本发明涉及数控机床技术领域,特别涉及一种零件加工位姿优化方法及系统。
背景技术:
当前,数控机床在制造业领域具有非常重要的作用,能够较好地解决复杂、精密、小批量、多品种的零件加工问题,在国民经济的重要基础。
零件加工精度是衡量数控机床性能优劣的关键指标。当前,可以利用数学优化算法来对数控机床上零件加工位姿进行优化,从而提高数控机床的零件加工精度。然而,现有的数学优化算法中所涉及的优化约束条件非常多,导致零件加工位姿的优化速度较低,从而不利于零件加工精度的提升。
综上所述可以看出,如何提高零件加工位姿的优化速度是目前有待解决的问题。
技术实现要素:
有鉴于此,本发明的目的在于提供一种零件加工位姿优化方法及系统,提高了零件加工位姿的优化速度,从而有利于提升零件加工精度。其具体方案如下:
一种零件加工位姿优化方法,包括:
构建以数控机床中目标零件的加工误差为优化目标的目标函数;
建立所述目标零件的加工位置误差公式和加工姿态误差公式;
对所述加工位置误差公式和所述加工姿态误差公式进行整合,得到初始的零件加工误差约束函数;
利用凝聚函数法,将所述初始的零件加工误差约束函数转换成一个全局的凝聚函数;
利用所述凝聚函数,创建用于对所述目标函数进行约束的约束条件;
在所述约束条件的约束下,利用遗传算法对所述目标函数进行寻优处理,以确定满足预设加工精度的零件加工位姿优化信息;
根据所述零件加工位姿优化信息,对当前所述目标零件的加工位姿状态进行相应地优化调整。
优选的,所述构建以数控机床中目标零件的加工误差为优化指标的目标函数的过程,包括:
对所述目标零件进行网格划分,并确定每个网格节点的位姿信息,得到相应的网格节点位姿信息集;其中,每个网格节点的位姿信息均包括网格节点的空间三维坐标信息和姿态角信息;
利用拉丁超立方抽样方法,对零件装夹进行采样,相应地确定出所述零件装夹的位姿;
将所述网格节点位姿信息集与所述零件装夹的位姿进行结合,以确定在所述零件装夹的位姿下与所述目标零件对应的零件加工面;
对所述零件加工面上的每个网格节点的加工误差进行面积分,然后对所有的面积分结果进行相加处理,得到所述目标零件的加工误差;
基于所述目标零件的加工误差以及所述零件装夹的位姿,构建径向基函数模型,得到所述目标函数;其中,所述目标函数的优化目标为所述目标零件的加工误差,所述目标函数的优化变量为所述零件装夹的位姿,所述目标函数为:
J=f(x,y,z,α,β,γ);
式中,J表示所述目标零件的加工误差,(x,y,z,α,β,γ)表示所述零件装夹的位姿,x,y,z分别表示所述零件装夹的空间三维坐标信息,α,β,γ分别表示所述零件装夹的姿态角信息。
优选的,所述建立所述目标零件的加工位置误差公式和加工姿态误差公式的过程,包括:
利用所述数控机床中已知的结构误差,确定出所述数控机床上的加工点所在的实际位置与理想位置之间的加工位置误差公式,以及确定出在刀具切割刀所述加工点时刀具的实际姿态与理想姿态之间的加工姿态误差公式。
优选的,所述对所述加工位置误差公式和所述加工姿态误差公式进行整合的过程,包括:
通过物理规划方法,建立误差偏好函数;
根据所述误差偏好函数,对所述加工位置误差公式和所述加工姿态误差公式进行整合,得到所述初始的零件加工误差约束函数;其中,所述初始的零件加工误差约束函数表示为:j(ΦPdis(x,y,z),ΦDdir(α,β,γ));
其中,ΦPdis(x,y,z)表示所述加工位置误差公式,ΦDdir(α,β,γ)表示所述加工姿态误差公式。
优选的,所述约束条件为:
s.t.j(ρ,ΦPdis(x,y,z),ΦDdir(α,β,γ))≤Jmax;
式中,j(ρ,ΦPdis(x,y,z),ΦDdir(α,β,γ))表示所述凝聚函数,ρ表示所述凝聚函数中的可控参数,Jmax表示预设的加工误差上限。
本发明还公开了一种零件加工位姿优化系统,包括:
目标函数构建模块,用于构建以数控机床中目标零件的加工误差为优化目标的目标函数;
误差公式建立模块,用于建立所述目标零件的加工位置误差公式和加工姿态误差公式;
误差公式整合模块,用于对所述加工位置误差公式和所述加工姿态误差公式进行整合,得到初始的零件加工误差约束函数;
函数转换模块,用于利用凝聚函数法,将所述初始的零件加工误差约束函数转换成一个全局的凝聚函数;
约束条件创建模块,用于利用所述凝聚函数,创建用于对所述目标函数进行约束的约束条件;
寻优模块,用于在所述约束条件的约束下,利用遗传算法对所述目标函数进行寻优处理,以确定满足预设加工精度的零件加工位姿优化信息;
状态优化调整模块,用于根据所述零件加工位姿优化信息,对当前所述目标零件的加工位姿状态进行相应地优化调整。
优选的,所述目标函数构建模块包括:
零件信息采集单元,用于对所述目标零件进行网格划分,并确定每个网格节点的位姿信息,得到相应的网格节点位姿信息集;其中,每个网格节点的位姿信息均包括网格节点的空间三维坐标信息和姿态角信息;
装夹位姿确定单元,用于利用拉丁超立方抽样方法,对零件装夹进行采样,相应地确定出所述零件装夹的位姿;
零件加工面确定单元,用于将所述网格节点位姿信息集与所述零件装夹的位姿进行结合,以确定在所述零件装夹的位姿下与所述目标零件对应的零件加工面;
加工误差计算单元,用于对所述零件加工面上的每个网格节点的加工误差进行面积分,然后对所有的面积分结果进行相加处理,得到所述目标零件的加工误差;
目标函数构建单元,用于基于所述目标零件的加工误差以及所述零件装夹的位姿,构建径向基函数模型,相应地得到所述目标函数;其中,所述目标函数的优化目标为所述目标零件的加工误差,所述目标函数的优化变量为所述零件装夹的位姿,所述目标函数为:
J=f(x,y,z,α,β,γ);
式中,J表示所述目标零件的加工误差,(x,y,z,α,β,γ)表示所述零件装夹的位姿,x,y,z分别表示所述零件装夹的空间三维坐标信息,α,β,γ分别表示所述零件装夹的姿态角信息。
优选的,所述误差公式建立模块,具体用于利用所述数控机床中已知的结构误差,确定出所述数控机床上的加工点所在的实际位置与理想位置之间的加工位置误差公式,以及确定出在刀具切割刀所述加工点时刀具的实际姿态与理想姿态之间的加工姿态误差公式。
优选的,所述误差公式整合模块包括:
函数创建单元,用于通过物理规划方法,建立误差偏好函数;
公式整合单元,用于根据所述误差偏好函数,对所述加工位置误差公式和所述加工姿态误差公式进行整合,得到所述初始的零件加工误差约束函数;其中,所述初始的零件加工误差约束函数表示为:j(ΦPdis(x,y,z),ΦDdir(α,β,γ));
其中,ΦPdis(x,y,z)表示所述加工位置误差公式,ΦDdir(α,β,γ)表示所述加工姿态误差公式。
优选的,所述约束条件创建模块创建的所述约束条件具体为:
s.t.j(ρ,ΦPdis(x,y,z),ΦDdir(α,β,γ))≤Jmax;
式中,j(ρ,ΦPdis(x,y,z),ΦDdir(α,β,γ))表示所述凝聚函数,ρ表示所述凝聚函数中的可控参数,Jmax表示预设的加工误差上限。
本发明中,零件加工位姿优化方法包括:构建以数控机床中目标零件的加工误差为优化目标的目标函数;建立目标零件的加工位置误差公式和加工姿态误差公式;对加工位置误差公式和加工姿态误差公式进行整合,得到初始的零件加工误差约束函数;利用凝聚函数法,将初始的零件加工误差约束函数转换成一个全局的凝聚函数;利用凝聚函数,创建用于对目标函数进行约束的约束条件;在约束条件的约束下,利用遗传算法对目标函数进行寻优处理,以确定满足预设加工精度的零件加工位姿优化信息;根据零件加工位姿优化信息,对当前目标零件的加工位姿状态进行相应地优化调整。
可见,本发明在利用加工位置误差公式和加工姿态误差公式得到初始的零件加工误差约束函数后,会将该加工误差约束函数转换成一个全局的凝聚函数,由此可大幅减少后续根据该凝聚函数得到的约束条件的数量,从而可以大幅减少后续利用遗传算法对目标函数进行寻优处理的过程所需的时间,可见,本发明减少了零件加工位姿优化过程所需的时间,也即,本发明提高了零件加工位姿的优化速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种零件加工位姿优化方法流程图;
图2为本发明实施例公开的一种零件加工位姿优化系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种零件加工位姿优化方法,参见图1所示,该方法包括:
步骤S11:构建以数控机床中目标零件的加工误差为优化目标的目标函数。
可以理解的是,上述目标零件即是数控机床上当前需要进行加工位姿优化的零件。需要说明的是,本实施例中,所谓的零件加工位姿包括零件的加工位置以及加工姿态,其中,上述加工位置是指零件的空间三维坐标信息,上述加工姿态是指零件的姿态角信息,所谓的姿态角信息包括三类角度,分别为俯仰角、偏航角以及滚转角。
步骤S12:建立目标零件的加工位置误差公式和加工姿态误差公式。
其中,上述加工位置误差公式是指用于计算目标零件在空间三维坐标系中的加工误差的公式,上述加工姿态误差公式是指用于计算与目标零件的姿态角信息对应的加工误差的公式。
步骤S13:对加工位置误差公式和加工姿态误差公式进行整合,得到初始的零件加工误差约束函数。
步骤S14:利用凝聚函数法,将初始的零件加工误差约束函数转换成一个全局的凝聚函数。
步骤S15:利用凝聚函数,创建用于对目标函数进行约束的约束条件。
步骤S16:在约束条件的约束下,利用遗传算法对目标函数进行寻优处理,以确定满足预设加工精度的零件加工位姿优化信息。
步骤S17:根据零件加工位姿优化信息,对当前目标零件的加工位姿状态进行相应地优化调整。
可见,本发明实施例在利用加工位置误差公式和加工姿态误差公式得到初始的零件加工误差约束函数后,会将该加工误差约束函数转换成一个全局的凝聚函数,由此可大幅减少后续根据该凝聚函数得到的约束条件的数量,从而可以大幅减少后续利用遗传算法对目标函数进行寻优处理的过程所需的时间,可见,本发明实施例减少了零件加工位姿优化过程所需的时间,也即,本发明实施例提高了零件加工位姿的优化速度。
本发明实施例公开了一种具体的零件加工位姿优化方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
上一实施例步骤S11中,需要构建以数控机床中目标零件的加工误差为优化指标的目标函数,具体的过程包括下面步骤S111至S115:
步骤S111:对目标零件进行网格划分,并确定每个网格节点的位姿信息,得到相应的网格节点位姿信息集;其中,每个网格节点的位姿信息均包括网格节点的空间三维坐标信息和姿态角信息。
可以理解的是,本实施例中,既可以对上述目标零件三角网格划分,也可以对其进行四角网格划分,或者是进行其他形状的网格划分。例如,本发明实施例可以利用Delaunay三角剖分算法对上述目标零件进行三角网格划分。
步骤S112:利用拉丁超立方抽样方法,对零件装夹进行采样,相应地确定出零件装夹的位姿。
需要说明的是,上述采样过程中采样点的数量可以基于实际经验来进行确定。具体的,为了避免后续的数据处理量较大,本实施例在利用上述拉丁超立方抽样方法对零件装夹进行采样时,采样点的数量不宜过多,不过为了保证经过上述采样后得到的零件装夹的位姿与实际位姿情况相符,上述采样过程中采样点的个数也不宜过少。
步骤S113:将网格节点位姿信息集与零件装夹的位姿进行结合,以确定在零件装夹的位姿下与目标零件对应的零件加工面。
具体的,本实施例可将上述网格节点位姿信息集中的每个网格节点的位姿信息分别代入上述零件装夹的位姿中,可得到在上述零件装夹的位姿下与目标零件对应的零件加工面。
步骤S114:对上述零件加工面上的每个网格节点的加工误差进行面积分,然后对所有的面积分结果进行相加处理,得到目标零件的加工误差。
步骤S115:基于目标零件的加工误差以及零件装夹的位姿,构建径向基函数模型,得到目标函数;其中,目标函数的优化目标为目标零件的加工误差,目标函数的优化变量为零件装夹的位姿,目标函数为:
J=f(x,y,z,α,β,γ);
式中,J表示目标零件的加工误差,(x,y,z,α,β,γ)表示零件装夹的位姿,x,y,z分别表示零件装夹的空间三维坐标信息,α,β,γ分别表示零件装夹的姿态角信息。也即,x表示x坐标上的坐标值,y表示y坐标上的坐标值,z表示z坐标上的坐标值,α表示俯仰角,β表示偏航角,γ表示滚转角。
进一步的,上一实施例步骤S12中,建立目标零件的加工位置误差公式和加工姿态误差公式的过程,具体可以包括:利用数控机床中已知的结构误差,确定出数控机床上的加工点所在的实际位置与理想位置之间的加工位置误差公式,以及确定出在刀具切割刀加工点时刀具的实际姿态与理想姿态之间的加工姿态误差公式。
另外,上一实施例步骤S13中,需要对加工位置误差公式和加工姿态误差公式进行整合,具体的过程包括下面步骤S131和S132:
步骤S131:通过物理规划方法,建立误差偏好函数;
步骤S132:根据误差偏好函数,对加工位置误差公式和加工姿态误差公式进行整合,得到初始的零件加工误差约束函数;其中,初始的零件加工误差约束函数表示为:j(ΦPdis(x,y,z),ΦDdir(α,β,γ));
其中,ΦPdis(x,y,z)表示加工位置误差公式,ΦDdir(α,β,γ)表示加工姿态误差公式。
需要说明的是,上述误差偏好函数是用来指示不同类型的加工误差对当前零件加工精度所产生的不同的影响程度。
另外,上一实施例步骤S15中,需要利用凝聚函数创建用于对上述目标函数进行约束的约束条件。本实施例中,上述约束条件具体为:
s.t.j(ρ,ΦPdis(x,y,z),ΦDdir(α,β,γ))≤Jmax;
式中,j(ρ,ΦPdis(x,y,z),ΦDdir(α,β,γ))表示凝聚函数,ρ表示凝聚函数中的可控参数,Jmax表示预设的加工误差上限。需要说明的是,上述加工误差上限可以基于对加工精度的要求进行适应性的设定,在此不对其进行限定。
相应的,本发明实施例还公开了一种零件加工位姿优化系统,参见图2所示,该系统包括:
目标函数构建模块21,用于构建以数控机床中目标零件的加工误差为优化目标的目标函数;
误差公式建立模块22,用于建立目标零件的加工位置误差公式和加工姿态误差公式;
误差公式整合模块23,用于对加工位置误差公式和加工姿态误差公式进行整合,得到初始的零件加工误差约束函数;
函数转换模块24,用于利用凝聚函数法,将初始的零件加工误差约束函数转换成一个全局的凝聚函数;
约束条件创建模块25,用于利用凝聚函数,创建用于对目标函数进行约束的约束条件;
寻优模块26,用于在约束条件的约束下,利用遗传算法对目标函数进行寻优处理,以确定满足预设加工精度的零件加工位姿优化信息;
状态优化调整模块27,用于根据零件加工位姿优化信息,对当前目标零件的加工位姿状态进行相应地优化调整。
可见,本发明实施例在利用加工位置误差公式和加工姿态误差公式得到初始的零件加工误差约束函数后,会将该加工误差约束函数转换成一个全局的凝聚函数,由此可大幅减少后续根据该凝聚函数得到的约束条件的数量,从而可以大幅减少后续利用遗传算法对目标函数进行寻优处理的过程所需的时间,可见,本发明实施例减少了零件加工位姿优化过程所需的时间,也即,本发明实施例提高了零件加工位姿的优化速度。
具体的,上述目标函数构建模块可以包括零件信息采集单元、装夹位姿确定单元、零件加工面确定单元、加工误差计算单元和目标函数构建单元;其中,
零件信息采集单元,用于对目标零件进行网格划分,并确定每个网格节点的位姿信息,得到相应的网格节点位姿信息集;其中,每个网格节点的位姿信息均包括网格节点的空间三维坐标信息和姿态角信息;
装夹位姿确定单元,用于利用拉丁超立方抽样方法,对零件装夹进行采样,相应地确定出零件装夹的位姿;
零件加工面确定单元,用于将网格节点位姿信息集与零件装夹的位姿进行结合,以确定在零件装夹的位姿下与目标零件对应的零件加工面;
加工误差计算单元,用于对零件加工面上的每个网格节点的加工误差进行面积分,然后对所有的面积分结果进行相加处理,得到目标零件的加工误差;
目标函数构建单元,用于基于目标零件的加工误差以及零件装夹的位姿,构建径向基函数模型,相应地得到目标函数;其中,目标函数的优化目标为目标零件的加工误差,目标函数的优化变量为零件装夹的位姿,目标函数为:
J=f(x,y,z,α,β,γ);
式中,J表示目标零件的加工误差,(x,y,z,α,β,γ)表示零件装夹的位姿,x,y,z分别表示零件装夹的空间三维坐标信息,α,β,γ分别表示零件装夹的姿态角信息。
另外,本实施例中,上述误差公式建立模块,具体用于利用数控机床中已知的结构误差,确定出数控机床上的加工点所在的实际位置与理想位置之间的加工位置误差公式,以及确定出在刀具切割刀加工点时刀具的实际姿态与理想姿态之间的加工姿态误差公式。
进一步的,上述误差公式整合模块具体包括函数创建单元和公式整合单元;其中,
函数创建单元,用于通过物理规划方法,建立误差偏好函数;
公式整合单元,用于根据误差偏好函数,对加工位置误差公式和加工姿态误差公式进行整合,得到初始的零件加工误差约束函数;其中,初始的零件加工误差约束函数表示为:j(ΦPdis(x,y,z),ΦDdir(α,β,γ));
其中,ΦPdis(x,y,z)表示加工位置误差公式,ΦDdir(α,β,γ)表示加工姿态误差公式。
另外,上述约束条件创建模块所创建的约束条件具体为:
s.t.j(ρ,ΦPdis(x,y,z),ΦDdir(α,β,γ))≤Jmax;
式中,j(ρ,ΦPdis(x,y,z),ΦDdir(α,β,γ))表示凝聚函数,ρ表示凝聚函数中的可控参数,Jmax表示预设的加工误差上限。
最后,还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种零件加工位姿优化方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。