CN105955190B - 一种基于布谷鸟搜索算法的孔群加工路径规划方法 - Google Patents

Abstract

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。

Description

一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

本发明涉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

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，所以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，而在数控钻削或铰削加工中，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以实现对路径的优化，在批量生产中这将极大影响生产效率。因此优化孔群加工路径，缩短加工中心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）、禁忌搜索算法（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搜索能力，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,布谷鸟搜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，给这类问题的求解带来了新的思路和方法。

发明内容

本发明针对孔群加工路径规划的复杂问题，运用一种布谷鸟搜索算法的优化方法，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。

本发明的目的通过以下技术方案具体实现：

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；其次根据问题的描述分析建立数学模型；运用布谷鸟搜索算法对其进行求解，从而获得孔群加工的最优加工路径。

作为优选方案，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，包括如下步骤：

1）数学模型的建立

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以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。

2）求解

根据步骤1）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，采用布谷鸟搜索算法进行求解，以求得孔群加工中各个影响因素加工时间的最优解。

3）应用

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：

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的矩阵表示为：

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：

数学模型：

其中，D_ij为孔i到孔j的距离，历遍所有孔的路程为S，η_ij={1,2}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。

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：

其中，c为单位长度的刀具行进成本，和同步骤a，则完成N个孔的加工成本为f。

根据所建立的孔群加工的数学模型，以最小化刀具移位成本为目标建立的路径优化模型为：

式中L表示刀具进行路径长度。

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

图1为注塑模上模零件的零件图；

图2为本发明中布谷鸟搜索算法的框图。

具体实施方式

以下对本发明的优选实施进行说明，优选所述采用布谷鸟搜索算法对孔群加工路径进行规划，具体实施步骤如下：

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 _a，初始鸟窝位置为P₀，最大迭代次数max(h)；

步骤b：布谷鸟随机选择鸟窝的位置

初始鸟窝位置作为初始鸟巢，找出最优位置，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，记录当前最优刀具位置，迭代次数置为1；

步骤c：保留一上代最优鸟窝的位置，t为整数，并利用式，i=1,2,...,n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 _a进行比较，若 random( )＜ _a，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；相反，则保存当前鸟窝位置；

步骤e：找出步骤c中最后得到的中最优的一个鸟窝位置和最优值，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。

以上所述，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以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。

Claims (1)

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；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的矩阵表示为

A＝{a _ij }，(i,j＝1,2,…,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

_a，初始鸟窝位置为P₀，最大迭代次数max(h)；

步骤b：布谷鸟随机选择鸟窝的位置； 初始鸟窝位置作为初始鸟巢，找出最优位置，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，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，t为整数，并利用式，i=1,2,...,n，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 _a进行比较，若random()＜ _a，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；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P_t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。