论文部分内容阅读
在数控加工领域,孔群加工占比较大。伴随着机械制造业的蓬勃发展以及数字化技术的不断普及应用,传统人工制定加工路径的方法难以满足实际生产需要,尽量缩短刀具空行程,减少走刀的时间,提高加工生产效率,降低生产成本已成必然趋势。因此,数控编程实现孔群加工路径的优化是目前亟待解决的关键问题。本文在提取STEP中性文件几何信息的基础上,针对不同规模的孔群模具,提出两种智能优化算法优化孔群加工路径。首先分析了孔类模具STEP中性文件实体间的继承关系,设计了孔群模具几何信息提取方案以及剖析了描述几何信息的数学模型非均匀有理B样条曲线和曲面,并通过具体的STEP中性文件工程实例验证了几何信息提取方案的可行性。其次,针对普通孔群加工问题,提出了一种最近邻、遗传算法和禁忌搜索相融合的改进遗传算法。该算法采用最近邻算法选取一系列较好的初始种群,同时将禁忌搜索中“禁忌”的思想引入到遗传算法中,并在进化过程中随机引入部分新个体,进行迭代搜索。根据孔群加工特点建立了类似旅行商问题的数学模型,并用改进遗传算法求解最短加工路径。轮胎实例结果表明,改进算法优化后路径长度比CAM系统算法优化后路径长度缩短5.31%,比X向路径法缩短77.88%,比Y向路径法缩短77.63%,比最近邻算法缩短4.52%;当实验参数相同时,改进算法路径长度比遗传算法缩短14.65%,且平均运行时间缩短了63.60%,节省了加工时间成本,有效地提高了孔群数控加工效率。针对超大规模孔群加工问题,提出了一种自适应层次谱聚类与遗传优化算法,该算法首先构建一种自适应相似矩阵,并应用到谱聚类算法中,实现大规模孔群的初步聚类,当聚类后孔群子集规模超过设定阈值,用上述自适应谱聚类算法进行层次聚类,直到每类孔群规模均小于阈值;其次,采用结合了最近邻与禁忌思想的改进遗传算法求类间最短回路,即求解GTSP问题;最后,用改进遗传算法求解每类类内孔群加工路径的最优解,即求解TSP问题;综合类间GTSP最短回路以及类内TSP最优解,即得大规模孔群的最优加工路径,并通过具体数值实验验证了算法的适用性以及先进性。