CN103092132A - 数控钻孔加工路径优化方法及系统、数控钻孔设备 - Google Patents

Abstract

本申请涉及一种数控钻孔加工路径优化方法及系统以及数控钻孔设备，其中方法包括：解析步骤，对读取的钻孔文件进行解析，得到钻孔引导文件和N组孔位置信息文件，N为不同孔径钻孔刀具的个数；优化步骤，采用灾变遗传算法对所述N组孔位置信息文件分别进行优化处理，得到N组优化后的孔位置信息文件。本申请采用灾变遗传算法对加工路径进行优化，使得在具备传统遗传算法的快速搜索最优解、极大减少运算量的优点的同时还避免陷入局部极值。

Description

数控钻孔加工路径优化方法及系统、数控钻孔设备

技术领域

本申请涉及印刷电路板（Printed Circuit Board，PCB）数控技术领域，尤其涉及一种数控钻孔路径优化方法和系统、以及一种数控钻孔设备。

背景技术

PCB板是电子设备中最重要的组成部分之一。而PCB的钻孔加工工序是PCB制造过程中最为重要的一个环节。PCB上通常有许多不同直径的孔，PCB钻孔加工走刀路径可以描述为：从换刀点出发，不重复不遗漏地加工完所有同一直径的孔后回到换刀点进行换刀操作，再加工另一直径的孔，直到完成所有待加工的孔。现有的PCB数控钻孔加工走刀路径所采用的方式通常是基于自动PCB编程系统自动生成走刀路径，如图1所示，只需要直接读取钻孔文件（如*.drl）中孔位的坐标，逐次确定钻孔走刀顺序即可以进行钻孔加工。然而，这种基于自动PCB编程系统自动生成的走刀路径没有经过优化，加工路径冗长，耗费时间长影响加工效率。特别是对于大批量的生产厂家来说，加工效率的高低直接影响着它的生产能力，缩短加工路径减少加工时间是能够极大的提高加工效率的有效途径。

由于对PCB钻孔走刀路径进行优化实质上是如何安排孔的加工顺序（路线），使空程移动时间最短，显然这一问题可以用数学领域的TSP问题（又称旅行商问题）来描述，而由于PCB钻孔加工时针对不同孔径孔的加工从而形成了多个TSP问题。TSP问题是一个完全多项式非确定性问题，简称NP（Non-Deterministic Polynomial）完备问题，其容易定义但是难以处理。目前虽有厂商对PCB数控钻孔加工走刀路径进行优化，但其采用的是一般性的优化算法，如贪婪算法、模拟退火算法等优化算法。然而，虽然贪婪算法的优点在于在求解问题的每一步它都是选择最优解，这样算法就容易实现也易于理解，同时也提高了效率并节省了时间，但是贪婪算法由于它采用逐步获得最优解的方法而不从整体最优上加以考虑，其所做出的仅是在某种意义上的局部最优解。因此贪婪算法不是对所有问题都能得到整体最优解。而模拟退火算法的相对收敛速度太慢，如果降温过程太快，就很可能得不到全局最优解。此外，由于传统的PCB数控钻孔加工走刀路径的优化是采用在线优化方式，即把现有的路径优化算法集成到数控操作系统中，在PCB钻床加工的时候才对钻孔文件进行优化，因此这种在线优化方法中采用的优化算法不能太复杂，否则影响加工时间。

发明内容

根据本申请的第一方面，本申请提供一种数控钻孔加工路径优化方法，包括：解析步骤，对读取的钻孔文件进行解析，得到钻孔引导文件和N组孔位置信息文件，N为不同孔径钻孔刀具的个数；优化步骤，采用灾变遗传算法对所述N组孔位置信息文件分别进行优化处理，得到N组优化后的孔位置信息文件。

进一步地，所述数控钻孔加工路径优化方法还包括：合成步骤，将所述钻孔引导文件和所述N组优化后的孔位置信息文件进行合成，得到新的钻孔文件。

根据本申请的第二方面，本申请提供一种采用前述数控钻孔加工路径优化方法实现的数控钻孔加工路径优化系统。

根据本申请的第三方面，本申请提供一种数控钻孔设备，包括如前所述的数控钻孔加工路径优化系统，还包括在线应用模块和/或离线应用模块；所述在线应用模块用于在进行数控钻孔时直接调用所述数控钻孔加工路径优化系统得到的所述N组优化后的孔位置信息文件进行钻孔加工；所述离线应用模块用于在进行数控钻孔时直接调用由所述数控钻孔加工路径优化系统得到的所述新的钻孔文件进行钻孔加工。

优选地，所述数控钻孔设备包括多轴PCB数控钻床。

本申请的有益效果是：采用灾变遗传算法对加工路径进行优化，使得在具备传统遗传算法的快速搜索最优解、极大减少运算量的优点的同时还避免陷入局部极值。

附图说明

图1为传统PCB数控钻孔流程示意图；

图2为本申请一种实施例的数控钻孔加工路径优化方法的流程示意图；

图3为本申请实施例中对钻孔孔位置信息转换的示意图；

图4为本申请实施例中灾变遗传算法的流程示意图；

图5为一种变异算子过程示意图；

图6为钻孔数为40时路径优化情况对比示意图；

图7为钻孔数为40时收敛情况对比示意图；

图8为钻孔数为50时路径优化情况对比示意图；

图9为钻孔数为50时收敛情况对比示意图；

图10为刀具T01钻345个孔优化前PCB钻孔路线示意图；

图11为刀具T01钻345个孔优化后PCB钻孔路线示意图；

图12为刀具T02钻1673个孔优化前PCB钻孔路线示意图；

图13为刀具T02钻1673个孔优化后PCB钻孔路线示意图。

具体实施方式

在优化算法的选用上，考虑到遗传算法（Genetic Algorithm，GA）是一种模拟生物在自然界中遗传和进化过程而形成的一种自适应全局优化概率搜索算法，其可以快速的找到全局最优解，能够极大地减少运算量，因此本申请的一种设计思路是在PCB数控钻孔加工路径优化中使用遗传算法，然而遗传算法存在早收敛、结果不精确等不足，为弥补遗传算法容易陷入局部极值的缺点，本申请对使用的遗传算法作出改进。

下面通过具体实施方式结合附图对本申请作进一步详细说明，其中以六头PCB数控钻孔加工为例，当然其它的多轴PCB数控钻孔也是可行的。

如图2所示，为本申请一种实施例的数控钻孔加工路径优化方法，包括以下步骤：

解析步骤，对读取的钻孔文件进行解析，得到钻孔引导文件和N组孔位置信息文件，N为不同孔径钻孔刀具的个数。钻孔文件、钻孔引导文件以及孔位置信息文件的格式通常可以是*.drl格式。具体地，钻孔文件包括引导部分和钻孔数据部分。引导部分包括数据格式，刀具个数以及每把刀对应的孔径。钻孔数据部分则包括钻孔换刀顺序，孔的位置坐标，以及钻孔顺序，因此，钻孔文件的解析包括两部分：首先是对钻孔文件的分解，取出钻孔引导文件，同时根据钻孔刀具个数即不同孔径数目，把钻孔文件分解成与钻孔刀具个数相同数目的孔位置信息文件；然后对每个孔位置信息文件，提取其中的钻孔孔位置信息X**Y**，并转换成可进行优化的*.map格式文件。如图3所示，箭头左侧一纵数据为分解得到的孔位置信息文件T01，该孔位置信息文件T01表示当前文件中记录的是第01把刀（即编号为01号的孔径）的钻孔孔位置信息，将其中的钻孔孔位置信息X**Y**转换为箭头右侧的一纵数据（这里称转换后的文件格式为*.map格式），每一行数据为第i个编号孔的坐标位置，i为自然数且0≤i≤n，n是孔位置信息文件所对应的孔径的孔的总个数。

一种具体实现中，钻孔文件的解析的部分代码如下。

优化步骤，采用灾变遗传算法对转换后得到N组孔位置信息文件（*.map格式文件）分别进行优化处理，得到N组优化后的孔位置信息文件。该优化步骤的具体说明如下步骤Step1-Step2。

Step1，对钻孔路径进行建模，确定遗传算法的编码表示及适应度函数。

由于PCB的钻孔加工问题可以描述为：从换刀点出发，不遗漏不重复的加工完所有同一种孔径的孔；再回到换刀点，进行换刀，对下一种孔径进行加工，直到完成所有孔径的孔的加工；因此可知：可以以刀具移动的行程距离最短为目标，建立数学模型，而钻孔问题就是寻找一条最短的遍历同一孔径的n个孔的最短路径，或者可以说搜索自然数集X={1,2,3,…,n}(X的元素表示对n个孔的编号)的一个排列。假设PCB加工板有N种不同孔径，每种孔个数分别为n₁，n₂…，n_N，则所求总路径

同一种孔径的路径则可表示

其中：D为同一种孔径的钻孔总距离，单位可以是毫米mm，d为两个孔之间的距离，单位可以是毫米，H则表示某位置上的孔。

一种实现中，距离计算的部分代码如下：

TSP问题的编码根据其特殊性主要是采用路径编码。这种编码方式自然、直观、简单。如编码(4023586179)表示此旅程分别经过编号为4、0、2、3、5、8、6、1、7、9的城市（即孔）。路径编码法要求一个个体（即一条旅程）的染色体编码中不允许有重复的基因码，即要满足任一个城市必须而且只能访问一次的约束。这种编码方式符合PCB钻孔加工的要求：从换刀点出发，不遗漏不重复的加工完所有的孔，再回到换刀点。换言之，对于同一孔径的所有n个孔，将这n个孔依次编号为1，2，……，n；个体即染色体，用路径D1（C1，C2，……，Cn）表示，它是依次经过孔编号的有序序列，表示从城市C1开始出发，最终到达城市Cn，然后回到城市C1这个过程。

TSP中最优解是使路径总长度f(D)的值最小的路径的序列，所以可以用路径的总长f(D)来评价个体的好坏，适应度评价函数取f(D)的倒数，越长的路径的适应度值越小，被选择保留下来的几率就越小。

Step2，灾变遗传操作。

如图4所示为灾变遗传算法的流程示意图。遗传算法通过一系列的遗传操作决定后代。遗传操作是由三个基本算子组成：交叉算子、变异算子、选择算子。

1）选择算子

选择算子是为了避免有效基因的损失，使高性能的个体得以保留下来采取的一种精英保存策略，其被用于筛选优质的个体，即适应度值较高的个体，目的是保证种群的质量，体现了进化论自然选择中的优胜劣汰。通过这个策略可以使进化算法得到更好的收敛。本实施例通时采用轮盘赌选择的方式根据个体适应值的大小进行选取，保留个体适应值大的，适应值小的则被淘汰。

一种选择算子的部分编码如下所示：

2）交叉算子

交叉算子是从选择算子筛选出的优质个体中繁殖出新的个体，主要用于产生新的个体新的种群。根据所采取用的是路径编码。交叉算子的设计采取两点交叉，也可称为部分匹配交叉，即：随机选取两个交叉个体，将两个交叉个体中间的基因段互换，互换的基因段以外的部分中与互换后基因段中元素冲突的用另一父代的相应位置代替，直到没有冲突。例如，对下面两个父个体P1、P2，随机选择两个交叉点“|”。

P1：（1 2 3|4 5 6 7|8 9）

P2：（4 5 2|1 8 7 6|9 3）

则经过部分匹配交叉操作后得到的子个体O1、O2为：

O1：（4 2 3|1 8 7 6|5 9）

O2：（1 8 2|4 5 6 7|9 3）

3）变异算子

变异算子用于保证种群的多样性，其通过随机改变个体中某些个体的某些基因而产生新个体，可以避免“早熟”并增加种群的多样性，同时可以跳出局部收敛，提高全局的收敛性。实施例中变异操作使用互换操作算子，即随机交换染色体中两个不同基因编码的位置，相对于逆序操作和插入操作更有利于算法的大范围搜索。如图5所示为变异算子过程。

一种具体实现中，变异算子的部分代码如下：

当然，前述的选择算子、交叉算子和变异算子还可以采用其他设计，具体可参考传统标准遗传算法中的相关技术点，不作详述。

由于传统遗传算法容易陷入局部最优解，虽然变异算子可以通过提高变异概率来产生远离局部极值的新生个体，但是变异后的个体无论是质量还是数量上都不能与当前的经过千百代进化保留下来的个体相提并论，这样使得一些个体的有效基因得不到有效的复制而丢失。所以跳出局部最优解必须杀死当前所有的优秀个体，从而让远离当前局部最优解的个体有充分的进化余地，这就是灾变的思想。在经过多代进化后，种群个体会越来越接近局部最优解，种群个体之间的差别会越小，使整个种群进化停止不前，效率降低，所以需要在遗传算法中加入灾变算子来实现灾变。加入灾变算子的遗传算法称之为灾变遗传算法。

灾变算子根据在生物进化过程中的各种毁灭性事件造成物种个体灭绝，因而才能让适应性更强的个体保留下来，构成生命史上的物种替换。灾变算子能够提高种群多样性克服早熟收敛，能够以更快速度收敛于全局最优解。灾变算子的设计基于精英保存策略，在计算趋于收敛的情况下保留收敛的最优解，同时进行灾变，在灾变后得到的收敛的最优解。与之前相比较保留最好的结果。实施例中灾变算子可参考相关灾变方法实现。

一种灾变算子的具体设计如下：设定灾变初始值INI，每进化一代就递减一次，同时记录灾变数；此外，采用选择算子筛选出优质个体，把它们从种群中淘汰掉，直至剩下的个体达到设定的种群规模，由于对于解的搜索不能无限的灾变搜索下去，因此在判断是否进行灾变处理时，可以设定一个最大灾变数，根据最大灾变数和当前记录的灾变数判断是否进行灾变处理。

经实验证明采用本申请实施例的灾变遗传算法相比传统遗传算法的结果更优，如图6-图9所示。一种试验中，同一孔径孔数为40，终止遗传代数为1000代，种群数为100，变异率为0.1，交叉率0.9，见图6和图7，图6为路径优化情况对比，箭头左侧为采用传统遗传算法路径优化后的图（优化后路径为725.2108mm），右侧为采用本实施例的灾变遗传算法路径优化后的图（优化后路径为566.0567mm）；图7为收敛情况的对比，箭头左侧为传统遗传算法收敛图，右侧为灾变遗传算法收敛图。又一种试验中，同一孔径孔数为50，终止遗传代数为500代，种群为100，变异率为0.1，交叉率0.9，见图8和图9，图8为路径优化情况对比，箭头左侧为采用传统遗传算法路径优化后的图（优化后路径为985.5178mm），右侧为采用本实施例的灾变遗传算法路径优化后的图（优化后路径为743.8467mm）；图9为收敛情况的对比，箭头左侧为传统遗传算法收敛图，右侧为灾变遗传算法收敛图。这些试验结果表明：本实施例的灾变遗传算法的结果比传统的标准遗传算法的优化路径效果好，同时收敛速度加快。

合成步骤为可选步骤，将解析步骤中得到的钻孔引导文件和优化步骤后得到的N个优化后的孔位置信息文件进行合成，得到新的钻孔文件。当然，优化步骤得到的N个优化后的孔位置信息文件是*.map格式，需要按照前述提及的转换将*.map格式的孔位置信息转换为标准钻孔文件格式*.drl。

一种实现中，合成时的写文档的部分关键代码如下：

数控编程通常可分为在线优化与离线优化。在线优化是把现有的路径优化算法集成到数控操作系统中，在加工的时候对钻孔文件进行优化，因此，对于应用本申请实施例于在线优化方式时，只涉及前述的解析步骤和优化步骤即可，无需对解析后的钻孔文件进行合成处理。而离线优化中，其包含钻孔文件的读取解析，并对得到的钻孔数据进行优化，对优化后的结果进行保存，重新合成以生成优化好的新钻孔文件，并将新钻孔文件直接给PCB钻床进行钻孔加工，这种离线优化相比在线优化更不受时间的限制，优化效果明显。

基于前述数控钻孔加工路径优化方法，本申请一种实施例还提供了相应的数控钻孔加工路径优化系统，其包括：解析模块、优化模块和可选的合成模块。解析模块用于对读取的钻孔文件进行解析，得到钻孔引导文件和N组孔位置信息文件，N为不同孔径钻孔刀具的个数；优化模块用于采用灾变遗传算法对解析模块得到的N组孔位置信息文件分别进行优化处理，得到N组优化后的孔位置信息文件；合成模块用于将解析模块得到的钻孔引导文件和优化模块得到的N组优化后的孔位置信息文件进行合成，得到新的钻孔文件。各模块的具体实现可参考前述方法实施例的相关过程，不再赘述。

同样地，这套数控钻孔加工路径优化系统可以分为离线和在线使用。离线优化可以在不影响加工的情况下进行优化，直接优化加工的钻孔文件。在线优化是指可以把钻孔优化与数控加工系统进行集成，形成一个优化动态库，可以进行优化调用。在加工时进行优化。不仅可适用于多轴PCB数控钻床，还可以适用于各种钻孔加工的机械设备中。这套钻孔路径优化系统能够极大的提高钻孔加工的效率，能够减少加工需要的时间，提高生产效率。

基于前述的数控钻孔加工路径优化系统，本申请一种实施例还提供了一种数控钻孔设备，其包括前述的数控钻孔加工路径优化系统，此外还包括在线应用模块和/或离线应用模块。在线应用模块用于在进行数控钻孔时直接调用数控钻孔加工路径优化系统中优化模块得到的优化后的孔位置信息文件进行钻孔加工；而离线应用模块用于在进行数控钻孔时直接调用合成模块得到的新的钻孔文件进行钻孔加工。一种示例中，该数控钻孔设备包括多轴。换言之，将数控钻孔加工路径优化系统应用于多轴PCB数控钻床，可以因采用的优化方法而大大减少加工路径，并提高加工效率。

将这套路径优化系统应用于多轴PCB数控钻孔系统可以大大减少加工路径，提高加工效率，如图10-图13所示。图10和图11为刀具T01钻345个孔优化前后PCB钻孔路线图，图12和图13为刀具T02钻1673个孔优化前后PCB钻孔路线图，路径优化数据结果对比如下表1所示，其中优化前总路程为传统自动编程生成的孔径路径。

表1路径优化数据结果对比

综上所述，本申请实施例提出的方法和系统采用改进的遗传算法（即灾变算法）对同一孔径的孔位坐标信息进行处理优化，从而可以大大减少加工路径长度，提高生产加工效率。此外，改进的遗传算法不仅具有传统遗传算法快速搜索最优解的优点，同时能够避免陷入“早熟”，即陷入局部极值。对加工路径进行优化处理，可以结合例如六头PCB数控钻孔加工的运动特点和加工特点，从换刀点开始到加工完最后一个孔保证加工路径的最优性。这样能够很好的解决PCB走刀路径问题。此外，由于此路径优化系统能够直接对PCB钻孔文件进行处理，提取钻孔文件孔位置信息，对其钻孔位置信息进行离线优化后生成新的钻孔文件，采取离线优化从而不影响PCB钻床的钻孔加工。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分步骤可以通过程序来指令相关硬件完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等。

以上内容是结合具体的实施方式对本申请所作的进一步详细说明，不能认定本申请的具体实施只局限于这些说明。对于本申请所属技术领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干简单推演或替换。

Claims (10)

1.一种数控钻孔加工路径优化方法，其特征在于，包括：

解析步骤，对读取的钻孔文件进行解析，得到钻孔引导文件和N组孔位置信息文件，N为不同孔径钻孔刀具的个数；

优化步骤，采用灾变遗传算法对所述N组孔位置信息文件分别进行优化处理，得到N组优化后的孔位置信息文件。

2.如权利要求1所述的数控钻孔加工路径优化方法，其特征在于，还包括：合成步骤，将所述钻孔引导文件和所述N组优化后的孔位置信息文件进行合成，得到新的钻孔文件。

3.如权利要求1所述的数控钻孔加工路径优化方法，其特征在于，所述优化步骤包括：

Step1，对钻孔路径进行建模，确定遗传算法的编码表示；

Step2，根据设定的选择算子、交叉算子和变异算子进行遗传操作，得到新种群；

Step3，进行适应度评价函数的计算；

Step4，判断是否需要进行灾变操作，如果需要则根据设定的灾变算子执行灾变操作，然后继续步骤Step5，如果不需要则直接执行步骤Step5；

Step5，判断是否满足收敛终止条件，如果满足收敛终止条件则输出适应度评价最优的结果值，如果不满足收敛终止条件则转到Step2进行循环操作。

4.如权利要求3所述的数控钻孔加工路径优化方法，其特征在于，

所述选择算子采用轮盘赌选择方式，将适应度评价高的个体留在种群中；

所述交叉算子采用两点交叉算子；

所述变异算子采用互换操作算子；

所述收敛终止条件包括：进化代数超过设定的最大进化代数。

5.如权利要求3所述的数控钻孔加工路径优化方法，其特征在于，所述步骤Step3中，采用如下公式：

$D_1=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}d(\mathrm{Hi},\mathrm{Hi}+1)+d(\mathrm{Hn},H1)$

其中，D₁为同一种孔径的钻孔总距离，d为两个孔之间的距离，H表示某一位置上的孔，n为同一孔径的孔的总个数；

所述适应度评价函数为所述总距离的倒数。

6.如权利要求3所述的数控钻孔加工路径优化方法，其特征在于，所述Step4步骤中，设定灾变初始值，同时记录灾变次数，如果灾变次数达到预定值则判定为不需要执行灾变操作，如果灾变次数未达到预定值，则将当前代数中适应度评价为最优的个体从种群中淘汰掉。

7.如权利要求1所述的数控钻孔加工路径优化方法，其特征在于，在执行所述优化步骤前，将所述N组孔位置信息文件中的孔位置信息分别进行格式转换：将同一孔径的所有孔依次编号，并给出与孔的编号对应的孔的位置坐标。

8.如权利要求1-7任一项所述的数控钻孔加工路径优化方法，其特征在于，所述钻孔引导文件包括数据格式、刀具个数以及每把刀对应的孔径；所述孔位置信息文件包括钻孔换刀顺序、孔的位置坐标以及钻孔顺序。

9.一种使用权利要求1-8任一项数控钻孔加工路径优化方法实现的数控钻孔加工路径优化系统。

10.一种数控钻孔设备，其特征在于，包括如权利要求9所述的数控钻孔加工路径优化系统,还包括在线应用模块和/或离线应用模块；

所述在线应用模块用于在进行数控钻孔时直接调用所述数控钻孔加工路径优化系统得到的N组优化后的孔位置信息文件进行钻孔加工；

所述离线应用模块用于在进行数控钻孔时直接调用由所述数控钻孔加工路径优化系统得到的新的钻孔文件进行钻孔加工。

Images