[发明专利]基于迁移行为的MOEAD优化夹具布局的方法及装置

说明书

本发明提供了一种基于迁移行为的MOEAD优化夹具布局的方法及装置，涉及夹具布局领域。该方法包括构建基于多目标方法的工件位置偏移模型，并分别确定x、y、z三个方向上的偏移量为目标函数。在工件位置的可行域空间中按照预设方式产生初始种群，在原始环境中将初始种群按照预设次数进行迭代计算得到原始环境的非支配解集，并将原始环境中得到的非支配解集作为下一环境的初始种群继续按照预设次数进行与下一环境对应的迭代计算，得到最终的非支配解集，实现了根据工件各方向的不同加工精度，给x、y、z方向上的偏移分别分配相应的权重，增强了种群的多样性，提高了种群的搜索能力，避免了因为加工工件面上存在大量的点而陷入局部最优的布局状况。

技术领域

本发明涉及夹具布局领域，特别是涉及一种基于迁移行为的MOEAD优化夹具布局的方法及装置。

背景技术

机床夹具属于生产制造过程的重要装备，用于完成工件在机床上的定位和夹紧，使工件在整个加工过程中能够抵抗外力的作用，保证工件相对于机床、刀具始终处于正确的位置，以顺利完成工件全部特征的加工。合理的夹具布局能够将工件定位在正确的位置上，保持工件处于稳定状态，为后续的切削、焊接、装配等工序提供保障。不合理的夹具布局，工件在后续加工过程中，受到切削力等外力的影响时，会导致工件相对于机床和刀具的位置发生偏离，导致工件加工出现较大误差，甚至会与夹具发生脱离，造成危险。

现有的工件位置偏移模型是将x、y、z方向上的移动和转动合成一个目标，然后使用算法进行优化，这种方法相当于给三个方向上的偏移分配了相同的权重，但是不同工件的加工需求是不同的，所以现有方法无法适应不同加工需求的工件。

MOEAD(基于分解的多目标进化算法)将MOP分解为N个标量的子问题。它通过进化出一个解的种群来同时解决所有子问题。对于每一代种群，种群是从所有代中选出的每一个子问题的最优解的集合。相邻两个子问题间的关联程度是由他们的聚合系数向量间的距离所决定的。对于两个相邻子问题来说，只是用与其相邻的子问题的信息来优化它，最优解应该是非常相似的。

MOEAD具有以下特性：(1)MOEAD提供了一个简单有效的方法，将分解的方法引入到多目标进化计算中。对于常在数学规划领域发展的分解方法，它可以真正的被并入到EA(进化算法)中，通过使用MOEAD框架来解决MOP (多目标优化)问题。(2)因为MOEAD算法是同时优化N个标量子问题而不是直接将MOP问题作为一个整体来解决，那么对于传统的并不是基于分解的 MOEA(多目标进化)算法来说，适应度分配和多样性控制的难度在MOEAD 框架中得到了降低。

夹具的布局问题，因为每个接触面上都存在大量的点，所以很容易陷入局部最优，因此，需要进一步提升MOEAD的搜索能力，增强其种群的多样性。

借鉴并模拟生态学中的物种进化规律和模式正是GA(遗传算法)的初衷和精髓所在。在物种的自然进化现象中，存在一些这样的种群：它们往返迁移于不同类型的自然环境之间，受不同环境因素的影响，使得这些种群对这些环境的适应能力都有所提高。我们将这种自然的生态学现象简单地抽象为物种的环境迁移模型，在模型中，假设存在物种P和k个不同的自然环境Ei，其中i 小于等于K，K为大于1的正整数，首先，让物种P进入环境E1中，完成竞争、繁衍和淘汰等生存任务，然后让物种P从环境E1迁移到下一个环境E2中，并完成同样的任务，按照这种方式依次在不同的环境中迁移，直到物种P在最后一个环境EK中完成生存任务，这时我们称物种P完成了一轮环境迁移。在物种P完成了若干轮环境迁移后，从适者生存这一生态规律来说，迁移后的物种P’中的个体较之迁移前种群P中的个体对于环境Ei的适应能力都会提高。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于迁移行为的MOEAD优化夹具布局的方法及装置。

为解决上述技术问题，本发明提供以下技术方案：

一方面，本发明提供了基于迁移行为的MOEAD优化夹具布局的方法，包括：