一种基于布谷鸟搜索算法的孔群加工路径规划方法
【专利摘要】本发明公开一种基于布谷鸟搜索算法的孔群加工路径规划方法，描述和分析孔群加工路径规划问题，根据规划问题的描述建立刀具加工路径优化的数学模型，再运用新型的群智能算法对其进行算法求解，最后应用于孔群加工的生产实践中；所述算法利用布谷鸟搜索算法获得最优路径，提高孔群的加工效率。
【专利说明】
-种基于布谷鸟搜索算法的孔群加工路径规划方法
技术领域
[0001] 本发明设及一种用于孔群加工路径规划方法，属于制造系统智能优化与控制技术 领域。
【背景技术】
[0002] 在数控加工中孔群加工是最常见的加工方式，孔群加工的快慢直接影响到生产效 率。由于目前所有数控自动编程软件都没有孔群加工路径优化模块，所W数控编程人员都 是凭借自己的经验随机地确定各个孔的加工顺序，而在数控钻削或较削加工中，孔群加工 的比重大，由编程人员随机确定孔群的加工路径难W实现对路径的优化，在批量生产中运 将极大影响生产效率。因此优化孔群加工路径，缩短加工中屯、刀具在的空行程距离，将有助 于提高生产效率和节省能耗。孔群加工路径的优化是CAM中需要首先解决的问题，是目前的 一个研究热点。孔群加工路径优化是典型旅行商问题（Travelling Salesman Problem, TSP)，属于组合数学中的NP完全问题，其解空间存在"组合爆炸"。对于TSP问题求解，国内外 许多学者曾用蚁群算法(ACO)、遗传算法(GA)、禁忌捜索算法(TS)、粒子群算法(PSO)，取得 了较好的效果。遗传算法具有大范围的全局捜索能力，但对反馈信息利用不足，当解到一定 程度时往往做大量无用的冗余迭代;蚁群算法具有反馈机制但收敛速度慢;PSO算法收敛速 度快，但不能保证得到最优解，布谷鸟捜索算法是近几年提出的一种新型的智能算法，具有 参数设置少、收敛速度快、全局寻优能力强等优点，给运类问题的求解带来了新的思路和方 法。
【发明内容】
[0003] 本发明针对孔群加工路径规划的复杂问题，运用一种布谷鸟捜索算法的优化方 法，可对其加工路径进行规划和优化，求得最优路径和最优解，从而提高生产效率。
[0004] 本发明的目的通过W下技术方案具体实现：
[0005] -种基于布谷鸟捜索算法的孔群加工路径规划方法，首先描述孔群加工路径的规 划问题;其次根据问题的描述分析建立数学模型;运用布谷鸟捜索算法对其进行求解，从而 获得孔群加工的最优加工路径。
[0006] 作为优选方案，所述的一种基于布谷鸟捜索算法的孔群加工路径规划方法，包括 如下步骤：
[0007] 1)数学模型的建立
[000引从孔群加工的实际出发，孔群加工效率的影响因素有很多，比如刀具移位成本、换 刀成本和孔的加工时间成本。在加工孔群的实际过程中发现，换刀次数不多，且单位长度的 刀具移位成本、单位时间的换刀成本和单位时间孔的加工时间成本都是定值，则孔群加工 的总成本可W简化仅考虑刀具移位成本。从该影响因素出发，建立孔群加工路径中刀具移 位成本的数学模型。
[0009] 2)求解
[0010]根据步骤I)中的描述，建立孔群加工路径中刀具移位成本的数学模型。针对所述 的数学模型，采用布谷鸟捜索算法进行求解，W求得孔群加工中各个影响因素加工时间的 最优解。
[00川 3)应用
[0012]根据步骤2)得到加工路径的最优解分别提供到孔群加工的各个环节，所述步骤1) 中所述数学模型的建立方法如下：
[OOU]对孔群力旺问题的描述:包含N个孔的孔群加工，每个孔的属性可用多元组表示为 11=(10，义，7)，式中10是孔的编号;义和7为孔中屯、的坐标，孔群加工路径可用卿加勺矩阵表示 为：
[0014] A={aij}，（i，j = l，2，...，N)， fl，（表示刀具由第Z'个孔进行到第/'个孔）:，
[00巧]馬=i〇，（其它）。
[0016] ①先针对孔群加工的实际特征，首先建立刀具移位的数学模型，其数学模型表示 特征如下：
[0017]
[001引其中，Du为孔i到孔j的距离，历遍所有孔的路程为S，riu= U ,2}的作用是避免重 复加工。设计的加工路径只有一条，刀具应该在设定的加工路径上历遍所有的孔，当路径处 于规划的加工路径下其值取1，当不是在规划的加工路径下其值取0。
[0019] ②针对孔群加工的实际特征，再建立刀具行进成本的数学模型，其数学模型表示 特征如下：
[0020]
[0021] 其中，C为单位长度的刀具行进成本，化神的^同步骤曰，则完成N个孔的加工成本为 f。
[0022] 根据所建立的孔群加工的数学模型，W最小化刀具移位成本为目标建立的路径优 化模型为：
[0023]
[0024]
[0025] 式中L表示刀具进行路径长度。
[0026] 下面通过具体实施，对本发明的技术方案做进一步的详细描述。
【附图说明】
[0027] 图1为注塑模上模零件的零件图；
[0028] 图2为本发明中布谷鸟捜索算法的框图。
【具体实施方式】
[0029] W下对本发明的优选实施进行说明，优选所述采用布谷鸟捜索算法对孔群加工路 径进行规划，具体实施步骤如下：
[0030] 步骤a:初始化基本参数
[0031] 布谷鸟选择鸟窝的数目为n，捜索空间维数为d，发现概率为Pa,初始鸟窝位置为Po, 最大迭代次数max化）；
[0032] 步骤b:布谷鸟随机选择鸟窝的位置
[00削初始鸟窝位置巧=却.X,:.作为初始鸟桌，找出最优位置媒6 e江2,…，：内}..， 布谷鸟随机选择鸟窝置换为孔群加工规划的路径，通过鸟窝位置计算评价各鸟窝的调目标 值，初始得到目前最优鸟窝為，记录当前最优刀具位置，迭代次数置为1;
[0034] 步骤C :保留一上代最优鸟窝的位置背">，t为整数，并利用式 Jfii =皆I+0活Ze巧，W，2=1,2，，...，M对其他的鸟窝位置进行更新，得到一组新的鸟窝 位置，对运组鸟窝位置进行测试，与上一代位置进行对比，择优位置更新鸟窝，同时更新走 刀位置；
[0035] 步骤d:对每个更新鸟巢生成随机数randomO,与发现外来鸟蛋的概率Pa进行比 较，若random()<Pt，则随机新建鸟巢，从而得到一组新的鸟巢，然后用新的鸟巢位置与更 新鸟巢进行对比，若更好，则用其作为现有鸟巢，位置=b'i，為1，...，却J ;相反，则保存 当前鸟窝位置；
[0036] 步骤e:找出步骤C中最后得到的Pt中最优的一个鸟窝位置4和最优值f，若达到迭 代条件则输出最优位置和最优解，反之，转步骤C;
[0037] 步骤f:输出最优解和最优生产方案。
[0038] W上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明 技术实质对W上实施例所作的任何简单修改、变更，仍属于本发明的保护范围内。
【主权项】
1. 一种基于布谷鸟搜索算法的孔群加工路径规划方法，首先描述孔群加工路径的规划 问题，根据问题的描述分析建立其数学模型，再针对数学模型设计算法对其进行求解，从而 获得孔群加工的最优加工路径，其特征在于:所述算法采用布谷鸟搜索算法。2. 根据权利要求1所述的一种基于布谷鸟搜索算法的孔群加工路径规划方法，其特征 在于:孔群加工问题描述，对孔群加工问题的描述，包含N个孔的孔群加工，每个孔的属性可 用多元组表示为h=(ID，x，y)，式中ID是孔的编号;X和y为孔中心的坐标，孔群加工路径可 用N*N的矩阵表不为； A={aij}，（i，j = l，2，."，N)，采用布谷鸟搜索算法求解最优路径具体步骤如下； 步骤a:初始化基本参数； 布谷鸟选择鸟窝的数目为n，搜索空间维数为d，发现概率为pa，初始鸟窝位置为Po,最大 迭代次数max(h); 步骤b:布谷鸟随机选择鸟窝的位置； 初始鸟窝位置χ2ν_·，作为初始鸟巢，找出最优位置<，&e{l，2，···， 布谷鸟随机选择鸟窝置换为孔群加工规划的路径，通过鸟窝位置计算评价各鸟窝的调目标 值，初始得到目前最优鸟窝4，记录当前最优刀具位置，迭代次数置为1; 步骤c :保留上一代最优鸟窝的位置11，t为整数，并利用式 X广=Af5 +.??_ i_ = 1，2, 对其他的鸟窝位置进行更新得到一组新的鸟窝位 置，对这组鸟窝位置进行测试，与上一代位置进行对比，择优位置更新鸟窝，同时更新走刀 位置； 步骤d:对每个更新鸟巢生成随机数random ()，与发现外来鸟蛋的概率03进行比较，若 random()<pa，则随机新建鸟巢，从而得到一组新的鸟巢，然后用新的鸟巢位置与更新鸟巢 进行对比，若更好，则用其作为现有鸟巢，位置f =|χ^，相反，则保存当前鸟 窝位置； 步骤e:找出步骤c中最后得到的Pt中最优的一个鸟窝位置和最优值f，若达到迭代条 件则输出最优位置和最优解，反之，转步骤c; 步骤f:输出最优解和最优生产方案。
【文档编号】G05B19/19GK105955190SQ201610184013
【公开日】2016年9月21日
【申请日】2016年3月29日
【发明人】武福, 李忠学, 冯敏, 黎少东, 杨喜娟, 张发荣, 王海涌, 杨博, 祁鹏, 武云, 李珂, 曹仁涛, 王晓峰
【申请人】兰州交通大学