基于改进遗传算法的钣金折弯 自动工序规划

由于钣金折弯零件具有强度高 、 质量轻 、 成本低 、加工简单和生产效率高等优点 ， 其在 机械、通信 、电子 电器等领域 内得到了越来越广泛的应用。钣金零件 的 加工过程中， 折弯的顺 序严 重影 响加 工效率 和零件精 度。传统的折弯工序规划需要设计人员人工规划 ， 且 需相 当长的试验和调整时间 ， 工序方案 的可行性也很 难进行判断 ，因此效率低且可靠性不高。快速 、高效 、可靠地 自动工序规划是钣金件折弯 中一个亟需解决 的 问题 。

国内外对折弯工序优化 的方法与理论进行 了广泛 深入 的研究 。M．I nui等 以零件 的拓扑结构作 为约束 条件 ， 过滤掉不合适 的折弯工序 ， 提 高了规 划效率 ¨J。 Duf lou J提出一种基于优先约束方法 和分支界线法解 决旅行 商 问题 J。J．C．RI CO， J．M．GONZALEZ等提 出一种解决折弯工序规划 的方法 ， 它将折弯件划分为一 些基本的形状单元 ， 然后分别局部对其进行工序规划 ，最后将 这些 子单元 的 序组合 成完整 的折 弯T 序 J。Thanapandi C．M 等提 了一种工序规 划预处 理的遗传算法来减少搜索卒间 。Duf lou J等对折弯排序做了一个 详细 的综述 。Kannan T R等提 出了 一 种遗传算法得到接近最优解 的折弯 [序 。M．A Far s i等在折弯规划过程 中引入了分类系统 和模糊集理论 。王飞等人开发一种 独立 于零件 特征 的折弯工序 自动规划系统 ，采用遗传算 法 ，在交叉和变异过程中引进 约束条件 以缩短迭代 计算 的时 间 。但是上述 [序规划算法 的研 究 巾，对 于发生 干涉的工序，其优劣情况 未做 考虑 ，导致 较难进 化 出不干涉的工序 ，其次算法 的收敛 曲线有一定 的波动 ， 使得收敛时间加长。

基于以上问题，本文采用一种改进的遗传算法来规划钣金折弯的工序，从而保证折弯工序规划的合理性和高效性。

1折弯工序规划遗传算法的改进

折弯工序规划是由多个工步组成的工序评估过程，利用遗传算法对折弯工序进行规划时，需要为工序评估选择合适的适应

函数，其次选定一组初始种群，经过复制、交叉和变异操作进化出更优的个体。本文遗传算法的改进主要从适应函数、初始种

群和进化过程3方面改进。

1. 1适应函数选取

适应函数的选取应考虑在不干涉的情况下，尽量提高工件的加工效率，主要因素有模具个数、模具拆卸次数、工件掉头和

翻面次数以及操作平衡性次数。取适应函数：式中：丆表示适值；N！分别代表模具总数NI、模具拆卸次数（模具更换和改变

方向）/V2、板料翻转次数、板料掉头次数N4和操作不平衡次数N5；表示相应各因素的权值。权值分别取：100、屿：50、

地3：巧“4：10 “5：5，其中操作不平衡是指加工过程工人抓取工件时，折弯线到后挡料的距离大于到工人的距离。适值越

小，说明这种折弯工序方案越优。但对于发生干涉的折弯工序，其也有优劣之分，此外干涉的折弯工序属于不可行的方案，适

值一定要比无干涉时大。为了在遗传算法中能够快速地进化出无干涉的折弯工序，本文定义其干涉时的适应函数为：F=

Ew,N+(N—p)max(w （2）式中：N表示工件总折弯数尹< N）表示发生折弯的位置。〗N >〗些N！，故〗“0能确保发生干涉的

工序适值大于不干涉时的适值，0一尸）max@，）是根据发生干涉的位置定义干涉工序的优劣。

1. 2初始种群优化

对于折弯数较多、结构较为复杂的钣金件，在初始种群的选定时随机性太强，适值普遍偏大，使得在后代进化过程中收

敛速度较缓慢。为此本文在产生初始种群后，将种群中的最优个体经过相应的优化操作来获得适值更小的个体

以图1所示的折弯工序（3，4，6，9，8，2，1，5，7）为例，对每个工步依次进行干涉检测，对于发生干涉的工步，

则将其依次与后面的折弯号对换并重新检测干涉情况。若某工步无论怎么对换都发生干涉，此时停止检测过程，虽然没有获得

不干涉个体，但至少可以获得一个相对较优的个体。

1. 3进化过程改进

进化过程需进行复制、交叉和变异操作不断产生新的种群。本文复制操作采用转轮法，并取适值的倒数来计算，交叉采

用部分匹配交叉操作（PMX），设置交又概率为0．9，变异采用对换操作，设置变异概率为0.1.

优解直接保存到下一代中。同时为了避免出现局部最优解，将该最优解强制进行变异操作，即变异概率为1，若变异后更

优则直接保存到下一代中，反之仍然保存原当前最优解。此过程可使每一代种群都朝着更优的方向进化。

2折弯工序自动规划过程

折弯工序规划需要在综合考虑干涉碰撞、折弯效率和操作平衡性等因素的前提下，为每个工步选择一个合适的模具，使得适值尽可能小。

2．1模具自动选择

模具包括上模和下模，选择何种模具是由工件的特征参数决定的，在选择模具时既要保证模具和板料之间不发生干涉，

同时还要尽可能保证折弯后的工件与实际要求符合。

首先根据工件的折弯特征指定的折弯角、折弯半径和板料厚度，初步为每个工步筛选出符合条件的所有模具。

然后在工序评估过程中根据优先级对模具进行再一次筛选。优先级最主要有两个方面：第一尽量避免使用特殊模具，优

先选择标准模具；第二钣金折弯中模具的角度一般选择比折弯角略小，角度越接近折弯角的模具优先级越高，对于每一道折弯

需要保证上模和下模的角度相同。

2.  2折弯工序自动规划

利用上述改进的遗传算法规划折弯工序的具体流程如图2所示。

（1）工序规划前处理从模具库中为每个折弯选定一组模具，定义适值函数和初始种群。

（2）工序评估主要是计算适值大小。适值是遗传算法种群进化的重要依据，决定了个体是否 被淘汰或复制，同时也是评

定工序优劣的唯一指标。

在计算适值的过程中应尽可能保证每个工步的折弯过程不发生干涉。干涉需要分别检测工件与机床、模具、后挡料之间的干涉。如图3所示，以上模为例，采用反转法将上模分别逆时针和顺时针绕与工件接触P点旋转折弯角的一半，围成图示的阴影部分区域，若工件与阴影部分有交集则表示发生干涉。

此外当工件有尺寸精度要求时，后挡料定位点的选择必须考虑工件的精度要求，使得尺寸偏差累积在精度要求低的折弯段上。

〈3）种群进化对每一代中最优个体直接进行强制变异操作，将其与变异前适值比较后保存更优个体到下一代种群中。而对于非当前最优个体，直接进行复制、交叉和变异操作产生下一代种群。经过若干代后便能进化出相对更优的折弯工序。

3实例验证及应用

以图4所示钣金件为例来验证本遗传算法的有效性，其中工件壁厚为2灬]，折弯半径均为2 nun,宽度为400 mm

根据工件的特征参数自动从库中选择符合条件的模具，然后按其角度大小设置其优先顺序，图5所示为该工件可选的所有模具，分别给各模具标号。其中4 号上模和3号下模角度大于90。，只适用于钣金件中 120。的4、5号折弯。

定义初始种群大小为20，演化代数为100，设置工件和模具的默认正方向，利用上文的优化遗传算法规划工序，将最终结果按适值大小排列并取5个方案，如表1所示。

对于不干涉的工序方案，表中折弯工序中的负号表示工件的方向与默认方向相反，干涉时不定义工件方向。表中最后一

个工序方案在第7个工步发生干涉时，该工位找不到合适的模具。

整个遗传算法过程中适值变化如图6所示，在第一代时最优解的适值为895，没有发生干涉，说明初始种群的优化过程中出

现了不干涉的个体，使得整个遗传算法收敛速度更快。本折弯件在第2 1代时就可以到达近似最优解，共使用2，7 s的时间。

在初始种群优化过程中也有可能无法出现可行的折弯解，如图7所示，在第一代时最优解的适值为 1 800，虽然发生干涉，

但其收敛速度同样非常快，在第29代就到达近似最优解，用时3，8 s左右。

若不采用本文遗传算法的前两个改进条件，即不考虑干涉时的适应函数以及初始种群的优化，仅改进进化过程来保存当前最优解，其结果如图8所示。到第70代以后才出现不干涉的折弯工序，达到近似最优解的时间将近16 s，其大部分时间浪费在进化出可行折弯解的过程中，此时需要设置更大的进化代数或种群大小。

此外若不考虑第3个改进条件保存当前最优解，适值曲线波动较大，经试验在100代内很有可能不出现可行的折弯工序。

开发一套工序规划及仿真软件，以第一种折弯工序方案（一3，8，6，1，9，7，2，10，一4，一5）为例，利用本软件展示其折弯过程，结果如图9所示。

4 结语