CN110298102B - 城轨底架滑槽刀具空走刀加工路径规划方法 - Google Patents

Abstract

本发明涉及城轨列车制造技术领域，具体公开了一种城轨底架滑槽刀具空走刀加工路径规划方法，包括建立刀具空走刀移动路径的数学模型，寻找距离刀具原点最近的待加工滑槽的起点，刀具从刀具原点空走刀移动到距离最近的待加工滑槽的起点，刀具从当前待加工滑槽的起点移动到当前待加工滑槽的终点，完成滑槽的加工，若还有待加工滑槽未完成加工，寻找距离刀具当前已加工滑槽终点最近的待加工滑槽的起点，刀具从当前已加工滑槽终点空走刀移动到距离最近的待加工滑槽的起点，进行加工操作，若所有待加工滑槽均完成加工，刀具从当前已加工滑槽的终点空走刀移动到刀具原点，得到刀具空走刀移动距离的数值。本发明缩短了刀具空走刀路径，提高了加工效率。

Description

城轨底架滑槽刀具空走刀加工路径规划方法

技术领域

本发明涉及城轨列车制造技术领域，尤其涉及一种城轨底架滑槽刀具空走 刀加工路径规划方法。

背景技术

目前，随着城市轨道交通的飞快发展，轻轨、地铁的应用越来越广泛，对 城轨列车的需求也在不断增加。因此，对于城轨列车的加工效率提出了更高的 要求。城轨底架滑槽作为城轨列车车体的一部分，主要作用是为了安装城轨车 下设备。由于需要加工的城轨底架滑槽数量多、去除量大、刀具走刀时间长， 从而导致城轨底架滑槽的加工效率低，因此可以对刀具走刀时间进行优化，达 到提高城轨底架滑槽加工效率的目的。城轨底架滑槽的加工作为数控加工中的 过程，加工路径选择的合理性将直接影响加工效率和加工成本。以缩短刀具空 走刀行程为目标的城轨底架滑槽加工路径优化问题成为加工的关键问题。现有技术中，对于零件加工效率的提高，很多学者是从刀具的切削方式以及刀具参 数进行优化从而提高加工效率，并没有研究刀具空走刀时间对加工效率的影响。 随着智能算法的发展与对辅助快速空走刀时间的重视，一些学者开始研究如何 缩短加工过程中辅助快速空走刀时间，但是针对城轨底架滑槽的铣削加工路径 优化的研究较少。目前，城轨底架滑槽的加工工艺为按坐标顺序进行加工，存 在较长的刀具空走刀行程，城轨底架滑槽的加工效率低。

城轨列车底架是城轨列车车体中很重要的一部分，其中城轨底架滑槽的主 要作用是安装车下设备。目前中车长客的城轨底架滑槽的加工工艺为按坐标顺 序加工，具体加工工艺为：对整个城轨底架建立坐标系，按照滑槽的Y轴从小 到大依次加工，当同一Y轴上存在多个滑槽时，按照滑槽的X轴数值从小到大 依次加工。当加工完同一Y轴上的滑槽后，刀具从当前滑槽的X轴最大值处走 刀到下一条滑槽的X轴最小值处后，再依次进行加工，直至所有要加工的滑槽 被铣削完成，刀具回到刀具原点。

现有城轨底架滑槽的加工，虽能够满足城轨底架滑槽的加工要求，但由于 城轨底架滑槽的加工过程中存在较长的刀具空走刀路径，导致城轨底架滑槽的 加工效率较低。

发明内容

本发明的目的是提供一种城轨底架滑槽刀具空走刀加工路径规划方法，不 仅能够完成城轨底架所有需要加工滑槽的铣削加工，而且有效的缩短了滑槽加 工的刀具空走刀路径，提高了滑槽的加工效率。

为了解决上述技术问题，本发明提供了一种城轨底架滑槽刀具空走刀加工 路径规划方法，包括以下步骤：

S1.对城轨底架滑槽建立坐标系，建立刀具空走刀移动路径的数学模型；

S2.寻找距离刀具原点最近的待加工滑槽的起点，刀具从刀具原点空走刀移 动到距离最近的待加工滑槽的起点；

S3.刀具从当前待加工滑槽的起点移动到当前待加工滑槽的终点，完成一个 待加工滑槽的加工；

S4.判断所有待加工滑槽是否完成加工；

若还有待加工滑槽未完成加工，寻找距离刀具当前已加工滑槽终点最近的 待加工滑槽的起点，刀具从当前已加工滑槽终点空走刀移动到距离最近的待加 工滑槽的起点，进行所述步骤S3的加工操作；

若所有待加工滑槽均完成加工，刀具从当前已加工滑槽的终点空走刀移动 到刀具原点，得到刀具空走刀移动距离的数值。

优选的，还包括步骤S5，

S5.将所述步骤S4得到的刀具空走刀移动路径生成初始值种群，通过遗传 算法对所述初始值种群进行优化，得到刀具空走刀移动路径及距离的优化值。

优选的，所述步骤S1中，设定城轨底架待加工滑槽为n个，每个滑槽的属 性采用多元组表示为：

h＝(ID,(Xs,Ys),(Xe,Ye))

其中，ID为n个滑槽分别对应的编号，(Xs,Ys)为滑槽的起点坐标，(Xe,Ye) 为滑槽的终点坐标。

优选的，所述步骤S1中，所述刀具空走刀移动路径的数学模型表示为：

min：

d(O,s_i)+∑d(e_i,s_j)·h_ij+d(e_j,O)(i,j＝1,2,…,n)

st：

其中，i和j为具体滑槽编号，为滑槽i的终点坐标，/>为滑槽 j的起点坐标，e_i为滑槽i终点，s_j为滑槽j起点，d(e_i,s_j)为从第i个滑槽的终 点到第j个滑槽的起点的欧氏距离，/>d(O,s_i)为刀具 原点到第i个滑槽的起点的欧氏距离，d(e_j,O)为第j个滑槽的终点到刀具原点的 欧氏距离。

本发明的城轨底架滑槽刀具空走刀加工路径规划方法通过动态规划方法与 遗传算法结合的混合算法对城轨底架滑槽的刀具空走刀路径进行优化，在完成 城轨底架滑槽的加工的同时，而且能够对刀具空走刀行程进行优化，缩短了刀 具空走刀行程，提高了城轨底架滑槽的加工效率。

附图说明

图1为本发明实施例的城轨底架滑槽刀具空走刀加工路径规划方法的流程 图。

具体实施方式

下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施 例用于说明本发明，但不能用来限制本发明的范围。

本实施例中通过动态规划方法与遗传算法结合的混合算法对城轨底架滑槽 刀具空走刀路径进行优化规划。

动态规划方法的工作原理：动态规划方法的基本思想是首先寻找距离刀具 原点最近的需要加工的第一个滑槽的起点，加工完当前滑槽时，刀具需要从已 加工完成滑槽的终点移动到待加工滑槽的起点继续加工，待加工滑槽起点的选 择原则是寻找距离当前已加工完成的滑槽终点最近的待加工滑槽的起点。动态 规划的求解过程是一个多阶段决策的过程，动态规划的基本思路是将一个大问 题处理成每一个子问题，求解每一个子问题的最小值，最终解决整个大问题。

遗传算法的工作原理：遗传算法(GA)是一种受自然选择过程启发的元启 发式算法，约翰·霍兰德在1960年基于达尔文进化论的概念引入了遗传算法， 研究是以种群为基本单位的。遗传算法首先随机生成一组一定规模的初始种群 解集，之后根据优化目标模型，对初始种群的每个个体进行适应度评价，通过 每个个体的适应度大小，依次选择最优的满足适应度函数的个体，直到取得要 求规模的种群，停止选择。之后通过生物的自然进化模型，种群染色体通过交 叉、变异两种基因操作产生新的更适应环境的染色体种群，通过一代又一代的 选择、交叉和变异的操作，实现一代又一代的种群进化，最后在达到规定的迭 代次数后或者染色体种群中的个体达到最适应环境的收敛条件，算法优化终止。

如图1所示，本实施例的城轨底架滑槽刀具空走刀加工路径规划方法包括 以下步骤：

S1.对城轨底架滑槽建立坐标系，建立刀具空走刀移动路径的数学模型。

从城轨底架滑槽加工的实际出发，城轨底架滑槽加工效率的影响因素有很 多，比如刀具的切削速度、换刀成本和城轨底架滑槽的加工时间成本。在加工 城轨底架滑槽的实际过程中发现，城轨底架滑槽的加工不需要换刀，且单位长 度的刀具加工时间成本都是定值，则城轨底架滑槽加工的总成本可以简化仅考 虑刀具空走刀移位路径。从该影响因素出发，建立城轨底架滑槽加工路径中刀 具空走刀移位路径的数学模型。

设定城轨底架待加工滑槽为n个，每个滑槽的属性采用多元组表示为：

h＝(ID,(Xs,Ys),(Xe,Ye))

其中，ID为n个滑槽分别对应的编号，(Xs,Ys)为滑槽的起点坐标，(Xe,Ye) 为滑槽的终点坐标。

所述刀具空走刀移动路径的数学模型表示为：

min：

d(O,s_i)+∑d(e_i,s_j)·h_ij+d(e_j,O)(i,j＝1,2,…,n)

st：

其中，i和j为具体滑槽编号，为滑槽i的终点坐标，/>为滑槽 j的起点坐标，e_i为滑槽i终点，s_j为滑槽j起点，d(e_i,s_j)为从第i个滑槽的终 点到第j个滑槽的起点的欧氏距离，/>d(O,s_i)为刀具 原点到第i个滑槽的起点的欧氏距离，d(e_j,O)为第j个滑槽的终点到刀具原点的 欧氏距离。

S2.寻找距离刀具原点最近的待加工滑槽的起点，刀具从刀具原点空走刀移 动到距离最近的待加工滑槽的起点；

S3.刀具从当前待加工滑槽的起点移动到当前待加工滑槽的终点，完成一个 待加工滑槽的加工；

S4.判断所有待加工滑槽是否完成加工；

若还有待加工滑槽未完成加工，寻找距离刀具当前已加工滑槽终点最近的 待加工滑槽的起点，刀具从当前已加工滑槽终点空走刀移动到距离最近的待加 工滑槽的起点，进行所述步骤S3的加工操作；

若所有待加工滑槽均完成加工，刀具从当前已加工滑槽的终点空走刀移动 到刀具原点，生成一组刀具走刀路径的初始解(之后通过遗传算法，对刀具走 刀加工路径进行优化)，得到刀具空走刀移动距离的数值。

S5.将所述步骤S4得到的刀具空走刀移动路径(距离)生成初始值种群， 通过遗传算法对所述初始值种群进行优化，得到刀具空走刀移动路径及距离的 优化值。

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滑槽。 针对所述的数学模型，采用动态规划方法-遗传算法的混合算法进行求解，以求 得城轨底架滑槽加工中各个影响因素加工路径的最优解。

所述遗传算法的具体步骤包括：

首先通过动态规划产生一定个体数目的初始种群，种群中的每个个体使用 染色体的基因进行编码，每个基因编码代表的是所要加工的滑槽编号。

对初始种群中的个体进行适应度计算，其中所采用的适应度评价函数是基 于数学模型的目标函数来确定的，个体适应度越小，种群中个体的评价越高， 个体越优秀，优秀的个体被选择进入到新一代的种群中。其中优秀种群的选择 采用的是锦标赛选择法。在锦标赛选择法中，从种群中随机选取m个个体进行 比较，本文中适应度函数为刀具空走刀时间的函数，因此选择适应度函数小的 个体进入新的种群中，直至选择的个体总数达到种群规模，停止个体的选择比 较。锦标赛选择的规模一般为2。

交叉操作是指将父代的部分基因进行交换重组产生新的子代个体的操作。 本发明中采用的交叉算子操作使用的是部分映射交叉(PMX)。

变异指的是子代产生的变异，变异操作是为了维护种群多样性、防止早熟 而对子代按照某一小概率进行的基因突变现象。在发明中采用了插入变异操作。

判断是否达到要求的迭代次数或者种群是否满足收敛条件；若不满足，则 重复S2至S4；若满足，则终止。

本发明的城轨底架滑槽刀具空走刀加工路径规划方法通过动态规划方法与 遗传算法结合的混合算法对城轨底架滑槽的刀具空走刀路径进行优化，在完成 城轨底架滑槽的加工的同时，而且能够对刀具空走刀行程进行优化，缩短了刀 具空走刀行程，提高了城轨底架滑槽的加工效率。

本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者 将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言 是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用， 并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各 种修改的各种实施例。

Claims (1)

1.一种城轨底架滑槽刀具空走刀加工路径规划方法，其特征在于，包括以下步骤：

S1.对城轨底架滑槽建立坐标系，建立刀具空走刀移动路径的数学模型,设定城轨底架待加工滑槽为n个，每个滑槽的属性采用多元组表示为：

h＝(ID,(Xs,Ys),(Xe,Ye))

其中，ID为n个滑槽分别对应的编号，(Xs,Ys)为滑槽的起点坐标，(Xe,Ye)为滑槽的终点坐标；

所述刀具空走刀移动路径的数学模型表示为：

min：

d(O,s_i)+∑d(e_i,s_j)·h_ij+d(e_j,O) i,j＝1,2,...,n

st：

其中，i和j为具体滑槽编号，为滑槽i的终点坐标，/>为滑槽j的起点坐标，e_i为滑槽i终点，s_j为滑槽j起点，d(e_i,s_j)为从第i个滑槽的终点到第j个滑槽的起点的欧氏距离，/>d(O,s_i)为刀具原点到第i个滑槽的起点的欧氏距离，d(e_j,O)为第j个滑槽的终点到刀具原点的欧氏距离；

S2.寻找距离刀具原点最近的待加工滑槽的起点，刀具从刀具原点空走刀移动到距离最近的待加工滑槽的起点；

S3.刀具从当前待加工滑槽的起点移动到当前待加工滑槽的终点，完成一个待加工滑槽的加工；

S4.判断所有待加工滑槽是否完成加工；

若还有待加工滑槽未完成加工，寻找距离刀具当前已加工滑槽终点最近的待加工滑槽的起点，刀具从当前已加工滑槽终点空走刀移动到距离最近的待加工滑槽的起点，进入所述步骤S3；

若所有待加工滑槽均完成加工，刀具从当前已加工滑槽的终点空走刀移动到刀具原点，生成一组刀具走刀移动路径的初始解，得到刀具空走刀移动距离的数值；

S5.将所述步骤S4得到的刀具空走刀移动路径生成初始值种群，通过遗传算法对所述初始值种群进行优化，得到刀具空走刀移动路径及距离的优化值。