低碳低成本約束下箱體零件加工路線優化方法

張 雷 趙希坤 蔣詩新 宋豪達

合肥工業大學機械工程學院，合肥，230009

0 引言

目前，我國制造業的高速發展主要依靠能源和資源的高投入，并以犧牲生態環境為代價。隨著經濟社會的進一步發展，上述發展模式導致人與生態環境之間的矛盾日趨嚴重，很大程度上影響了我國經濟的可持續發展，減少制造過程中產生的環境污染已迫在眉睫。低碳制造強調從原材料及能源獲取、產品設計、制造、使用、拆解回收全過程中實施碳排放的減量化與控制[1]，是解決制造業環境問題的主要途徑之一。在零件加工過程中，進行面向低碳的工藝路線優化是實施低碳制造的重要手段之一，工藝路線規定了將毛坯變為產品零件的整個加工過程，很大程度影響產品零件的加工效率、環境影響、加工質量和加工成本等企業經營目標[2]。

近年來國內外學者對機械加工過程中的工藝優化問題進行了大量研究。李聰波等[2]建立了低碳高效的零件機加工工藝路線多目標優化模型，并應用改進遺傳算法進行優化求解；尹瑞雪[3]通過對制造工藝及工藝鏈碳排放評估方法進行研究，提出了一種低碳機械制造工藝規劃決策方法；程海琴等[4]提出碳效益評價指標，建立以碳效益極大化為目標的多工藝低碳制造決策模型；劉雪梅等[5]基于多色集理論與遺傳算法，以輔助時間最短為目標進行了加工中心工步優化；扈曉燕[6]針對軸類零件應用多色集理論與遺傳算法進行其工藝決策推理。但上述研究均存在一定的局限性，文獻[1]運用遺傳算法求解，求解效率較低，且未考慮加工成本；文獻[2-4]僅以加工成本、質量等為優化目標，并未考慮環境影響；文獻[5-6]運用多色集理論與遺傳算法進行優化求解，求解效率較高，但未考慮加工過程中的環境影響。

基于上述問題，本文在箱體類零件機加工過程碳排放量化研究的基礎上，提出了以低碳低成本為目標的工藝路線優化方法，并基于多色集理論與改進的遺傳算法進行工藝路線的優化求解。所提方法在工藝設計過程中綜合考慮了環境及加工成本問題，此外運用多色集與遺傳算法提高了優化求解的效率。

1 零件機加工工藝路線優化問題描述

1.1 零件特征表示

零件特征是指包括零件的幾何形狀、工程意義和加工要求的一組信息集合，是構成零件幾何形狀和信息模型的基本單元。零件的特征包括設計特征和制造特征，在進行零件的工藝設計時主要根據其制造特征來規劃，因此根據設計制造特征之間的映射關系，將零件的設計特征轉化為制造特征，進而得到零件的制造特征集：

E={e1,e2,…,eI,…,eN}

(1)

式中，eI(I=1,2,…,N)為零件的制造特征;N為零件所包含的特征總數。

零件制造特征集中的每個元素表示1個制造特征，該特征在加工過程中一般通過若干個工步的加工獲得，這些工步構成了一個特征加工鏈。應用特征加工鏈決策方法確定零件制造特征集中各制造特征相應的加工方法，進而得到零件的加工工步集:

P={P11,P12,…,PIJ,…,PNM}

(2)

式中，PIJ為制造特征eI所對應的加工鏈中的第J道工步；M為制造特征eN所對應的加工鏈中包含的加工工步數。

由于后續主要以零件的加工工步作為核心進行分析，故將加工工步集進行簡化，可表示為

P={P1,P2,…,Pn}

(3)

式中，n為制造特征所包含的加工工步總數。

為了簡化后續工藝路線優化過程中編碼問題，將單工步定義為

Pi=(i,Ci,Mi,Ti)

(4)

式中，i(i=1,2,…,n)為加工工步序號；Ci為工步i的加工方式；Mi為工步i對應的機床；Ti為工步i對應的刀具。

1.2 零件機加工過程碳排放量化模型

零件機械加工工藝包括車削、銑削、刨削、磨削等，其加工過程碳足跡如圖1所示，其中GHG(greenhouse gas)表示溫室效應氣體。本文將機械加工過程看作一個輸入-輸出系統，在加工過程中輸入流包括毛坯、切削液、驅動機床的電能、刀具和夾具等輔助工具，輸出流包括切屑、切削液和刀具的損耗。輸出流引起碳排放主要是物料碳排放與能耗碳排放，可表示為

(5)

式中：GMi、GEi分別為第i個加工工步的物料碳排放和能耗碳排放。

圖1 零件機加工過程碳足跡模型Fig.1 The carbon footprint model of components machining process

1.2.1物料碳排放

對于車削、銑削、磨削等典型機械加工工藝，其物料碳排放主要包括切屑、切削液和刀具的損耗。故物料碳排放可表示為

(6)

(1)切削。在機械加工過程中，大多數金屬切屑可回收再利用，由于材料回收后其性能會降低，故只能代替部分新材料使用或降級使用，該部分排放難以核算，因此，本文不考慮切屑回收產生的碳排放收益。故切屑引起的碳排放可表示為

(7)

(2)切削液。在機械加工過程中，不同加工工藝所用的切削液種類不同，且不同切削液的碳排放因子和更換周期也不相同，因此，某一加工工藝使用不同的切削液種類，其碳排放量是不同的。對于單工步系統，消耗切削液所產生的碳排放可表示為

(8)

(3)刀具。刀具損耗引起的碳排放是指切削過程使用的刀具在其制造過程中產生的碳排放在每個工步上的分攤。根據文獻[7]，刀具的損耗引起的碳排放可表示為

(9)

1.2.2能耗碳排放

為了簡化評估流程，可將機床的機加工過程劃分為空載狀態、負載狀態、附件狀態及換刀狀態，再根據機床各功能部件在這4個階段的運行狀態，將機械加工過程的能耗分為空載能耗、負載能耗、附件能耗和換刀能耗。

劉飛等[8]通過機床動態運行時的功率平衡方程推導出了機床動態運行時的能量近似平衡方程：

(10)

式中，Pu、Pc、Pa、Pe分別為空載功率、負載功率、附件功率和換刀功率；T為總時間；tp、te、tm分別為空行程時間、換刀時間和加工時間。

對于同一臺機床而言，當以固定速度穩態運行時，其空載功率、負載功率、附件功率和換刀功率波動很小，可以認為是恒定值， 故總能耗Ee可以表示為

Ee=tpPu+tePe+tm(Pu+Pc+Pa)

(11)

而能量碳排放可表示為

GEi=FeleEe

(12)

式中，Fele為電能碳排放因子。

依據數據查閱軟件Gabi 6.0數據庫和文獻[9]，上文所述的碳排放因子見表1。

1.3 零件機加工過程成本量化模型

從零件的全生命周期環境影響來看，其制造過程中環境影響所占比重較大，且可優化的空間也較大，若在制造過程中只考慮環境因素，必然會增加加工成本，故在進行工藝設計時應綜合考慮環境、成本等多種因素。

表1 碳排放因子

(13)

(14)

在機械加工過程中，機床加工費用包括機床折舊、換刀成本、能耗和其他費用，機床加工費用可由加工總時間乘以折舊費計算，即

(15)

刀具損耗費用可依據實際切削長度和刀具的背吃刀量來計算。假設刀具壽命與所切除切屑的體積成線性比例關系，因此可依據切屑體積來估算刀具的使用成本：

(16)

綜上所述，機械加工總成本可表示為

(17)

2 基于多色集與改進的遺傳算法的工藝路線優化

2.1 優化目標函數

本文主要從減少機械加工過程中碳排放和加工成本的角度入手，在進行工藝設計時綜合考慮碳排放和加工成本因素，構造零件制造過程的低碳低成本目標函數。

(1)低碳目標函數。低碳目標函數主要體現在整個加工過程和合理的加工工藝的基礎上進行優化，進而達到碳排放量最少。根據上一節構建的零件加工過程碳排放量化模型，得到低碳目標函數見式(5)。

(2)低成本目標函數。低成本目標函數主要體現在整個加工過程中產生機加工成本最小。根據上一節中構建的加工過程成本量化模型，得到低成本目標函數見式(17)。

2.2 基于多色集的約束模型

多色集理論(polychromatic sets theory，PST)是一種新的系統理論和信息處理的數學工具，其核心思想是使用相同的數學模型仿真不同的對象。PST的數學模型能方便地描繪復雜機械系統的各種性質、屬性、特征、參數等技術指標間的相互關系，且能很方便地用于計算機編程[3]。

傳統的集合A表示元素的全體，即

A={a1,a2,…,ai,…,an}

(18)

集合A只能表達出其任意2個元素(ai,aj∈A)的名稱不同，并不能表現出它們的任何性質。在PST中，將集合整體及其組成元素涂上不同的“顏色”，用來表示研究對象和元素之間的性質。集合A的顏色集合可表示為

F(A)={F1(A),F2(A),…,Fj(A),…,Fn(A)}

(19)

式中，Fj(A)為集合A中第j個統一顏色。

同理，與每一個組成元素ai對應的顏色集合可表示為

F(ai)={f1(ai),f2(ai),…,fj(ai),…,fn(ai)}=
{f1,f2,…,fi,…fn}

(20)

多色集合所有元素的個人著色可用圍道布爾矩陣表示為

(21)

其中，若fi∈F(ai)，則cij=1;若fi?F(ai)，則cij=0。

2.3 基于改進遺傳算法的加工工序優化

2.3.1基因編碼

編碼是應用遺傳算法時要首先解決的問題，總的來說，可分為三類：二進制編碼方法、符號編碼方法和浮點數編碼方法。通常二進制編碼適應于自變量為數值量的優化問題，且自變量之間的相互影響較小，但二進制編碼無法表達工藝排序問題[10]，故本文采用實數進行編碼。

設有n個工步，則基因值在[1，n]范圍內隨機取值，將最終的基因值放入矩陣A[n]。假設有u個特征，v種加工方法，依據多色集理論構建“特征-工步”及“特征-面孔”圍道布爾矩陣，分別表示為a[v,u]和b[2,u]，基因具體編碼流程見圖2。

圖2 編碼流程圖Fig.2 Coding flow chart

2.3.2多目標函數的轉化

本文涉及碳排放和成本2個優化目標，由于多目標優化問題的各目標函數相互制約，故很難找到目標函數的最優解。在求解優化問題時，通常利用權重法將多目標問題轉換為單目標問題。

為避免碳排放函數和成本函數的量綱不同，先對各個獨立的目標函數求最大值和最小值, 再將實際的目標函數轉換為[0，1]之間的一個量綱一量，處理方法如下[11]：

(22)

(23)

簡化后的單目標函數為

(24)

式中，μ1、μ2分別為碳排放和成本相關的權系數，通過層次分析法確定μ1=0.5、μ2=0.5。

2.3.3交叉操作

交叉運算是指對2個相互配對的染色體按某種方式交換部分基因，從而形成新的個體。在OldChrom中隨機選擇圖3所示的2個順序串U1和U2，運用單點交叉法進行交叉操作，步驟如下：①在區間[1,5]取一個均勻分布的隨機數x作為交叉點，設x=2；②將交叉點之前的基因按照在父輩U1串中的順序復制到子輩O1中；③在子輩O1交叉點后的基因要從另一個父輩U2中依次進行掃描，若該基因在子輩O1中，則對下一基因進行掃描，若該基因不在子輩O1中，則將該基因按照順序存放到子輩O1中，具體操作見圖4。

圖3 父輩染色體Fig.3 Parental chromosomes

圖4 交叉后的染色體Fig.4 Crossed chromosomes

2.3.4變異操作

變異是指將個體染色體編碼串中某些基因座上的基因值用該基因座的其他等位基因來代替，從而形成一個新的個體，具體方法如下：①根據變異概率Pm隨機在種群中選擇若干染色體；②設基因的長度為l，在[1，l]范圍內隨機選擇一個基因位置q，并判斷q和q+1這2個基因所對應的工步是否屬于同一個特征，若不是，則進入下一個步驟，若是則返回步驟②；③計算變異前后和假設變異后的換刀時間和轉位時間之和分別為T1、T2，若T2≤T1且滿足相互約束，則交換兩基因值的位置，否則返回步驟②。

3 實例分析

以某型號箱體類零件在數控加工中心上加工為例進行分析，驗證上述機加工低碳低成本多目標優化模型的有效性，箱體類零件的三維模型如圖5所示，其中1～29為特征編號。

(a)特征展示圖A

(b)特征展示圖B圖5 箱體類零件三維模型Fig.5 The model of housing parts

3.1 箱體加工特征分析

由于圖5所示的某型號箱體類零件在一次裝夾下的制造特征較多，為簡化問題，在零件制造特征識別過程中，將其制造特征進行聚類處理(即將同一加工方位上相同精度、相同幾何尺寸的聚類為一個特征)。

根據對箱體類零件的工藝分析以及機床、機加工參數[12-13]，其零件特征描述和刀具信息分別見表2和表3。

表2 刀具信息

通過上述對箱體類零件加工特征的分析，根據機械加工參數[14]可得到該零件加工時間表,見表4。

3.2 基于多色集理論約束模型分析

表3 零件特征描述

加工工序排序是在保證零件加工質量的前提下進行，否則脫離了加工質量單純談工序排序就變得毫無意義，而要保證零件加工質量就需在進行工藝決策時加入一定的約束條件。在工藝規劃中需要考慮的主要約束有：①基準先行；②先主后次；③先面后孔；④先粗后精;⑤工序集中。根據上述描述約束①～④為工序間的優先級約束；約束⑤為工序聚類約束，也為加工效率約束。

根據上述方法，使用多色集合理論分別建立“特征-工步”及“特征-面孔”圍道布爾矩陣。在表5中，統一顏色P1～P29分別代表1～29個特征，個人著色C1～C8分別代表粗鏜、半精鏜、精鏜、粗銑、半精銑、精銑、鉆、攻絲8個加工工步。黑圓處代表黑圓所在列對應的加工特征包含黑圓所在行對應的工步。對表5的圍道矩陣所描述的工步進行編碼，具體編碼見表6。在表7中，統一顏色P1～P29分別代表1～29個特征，個人著色B1、B2分別代表面和孔。在表8中，用1代表黑點，用0代表非黑點。

表6 “特征-工步” 圍道矩陣工步編號及位置

表7 “特征-面孔”圍道矩陣

表8 “特征-面孔”圍道矩陣工步編號

3.3 基于改進遺傳算法的加工序列優化

在進行遺傳算法求解時，算法參數的設置如下：種群規模為50，算法的最大迭代次數為100，代溝為0.9。其中, 機床折舊費按200元/h計算，為了簡化問題，設置換刀時間為固定值4 s，轉位時間為2 s。采用MATLAB軟件分別以低碳、低成本和低碳低成本為目標進行優化，其對比優化結果見表9。在用低碳低成本對加工序列進行優化時，用基于多色集理論的遺傳算法迭代收斂圖見圖6。以低碳低成本為目標進行優化時，加工序列的最優染色體基因表現形式見圖7。根據表2和表3可以得到最優染色體基因所對應的刀具和加工面，見表10。

3.4 結果分析

由圖6可以看出，用MATLAB進行優化時遺傳算法在迭代次數為25時收斂，其收斂速度較快。由表9可以看出，當以低碳為目標函數時，所得的碳排放量雖少，但機加工的成本高；以低成本為目標函數時，與以低碳為目標函數相比，其優化結果的成本低，但碳排放量有所增加；以低碳和低成本2個目標函數同時進行優化時，用權重系數將兩者整合在一起，得到的結果更加符合本文的要求。由表10可以看出，所得最優加工序列的刀具、加工面較為集中，減少了加工過程中的碳排放量和加工成本，從而證明了本文所提優化模型及遺傳算法的有效性。

圖7 最優染色體基因Fig.7 Optimal chromosomal gene

表10 最優加工序列的加工面和刀具

4 結論

(1)通過分析箱體類零件加工成本和碳排放的影響因素，建立了以最低碳排放量和最低加工成本為目標的優化模型。

(2)根據箱體類零件在加工中心上工步排序原則，采用多色集理論建立了“特征-工步”和“特征-面孔”圍道布爾矩陣。

(3)以低碳低成本為優化目標函數，改進遺傳算法的編碼、交叉和變異方式，對加工工序進行優化，并得到最優加工工序。