一種零件加工位姿優化方法及系統與流程
2024-02-24 07:18:15
本發明涉及數控工具機技術領域，特別涉及一種零件加工位姿優化方法及系統。
背景技術：
當前，數控工具機在製造業領域具有非常重要的作用，能夠較好地解決複雜、精密、小批量、多品種的零件加工問題，在國民經濟的重要基礎。
零件加工精度是衡量數控工具機性能優劣的關鍵指標。當前，可以利用數學優化算法來對數控工具機上零件加工位姿進行優化，從而提高數控工具機的零件加工精度。然而，現有的數學優化算法中所涉及的優化約束條件非常多，導致零件加工位姿的優化速度較低，從而不利於零件加工精度的提升。
綜上所述可以看出，如何提高零件加工位姿的優化速度是目前有待解決的問題。
技術實現要素：
有鑑於此，本發明的目的在於提供一種零件加工位姿優化方法及系統，提高了零件加工位姿的優化速度，從而有利於提升零件加工精度。其具體方案如下：
一種零件加工位姿優化方法，包括：
構建以數控工具機中目標零件的加工誤差為優化目標的目標函數；
建立所述目標零件的加工位置誤差公式和加工姿態誤差公式；
對所述加工位置誤差公式和所述加工姿態誤差公式進行整合，得到初始的零件加工誤差約束函數；
利用凝聚函數法，將所述初始的零件加工誤差約束函數轉換成一個全局的凝聚函數；
利用所述凝聚函數，創建用於對所述目標函數進行約束的約束條件；
在所述約束條件的約束下，利用遺傳算法對所述目標函數進行尋優處理，以確定滿足預設加工精度的零件加工位姿優化信息；
根據所述零件加工位姿優化信息，對當前所述目標零件的加工位姿狀態進行相應地優化調整。
優選的，所述構建以數控工具機中目標零件的加工誤差為優化指標的目標函數的過程，包括：
對所述目標零件進行網格劃分，並確定每個網格節點的位姿信息，得到相應的網格節點位姿信息集；其中，每個網格節點的位姿信息均包括網格節點的空間三維坐標信息和姿態角信息；
利用拉丁超立方抽樣方法，對零件裝夾進行採樣，相應地確定出所述零件裝夾的位姿；
將所述網格節點位姿信息集與所述零件裝夾的位姿進行結合，以確定在所述零件裝夾的位姿下與所述目標零件對應的零件加工面；
對所述零件加工面上的每個網格節點的加工誤差進行面積分，然後對所有的面積分結果進行相加處理，得到所述目標零件的加工誤差；
基於所述目標零件的加工誤差以及所述零件裝夾的位姿，構建徑向基函數模型，得到所述目標函數；其中，所述目標函數的優化目標為所述目標零件的加工誤差，所述目標函數的優化變量為所述零件裝夾的位姿，所述目標函數為：
J＝f(x,y,z,α,β,γ)；
式中，J表示所述目標零件的加工誤差，(x,y,z,α,β,γ)表示所述零件裝夾的位姿，x,y,z分別表示所述零件裝夾的空間三維坐標信息，α,β,γ分別表示所述零件裝夾的姿態角信息。
優選的，所述建立所述目標零件的加工位置誤差公式和加工姿態誤差公式的過程，包括：
利用所述數控工具機中已知的結構誤差，確定出所述數控工具機上的加工點所在的實際位置與理想位置之間的加工位置誤差公式，以及確定出在刀具切割刀所述加工點時刀具的實際姿態與理想姿態之間的加工姿態誤差公式。
優選的，所述對所述加工位置誤差公式和所述加工姿態誤差公式進行整合的過程，包括：
通過物理規劃方法，建立誤差偏好函數；
根據所述誤差偏好函數，對所述加工位置誤差公式和所述加工姿態誤差公式進行整合，得到所述初始的零件加工誤差約束函數；其中，所述初始的零件加工誤差約束函數表示為：j(ΦPdis(x,y,z),ΦDdir(α,β,γ))；
其中，ΦPdis(x,y,z)表示所述加工位置誤差公式，ΦDdir(α,β,γ)表示所述加工姿態誤差公式。
優選的，所述約束條件為：
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))表示所述凝聚函數，ρ表示所述凝聚函數中的可控參數，Jmax表示預設的加工誤差上限。
本發明還公開了一種零件加工位姿優化系統，包括：
目標函數構建模塊，用於構建以數控工具機中目標零件的加工誤差為優化目標的目標函數；
誤差公式建立模塊，用於建立所述目標零件的加工位置誤差公式和加工姿態誤差公式；
誤差公式整合模塊，用於對所述加工位置誤差公式和所述加工姿態誤差公式進行整合，得到初始的零件加工誤差約束函數；
函數轉換模塊，用於利用凝聚函數法，將所述初始的零件加工誤差約束函數轉換成一個全局的凝聚函數；
約束條件創建模塊，用於利用所述凝聚函數，創建用於對所述目標函數進行約束的約束條件；
尋優模塊，用於在所述約束條件的約束下，利用遺傳算法對所述目標函數進行尋優處理，以確定滿足預設加工精度的零件加工位姿優化信息；
狀態優化調整模塊，用於根據所述零件加工位姿優化信息，對當前所述目標零件的加工位姿狀態進行相應地優化調整。
優選的，所述目標函數構建模塊包括：
零件信息採集單元，用於對所述目標零件進行網格劃分，並確定每個網格節點的位姿信息，得到相應的網格節點位姿信息集；其中，每個網格節點的位姿信息均包括網格節點的空間三維坐標信息和姿態角信息；
裝夾位姿確定單元，用於利用拉丁超立方抽樣方法，對零件裝夾進行採樣，相應地確定出所述零件裝夾的位姿；
零件加工面確定單元，用於將所述網格節點位姿信息集與所述零件裝夾的位姿進行結合，以確定在所述零件裝夾的位姿下與所述目標零件對應的零件加工面；
加工誤差計算單元，用於對所述零件加工面上的每個網格節點的加工誤差進行面積分，然後對所有的面積分結果進行相加處理，得到所述目標零件的加工誤差；
目標函數構建單元，用於基於所述目標零件的加工誤差以及所述零件裝夾的位姿，構建徑向基函數模型，相應地得到所述目標函數；其中，所述目標函數的優化目標為所述目標零件的加工誤差，所述目標函數的優化變量為所述零件裝夾的位姿，所述目標函數為：
J＝f(x,y,z,α,β,γ)；
式中，J表示所述目標零件的加工誤差，(x,y,z,α,β,γ)表示所述零件裝夾的位姿，x,y,z分別表示所述零件裝夾的空間三維坐標信息，α,β,γ分別表示所述零件裝夾的姿態角信息。
優選的，所述誤差公式建立模塊，具體用於利用所述數控工具機中已知的結構誤差，確定出所述數控工具機上的加工點所在的實際位置與理想位置之間的加工位置誤差公式，以及確定出在刀具切割刀所述加工點時刀具的實際姿態與理想姿態之間的加工姿態誤差公式。
優選的，所述誤差公式整合模塊包括：
函數創建單元，用於通過物理規劃方法，建立誤差偏好函數；
公式整合單元，用於根據所述誤差偏好函數，對所述加工位置誤差公式和所述加工姿態誤差公式進行整合，得到所述初始的零件加工誤差約束函數；其中，所述初始的零件加工誤差約束函數表示為：j(ΦPdis(x,y,z),ΦDdir(α,β,γ))；
其中，ΦPdis(x,y,z)表示所述加工位置誤差公式，ΦDdir(α,β,γ)表示所述加工姿態誤差公式。
優選的，所述約束條件創建模塊創建的所述約束條件具體為：
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))表示所述凝聚函數，ρ表示所述凝聚函數中的可控參數，Jmax表示預設的加工誤差上限。
本發明中，零件加工位姿優化方法包括：構建以數控工具機中目標零件的加工誤差為優化目標的目標函數；建立目標零件的加工位置誤差公式和加工姿態誤差公式；對加工位置誤差公式和加工姿態誤差公式進行整合，得到初始的零件加工誤差約束函數；利用凝聚函數法，將初始的零件加工誤差約束函數轉換成一個全局的凝聚函數；利用凝聚函數，創建用於對目標函數進行約束的約束條件；在約束條件的約束下，利用遺傳算法對目標函數進行尋優處理，以確定滿足預設加工精度的零件加工位姿優化信息；根據零件加工位姿優化信息，對當前目標零件的加工位姿狀態進行相應地優化調整。
可見，本發明在利用加工位置誤差公式和加工姿態誤差公式得到初始的零件加工誤差約束函數後，會將該加工誤差約束函數轉換成一個全局的凝聚函數，由此可大幅減少後續根據該凝聚函數得到的約束條件的數量，從而可以大幅減少後續利用遺傳算法對目標函數進行尋優處理的過程所需的時間，可見，本發明減少了零件加工位姿優化過程所需的時間，也即，本發明提高了零件加工位姿的優化速度。
附圖說明
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。
圖1為本發明實施例公開的一種零件加工位姿優化方法流程圖；
圖2為本發明實施例公開的一種零件加工位姿優化系統結構示意圖。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
本發明實施例公開了一種零件加工位姿優化方法，參見圖1所示，該方法包括：
步驟S11：構建以數控工具機中目標零件的加工誤差為優化目標的目標函數。
可以理解的是，上述目標零件即是數控工具機上當前需要進行加工位姿優化的零件。需要說明的是，本實施例中，所謂的零件加工位姿包括零件的加工位置以及加工姿態，其中，上述加工位置是指零件的空間三維坐標信息，上述加工姿態是指零件的姿態角信息，所謂的姿態角信息包括三類角度，分別為俯仰角、偏航角以及滾轉角。
步驟S12：建立目標零件的加工位置誤差公式和加工姿態誤差公式。
其中，上述加工位置誤差公式是指用於計算目標零件在空間三維坐標系中的加工誤差的公式，上述加工姿態誤差公式是指用於計算與目標零件的姿態角信息對應的加工誤差的公式。
步驟S13：對加工位置誤差公式和加工姿態誤差公式進行整合，得到初始的零件加工誤差約束函數。
步驟S14：利用凝聚函數法，將初始的零件加工誤差約束函數轉換成一個全局的凝聚函數。
步驟S15：利用凝聚函數，創建用於對目標函數進行約束的約束條件。
步驟S16：在約束條件的約束下，利用遺傳算法對目標函數進行尋優處理，以確定滿足預設加工精度的零件加工位姿優化信息。
步驟S17：根據零件加工位姿優化信息，對當前目標零件的加工位姿狀態進行相應地優化調整。
可見，本發明實施例在利用加工位置誤差公式和加工姿態誤差公式得到初始的零件加工誤差約束函數後，會將該加工誤差約束函數轉換成一個全局的凝聚函數，由此可大幅減少後續根據該凝聚函數得到的約束條件的數量，從而可以大幅減少後續利用遺傳算法對目標函數進行尋優處理的過程所需的時間，可見，本發明實施例減少了零件加工位姿優化過程所需的時間，也即，本發明實施例提高了零件加工位姿的優化速度。
本發明實施例公開了一種具體的零件加工位姿優化方法，相對於上一實施例，本實施例對技術方案作了進一步的說明和優化。具體的：
上一實施例步驟S11中，需要構建以數控工具機中目標零件的加工誤差為優化指標的目標函數，具體的過程包括下面步驟S111至S115：
步驟S111：對目標零件進行網格劃分，並確定每個網格節點的位姿信息，得到相應的網格節點位姿信息集；其中，每個網格節點的位姿信息均包括網格節點的空間三維坐標信息和姿態角信息。
可以理解的是，本實施例中，既可以對上述目標零件三角網格劃分，也可以對其進行四角網格劃分，或者是進行其他形狀的網格劃分。例如，本發明實施例可以利用Delaunay三角剖分算法對上述目標零件進行三角網格劃分。
步驟S112：利用拉丁超立方抽樣方法，對零件裝夾進行採樣，相應地確定出零件裝夾的位姿。
需要說明的是，上述採樣過程中採樣點的數量可以基於實際經驗來進行確定。具體的，為了避免後續的數據處理量較大，本實施例在利用上述拉丁超立方抽樣方法對零件裝夾進行採樣時，採樣點的數量不宜過多，不過為了保證經過上述採樣後得到的零件裝夾的位姿與實際位姿情況相符，上述採樣過程中採樣點的個數也不宜過少。
步驟S113：將網格節點位姿信息集與零件裝夾的位姿進行結合，以確定在零件裝夾的位姿下與目標零件對應的零件加工面。
具體的，本實施例可將上述網格節點位姿信息集中的每個網格節點的位姿信息分別代入上述零件裝夾的位姿中，可得到在上述零件裝夾的位姿下與目標零件對應的零件加工面。
步驟S114：對上述零件加工面上的每個網格節點的加工誤差進行面積分，然後對所有的面積分結果進行相加處理，得到目標零件的加工誤差。
步驟S115：基於目標零件的加工誤差以及零件裝夾的位姿，構建徑向基函數模型，得到目標函數；其中，目標函數的優化目標為目標零件的加工誤差，目標函數的優化變量為零件裝夾的位姿，目標函數為：
J＝f(x,y,z,α,β,γ)；
式中，J表示目標零件的加工誤差，(x,y,z,α,β,γ)表示零件裝夾的位姿，x,y,z分別表示零件裝夾的空間三維坐標信息，α,β,γ分別表示零件裝夾的姿態角信息。也即，x表示x坐標上的坐標值，y表示y坐標上的坐標值，z表示z坐標上的坐標值，α表示俯仰角，β表示偏航角，γ表示滾轉角。
進一步的，上一實施例步驟S12中，建立目標零件的加工位置誤差公式和加工姿態誤差公式的過程，具體可以包括：利用數控工具機中已知的結構誤差，確定出數控工具機上的加工點所在的實際位置與理想位置之間的加工位置誤差公式，以及確定出在刀具切割刀加工點時刀具的實際姿態與理想姿態之間的加工姿態誤差公式。
另外，上一實施例步驟S13中，需要對加工位置誤差公式和加工姿態誤差公式進行整合，具體的過程包括下面步驟S131和S132：
步驟S131：通過物理規劃方法，建立誤差偏好函數；
步驟S132：根據誤差偏好函數，對加工位置誤差公式和加工姿態誤差公式進行整合，得到初始的零件加工誤差約束函數；其中，初始的零件加工誤差約束函數表示為：j(ΦPdis(x,y,z),ΦDdir(α,β,γ))；
其中，ΦPdis(x,y,z)表示加工位置誤差公式，ΦDdir(α,β,γ)表示加工姿態誤差公式。
需要說明的是，上述誤差偏好函數是用來指示不同類型的加工誤差對當前零件加工精度所產生的不同的影響程度。
另外，上一實施例步驟S15中，需要利用凝聚函數創建用於對上述目標函數進行約束的約束條件。本實施例中，上述約束條件具體為：
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))表示凝聚函數，ρ表示凝聚函數中的可控參數，Jmax表示預設的加工誤差上限。需要說明的是，上述加工誤差上限可以基於對加工精度的要求進行適應性的設定，在此不對其進行限定。
相應的，本發明實施例還公開了一種零件加工位姿優化系統，參見圖2所示，該系統包括：
目標函數構建模塊21，用於構建以數控工具機中目標零件的加工誤差為優化目標的目標函數；
誤差公式建立模塊22，用於建立目標零件的加工位置誤差公式和加工姿態誤差公式；
誤差公式整合模塊23，用於對加工位置誤差公式和加工姿態誤差公式進行整合，得到初始的零件加工誤差約束函數；
函數轉換模塊24，用於利用凝聚函數法，將初始的零件加工誤差約束函數轉換成一個全局的凝聚函數；
約束條件創建模塊25，用於利用凝聚函數，創建用於對目標函數進行約束的約束條件；
尋優模塊26，用於在約束條件的約束下，利用遺傳算法對目標函數進行尋優處理，以確定滿足預設加工精度的零件加工位姿優化信息；
狀態優化調整模塊27，用於根據零件加工位姿優化信息，對當前目標零件的加工位姿狀態進行相應地優化調整。
可見，本發明實施例在利用加工位置誤差公式和加工姿態誤差公式得到初始的零件加工誤差約束函數後，會將該加工誤差約束函數轉換成一個全局的凝聚函數，由此可大幅減少後續根據該凝聚函數得到的約束條件的數量，從而可以大幅減少後續利用遺傳算法對目標函數進行尋優處理的過程所需的時間，可見，本發明實施例減少了零件加工位姿優化過程所需的時間，也即，本發明實施例提高了零件加工位姿的優化速度。
具體的，上述目標函數構建模塊可以包括零件信息採集單元、裝夾位姿確定單元、零件加工面確定單元、加工誤差計算單元和目標函數構建單元；其中，
零件信息採集單元，用於對目標零件進行網格劃分，並確定每個網格節點的位姿信息，得到相應的網格節點位姿信息集；其中，每個網格節點的位姿信息均包括網格節點的空間三維坐標信息和姿態角信息；
裝夾位姿確定單元，用於利用拉丁超立方抽樣方法，對零件裝夾進行採樣，相應地確定出零件裝夾的位姿；
零件加工面確定單元，用於將網格節點位姿信息集與零件裝夾的位姿進行結合，以確定在零件裝夾的位姿下與目標零件對應的零件加工面；
加工誤差計算單元，用於對零件加工面上的每個網格節點的加工誤差進行面積分，然後對所有的面積分結果進行相加處理，得到目標零件的加工誤差；
目標函數構建單元，用於基於目標零件的加工誤差以及零件裝夾的位姿，構建徑向基函數模型，相應地得到目標函數；其中，目標函數的優化目標為目標零件的加工誤差，目標函數的優化變量為零件裝夾的位姿，目標函數為：
J＝f(x,y,z,α,β,γ)；
式中，J表示目標零件的加工誤差，(x,y,z,α,β,γ)表示零件裝夾的位姿，x,y,z分別表示零件裝夾的空間三維坐標信息，α,β,γ分別表示零件裝夾的姿態角信息。
另外，本實施例中，上述誤差公式建立模塊，具體用於利用數控工具機中已知的結構誤差，確定出數控工具機上的加工點所在的實際位置與理想位置之間的加工位置誤差公式，以及確定出在刀具切割刀加工點時刀具的實際姿態與理想姿態之間的加工姿態誤差公式。
進一步的，上述誤差公式整合模塊具體包括函數創建單元和公式整合單元；其中，
函數創建單元，用於通過物理規劃方法，建立誤差偏好函數；
公式整合單元，用於根據誤差偏好函數，對加工位置誤差公式和加工姿態誤差公式進行整合，得到初始的零件加工誤差約束函數；其中，初始的零件加工誤差約束函數表示為：j(ΦPdis(x,y,z),ΦDdir(α,β,γ))；
其中，ΦPdis(x,y,z)表示加工位置誤差公式，ΦDdir(α,β,γ)表示加工姿態誤差公式。
另外，上述約束條件創建模塊所創建的約束條件具體為：
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))表示凝聚函數，ρ表示凝聚函數中的可控參數，Jmax表示預設的加工誤差上限。
最後，還需要說明的是，在本文中，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句「包括一個……」限定的要素，並不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
以上對本發明所提供的一種零件加工位姿優化方法及系統進行了詳細介紹，本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本發明的方法及其核心思想；同時，對於本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用範圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。