CN112836854A - 基于贪心算法的板材多孔加工路径优化方法 - Google Patents

Abstract

本发明公开了一种基于贪心算法的板材多孔加工路径优化方法，应用于路径优化和板材加工技术领域，具体步骤包括如下：模型建立步骤，根据攻丝机进行攻丝加工的路径进行描述，确定目标函数；路径规划步骤，根据孔位的分布确定第一路径；路径优化步骤，利用贪心算法遍历所述第一路径，优化组间距，确定最优路径。本发明针对性的解决孔位排列不规则的金属板材多孔加工路径规划问题，简单易行，基于贪心算法对加工路径进行优化，缩短了加工时、提高了加工效率。通过对分组参数进行寻优，对算法进一步优化，最终找到最优路径。

Description

基于贪心算法的板材多孔加工路径优化方法

技术领域

本发明涉及路径优化和板材加工技术领域，更具体的说是涉及一种基于贪心算法的板材多孔加工路径优化方法。

背景技术

在板材生产过程中，对于多孔板材的攻丝加工往往是最耗时的一道工序。金属板材上各孔的攻丝顺序直接影响加工时间，只有合理规划攻丝加工路径，才能缩短刀具行程、提高加工效率。自动攻丝机在板材生产行业应用比较广泛，但存在加工时间长、效率较低等缺点。对于大型金属板材的攻丝加工，由于每种规格的板材螺纹孔规格有M3到M10不等，因此加工过程中需要更换刀具，但是更换刀具必须要回到刀具的参考点，可以将每一类螺纹孔的加工看作是同一类问题。因此对自动攻丝机同一规格螺纹孔的加工路径进行优化，能减少总加工时间、提高经济效益。

攻丝机在一次加工完成后，刀具需要回到起点，加工路径是一个回路，因此等同于旅行商问题(Traveling Salesman Problem，TSP)模型。旅行商问题是经典的NP-hard问题，可以简单描述为：一个商人在地图的一系列城市中访问，求解访问每座城市一次并回到起点的最短路程。TSP问题有着广泛的应用，如数控加工、无人机路径规划、机器人路径规划、物流配送、网络通讯等。TSP问题是一个NP完备问题，其解空间存在“组合爆炸”，10个城市的TSP有大约18000个可能的解，因此，要得到10个城市TSP问题的最短路径，最坏的可能是要做18000次搜索；20个城市的TSP问题，最坏可能要做10¹⁶次搜索；50个城市的TSP问题的搜索次数更是一个天文数字。目前，关于TSP问题的解决方案有很多，对于孔群加工而言，现有的TSP问题解决方案大多以改进遗传算法和改进蚁群算法为主，现有文献提出了改进遗传算法，以408个孔的大型轮胎模具孔群加工为例，遗传算法的平均运行时间为 10547.475s，改进遗传算法的平均运行时间为3839.2024s；另一现有文献提出了改进蚁群算法，用82个无规律孔的冲压板做实验，基本蚁群算法的平均运行时间为91.3117s，改进蚁群算法的平均运行时间为30.7309s。在板材多孔加工中，孔的数目往往比较庞大，少则几十，多则成百上千。在这种规模的问题中，现有的解决方案搜索时间太长，根本无法满足生产要求。攻丝机的路径规划不需要一定求出最优路径，但必须在短时间内求出在一定范围内的最优解，如果路径优化所消耗的时间比刀具走过其缩短的路径所需要的时间还长，那么这将没有应用意义。

因此，如何提供一种路径规划生成最短路径，减少加工时间的板材多孔加工路径优化方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于贪心算法的板材多孔加工路径优化方法，本发明针对性的解决孔位排列不规则的金属板材多孔加工路径规划问题，简单易行，基于贪心算法对加工路径进行优化，缩短了加工时、提高了加工效率。通过对分组参数进行寻优，对算法进一步优化，最终找到最优路径。

为了达到上述目的，本发明采用如下技术方案：

一种基于贪心算法的板材多孔加工路径优化方法，具体步骤包括如下：

模型建立步骤，根据板材多孔加工的路径进行描述，确定目标函数；

路径规划步骤，根据多孔的分布确定第一路径；

路径优化步骤，利用贪心算法遍历所述第一路径，优化组间距，确定最优路径。

优选的，在上述的一种基于贪心算法的板材多孔加工路径优化方法中，所述模型建立步骤中，多孔加工的路径规划问题描述为：

二维平面上有n个孔需要加工，其中，n≥1，各孔的圆心记为P_i，i∈[1,n]，圆心坐标为(x_i,y_i)；各孔的集合记为A＝{P₁(x₁,y₁),P₂(x₂,y₂),......，P_n(x_n,y_n)}；加工机床的横向和纵向最大移动速度相同，计算路径长度时采用切比雪夫距离，即孔间距取两孔横坐标和纵坐标数值差绝对值的最大值：金属板材孔a和孔b间的长度D_ab为：

D_ab＝max(|x_a-x_b|,|y_a-y_b|)； (1)

加工机床的刀具需要找到一条从任意一孔的圆心P_i出发，图中经过每一个孔的圆心，使总路径长度L最短，目标函数为：L＝min∑(D_1,2+D_2，3+...+D_n-1,n)。

优选的，在上述的一种基于贪心算法的板材多孔加工路径优化方法中，所述路径规划步骤中，对板材上的孔群进行分组，从图纸文件读取板材孔位信息；按孔位坐标进行网格化分组；寻找最优路径。

优选的，在上述的一种基于贪心算法的板材多孔加工路径优化方法中，按孔位进行网格化分组具体步骤如下：

1)按X坐标分组；把所有的孔位坐标的X坐标按升序排列，比较相邻的两孔X坐标的差值，如果这个差值小于组间距，就分为一组，如果差值大于组间距，就认为前一组结束，开始新的一组，直至所有孔分组完成；

2)按Y坐标分组；把所有的孔位坐标的Y坐标按升序排列，比较相邻的两孔Y坐标的差值，如果这个差值小于组间距，就分为一组，如果差值大于组间距，就认为前一组结束，开始新的一组，直至所有孔分组完成；

3)按X、Y向分组结果进行交叉网格化分组，根据X、Y向分组的结果，得到X向有Nx种分组方法，得到Y向有Ny种分组方法，进行交叉，得到网格化分组种类有Nx*Ny种，得到各自的网格化分组信息。

优选的，在上述的一种基于贪心算法的板材多孔加工路径优化方法中，所述路径优化步骤中，将分组后的孔群通过贪心算法进行排序。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于贪心算法的板材多孔加工路径优化方法，本发明针对性的解决孔位排列不规则的金属板材多孔加工路径规划问题，简单易行，基于贪心算法对加工路径进行优化，缩短了加工时、提高了加工效率。通过对分组参数进行寻优，对算法进一步优化，最终找到最优路径。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明的方法流程图；

图2为本发明的路径规划步骤流程图；

图3为本发明的网格化分组流程图；

图4为本发明的按孔位X坐标分组的方法流程图；

图5为本发明的按XY方向路径规划示意图；

图6为本发明的按YX方向路径规划示意图；

图7为本发明的确定最优路径方法流程图；

图8为本发明的最优路径示意图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的实施例以攻丝机加工路径为研究对象，建立以最短路径为优化目标的数学模型。为提高算法效率，针对实际生产中常见的单一规格螺纹孔的金属板材孔位分布形式，采用不同的策略进行分组，运用贪心算法进行路径规划生成最短路径，减少加工时间。

一种基于贪心算法的板材多孔加工路径优化方法，具体步骤包括如下：

模型建立步骤，根据攻丝机进行攻丝加工的路径进行描述，确定目标函数；

路径规划步骤，根据螺纹孔的分布确定第一路径；

路径优化步骤，利用贪心算法遍历所述第一路径，优化组间距，确定最优路径。

为了进一步优化上述技术方案，所述模型建立步骤中，攻丝机进行攻丝加工的路径规划问题描述为：

二维平面上有n个螺纹孔需要加工，其中，n≥1，各孔的圆心记为P_i，i∈[1,n]，圆心坐标为(x_i,y_i)；各孔的集合记为A＝{P₁(x₁,y₁),P₂(x₂,y₂),......，P_n(x_n,y_n)}；攻丝机的横向和纵向最大移动速度相同，计算路径长度时采用切比雪夫距离，即孔间距取两孔横坐标和纵坐标数值差绝对值的最大值：金属板材螺纹孔a和螺纹孔b间的长度D_ab为：

D_ab＝max(|x_a-x_b|,|y_a-y_b|)； (1)

攻丝机的刀具需要找到一条从任意一孔的圆心P_i出发，图中经过每一个孔的圆心，使总路径长度L最短，目标函数为：L＝min∑(D_1,2+D_2，3+...+D_n-1,n)。

需要了解的是：贪心算法是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，而是求出在某种意义上的局部最优解。贪心算法解决问题效率高，时间复杂度低。其基本思想是从问题的某一个初始解出发一步一步地进行，根据某个优化测度，每一步都要确保能获得局部最优解。

在板材多孔位加工中，板材的规格较大(一般为2m×4m)，螺纹孔数目也较多，少则几十，多则成百上千，而且可能有些区域孔位分布比较密集，有些区域孔位分布比较稀疏。由于贪心算法的特点是不从整体最优上加以考虑，而是求出在某种意义上的局部最优解，结合板材孔位分布特点，在进行路径规划之前，先对板材上的螺纹孔群进行分组。

为了进一步优化上述技术方案，所述路径规划步骤中，如图2所示，对板材上的螺纹孔群进行分组，从图纸文件读取板材孔位信息；按孔位坐标进行网格化分组；寻找最优路径。

为了进一步优化上述技术方案，如图3-4，按孔位坐标进行网格化分组具体步骤如下：

1)按X坐标分组；把所有的孔位坐标的X坐标按升序排列，比较相邻的两孔X坐标的差值，如果这个差值小于组间距，就分为一组，如果差值大于组间距，就认为前一组结束，开始新的一组，直至所有孔分组完成；

2)按Y坐标分组；把所有的孔位坐标的Y坐标按升序排列，比较相邻的两孔Y坐标的差值，如果这个差值小于组间距，就分为一组，如果差值大于组间距，就认为前一组结束，开始新的一组，直至所有孔分组完成；

3)按X、Y向分组结果进行交叉网格化分组，根据X、Y向分组的结果，得到X向有Nx种分组方法，得到Y向有Ny种分组方法，进行交叉，得到网格化分组种类有Nx*Ny种，得到各自的网格化分组信息。

为了进一步优化上述技术方案，所述路径优化步骤中，将分组后的螺纹孔群通过贪心算法进行排序。

整体路径(组间路径规划)有两种规划方法，即按XY方向(先X方向后Y方向)和YX方向(先Y方向后X方向)来规划，以X向分5组，Y向分4组时，XY路径和YX路径分别如图5-7所示。

组内分别按XY路径和YX路径，利用贪心算法(也就是在组内找与当前点最近的点，作为下一个点)，计算路径总长，记录下来，比较各种分组情况下路径总长，得出最短路径；

由于采用了分组后，组内利用贪心算法得到的组内路径就比较好了，分组大大缩短了寻优时间；如果不分组，直接采用贪心算法，得到的结果就很不理想；不分组，采用常规的TSP方法寻优，对于几百个孔需要寻找最优路加工路径来说，时间序号很长(几分钟到几小时，算法不同，差异也较大)。这里采用的方法，利用了贪心算法在小规模的孔群时，路径规划很有效，规模越大，效果越差。

实际遇到的都是规模比较大(几百个孔)，所以采用分组方法，问题是不同组间距，分组后效果也差别很大。同时，由于贪心算法路径规划速度很快，所以有足够多时间，对分组方法和分组间距进行搜索，从而找到最佳分组方法和最佳组间距。(几百个孔的最优路径在1秒内就可以完成。)

具体的，长3500mm，宽750mm，上有220个规格相同的孔，利用本优化方法，找到最优加工路径总长：19832.3mm；优化耗时：102.9ms；组间距： X＝50，Y＝80；组数：Nx＝11，Ny＝2；最优路径如图8所示；需要指出的是，由于组内采用贪心算法进行路径规划，得到的路径不一定是最优路径，但是由于找到了最合适的组间距，所以，从图上看出，贪心算法的结果一定程度是找到最优路径。

本发明的实施例以自动攻丝机的加工路径为研究对象，有针对性的解决螺纹孔排列不规则的金属板材多孔加工路径规划问题，简单易行，基于贪心算法对加工路径进行优化，缩短了加工时、提高了加工效率。最后通过对分组参数进行寻优，对算法进一步优化，最终在一定程度上找到了最优路径。

本发明的实施例研究结果对机械加工中的零件和板材的制孔及攻丝路径规划有重要参考意义，算法易于理解、优化，适应性强，运行速度快，能够大幅度提高加工效率。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种基于贪心算法的板材多孔加工路径优化方法，其特征在于，具体步骤包括如下：

模型建立步骤，根据板材多孔加工的路径进行描述，确定目标函数；

路径规划步骤，根据多孔的分布确定第一路径；

路径优化步骤，利用贪心算法遍历所述第一路径，优化组间距，确定最优路径。

2.根据权利要求1所述的一种基于贪心算法的板材多孔加工路径优化方法，其特征在于，所述模型建立步骤中，多孔加工的路径规划问题描述为：

二维平面上有n个孔需要加工，其中，n≥1，各孔的圆心记为P_i，i∈[1,n]，圆心坐标为(x_i,y_i)；各孔的集合记为A＝{P₁(x₁,y₁),P₂(x₂,y₂),......，P_n(x_n,y_n)}；加工机床的横向和纵向最大移动速度相同，计算路径长度时采用切比雪夫距离，即孔间距取两孔横坐标和纵坐标数值差绝对值的最大值：金属板材孔a和孔b间的长度D_ab为：

D_ab＝max(|x_a-x_b|,|y_a-y_b|)； (1)

加工机床的刀具需要找到一条从任意一孔的圆心P_i出发，图中经过每一个孔的圆心，使总路径长度L最短，目标函数为：L＝min∑(D_1,2+D_2，3+...+D_n-1,n)。

3.根据权利要求1所述的一种基于贪心算法的板材多孔加工路径优化方法，其特征在于，所述路径规划步骤中，对板材上的孔群进行分组，从图纸文件读取板材孔位信息；按孔位坐标进行网格化分组；寻找最优路径。

4.根据权利要求3所述的一种基于贪心算法的板材多孔加工路径优化方法，其特征在于，按孔位坐标进行网格化分组具体步骤如下：

1)按X坐标分组；把所有的孔位坐标的X坐标按升序排列，比较相邻的两孔X坐标的差值，如果这个差值小于组间距，就分为一组，如果差值大于组间距，就认为前一组结束，开始新的一组，直至所有孔分组完成；

2)按Y坐标分组；把所有的孔位坐标的Y坐标按升序排列，比较相邻的两孔Y坐标的差值，如果这个差值小于组间距，就分为一组，如果差值大于组间距，就认为前一组结束，开始新的一组，直至所有孔分组完成；

3)按X、Y向分组结果进行交叉网格化分组，根据X、Y向分组的结果，得到X向有Nx种分组方法，得到Y向有Ny种分组方法，进行交叉，得到网格化分组种类有Nx*Ny种，得到各自的网格化分组信息。

5.根据权利要求3所述的一种基于贪心算法的板材多孔加工路径优化方法，其特征在于，所述路径优化步骤中，将分组后的孔群通过贪心算法进行排序。

Images