计算机辅助夹具设计技术发展综述

张胜文 苏延浩

(江苏科技大学机械工程学院，江苏 镇江 212003)

夹具设计和制造作为产品生产制造周期的重要组成部分，其设计与制造周期约占产品整个研制周期的20%～40%，因此，对于机械制造企业，提高夹具设计效率和质量，对于缩短产品研制周期、降低生产成本、提高企业的竞争力具有至关重要的作用。

传统夹具的设计方法有以下缺点:(1)面对繁复多样的产品，对应的夹具也千变万化，繁琐的重复性使得设计工作量很大;(2)夹具设计经验性强，但无法方便快捷地利用这些经验与智慧来设计新的夹具。

为了有效地解决上述夹具设计问题，20 世纪70年代出现了一种新的夹具设计方法，即计算机辅助夹具设计(CAFD)，CAFD 是指利用计算机进行夹具的方案规划、快速选取夹具元件并组装、夹具性能评价分析和夹具出图等，根据设计结果指导实际生产过程的夹具组建，可以极大地提高夹具的设计生产效率，因此获得了广泛的研究与应用［1-4］。

1 CAFD 发展阶段概述

计算机辅助夹具设计的研究可追溯到上世纪70年代，即俄罗斯学者以及德国学者对夹具CAD 的研究工作，20 世纪80年代经过众多欧美学者对夹具自动推理的研究，CAFD 出现了一些具有划时代意义的技术，如法国学者Ingrand 和Latombe 在1980年开发了第一个CAFD 专家系统［1］，A.Markus 在1984年使用Prolog 语言设计了一种着重于组合夹具组装的半自动化CAFD 专家系统［2］。我国在上世纪80年代中期也开始了CAFD 的研究，文献［1］认为我国最早开始CAFD 研究的是北京理工大学，文献［3］认为是中国航空技术进出口公司最先设计了一套二维计算机辅助夹具组装软件。

不同文献对于CAFD 发展阶段的划分并不统一，但大多数学者从CAFD 的方法和智能化程度上将其划分为3 个阶段［4-7］:

(1)与20 世纪80年代初的CAD 软件水平配合的第一代CAFD 系统，应用CAD 软件的图形功能建立一些图形库，从而减少一些重复性劳动，从自动化程度上划分属于交互式夹具设计系统。

(2)20 世纪80年代中后期，以变异式和生成式方法发展基于成组技术以及知识的CAFD 系统，实现夹具的相似性检索以及安装、定位和夹紧的辅助设计，从自动化程度上划分属于半自动化夹具设计系统。

(3)20 世纪90年代后期的CAFD 系统，发展基于规则、实例和智能算法的CAFD 系统，试图实现夹具的自动规划、智能元件选择和自动化装配，从自动化程度上划分属于自动化夹具设计系统。

2 CAFD 研究内容及发展现状

目前主流CAFD 系统的研究内容包括［8-9］:(1)夹具设计规划，分为安装规划、夹具规划和夹具构形设计;(2)夹具性能评价。夹具设计基本过程如图1 所示。另外，从CAFD 与CAD/CAPP 的有效集成以及对夹具设计数据库资源、夹具图文档资料、夹具设计工作流程、系统权限的有效管理等方面考虑，CAFD还要与产品数据管理(PDM/PLM)进行集成或者开发夹具信息管理系统。

2.1 安装规划

安装规划的主要任务是描述设计需求。安装规划考虑的主要内容包括:被加工工件设计特征及制造工艺信息的描述、约束关系的描述［10］和设计目标的描述。这部分内容其实是对计算机辅助工艺过程设计(CAPP)信息的描述，因此，研究CAFD 与CAPP 的集成，提供有效的智能接口将CAPP 信息直接用于夹具设计过程中，是研究CAFD 系统的重要方向之一。

被加工件特征描述的准确性是实现CAFD 系统智能化和自动化的关键，无论是夹具规划中的定位及夹紧方式的自动规划选取，还是基于规则推理(RBR)和基于案例推理(CBR)技术的实施，都是建立在全面正确地描述被加工工件特征的基础上。但是由于被加工件的种类千变万化，并且特征具有复杂性，目前安装规划仍是CAFD 的瓶颈之一，部分实现智能化的研究仍停留在简单特征的工件上。

特征识别技术是安装规划最常用的技术。特征识别最早是由英国剑桥大学CAD 中心的Grayer［11］在1977年提出的，他首次运用提取工件实体模型的几何特征的方法来进行工件数控加工刀具轨迹的计算。特征识别技术大体可以分为两类:

(1)基于边界的特征识别:每一类特征都具有特定的边界模型，因而搜索工件的边界模型然后进行特征识别就可以识别出工件的所有特征。典型方法有基于规则的特征识别，基于图论的特征识别，基于边界匹配的特征识别等［12-14］。

(2)基于体的特征识别:每一类特征都具有一定的体积模型，将工件分为凸凹体的集合，然后分析各体的向量模型，进而确定各体的特征类型。典型方法有基于立体交替与分解的方法，基于单元体分解的方法等［15-16］。

2.2 夹具规划

夹具规划涉及夹具定位面、夹紧面、支撑点、夹紧点的确定。夹具规划考虑的主要内容包括:定位及夹紧方案的生成及其布局优化、定位及夹紧面的类型、工件装夹面的可及性、装夹稳定性以及工件相对于夹具的可装卸性等。

目前国内外对夹具规划的研究主要集中在利用不同算法推理、综合运用RBR 和CBR 技术、结合有限元分析、结构化分析及其他特征分析法等方面，对夹具的定位及夹紧布局进行方案设计和分析优化。夹具规划需要很强的经验性，但夹具设计经验很难完全被机器学习和使用，因此完全自动化的夹具规划离实用化还存在很大的差距。

国外在夹具规划方面的研究有:Krishnakumar、Kaya 等人［17-19］利用遗传算法(GA)与有限元分析(FEA)相结合的方法，Ong、F.Mervyn 等人［20-21］利用遗传算法和结构化分析的方法，对夹具的定位及夹紧布局进行了验证和优化，并对夹紧元件的刚度和夹紧力进行了分析;Song 等人［22］在分析几何约束的基础上提出一种雅克比矩阵的改进，对夹具定位的完整性进行了评估，并对现有夹具规划提出改进方案;Boyle 等人［23］用CBR 方法设计了一个名为CAFixD 的夹具设计系统，建立了一种案例索引机制和夹具设计学习机制，对已有的夹具规划方案进行设计重用;Bansal 等人［24］将CBR 方法应用到夹具集成规划系统中，提出了一种公差敏感度分析方法，用于夹具的最小公差分析;R.Hunter、Wanga［25-26］等人将夹具布局看作一个多目标优化的问题，综合考虑不同布局方案中加工特性和定位误差的变化，并利用蚁群算法和遗传算法对不同布局方案及夹具性能进行了比较和优化;Y.Zheng 等人［27］分别利用随机算法、交换算法和分支定界法计算得到最大内切球，然后对这3 种算法的优缺点进行了比较分析，并将其运用到夹具布局设计中，从而优化夹具的定位精度和接触力分布;Nelaturi 等人［28］从夹紧方案的可及性、封闭性、稳定性以及碰撞约束考虑，提出一种夹具定位方案智能生成和测试的算法，并基于Plücker 坐标法研究了扳手空间干涉问题。

国内在夹具规划方面的研究有:唐东等人［29］将Hopfield 神经网络算法融入到自动夹具规划的研究中，主要研究了有关定位面和夹紧面的选择规则，另外对工件定位方案性能评估也进行了一定的阐述;吴玉光等人［30-31］根据设计组合夹具的几何推理的方法，对孔系组合夹具自动定位方案的确定进行了研究，研究了工件与定位元件之间的接触类型以及组合方式;刘金山［32］提出了一种基于遗传算法和贝叶斯分类学习法的面向夹具自动化设计的几何推理，主要研究了夹具自动化定位和夹紧推理规则，并根据推理结果进行自动化夹具元件选择和结构生成;郑军红等人［33］基于神经网络和遗传算法对孔系组合夹具进行了设计规划，主要分析了各种因素对装夹面选择的影响，并根据分析结果采用遗传算法推理获取最优定位夹紧特征;彭高亮等人［34］综合运用了RBR 和CBR 技术，并利用虚拟现实技术(VR)和模糊综合评价方法，提出了一种夹具定位方案的智能推理以及定位性能的评价方法;马杰等人［35］建立了带惩罚因子的弹簧接触模型，对离散点域中定位元件的布局进行优化设计，并采用拓扑优化算法对夹具与工件系统的变形进行了分析优化;万晓静等人［36］为了减小薄壁件在加工过程中的振动提出了一种夹具布局优化方法，通过Pb -2Ritz 法构建基于频率敏感度的新型非线性模型对夹具布局进行分析和优化，从而最大限度地提高工件-夹具系统的固有频率。

2.3 夹具构形设计

夹具构形设计的任务是根据夹具规划的结果选取夹具元、组件，夹具体结构设计和夹具元、组件的装配。夹具构形设计考虑的主要内容包括:夹具元组件库的设计，夹具的定位和夹紧元件的选取，根据夹具规划结果的夹具体设计，夹具体与夹具元、组件的位置关系及装配，夹具工程图及夹具明细表的输出等。

目前国内外对夹具构形设计的研究主要集中在利用算法进行推演、基于黑板模型和其他映射模型分析的方法、利用几何约束的构造方法等方面，力求实现夹具元件的智能选择和装配。夹具构形设计实现自动化需要夹具系统具有智能选取夹具元、组件和自动化装配的能力，这方面难点较多，上世纪90年代开始出现相关方面的研究，但到目前为止夹具构形自动化技术仍不成熟。

国外在夹具构形设计方面的研究有:Lin 等人［37］用神经网络算法对网格进行训练从而推导出工件的装夹方式，并进一步彻底选择出所有的夹具元件;Ma W等人［38］开发了基于孔系的自动组合夹具构形设计系统(FIX-DES)，在快速反应制造中对夹具构形设计进行了深入研究，主要是夹具配置设计和装配关系的自动建立;Roy 等人［39］将通用黑板模型结构应用于夹具的自动化设计中，在变量和内部参数不多的情况下采用基于黑板模型分析的方法完成夹具的构形设计;Peng 等人［40-41］开发了一个桌面虚拟现实系统，基于该夹具设计系统用户可以快速地给出夹具设计方案，主要是利用一种层次数据模型来表示夹具装配体，并利用模块化技术对夹具元件进行虚拟设计，然后利用几何约束矩阵进行夹具装配。

国内在夹具构形设计方面的研究有:王琪等人［42］对夹具的设计知识方面的内容进行了研究，开发了一种可以自动选择组合夹具元件并进行组装的专家系统;陈蔚芳等人［43］采用夹具装配模型分层的思想，开发了一种夹具装配最优路径规划算法，从而实现对夹具的快速装配;唐耀红等人［44］提出一种基于特征的夹具设计方法，将工件的设计特征和制造特征映射成夹具设计特征，并进一步建立工件特征与夹具元件设计之间的对应关系，从而实现夹具元件的自动选择;徐雷［45］以组合夹具的装配模型为对象建立了一种夹具功能的分层表达策略，构建了夹具需求-功能-特征-结构映射模型，并基于组合夹具元件装配关系库的数据模型研究了夹具元件的组装算法;蔡瑾等人［46］提出一种基于事物特性表的组合夹具建模方法，将组合夹具库中的元件用事物特性表的方法进行描述并与几何模型一起构成主模型，分别实现了基于主模型的夹具零件和夹具部件的构形设计;王准［47］根据定位、夹紧、加工动态等夹具设计要求，以BottomUp 为主Top-Down 为辅的混合方式，逐步推演并调用库元件，最后推导出组合夹具的完整结构;秦国华等人［48］研究了几何关联度与工艺匹配度的构造方法，以加权法建立了定位元件方案的决策匹配函数，从而实现定位元件的自动选择。

2.4 夹具性能评价

通过前述步骤完成夹具设计后，为保证所设计夹具的质量，需要对其性能进行评价和分析。夹具性能评价分析也可认为是计算机辅助夹具设计验证(CAFDV)，主要内容包括:夹具定位精度分析，夹具内部元件、工件的安装和拆卸以及刀具路径的干涉检查，夹紧力计算，夹紧元件的刚度分析，夹具重量以及制造成本的经济性检查等。

(1)误差分析。主要包括定位误差和夹紧误差:定位误差即工件在夹具中由于定位不准确所造成的误差，主要是基准位置误差和基准不重合误差，以及定位元件的加工和装配误差;夹紧误差即在工件夹紧时由于工件和夹具相对变形所造成的误差。使用的主要方法有利用神经网络算法、遗传算法、几何分析法等。

(2)干涉检查。主要包括静态干涉检查和动态干涉检查:静态干涉检查即检查夹具内部各元件之间是否存在干涉;动态干涉检查即检查安装和拆卸工件时工件与定位、夹紧元件之间是否存在干涉，以及加工时刀具路径是否与夹具存在干涉。使用的主要方法有几何分析法等。

(3)夹紧力及夹紧元件的刚度分析。主要是通过有限元分析及与不同算法相结合等方法建立夹具静力学模型，用以检测加工过程中夹紧元件的刚度以及夹紧力能否满足工件加工稳定性的要求。

(4)经济性检查。主要是给出夹具的重量、BOM表以及初步估计的夹具生产制造成本以供设计人员参考。

国外在夹具性能评价方面的研究有:Tao 等人［49］提出一种在工件受到动态切削力和摩擦力的情况下基于力封闭和夹紧力平衡的动态夹具验证分析方法;Kong 等人［50］将夹具结构的配置与合成的快速化设计以及基于可视化分析的快速夹具验证技术应用于可重构组装夹具系统中;Amaral 等人［51］利用有限元分析的方法对边界条件和约束进行分析进而验证夹具设计的完整性，并对夹紧位置的变形和装夹布局进行了分析和优化;Hamedi［52］提出基于非线性有限元分析法与神经网络及遗传算法相结合的方法建立一种组合夹具设计系统，通过神经网络和遗传算法对夹紧力进行优化，分析得到夹紧元件的变形情况;Siebenaler 等人［53］利用有限元分析法建立夹具与工件相互作用的静力学模型，进而分析各种因素对工件变形的影响程度;Kumar等人［54］提出一种遗传算法和利用ANSYS 参数化设计语言(APDL)的有限元分析相结合的分析与优化方法，实现夹具配置的参数化设计，并且最大限度地减小了工件变形以及夹具尺寸公差。

国内在夹具性能评价方面的研究有:李敏波等人［55-56］开发的面向产品制造过程并行设计的分布式敏捷夹具设计系统，分析了并行工程中的夹具设计需求信息，针对工件可装夹性和夹具综合的评价指标，提出了多专家模糊语义表达评价值的方法，并开发了基于Web 三层网络体系结构的夹具评价工具;孟俊焕等人［57］提出了基于实验分析研究的方法对孔系组合夹具的受力变形进行研究，分析得到各种因素对夹具元件变形的影响程度，为夹紧元件刚度方面的设计提供了依据;张国政等人［58］开发了一种工件定位误差校验系统，并采用定位误差几何分析法实现CAFD 系统中定位误差的自动校验;李慧平［59］根据定义法的思想提出了一种适用于机床专用夹具定位误差分析的极限位置分析法;彭贺明等人［60］提出了一种面向精加工工序的夹具定位方案自动规划方法，根据工序要求和工件几何特性建立定位基准的选择和评价准则，具体是利用几何特性建立基准约束能力评价方法，利用基准的几何类型和位置关系类型评价基准的约束自由度能力。

3 CAFD 存在的问题及发展趋势

3.1 存在的主要问题

目前在CAFD 的研究中已经出现许多技术方法，如基于知识、规则和案例的智能夹具系统以及基于算法的推理和分析优化等，并取得了一些成果，对于CAFD 的研究具有借鉴意义，但到目前为止还没有成熟的商品化CAFD 软件，离实际生产应用还有较大的距离。该技术领域主要存在的问题如下:

(1)工件特征及工艺信息描述的全面是夹具设计实现自动化的关键之一，但目前还没有一种有效的特征识别方法以及与CAD/CAPP 的集成方法能完全描述工件的特征和工艺信息。

(2)目前CAFD 在CAPP 制定完所有工序后才开始，无法实现CAFD 与CAPP 的并行化设计很难大幅度提高夹具的设计效率、缩短生产准备周期。

(3)夹具设计的智能化程度有限，夹具的自动规划设计与智能装配功能还只是停留在概念设计阶段，对于复杂工件和复杂工序的夹具设计，其方法都有所欠缺，因此，目前CAFD 提供的功能往往还只是局限于辅助制图。

(4)夹具实例修改的智能化程度低，虽然理论上CBR 技术能很好的解决夹具设计经验性强的问题，但目前CBR 技术的研究主要集中在实例的表示和检索方面，在实例的推理和自动化变形设计方面的研究还很少，这大大降低了CBR 技术实际应有的效果。

(5)目前CAFD 系统都依附在成熟的CAD 软件上，如UG、PRO/E、Solidworks 等软件，CAFD 系统缺乏独立的软件平台，这严重限制了CAFD 的网络化和异构平台的信息交互及数据共享。

3.2 发展趋势

虽然目前CAFD 面临着诸多问题，但是随着现代生产的需求和研究的深入，CAFD 技术必将得到创新性发展，主要表现在以下几个方面:

(1)与三维数字化定义(MBD)技术相结合以及与CAD/CAPP/CAM/CAE/PDM 等异构平台进行无缝集成，实现工件特征及工艺信息的全面描述，从而实现夹具规划的智能化与集成化。

(2)实现CAFD 与CAPP/CAM 的并行设计，缩短设计和生产准备周期、提高夹具的质量并降低夹具设计生产成本。

(3)智能化程度大大提高，设计过程人工干预减少，实现复杂工件和复杂工序的专用与组合夹具的智能方案设计、元组件选取以及自动装配。其中最先得以全面实施的可能是CBR 技术，夹具检索的精度得到提高，并实现夹具的自动修改。

(4)除了目前使用的各种技术方法外，一些前沿技术如知识建模、数据挖掘和机器学习等以及各种技术的综合应用［33，61］在CAFD 上得到长足的发展，使CAFD 早日实用化并且功能得以扩展。

(5)与机器人装夹等人工智能方面的研究相结合，将软件设计与硬件检测相结合，实现夹具物理上的自动装配［1］。

［1］赵红星，熊良山.计算机辅助夹具设计的研究内容和发展沿革［J］.组合机床与自动化加工技术，2007(2):1 -4.

［2］吴磊，苏开华，程国飞.计算机辅助夹具设计发展现状与趋势［J］.装备制造技术，2011(11):89 -91.

［3］蔡瑾，段国林，姚涛，等.计算机辅助夹具设计技术回顾与发展趋势综述［J］.机械设计，2010，27(2):1 -6.

［4］Rong Yiming，Zhu Yaoxiang.Computer -aided fixture design［M］.New York:Marcel Dekker，1999.

［5］Nee AYC，Whybrew K，Senthil kumar A.Advanced Fixture Design for FMS (Advanced Manufacturing)［M］，UK:Springer-Verlag，1995.

［6］Senthil kumar A，Fuh JYH，Kow T S.An automated design and assembly ofinterference -free modular fixture setup［J］.Computer -Aided Desgin，2000(32):583 -596.

［7］朱耀祥，融亦鸣.柔性夹具与计算机辅助夹具设计技术的进展［J］.制造技术与机床，2000(8):5 -8.

［8］Rong Y，Bai Y.Automated generation of modular fixture configuration design［J］.Journal of Manufacturing Science and Engineering，1997(119):208 -219.

［9］Boyle Iain，Rong Yiming，Brown David C.A review and analysis of current computer-aided fixture design approaches［J］.Robotics and Computer-Integrated Manufacturing，2011，27(1):1 -12.

［10］Pehlivan Sertac，Summers Joshua D.A review of computer -aided fixture design with respect to information support requirements［J］.International Journal of Production Research，2008，46(4):929 -947.

［11］Grayer A R.The automatic production of machined components starting from a stored geometric description［C］// Advances in Computer-Aided Manufacturing.Amsterdam:North Holland，1977，137 -150.

［12］Henderson M R.Extraction of feature information from three dimensional CAD data［D］.West Lafayette:Purdue University，1984.

［13］Joshi S，Chang T C.Graph -based heuristics for recognition of machined features from a 3D solid model［J］.Computer-Aided Design，1988，20(2):58 -66.

［14］Gadh R，Prinz F B.Recognition of geometric forms using the differential depth filte［J］.Computer-Aided Design，1992，24(11):41 -49.

［15］Kim Y S.Volumetric feature recognition using convex decomposition［C］//Advances in Feature Based Manufacturing.North Holland:Elsevier 1994，39 -63.

［16］Sakurai H，Dave P.Volume decomposition and feature recognition，Part II:curved objects［J］.Computer-Aided Design，1996，28(6/7):519-537.

［17］Krishnakumar K，Melkote S N.Machiningfixture layout optimization using the genetic algorithm［J］.Int J Machine Tools Manufacture，2000(40):579 -598.

［18］Krishnakumar K，Satyanarayana S，Melkote S N.Iterativefixture layout and clamping force optimization using the genetic algorithm［J］.Manufuring Science Engineering，2002(124):119 -125.

［19］Kaya N.Machining fixture locating and clamping position optimization using genetic algorithms［J］.Computer in Industry，2006 (57):112 -120.

［20］Ong S K，Ding J，Nee AYC.Hybrid GA and SA dynamic set -up planning optimization［J］.Prod Res，2002，40(8):4697 -4719.

［21］Mervyn F，Kumar A Senthil，Nee AYC.Automated synthesis of modular fixture designs using an evolutionary search algorithm［J］.International Journal of Product ion Research，2005，43(23):5047 -5070.

［22］Song H，Rong Y.Locating completeness evaluation and revision in fixture plan［J］.Robot Comput Integr Manuf，2005(21):368 -378.

［23］Boyle I，Rong Y，Brown D C.CAFixD:a case -based reasoning fixture designmethod:framework and indexing mechanisms［J］.Computer Information Science Engineering，2006(6):40 -48.

［24］Bansal S，Nagarajan S，Reddy N V.An integrated fixture planning system for minimum tolerances［J］.Advanced Manufuring Technology，2008，38(5):501 -513.

［25］Alarco'n R Hunter，Chueco J Ri'os，Garci'a JMPe'rez，et al.Fixture knowledge model development and implementation based on a functional design approach［J］.Robotics and Computer -Integrated Manufacturing.2010，26(1):56 -66.

［26］Wanga B F，Nee AYC.Robust fixture layout with the multi-objective non-dominated ACO/GA approach［J］.CIRP Annals-Manufacturing Technology，2011，60(1):183 -186.

［27］Zheng Y，Lin M C，Manocha D.Efficient simplex computation for fixture layout design［J］.Computer -Aided Design，2011，43 (10):1307 -1318.

［28］Saigopal Nelaturi，Arvind Rangarajan，Christian Fritz，et al.Fixture knowledge model development and implementation based on a functional design approach［J］.Computer -Aided Design，2014 (46):160 -169.

［29］Tang Dong，Cheng Ye，Cai Fuzhi，et al.Automatic fixture planning［J］.Tsinghua Science and Technology，1999，4(2):1443 -1447.

［30］吴玉光，高曙明，陈子辰.组合夹具设计的几何原理［J］.机械工程学报，2002(38):1117 -1221.

［31］吴玉光.孔系组合夹具的零件定位方案自动确定方法［J］.计算机集成制造系统.2005，11(10):1438 -1442.

［32］刘金山.复杂夹具智能设计系统关键技术及应用研究［D］.南京:南京航空航天大学，2007.

［33］郑军红，叶修梓，陈志杨.基于神经网络和遗传算法的智能夹具规划［J］.中国机械工程，2009，19(19):2376 -2351.

［34］Peng Gaoliang，Chen Guangfeng，Wu Chong，et al.Applying RBR and CBR to develop a VR based integrated system for machining fixture design［J］.Expert Systems with Applications，2011，38(1):26 -38.

［35］马杰，王煜，朱向阳.柔性夹具定位元件布局的优化设计［J］.上海交通大学学报，2012，46(5):746 -749.

［36］Wan Xiao-Jin，Zhang Yan.A novel approach to fixture layout optimization on maximizing dynamic machinability［J］.International Journal of Machine Tools ＆ Manufacture，2013(70):32 -44.

［37］Lin Z C，Huang J C.The application of neural networks in fixture planning by pattern classification［J］.Journal of Intelligent Manufacturing，1997(8):307 -322.

［38］Ma W，Lei Z，Rong Y.FIX -DES:A computer -aided modular fixture configuration design system［J］.International Journal of Advanced Manufacturing Technology，1998，14(1):21 -32.

［39］Roy U，Liao J.Application of a blackboard framework to a cooperative fixture design system［J］.Computer Industry，1998(37):67 -81.

［40］Peng G，Liu W.A novel modular fixture design and assembly system based on VR［C］.2006 IEEE/RSJ International Conference on Intelligent Robots and Systems，Beijing China，2006:2650 -2655.

［41］Peng Gaoliang，Wang Gongdong，Liu Wenjian，et al.A desktop virtual reality-based interactive modular fixture configuration design system［J］.Computer-Aided Design，2010，42(5):432 -444.

［42］王琪，黄翔，廖文和.专用机床夹具设计及其知识库系统的研究与应用［J］.机械科学与技术，2003，22(3):299 -301.

［43］陈蔚芳，欧志球，姜澄宇，等.CAFD 中的夹具快速装配技术研究［J］.机械科学与技术，2004，23(3):316 -318.

［44］唐耀红，王凤岐.基于特征的夹具设计研究［C］.全国高等学校制造自动化研究会第11 届学术年会，2004.

［45］徐雷.基于知识的计算机辅助夹具设计支持技术研究［D］.成都:四川大学，2006.

［46］蔡瑾，姚涛，许红静.基于事物特性表的组合夹具建模方法研究［J］.河北工业大学学报，2010，39(1):6 -10.

［47］王准.基于CAD 平台的加工中心用组合夹具设计方法［J］.制造技术与机床，2013(12):67 -74.

［48］秦国华，侯源君，路冬.基于夹具实例信息的定位元件方案自动匹配算法［J］.农业机械学报，2013(10):308 -313.

［49］Tao Z J，Kumar A S，Nee AYC.Automatic generation of dynamic clamping forces for machining fixtures［J］.Int J Prod Res，1999，37(12):2755 -2277.

［50］Kong Zhenyu，Cegiarek Dariusz.Rapid deployment of reconfigurable assembly fixtures using workspace synthesis and visibility analysis［J］.CIRP Annals-Manufacturing Technology，2003，52 (1):13 -16.

［51］Amaral N，Rencis J R，Rong Y.Development of a finite element analysis tool for fixture design integrity verification and optimization［J］.Int J Advanced Manufuring Technology，2005(25):409 -419.

［52］Hamedi M.Intelligent fixture design through a hybrid system of artificial neural network and genetic algorithm［J］.Artificial Intelligence Rev，2005，23(3):295 -311.

［53］Siebenaler S P，Melkote S N.Prediction of workpiece deformation in a fixture system using the finite element method［J］.International Journal Machine Tools Manufacture，2006，46(1):51 -58.

［54］Kumar K Siva，Paulraj G.Geometric error control of workpiece during drilling through optimisation of fixture parameter using a genetic algorithm［J］.International Journal of Production Research，2012，50(12):3450 -3469.

［55］李敏波，唐东，成晔，等.基于Web 的制造过程协同决策方法及其应用［J］.清华大学学报:自然科学版，2000，40(5):16 -19.

［56］李敏波.基于WEB 的分布式夹具方案设计方法［J］.中国机械工程，2001(9):1011 -1014.

［57］孟俊焕，孙莉，王会.孔系组合夹具的装夹刚度实验研究［J］.工艺装备，2005，32(6):59 -60.

［58］张国政，韩江.计算机辅助夹具设计系统定位误差校验的研究［J］.机械工程师，2008(8):11 -13.

［59］李慧平.基于So1idWorks 二次开发的专用夹具CAFD 系统研究［D］.郑州:郑州大学，2010.

［60］彭贺明，吴玉光.基于工序要求的夹具定位方案规划软件［J］.计算机集成制造系统，2013，19(7):1606 -1602.

［61］Wang Hui，Rong Yiming，Li Hua，et al.Computer -aided fixture design:Recent research and trends［J］.Computer -Aided Design，2010，42(12):1085 -1094.