贵的。因此，有必要加快计算遗传算法程序。作为这一代的推移，染色体在人口中取得类似情况。在这项工作中，计算健身价值和染色体存放在一个SQL Server数据库。遗传算法的程序，如果目前的染色体的健身价值已计算之前，先检查；如果不，夹具设计计划发送到ANSYS，否则健身价值观是直接从数据库中取出。啮合的工件有限元模型，在每一个计算时间保持不变。每计算模型间的差异是边界条件，因此，网状工件的有限元模型可以用来反复“恢复”ANSYS 命令。5 案例研究一个关于低刚度工件的铣削夹具设计优化问题是被显示在前面的论文中，并在以下各节加以表述。5.1 工件的几何形状和性能工件的几何形状和特点显示在图4中，空心工件的材料是铝390与泊松比0.3和71Gpa的杨氏模量。外廓尺寸152.4mm127mm*76.2mm.该工件顶端内壁的三分之一是经铣削及其刀具轨迹，如图4 所示。夹具元件中应用到的材料泊松比0.3和杨氏模量的220的合金钢。图4 空心工件5.2 模拟和加工的运作举例将工件进行周边铣削，加工参数在表2中给出。基于这些参数，切削力的最高值被作为工件内壁受到的表面载荷而被计算和应用，当工件处于330.94 n（切）、398.11 N （下径向）和22.84 N （下轴）的切削位置时。整个刀具路径被26个工步所分开，切削力的方向被刀具位置所确定表2加工参数和条件。5.3 夹具设计方案夹具在加工过程中夹紧工件的规划如图5所示。图5 定位和夹紧装置的可选区域一般来说， 3-2-1定位原则是夹具设计中常用的。夹具底板限制三个自由度，在侧边控制两个自由度。这里，在Y=0mm截面上使用了4个定点（L1，L2 ， L3和14 ），以定位工件并限制2自由度；并且在Y=127mm的相反面上，两个压板（C1,C2）夹紧工件。在正交面上，需要一个定位元件限制其余的一个自由度，这在优化模型中是被忽略的。在表3中给出了定位加紧点的坐标范围。表3 设计变量的约束由于没有一个简单的一体化程序确定夹紧力，夹紧力很大部分（6673.2N）在初始阶段被假设为每一个夹板上作用的力。且从符合例5的最小二乘法，分别由4.43107 N/m 和5.47107 N/m得到了正常切向刚度。5.4 遗传控制参数和惩罚函数在这个例子中，用到了下列参数值：Ps=30, Pc=0.85, Pm=0.01, Nmax=100和Ncmax=20.关于f1和的惩罚函数是这里fv可以被F1或代表。当nchg达到6时，交叉和变异的概率将分别改变成0.6和0.1.5.5 优化结果连续优化的收敛过程如图6所示。且收敛过程的相应功能（1）和（2）如图7、图8所示。优化设计方案在表4中给出。图6 夹具布局和夹紧力优化程序的收敛性遗传算法图7 第一个函数值的收敛图8第二个函数值的收敛性表4 多目标优化模型的结果表5 各种夹具设计方案结果进行比较，5.6 结果的比较从单一目标优化和经验设计中得到的夹具设计的设计变量和目标函数值，如表5所示。单一目标优化的结果，在论文中引做比较。在例子中，与经验设计相比较，单一目标优化方法有其优势。最高变形减少了57.5 ，均匀变形增强了60.4 。最高夹紧力的值也减少了49.4 。从多目标优化方法和单目标优化方法的比较中可以得出什么呢？最大变形减少了50.2 ，均匀变形量增加了52.9 ，最高夹紧力的值减少了69.6 。加工表面沿刀具轨迹的变形分布如图9所示。很明显，在三种方法中，多目标优化方法产生的变形分布最均匀。与结果比较，我们确信运用最佳定位点分布和最优夹紧力来减少工件的变形。图10示出了一实例夹具的装配。图9沿刀具轨迹的变形分布图10 夹具配置实例6 结论本文介绍了基于GA和有限元的夹具布局设计和夹紧力的优化程序设计。优化程序是多目标的：最大限度地减少加工表面的最高变形和最大限度地均匀变形。ANSYS软件包已经被用于健身价值的有限元计算。对于夹具设计优化的问题，GA和有限元分析的结合被证明是一种很有用的方法。在这项研究中，摩擦的影响和碎片移动都被考虑到了。为了减少计算的时间，建立了一个染色体的健身数值的数据库，且网状工件的有限元模型是优化过程中多次使用的。传统的夹具设计方法是单一目标优化方法或经验。此研究结果表明，多目标优化方法比起其他两种方法更有效地减少变形和均匀变形。这对于在数控加工中控制加工变形是很有意义的。参考文献1、 King LS，Hutter（ 1993年）自动化装配线上棱柱工件最佳装夹定位生成的理论方法。De Meter EC (1995) 优化机床夹具表现的Min - Max负荷模型。2、 De Meter EC (1998) 快速支持布局优化。Li B, Melkote SN (1999) 通过夹具布局优化改善工件的定位精度。3、 Li B, Melkote SN (2001) 夹具夹紧力的优化和其对工件的定位精度的影响。4、 Li B, Melkote SN (1999) 通过夹具布局优化改善工件的定位精度。5、 Li B, Melkote SN (2001) 夹具夹紧力的优化和其对工件定位精度的影响。6、 Li B, Melkote SN (2001) 最优夹具设计计算工件动态的影响。7、 Lee JD, Haynes LS (1987) 灵活装夹系统的有限元分析。8、 Menassa RJ, DeVries WR (1991) 运用优化方法在夹具设计中选择支位。9、 Cai W, Hu SJ, Yuan JX (1996) 变形金属板材的装夹的原则、算法和模拟。10、 Qin GH, Zhang WH, Zhou XL (2005) 夹具装夹方案的建模和优化设计。11、Deng HY, Melkote SN (2006) 动态稳定装夹中夹紧力最小值的确定。12、Wu NH, Chan KC (1996) 基于遗传算法的夹具优化配置方法。13、Ishikawa Y, Aoyama T(1996) 借助遗传算法对装夹条件的优化。14、Vallapuzha S, De Meter EC, Choudhuri S, et al (2002) 一项关于空间坐标对基于遗传算法的夹具优化问题的作用的调查。15、Vallapuzha S, De Meter EC, Choudhuri S, et al (2002) 夹具布局优化方法成效的调查。16、Kulankara K, Melkote SN (2000) 利用遗传算法优化加工夹具的布局。17、Kulankara K, Satyanarayana S, Melkote SN (2002) 利用遗传算法优化夹紧布局和夹紧力。18、Lai XM, Luo LJ, Lin ZQ (2004) 基于遗传算法的柔性装配夹具布局的建模与优化。19、Hamedi M (2005) 通过一种人工神经网络和遗传算法混合的系统设计智能夹具。20、Kumar AS, Subramaniam V, Seow KC (2001) 采用遗传算法固定装置的概念设计。21、Kaya N (2006) 利用遗传算法优化加工夹具的定位和夹紧点。22、Zhou XL, Zhang WH, Qin GH (2005) 遗传算法用于优化夹具布局和夹紧力。23、Kaya N, ztrk F (2003) 碎片位移和摩擦接触的运用对工件夹具布局的校核。62ORIGINAL ARTICLE Deformation control through fixture layout design and clamping force optimization Weifang Chen 2jj;:; j ? ? ? ?;:; n jj ? s ?;j 1;2;:;n1 Subject to m Fnijj ? ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffiffi F2 ti F2hi q 2 Fni? 03 pos i 2 V i ;i 1;2;:;p4 where jrefers to the maximum elastic deformation at a machining region in the j-th step of the machining operation, ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi ffi X n j1 j ? ? ?2? n v u u t is the average of j Fniis the normal force at the i-th contact point is the static coefficient of friction Fti;Fhiare the tangential forces at the i-th contact point pos(i)is the i-th contact point V(i)is the candidate region of the i-th contact point. The overall process is illustrated in Fig. 1 to design a feasible fixture layout and to optimize the clamping force. The maximal cutting force is calculated in cutting model and the force is sent to finite element analysis (FEA) model. Optimization procedure creates some fixture layout and clamping force which are sent to the FEA model too. In FEA block, machining deformation under the cutting force and the clamping force is calculated using finite element method under a certain fixture layout, and the deformation is then sent to optimization procedure to search for an optimal fixture scheme. 4 Fixture layout design and clamping force optimization 4.1 A genetic algorithm Genetic algorithms (GA) are robust, stochastic and heuristic optimization methods based on biological reproduction processes. The basic idea behind GA is to simulate “survival of the fittest” phenomena. Each individual candidate in the population is assigned a fitness value through a fitness function tailored to the specific problem. The GA then conducts reproduction, crossover and mutation processes to eliminate unfit individuals and the population evolves to the next generation. Sufficient number of evolutions of the population based on these operators lead to an increase in the global fitness of the population and the fittest individual represents the best solution. The GA procedure to optimize fixture design takes fixture layout and clamping force as design variables to generate strings which represent different layouts. The strings are compared to the chromosomes of natural evolution, and the string, which GA find optimal, is mapped to the optimal fixture design scheme. In this study, the genetic algorithm and direct search toolbox of MATLAB are employed. The convergence of GA is controlled by the population size (Ps), the probability of crossover (Pc) and the probability of mutations (Pm). Only when no change in the best value of fitness function in a population, Nchg, reaches a pre-defined value NCmax, or the number of generations, N, reaches the specified maximum number of evolutions, Nmax., did the GA stop. There are five main factors in GA, encoding, fitness function, genetic operators, control parameters and con- straints. In this paper, these factors are selected as what is listed in Table 1. Since GA is likely to generate fixture design strings that do not completely restrain the fixture when subjected to machining loads. These solutions are considered infeasible and the penalty method is used to drive the GA to a feasible solution. A fixture design scheme is considered infeasible or unconstrained if the reactions at the locators are negative, in other words, it does not satisfy the constraints in equations (2) and (3). The penalty method essentially involves Machining Process Model FEA Optimization procedure cutting forces fitness Optimization result Fixture layout and clamping force Fig. 1 Fixture layout and clamp- ing force optimization process Table 1 Selection of GAs parameters FactorsDescription EncodingReal ScalingRank SelectionRemainder CrossoverIntermediate MutationUniform Control parameterSelf-adapting Int J Adv Manuf Technol assigning a high objective function value to the scheme that is infeasible, thus driving it to the feasible region in successive iterations of GA. For constraint (4), when new individuals are generated by genetic operators or the initial generation is generated, it is necessary to check up whether they satisfy the conditions. The genuine candidate regions are those excluding invalid regions. In order to simplify the checking, polygons are used to represent the candidate regions and invalid regions. The vertex of the polygons are used for the checking. The “inpolygon” function in MATLAB could be used to help the checking. 4.2 Finite element analysis The software package of ANSYS is used for FEA calculations in this study. The finite element model is a semi-elastic contact model considering friction effect, where the materials are assumed linearly elastic. As shown in Fig. 2, each locator or support is represented by three orthogonal springs that provide restrains in the X, Y and Z directions and each clamp is similar to locator but clamping force in normal direction. The spring in normal direction is called normal spring and the other two springs are called tangential springs. The contact spring stiffness can be calculated according to the Herz contact theory 8 as follows kiz 16R? iE ?2 i 9 ?1 3f iz 1 3 kiz kiy 6 E? i 2?vfi Gfi 2?vwi Gwi ?1 ? kiz 8 : 5 where kiz, kix, kiyare the tangential and normal contact stiffness, 1 R? i 1 Rwi 1 Rfiis the nominal contact radius, 1 E? i 1?V2 wi Ewi 1?V2 fi Efi is the nominal contact elastic modulus, Rwi, Rfiare radius of the i-th workpiece and fixture element, Ewi, Efiare Youngs moduli for the i-th workpiece and fixture materials, wi, fiare Poisson ratios for the i-th workpiece and fixture materials, Gwi, Gfiare shear moduli for the i-th workpiece and fixture materials and fizis the reaction force at the i-th contact point in the Z direction. Contact stiffness varies with the change of clamping force and fixture layout. A reasonable linear approximation of the contact stiffness can be obtained from a least-squares fit to the above equation. The continuous interpolation, which is used to apply boundary conditions to the workpiece FEA model, is Fig. 2 Semi-elastic contact model taking friction into account Spring position Fixture element position 1234567 891011121314 15161718192021 22232425262728 29303132333435 36373839404142 43444546474849 Fig. 3 Continuous interpolation Fig. 4 A hollow workpiece Table 2 Machining parameters and conditions ParameterDescription Type of operationEnd milling Cutter diameter25.4 mm Number of flutes4 Cutter RPM500 Feed0.1016 mm/tooth Radial depth of cut2.54 mm Axial depth of cut25.4 mm Radial rake angle10 Helix angle30 Projection length92.07 mm Int J Adv Manuf Technol illustrated in Fig. 3. Three fixture element locations are shown as black circles. Each element location is surrounded by its four or six nearest neighboring nodes. These sets of nodes, which are illustrated by black squares, are 37, 38, 31 and 30, 9, 10, 11, 18, 17 and 16 and 26, 27, 34, 41, 40 and 33. A set of spring elements are attached to each of these nodes. For any set of nodes, the spring constant is kij dij P k2hi dik ki6 where kijis the spring stiffness at the j-th node surrounding the i-th fixture element, dijis the distance between the i-th fixture element and the j-th node surrounding it, kiis the spring stiffness at the i-th fixture element location. iis the number of nodes surrounding the i-th fixture element location. For each machining load step, appropriate boundary conditions have to be applied to the finite element model of the workpiece. In this work, the normal springs are constrained in the three directions (X, Y, Z) and the tangential springs are constrained in the tangential direc- tions (X, Y). Clamping forces are applied in the normal direction (Z) at the clamp nodes. The entire tool path is simulated for each fixture design scheme generated by the GA by applying the peak X, Y, Z cutting forces sequentially to the element surfaces over which the cutter passes 23. In this work, chip removal from the tool path is taken into account. The removal of the material during machining alters the geometry, so does the structural stiffness of the workpiece. Thus, it is necessary to consider chip removal affects. The FEA model is analyzed with respect to tool movement and chip removal using the element death technique. In order to calculate the fitness value for a given fixture design scheme, displacements are stored for each load step. Then the maximum displacement is selected as fitness value for this fixture design scheme. The interaction between GA procedure and ANSYS is implemented as follows. Both the positions of locators and clamps, and the clamping force are extracted from real strings. These parameters are written to a text file. The input batch file of ANSYS could read these parameters and calculate the deformation of machined surfaces. Thus the fitness values in GA procedure can also be written to a text file for current fixture design scheme. It is costly to compute the fitness value when there are a largenumber of nodes in an FEM model.Thus itis necessary to speed up the computation for GA procedure. As the generation goes by, chromosomes in the population are getting similar. In this work, calculated fitness values are stored in a SQL Server database with the chromosomes and fitness values. GA procedure first checks if current chromosomes fitness value has been calculated before, if not, fixture design scheme are sent to ANSYS, otherwise fitness values are directly taken from the database. The meshing of workpiece FEA model keeps same in every calculating time. The difference among every calculating model is the boundary conditions. Thus, the meshed workpiece FEA model could be used repeatedly by the “resume” command in ANSYS. 5 Case study An example of milling fixture design optimization problem for a low rigidity workpiece displayed in previous research papers 16, 18, 22 is presented in the following sections. Fig. 5 Candidate regions for the locators and clamps Table 3 Bound of design variables MinimumMaximum X /mmZ /mmX /mmZ /mm L10076.238.1 L276.20152.438.1 L3038.176.276.2 L476.238.1152.476.2 C10076.276.2 C276.20152.476.2 F1/N06673.2 F2/N06673.2 Int J Adv Manuf Technol 5.1 Workpiece geometry and properties The geometry and features of the workpiece are shown in Fig. 4. The material of the hollow workpiece is aluminum 390 with a Poisson ration of 0.3 and Youngs modulus of 71 Gpa. The outline dimensions are 152.4 mm127 mm 76.2 mm. The one third top inner wall of the workpiece is undergoing an end-milling process and its cutter path is also shown in Fig. 4. The material of the employed fixture elements is alloy steel with a Poisson ration of 0.3 and Youngs modulus of 220 Gpa. 5.2 Simulating and machining operation A peripheral end milling operation is carried out on the example workpiece. The machining parameters of the operation are given in Table 2. Based on these parameters, the maximum values of cutting forces that are calculated and applied as element surface loads on the inner wall of the workpiece at the cutter position are 330.94 N (tangential), 398.11 N (radial) and 22.84 N (axial). The entire tool path is discretized into 26 load steps and cutting force directions are determined by the cutter position. 5.3 Fixture design plan The fixture plan for holding the workpiece in the machining operation is shown in Fig. 5. Generally, the 321 locator principleisusedinfixturedesign.Thebasecontrols3degrees. One side controls two degrees, and another orthogonal side controlsonedegree.Here,itusesfourlocators(L1,L2,L3and L4) on the Y=0 mm face to locate the workpiece controlling two degrees, and two clamps (C1, C2) on the opposite face where Y=127 mm, to hold it. On the orthogonal side, one locator is needed to control the remaining degree, which is neglectedinthe optimalmodel.The coordinateboundsfor the locating/clamping regions are given in Table 3. Since there is no simple rule-of-thumb procedure for determining the clamping force, a large value of the clamping force of 6673.2 N was initially assumed to act at each clamp, and the normal and tangential contact stiffness obtained from a least-squares fit to Eq. (5) are 4.43107N/m and 5.47107N/m separately. 5.4 Genetic control parameters and penalty function The control parameters of the GA are determined empiri- cally. For this example, the following parameter values are Fig. 6 Convergence of GA for fixture layout and clamping force optimization procedure Fig. 7 Convergence of the first function values Fig. 8 Convergence of the second function values Table 4 Result of the multi-objective optimization model Multi-objective optimization X /mmZ /mm L117.10230.641 L2108.16925.855 L321.31556.948 L4127.84660.202 C122.98962.659 C2117.61525.360 F1/N167.614 F2/N382.435 f1/mm0.006568 /mm0.002683 Int J Adv Manuf Technol used: Ps=30, Pc=0.85, Pm=0.01, Nmax=100 and Ncmax= 20. The penalty function for f1and is fv fv 50 Here fvcan be represented by f1or . When Nchgreaches 6 the probability of crossover and mutation will be change into 0.6 and 0.1 separately. 5.5 Optimization result The convergence behavior for the successive optimization steps is shown in Fig. 6, and the convergence behaviors of corresponding functions (1) and (2) are shown in Fig. 7 and Fig. 8. The optimal design scheme is given in Table 4. 5.6 Comparison of the results The design variables and objective function values of fixture plans obtained from single objective optimization and from that designed by experience are shown in Table 5. The single objective optimization result in the paper 22 is quoted for comparison. The single objective optimization method has its preponderance comparing with that designed by experience in this example case. The maximum deformation has reduced by 57.5%, the uniformity of the deformation has enhanced by 60.4% and the maximum clamping force value has degraded by 49.4%. What could be drawn from the comparison between the multi-objective optimization method and the single objective optimization method is that the maximum deformation has reduced by 50.2%, the uniformity of the deformation has enhanced by 52.9% and the maximum clamping force value has degraded by 69.6%.The deformation distribution of the machined surfaces along cutter path is shown in Fig. 9. Obviously, the deformation from that of multi-objective optimization method distributes most uniformly in the deformations among three methods. With the result of comparison, we are sure to apply the optimal locators distribution and the optimal clamping force to reduce the deformation of workpiece. Figure 10 shows the configuration of a real-case fixture. 6 Conclusions This paper presented a fixture layout design and clamping force optimization procedure based on the GA and FEM. The optimization procedure is multi-objective: minimizing the maximum deformation of the machined surfaces and maximizing the uniformity of the deformation. The ANSYS software package has been used for FEM calculation of fitness values. The combination of GA and FEM is proven to be a powerful approach for fixture design optimization problems. In this study, both friction effects and chip removal effects are considered. In order to reduce the computation time, a database is established for the chromosomes and fitness values, and the meshed workpiece FEA model is repeatedly used in the optimization process. Table 5 Comparison of the results of various fixture design schemes Experimental optimizationSingle objective optimization X/mmZ/mmX/mmZ/mm L112.70012.70016.72034.070 L2139.712.700145.36017.070 L312.70063.50018.40057.120 L4139.70063.500146.26058.590 C112.70038.1005.83056.010 C2139.70038.100104.40022.740 F1/N2482444.88 F2/N24821256.13 f1/mm0.0310120.013178 /mm0.0143770.005696 Fig. 9 Distribution of the deformation along cutter path Fig. 10 A real case fixture configuration Int J Adv Manuf Technol The traditionalfixturedesignmethodsaresingleobjective optimization method or by experience. The results of this study show that the multi-objective optimization method is more effective in minimizing the deformation and uniform- ing the deformation than other two methods. It is meaningful for machining deformation control in NC machining. References 1. King LS, Hutter I (1993) Theoretical approach for generating optimal fixturing locations for prismatic workparts in automated assembly. J Manuf Syst 12(5):409416 2. De Meter EC (1995) Min-Max load model for optimizing machine fixture performance. ASME J Eng Ind 117(2):183186 3. De Meter EC (1998) Fast support layout optimization. Int J Mach Tools Manuf 38(1011):12211239 4. Li B, Melkote SN (1999) Improved workpiece location accuracy through fixture layout optimization. Int J Mach Tools Manuf 39 (6):871883 5. Li B, Melkote SN (2001) Fixture clamping force optimization and its impact on workpiece location accuracy. Int J Adv Manuf Technol 17(2):104113 6. Li B, Melkote SN (2001) Optimal fixture desig

温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。