CN113589753B - 三维模型表面路径规划方法、系统、设备 - Google Patents
三维模型表面路径规划方法、系统、设备 Download PDFInfo
- Publication number
- CN113589753B CN113589753B CN202110786279.0A CN202110786279A CN113589753B CN 113589753 B CN113589753 B CN 113589753B CN 202110786279 A CN202110786279 A CN 202110786279A CN 113589753 B CN113589753 B CN 113589753B
- Authority
- CN
- China
- Prior art keywords
- point
- path
- algorithm
- dimensional model
- path planning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 89
- 241000287828 Gallus gallus Species 0.000 claims abstract description 88
- 238000010329 laser etching Methods 0.000 claims abstract description 26
- 244000144992 flock Species 0.000 claims abstract description 22
- 238000005192 partition Methods 0.000 claims abstract 2
- 235000013330 chicken meat Nutrition 0.000 claims description 83
- 238000002922 simulated annealing Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000014759 maintenance of location Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000000137 annealing Methods 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000009395 breeding Methods 0.000 claims description 6
- 230000001488 breeding effect Effects 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 5
- 238000013215 result calculation Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 10
- 230000033001 locomotion Effects 0.000 abstract description 4
- 238000003754 machining Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000005530 etching Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 241001237196 Sempervivum minus Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35349—Display part, programmed locus and tool path, traject, dynamic locus
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明属于激光刻蚀加工技术领域，公开了一种三维模型表面路径规划方法、系统、设备、终端及应用，包括：根据激光刻蚀加工系统的扫描振镜的加工范围和最大加工焦深，使用最小外接矩形的方法求出每一次激光扫描振镜在三维模型表面加工的划分区域大小，并提取出该区域的中心点作为路径规划的定位顶点；然后对定位顶点集合作为三维模型表面路径规划的初始点集合，使用改进的鸡群算法对空间中的初始点位进行路径规划，并将规划后的定位点索引序列输出保存。本发明基于分区加工与路径规划的思想划分三维模型表面区域并使用改进的鸡群算法规划加工路径，使得在激光刻蚀加工过程中的运动轨迹长度大大减少，缩短用于定位和空行程的距离，提高加工效率。
Description
技术领域
本发明属于激光刻蚀加工技术领域，尤其涉及一种三维模型表面路径规划方法、系统、设备、终端及应用。
背景技术
目前，在激光刻蚀加工的发展中，对复杂模型的表面加工技术已经成为了非常重要的技术需求。如今加工的模型的形状越来越多样，表面的刻蚀加工处理也越来越复杂。模型越大，模型表面需要刻蚀加工的处理越多，在激光刻蚀加工系统的五轴加工机床需要定位的次数也越多，所以机床用在频繁移动确定下一个加工位置的无效行程也越多。如果没有一条合理的加工路线，那么造成的无效行程大大增加，使得整体的加工效率低下。此时通常采用更大的加工区域和更好的加工轨迹减少无效运动的时间。由于刻蚀加工系统的激光加工的范围和焦深是有限的，所以需要分区域加工，在模型表面一次激光刻蚀加工的区域越大，需要在加工中用于定位的次数也就越少，加工时间也就越短。由于一条好的加工路径要比一条差的加工路径缩短几倍甚至几十倍的加工时间，所以规划一条好的加工路线对整体加工的效率也有着巨大的提升。
通过上述分析，现有技术存在的问题及缺陷为：现有针对复杂模型表面的加工技术中，模型越大，模型表面需要刻蚀加工的处理越多，在激光刻蚀加工系统的五轴加工机床需要定位的次数也越多，机床用在频繁移动确定下一个加工位置的无效行程也越多，造成的无效行程大大增加，使得整体加工效率低下。
解决以上问题及缺陷的难度为：目前在激光加工中主要采用的传统路径规划算法，比如拓扑法、人工势场法、栅格法等，在应对数据规模较大的模型时计算时间过长，计算所得的加工路径与最优规划路径相比差距仍然很大，加工时间仍然很长，在提高加工效率方面仍不理想。
解决以上问题及缺陷的意义为：采用本算法能够极大的缩短路径规划算法的时间，所得的加工路径相对于传统方法更接近最优路径，能够在加工过程中大大缩减空行程所用的时间，缩短整体模型加工的时间，能够有效的提高生产效率。
发明内容
针对现有技术存在的问题，本发明提供了一种三维模型表面路径规划方法、系统、设备、终端及应用，尤其涉及一种面向激光刻蚀加工过程的基于改进鸡群算法的三维模型表面路径规划方法。
本发明是这样实现的，一种三维模型表面路径规划方法，所述三维模型表面路径规划方法包括：
根据激光刻蚀加工系统的扫描振镜的加工范围和最大加工焦深，使用最小外接矩形的方法求出每一次激光扫描振镜在三维模型表面加工的划分区域大小，并提取出该区域的中心点作为路径规划的定位顶点；然后对定位顶点集合作为三维模型表面路径规划的初始点集合，使用改进的鸡群算法对空间中的初始点位进行路径规划，并将规划后的定位点索引序列输出保存；
其中，所述三维模型表面路径规划方法，包括模型表面区域划分、定位点提取、改进鸡群算法参数初始化、初始算法位置并更新位置、采用模拟退火方法加速以及规划结果输出部分。
进一步，所述三维模型表面路径规划方法包括以下步骤：
步骤一，进行模型表面区域划分，将三维模型文件解析并存储成三角面的集合，包含三个点和三条边，以便对邻接面进行搜索；
步骤二，根据激光刻蚀加工系统的加工范围和最大焦深确定加工的每个区域，采用邻接边搜索的方式，确定区域内的最大外接矩形，缩减加工中用于定位需要的时间；
步骤三，根据步骤二计算出的划分好的区域，将每个区域内的中心点提取出并存入集合中；
步骤四，根据步骤三提取出的区域中心点集合，作为改进鸡群算法规划路径的初始点，并将中心点编码成改进鸡群算法的三种鸡群，即公鸡、母鸡和小鸡；其中公鸡优先级最高，母鸡的优先级其次，小鸡的优先级最低，定义适应度函数和初始化参数，多群协同计算加速算法的收敛过程，并且增加了算法的稳定性；
步骤五，根据步骤四各种参数，加入三种鸡群的位置移动公式，进行迭代并更新鸡群的个体最优位置和全局最优位置，记录全局最优规划距离以便和其他规划的距离作对比；
步骤六，将步骤五得到的结果作为模拟退火算法的初始值，并使用模拟退火算法计算结果，防止算法陷入局部最优状态，将最后的计算结果保存输出到路径规划的文件中。
进一步，步骤一中，所述构成三角面片的集合为S，构成区域的中心点的集合为T，其中每个面片对应为f1,f2,...,fn，对于某个面片fx，其三条边分别表示为v0,v1,v2，x∈[1,n]；解析在激光加工中的三维模型的文件格式并提取出构成模型的三角面片，并保存构成三角面片的三个顶点的三维坐标和三条边。
其中，所述模型表面区域划分，包括：
(1)设定初始的分割结果集合U为空集，随机选择一个未划分的三角网格fk作为初始划分面，并且加入到结果结合U＝{fk}；
(2)找到与三角网格分割结果集合U内的三角面片相邻的三角面片集合M＝{fj,fj+1,fj+2,...}；
(3)如果U集合为空集则跳转到步骤一，否则选取M集合中的一个三角面片fj+x加入到U集中；如果集合U+{fj+x}能够找到一个外接长方体，并且外接长方形的长、宽满足加工范围和焦深，则继续执行下一步，否则跳到步骤(5)；
(4)将fj+x加入到分割结果的集合U并更新集合M，删除M集合中的元素fj+x，即执行U＝U+{fj+x}，M＝M-fj+x，然后执行步骤(3)；
(5)更新集合M＝M-fj+x，然后执行步骤(3)；
(6)三角面片全部归属到各个区域中，返回区域的集合。
进一步，步骤二中，利用步骤一中得出的三角面片集合使用其邻接三角面片的方式，逐层向外拓展，根据激光刻蚀加工系统的加工范围和最大焦深求出区域内三角面片集合的最大外接矩形。
其中，所述最大外接矩形的确定，包括：
(1)确定投影面：将一个区域内所有三角面片的顶点选择出三个顶点作为集合U的基准面；
(2)通过计算得到U集合中的每个三角面片上的点到基准面的距离：假设选定的基准面的三个点为V0(x0,y0,z0)、V1(x1,y1,z1)、V2(x2,y2,z2)，平面外的一点P(a,b,c)，在平面内找到一点Q(a1,b1,c1)，得到的向量
与基准面的面法向量
(3)根据向量
与基准面的面法向量
平行，计算出平面外的点P到平面的距离d：
(4)计算集合U中所有的点到基准面的距离后，选择正向和负向最远的点之间的距离就是集合U与基准面在垂直方向上的最大距离，即为加工范围中对应的焦深；
(5)通过直线与面的相交公式求得P点垂直于平面上的点的坐标：通过计算得出集合U中的所有点投影到基准面的距离后，找到在基准面的平面直角坐标系x轴、y轴方向上距离最远的点，即为最小外接矩形的长和宽；
(6)将满足加工范围和焦深的区域范围通过邻接三角面增加面积，直到不满足加工范围停止，并将这个区域的三角面片集合保存。
进一步，步骤三中，将步骤二得到的区域集合，计算出区域内所有三角面片的中心点，并使用均值方式计算整个区域的中心点。
其中，所述三角面片的中心点公式为：
一个区域的中心点坐标为：
将所有区域计算出的中心点坐标保存到集合中，并作为路径规划算法的初始点。
进一步，步骤四中，将步骤三中得到的中心点集合作为路径规划算法的初始点，将初始点依次作为起始节点，使用轮盘赌的方式计算出一条路径索引序列，所有初始点作为起始点计算出一条路径共同组成一个矩阵；
编码起始点计算的路径序列，计算每个序列的适应度，并根据适应度高低按照一定比例分别编码为鸡群算法的公鸡、母鸡和小鸡三种模式，然后初始化算法的各项参数。
其中，所述三维模型表面的路径规划算法，包括：
(1)初始化改进鸡群算法参数，定义适应度函数，并初始化距离矩阵；
初始化初始点的距离矩阵，将初始点的每一个点作为一条路径的起始点并生成一条路径，该路径中某个点的下一个顶点，是在出当前节点以外的所有点距离当前节点最短的点，并按照顺序将所有的点为起始点生成的路径排列成矩阵，定义适应度值函数为当前最优路径的长度/计算当前路径的长度，其中所述适应度函数表示为：
zbest＝Fmin
i∈[1,2,...,N]；
初始化改进鸡群算法的各项参数NR＝0.2×N，NH＝0.4×N，NC＝N-NR-NH，NM＝0.1×NH，FL＝0.4，C＝0.4；
其中，N表示种群数量，NR表示公鸡的数量，NH表示母鸡的数量，NC表示小鸡的数量，NM表示母鸡中能够有小鸡跟随的数量，FL表示小鸡向母鸡学习的跟随系数，C表示小鸡向公鸡学习的跟随系数。
(2)计算适应度值，根据适应度值大小划分三种鸡，并分成多组；
根据适应度函数计算每个初始点为起始点的路径的适应度，并根据适应度大小对所有路径排序，适应度高的划分为公鸡，适应度最低的划分为小鸡，中间的适应度作为母鸡群体，并将公鸡、母鸡、小鸡的路径轨迹划分多组，每组都存在公鸡、母鸡和小鸡的路径。
(3)迭代更新三种鸡的位置，并记录个体最优位置和全局最优位置；
对公鸡、母鸡和小鸡的位置进行更新，位置移动公式如下：
a.公鸡位置更新公式
其中，
表示下一代公鸡位置更新的结果，
表示当前的路径方案，pg代表整个种群的最优解决方案，pr表示个体历史最优方案，xrand代表一个随机交换的序列，m1、m2、m3表示当代保留概率，
表示概率保留操作，“-”表示交换序列的操作，
表示一个交换序列；根据概率保留率，将交换序列中的交换算子随机存储；保存的交换运算操作作用于原始路径
产生下一代路径
b.母鸡位置更新公式
其中，m1*rand和m2*rand是两个不同的概率保留率，
是通过比较
和
城市坐标点的位置而得到的交换序列，结合m1*rand得到最终的交换算子；通过相同的方式，
通过m2*rand结合获得交换的序列；结合两个交换序列作用于原始路径
便得到新的路径序列
c.小鸡位置更新公式
其中，FL和C是两个交换序列的概率保留率，由于小鸡受到自己小组中母鸡的影响，故通过
获得母鸡影响的交换序列，根据概率保留率将剩余的交换算子应用于原始路径中；由于还受到鸡群其他小组中母鸡和公鸡等比小鸡等级高的个体的影响，通过
获得其中的交换序列。
(4)将记录的结果加入到模拟退火方法中，计算得到最终结果；
将迭代更新的结果设置为模拟退火算法的初始值，设置粒子退火的初始状态温度T0，温度冷却的系数，粒子退火时记录当前迭代的次数t1＝1，最大的退火循环次数为Tmax；在计算结果的邻域内随机选择出新的结果，计算新解的适应度值，并根据Metropolis准则更新解。在一定温度下进行降温操作，在温度到达稳定状态退出。
(5)保存顶点的顺序和索引；
将从步骤(4)中得到的结果即为一个初始点的索引序列，将索引序列和按照索引序列的顺序重新排列点位顺序，并根据加工需要保存成相应的文件格式。
进一步，步骤五中，更新编码的公鸡、母鸡和小鸡的位置，并在每一次迭代中更新个体最优位置和全局最优位置。
本发明的另一目的在于提供一种应用所述的三维模型表面路径规划方法的三维模型表面路径规划系统，所述三维模型表面路径规划系统包括：
模型表面区域划分模块，用于将三维模型文件解析并存储成三角面的集合，包含三个点和三条边；
邻接边搜索模块，用于根据激光刻蚀加工系统的加工范围和最大焦深确定加工的每个区域，采用邻接边搜索的方式，求区域内的最大外接矩形；
中心点提取模块，用于根据邻接边搜索模块计算出的划分好的区域，将每个区域内的中心点提取出并存入集合中；
算法参数初始化模块，用于根据中心点提取模块提取出的区域中心点集合，作为改进鸡群算法规划路径的初始点，并将中心点编码成改进鸡群算法的三种鸡群，即公鸡、母鸡和小鸡；其中公鸡优先级最高，母鸡的优先级其次，小鸡的优先级最低，定义适应度函数和初始化参数；
位置更新模块，用于根据算法参数初始化模块的各种参数，加入三种鸡群的位置移动公式，进行迭代并更新鸡群的个体最优位置和全局最优位置；
结果计算模块，用于将位置更新模块得到的结果作为模拟退火算法的初始值，使用模拟退火算法计算结果，并将最后的计算结果保存输出到路径规划的文件中。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
根据激光刻蚀加工系统的扫描振镜的加工范围和最大加工焦深，使用最小外接矩形的方法求出每一次激光扫描振镜在三维模型表面加工的划分区域大小，并提取出该区域的中心点作为路径规划的定位顶点；然后对定位顶点集合作为三维模型表面路径规划的初始点集合，使用改进的鸡群算法对空间中的初始点位进行路径规划，并将规划后的定位点索引序列输出保存。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的三维模型表面路径规划系统。
本发明的另一目的在于提供一种激光刻蚀加工方法，所述激光刻蚀加工方法使用所述三维模型表面路径规划方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的三维模型表面路径规划方法，基于改进鸡群算法思想并使用最大外接矩形的方式解决模型表面的加工路径规划问题，采用区域划分提取初始点并将改进的鸡群算法应用到路径规划的思想，使得在激光刻蚀加工过程中的运动轨迹长度大大的减少，缩短了用于定位和空行程的距离，在与蚁群算法、粒子群算法、遗传算法、模拟退火算法等比较后，规划的路径更短，计算过程的时间更少，算法效率更优，能有效提高实际生产中的加工效率。
针对于目前激光刻蚀加工领域主要使用传统算法进行加工路径规划，在计算含有大量加工点的模型时效率低下，本发明提供了一种基于加工区域划分和改进鸡群算法下的路径规划方法，在与蚁群算法、粒子群算法、遗传算法、模拟退火算法的比较中可以得出，本发明不仅可以有效的减少加工模型的定位点数量，还能在加工路径方面，高效的规划出一条加工路径，从而有效提高实际的加工效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，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这些附图获得其他的附图。
图1是本发明实施例提供的三维模型表面路径规划方法流程图。
图2是本发明实施例提供的三维模型表面路径规划方法原理图。
图3是本发明实施例提供的三维模型表面路径规划系统结构框图；
图中：1、模型表面区域划分模块；2、邻接边搜索模块；3、中心点提取模块；4、算法参数初始化模块；5、位置更新模块；6、结果计算模块。
图4是本发明实施例提供的三维网格模型的示意图。
图5是本发明实施例提供的三维网格模型对应加工区域的示意图。
图6是本发明实施例提供的区域划分结果的示意图。
图7是本发明实施例提供的区域划分后提取的定位点的示意图。
图8是本发明实施例提供的三维模型表面路径规划结果的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种三维模型表面路径规划方法、系统、设备、终端及应用，在三维激光加工中对三维模型表面的加工路径进行规划，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的三维模型表面路径规划方法包括以下步骤：
S101，进行模型表面区域划分，将三维模型文件解析并存储成三角面的集合，包含三个点和三条边；
S102，根据激光刻蚀加工系统的加工范围和最大焦深确定加工的每个区域，采用邻接边搜索的方式，确定区域内的最大外接矩形；
S103，根据S102计算出的划分好的区域，将每个区域内的中心点提取出并存入集合中；
S104，根据S103提取出的区域中心点集合，作为改进鸡群算法规划路径的初始点，并将中心点编码成改进鸡群算法的三种鸡群，即公鸡、母鸡和小鸡；其中公鸡优先级最高，母鸡的优先级其次，小鸡的优先级最低，定义适应度函数和初始化参数；
S105，根据S104各种参数，加入三种鸡群的位置移动公式，进行迭代并更新鸡群的个体最优位置和全局最优位置；
S106，将S105得到的结果作为模拟退火算法的初始值，并使用模拟退火算法计算结果，将最后的计算结果保存输出到路径规划的文件中。
本发明实施例提供的三维模型表面路径规划方法原理图如图2所示。
如图3所示，本发明实施例提供的三维模型表面路径规划系统包括：
模型表面区域划分模块1，用于将三维模型文件解析并存储成三角面的集合，包含三个点和三条边；
邻接边搜索模块2，用于根据激光刻蚀加工系统的加工范围和最大焦深确定加工的每个区域，采用邻接边搜索的方式，求区域内的最大外接矩形；
中心点提取模块3，用于根据邻接边搜索模块计算出的划分好的区域，将每个区域内的中心点提取出并存入集合中；
算法参数初始化模块4，用于根据中心点提取模块提取出的区域中心点集合，作为改进鸡群算法规划路径的初始点，并将中心点编码成改进鸡群算法的三种鸡群，即公鸡、母鸡和小鸡；其中公鸡优先级最高，母鸡的优先级其次，小鸡的优先级最低，定义适应度函数和初始化参数；
位置更新模块5，用于根据算法参数初始化模块的各种参数，加入三种鸡群的位置移动公式，进行迭代并更新鸡群的个体最优位置和全局最优位置；
结果计算模块6，用于将位置更新模块得到的结果作为模拟退火算法的初始值，使用模拟退火算法计算结果，并将最后的计算结果保存输出到路径规划的文件中。
下面结合实施例对本发明的技术方案作进一步描述。
如图2所示，本发明实施例提供的面向激光刻蚀加工过程的三维模型表面加工路径规划方法包括以下步骤：
步骤一，提取模型文件有效信息，将三维模型构成的三角面片提取出来，并存储构成三角面片的三个顶点坐标和三条边；
步骤二，将模型表面划分区域，根据实际加工中使用的激光刻蚀加工系统扫描振镜的加工范围和焦深，通过邻接三角面片拓展的方式构建最大外接矩形，并将构成每个区域的三角面片集合存储；
步骤三，将步骤二中每个区域提取定位中心点，计算每个区域中的三角面片的中心点，并通过均值的方式计算整个区域的中心点坐标，并将中心点坐标存储；
步骤四，将步骤三提取出的中心点坐标作为路径规划的初始点，将初始点编码并得出每个初始点作为起始点的路径，通过适应度函数的计算，划分为路径规划算法的三种模式，并初始化算法的参数；
步骤五，将编码划分的三种群模式使用位置更新公式迭代更新，并保存每次迭代的个体最优位置和全局最优位置；
步骤六，将步骤五计算出的结果加入到模拟退火算法中，并将计算结果的索引顺序保存到文件。
如图4所示，本发明实施例提供的三维网格模型，其完全由三角面片拼接组成，除了位于模型边缘的三角面片以外，其余的三角面片都与邻接的三角面片有三条公共边。
如图5和图6所示，本发明实施例提供的区域划分结果和区域加工的范围，最后将划分的区域和加工的范围重合。三角面片的集合表示为S，其中每个面片对应为f1,f2,...,fn，对于某个面片fx，其三条边分别表示为v0,v1,v2，x∈[1,n]。区域划分的操作步骤为：
步骤一，设定初始的分割结果集合U为空集。随机选择一个未划分的三角网格fk作为初始划分面，并且加入到结果结合U＝{fk}；
步骤二，找到与三角网格分割结果集合U内的三角面片相邻的三角面片集合M＝{fj,fj+1,fj+2,...}；
步骤三，如果U集合为空集则跳转到步骤一，否则选取M集合中的一个三角面片fj+x加入到U集中。如果集合U+{fj+x}能够找到一个外接长方体，并且外接长方形的长、宽满足加工范围和焦深，则继续执行下一步，否则跳到步骤五；
步骤四，将fj+x加入到分割结果的集合U并更新集合M，删除M集合中的元素fj+x，即执行U＝U+{fj+x}，M＝M-fj+x，然后执行步骤三；
步骤五，更新集合M＝M-fj+x，然后执行步骤三；
步骤六，三角面片全部归属到各个区域中，返回区域的集合。
这里对于求解的区域来说，最复杂的就是在边界复杂的拼接三角面片区域，找到一个近似最小的外接矩形，而在三维空间中，需要将空间中的区域投影到基准面上，再找到近似最小外接矩形，所以在区域中找基准面并投影到基准面便是一个难点。确定最小外接矩形的步骤如下：
步骤一，确定投影面。将一个区域内所有三角面片的顶点选择出三个顶点作为集合U的基准面；
步骤二，通过计算得到U集合中的每个三角面片上的点到基准面的距离。假设选定的基准面的三个点为V0(x0,y0,z0)、V1(x1,y1,z1)、V2(x2,y2,z2)，平面外的一点P(a,b,c)，在平面内找到一点Q(a1,b1,c1)，得到的向量
与基准面的面法向量
步骤三，根据向量
与基准面的面法向量
平行，可计算出平面外的点P到平面的距离d；
步骤四，计算集合U中所有的点到基准面的距离后，选择正向和负向最远的点之间的距离就是集合U与基准面在垂直方向上的最大距离，也是加工范围中对应的焦深；
步骤五，通过直线与面的相交公式求得P点垂直于平面上的点的坐标。通过计算得出集合U中的所有点投影到基准面的距离后，找到在基准面的平面直角坐标系x轴、y轴方向上距离最远的点，便是最小外接矩形的长和宽。
步骤六，将满足加工范围和焦深的区域范围通过邻接三角面增加面积，直到不满足加工范围停止，将这个区域的三角面片集合保存。
如图7所示，本发明实施例提供的区域划分后提取的定位点，将每个区域内所有的三角面片的中心点计算出来，并使用均值的方式，计算整个区域的中心点。
三角面片的中心点公式为：
一个区域的中心点坐标为：
将所有区域计算出的中心点坐标保存到集合中，并作为路径规划算法的初始点。
如图8所示，本发明实施例提供的三维模型表面路径规划结果，将区域划分提取出的中心点，引入路径规划的算法中，本发明采用改进后的鸡群方法作为路径规划的方法。针对三维模型表面路径规划算法的具体步骤如下：
步骤一，初始化改进鸡群算法参数，定义适应度函数，并初始化距离矩阵；
步骤二，计算适应度值，根据适应度值大小划分三种鸡，并分成多组；
步骤三，迭代更新三种鸡的位置，并记录个体最优位置和全局最优位置；
步骤四，将记录的结果加入到模拟退火方法中，计算得到最终结果；
步骤五，保存顶点的顺序和索引。
在步骤一中，初始化初始点的距离矩阵，将初始点的每一个点作为一条路径的起始点并生成一条路径，该路径中某个点的下一个顶点，是在出当前节点以外的所有点距离当前节点最短的点，并按照顺序将所有的点为起始点生成的路径排列成矩阵，定义适应度值函数为当前最优路径的长度/计算当前路径的长度，zbest表示全局最短长度，Fmin表示当前最优路径的长度，Fi表示当前路径计算的长度，Pi表示当前路径的适应度函数，适应度函数表示为：
zbest＝Fmin
i∈[1,2,...,N]
初始化改进鸡群算法的各项参数NR＝0.2×N，NH＝0.4×N，NC＝N-NR-NH，NM＝0.1×NH，FL＝0.4，C＝0.4；
其中，N表示种群数量，NR表示公鸡的数量，NH表示母鸡的数量，NC表示小鸡的数量，NM表示母鸡中能够有小鸡跟随的数量，FL表示小鸡向母鸡学习的跟随系数，C表示小鸡向公鸡学习的跟随系数；
在步骤二中，根据适应度函数计算每个初始点为起始点的路径的适应度，并根据适应度大小对所有路径排序，适应度高的划分为公鸡，适应度最低的划分为小鸡，中间的适应度作为母鸡群体。并将公鸡、母鸡、小鸡的路径轨迹划分多组，每组都存在公鸡、母鸡和小鸡的路径。
在步骤三中，对公鸡、母鸡和小鸡的位置进行更新，位置移动公式如下：
a.公鸡位置更新公式
其中，
表示下一代公鸡位置更新的结果，
表示当前的路径方案，pg代表整个种群的最优解决方案，pr表示个体历史最优方案，xrand代表一个随机交换的序列，m1、m2、m3表示当代保留概率，
表示概率保留操作，“-”表示交换序列的操作，
表示一个交换序列。根据概率保留率，将交换序列中的交换算子随机存储。保存的交换运算操作作用于原始路径
产生下一代路径
b.母鸡位置更新公式
其中，m1*rand和m2*rand是两个不同的概率保留率，
是通过比较
和
城市坐标点的位置而得到的交换序列，然后结合m1*rand得到最终的交换算子。通过相同的方式，
通过m2*rand结合获得交换的序列。结合两个交换序列作用于原始路径
便得到新的路径序列
c.小鸡位置更新公式
其中，FL和C是两个交换序列的概率保留率，由于小鸡受到自己小组中母鸡的影响，所以通过
获得母鸡影响的交换序列，根据概率保留率将剩余的交换算子应用于原始路径中。由于还受到鸡群其他小组中母鸡和公鸡等比小鸡等级高的个体的影响，通过
获得其中的交换序列。
在步骤四中，将迭代更新的结果设置为模拟退火算法的初始值，设置粒子退火的初始状态温度T0，温度冷却的系数，粒子退火时记录当前迭代的次数t1＝1，最大的退火循环次数为Tmax；在计算结果的邻域内随机选择出新的结果，计算新解的适应度值，并根据Metropolis准则更新解。在一定温度下进行降温操作，在温度到达稳定状态退出。
在步骤五中，将从步骤四中得到的结果即为一个初始点的索引序列，将索引序列和按照索引序列的顺序重新排列点位顺序，并根据加工需要保存成相应的文件格式即可。
通过将本算法与蚁群算法(ACO)、粒子群算法(PSO)、遗传算法(GA)、模拟退火算法(SA)针对所采用的奖杯模型进行表面路径规划，并将算法在500、5000、10000次迭代的结果在表1、表2和表3所示。
表1五种算法500次迭代计算结果
表2五种算法5000次迭代计算结果
表3五种算法10000次迭代计算结果
以上全过程包含了三维模型的结构提取、模型表面的区域划分、中心点位提取、加工路径规划的全部过程。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种三维模型表面路径规划方法，其特征在于，所述三维模型表面路径规划方法包括：根据激光刻蚀加工系统的扫描振镜的加工范围和最大加工焦深，使用最小外接矩形的方法求出每一次激光扫描振镜在三维模型表面加工的划分区域大小，并提取出该区域的中心点作为路径规划的定位顶点；然后将定位顶点集合作为三维模型表面路径规划的初始点集合，使用改进的鸡群算法对空间中的初始点位进行路径规划，并将规划后的定位点索引序列输出保存；
其中，所述三维模型表面路径规划方法，包括模型表面区域划分、定位点提取、改进鸡群算法参数初始化、初始算法位置并更新位置、采用模拟退火方法加速以及规划结果输出部分；
所述三维模型表面路径规划方法包括以下步骤：
步骤一，进行模型表面区域划分，将三维模型文件解析并存储成三角面片的集合，包含三个点和三条边；
步骤二，根据激光刻蚀加工系统的加工范围和最大焦深确定加工的每个区域，采用邻接边搜索的方式，确定区域内的最小外接矩形；
步骤三，根据步骤二计算出的划分好的区域，将每个区域内的中心点提取出并存入集合中；
步骤四，根据步骤三提取出的区域中心点集合，作为改进鸡群算法规划路径的初始点，并将中心点编码成改进鸡群算法的三种鸡群，即公鸡、母鸡和小鸡；其中公鸡优先级最高，母鸡的优先级其次，小鸡的优先级最低，定义适应度函数和初始化参数；
步骤五，根据步骤四各种参数，加入三种鸡群的位置移动公式，进行迭代并更新鸡群的个体最优位置和全局最优位置；
步骤六，将步骤五得到的结果作为模拟退火算法的初始值，并使用模拟退火算法计算结果，将最后的计算结果保存输出到路径规划的文件中；
步骤四中，将步骤三中得到的中心点集合作为路径规划算法的初始点，将初始点依次作为起始节点，使用轮盘赌的方式计算出一条路径索引序列，所有初始点作为起始点计算出一条路径共同组成一个矩阵；
编码起始点计算的路径序列，计算每个序列的适应度，并根据适应度高低按照一定比例分别编码为鸡群算法的公鸡、母鸡和小鸡三种模式，然后初始化算法的各项参数；
其中，所述三维模型表面的路径规划算法，包括：
(1)初始化改进鸡群算法参数，定义适应度函数，并初始化距离矩阵；
初始化初始点的距离矩阵，将初始点的每一个点作为一条路径的起始点并生成一条路径，该路径中某个点的下一个顶点，是在除当前节点以外的所有点距离当前节点最短的点，并按照顺序将所有的点为起始点生成的路径排列成矩阵，定义适应度值函数为当前最优路径的长度/计算当前路径的长度，其中所述适应度函数表示为：
zbest＝Fmin
i∈[1,2,...,N]；
初始化改进鸡群算法的各项参数NR＝0.2×N，NH＝0.4×N，NC＝N-NR-NH，NM＝0.1×NH，FL＝0.4，C＝0.4；
其中，N表示种群数量，NR表示公鸡的数量，NH表示母鸡的数量，NC表示小鸡的数量，NM表示母鸡中能够有小鸡跟随的数量，FL表示小鸡向母鸡学习的跟随系数，C表示小鸡向公鸡学习的跟随系数；
(2)计算适应度值，根据适应度值大小划分三种鸡，并分成多组；
根据适应度函数计算每个初始点为起始点的路径的适应度，并根据适应度大小对所有路径排序，适应度高的划分为公鸡，适应度最低的划分为小鸡，中间的适应度作为母鸡群体，并将公鸡、母鸡、小鸡的路径轨迹划分多组，每组都存在公鸡、母鸡和小鸡的路径；
(3)迭代更新三种鸡的位置，并记录个体最优位置和全局最优位置；
对公鸡、母鸡和小鸡的位置进行更新，位置移动公式如下：
a.公鸡位置更新公式
其中，
表示下一代公鸡位置更新的结果，
表示当前的路径方案，pg代表整个种群的最优解决方案，pr表示个体历史最优方案，xrand代表一个随机交换的序列，m1、m2、m3表示当代保留概率，
表示概率保留操作，“-”表示交换序列的操作，
表示一个交换序列；根据概率保留率，将交换序列中的交换算子随机存储；保存的交换运算操作作用于原始路径
产生下一代路径
b.母鸡位置更新公式
其中，m1*rand和m2*rand是两个不同的概率保留率，
是通过比较
和
城市坐标点的位置而得到的交换序列，结合m1*rand得到最终的交换算子；通过相同的方式，
通过m2*rand结合获得交换的序列；结合两个交换序列作用于原始路径
便得到新的路径序列
c.小鸡位置更新公式
其中，FL和C是两个交换序列的概率保留率，由于小鸡受到自己小组中母鸡的影响，故通过
获得母鸡影响的交换序列，根据概率保留率将剩余的交换算子应用于原始路径中；由于还受到鸡群其他小组中母鸡和公鸡等比小鸡等级高的个体的影响，通过
获得其中的交换序列；
(4)将记录的结果加入到模拟退火方法中，计算得到最终结果；
将迭代更新的结果设置为模拟退火算法的初始值，设置粒子退火的初始状态温度T0，温度冷却的系数，粒子退火时记录当前迭代的次数t1＝1，最大的退火循环次数为Tmax；在计算结果的邻域内随机选择出新的结果，计算新解的适应度值，并根据Metropolis准则更新解；在一定温度下进行降温操作，在温度到达稳定状态退出；
(5)保存顶点的顺序和索引；
将从步骤(4)中得到的结果即为一个初始点的索引序列，将索引序列和按照索引序列的顺序重新排列点位顺序，并根据加工需要保存成相应的文件格式；
步骤五中，更新编码的公鸡、母鸡和小鸡的位置，并在每一次迭代中更新个体最优位置和全局最优位置。
2.如权利要求1所述三维模型表面路径规划方法，其特征在于，步骤一中，三角面片的集合为S，构成区域的中心点的集合为T，其中每个面片对应为f1,f2,...,fn，对于某个面片fx，其三条边分别表示为v0,v1,v2，x∈[1,n]；解析在激光加工中的三维模型的文件格式并提取出构成模型的三角面片，并保存构成三角面片的三个顶点的三维坐标和三条边；
其中，所述模型表面区域划分，包括：
(1)设定初始的分割结果集合U为空集，随机选择一个未划分的三角网格fk作为初始划分面，并且加入到结果集合U＝{fk}；
(2)找到与三角网格分割结果集合U内的三角面片相邻的三角面片集合M＝{fj,fj+1,fj+2,...}；
(3)如果U集合为空集则跳转到步骤一，否则选取M集合中的一个三角面片fj+x加入到U集中；如果集合U+{fj+x}能够找到一个外接长方体，并且外接长方形的长、宽满足加工范围和焦深，则继续执行下一步，否则跳到步骤(5)；
(4)将fj+x加入到分割结果的集合U并更新集合M，删除M集合中的元素fj+x，即执行U＝U+{fj+x}，M＝M-fj+x，然后执行步骤(3)；
(5)更新集合M＝M-fj+x，然后执行步骤(3)；
(6)三角面片全部归属到各个区域中，返回区域的集合。
3.如权利要求1所述三维模型表面路径规划方法，其特征在于，步骤二中，利用步骤一中得出的三角面片集合使用其邻接三角面片的方式，逐层向外拓展，根据激光刻蚀加工系统的加工范围和最大焦深求出区域内三角面片集合的最小外接矩形；
其中，所述最小外接矩形的确定，包括：
(1)确定投影面：将一个区域内所有三角面片的顶点选择出三个顶点作为集合U的基准面；
(2)通过计算得到U集合中的每个三角面片上的点到基准面的距离：假设选定的基准面的三个点为V0(x0,y0,z0)、V1(x1,y1,z1)、V2(x2,y2,z2)，平面外的一点P(a,b,c)，在平面内找到一点Q(a1,b1,c1)，得到的向量
与基准面的面法向量
(3)根据向量
与基准面的面法向量
平行，计算出平面外的点P到平面的距离d：
(4)计算集合U中所有的点到基准面的距离后，选择正向和负向最远的点之间的距离就是集合U与基准面在垂直方向上的最大距离，即为加工范围中对应的焦深；
(5)通过直线与面的相交公式求得P点垂直于平面上的点的坐标：通过计算得出集合U中的所有点投影到基准面的距离后，找到在基准面的平面直角坐标系x轴、y轴方向上距离最远的点，即为最小外接矩形的长和宽；
(6)将满足加工范围和焦深的区域范围通过邻接三角面增加面积，直到不满足加工范围停止，并将这个区域的三角面片集合保存。
4.如权利要求1所述三维模型表面路径规划方法，其特征在于，步骤三中，将步骤二得到的区域集合，计算出区域内所有三角面片的中心点，并使用均值方式计算整个区域的中心点；
其中，所述三角面片的中心点公式为：
一个区域的中心点坐标为：
将所有区域计算出的中心点坐标保存到集合中，并作为路径规划算法的初始点。
5.一种实施权利要求1～4任意一项所述三维模型表面路径规划方法的三维模型表面路径规划系统，其特征在于，所述三维模型表面路径规划系统包括：
模型表面区域划分模块，用于将三维模型文件解析并存储成三角面片的集合，包含三个点和三条边；
邻接边搜索模块，用于根据激光刻蚀加工系统的加工范围和最大焦深确定加工的每个区域，采用邻接边搜索的方式，求区域内的最小外接矩形；
中心点提取模块，用于根据邻接边搜索模块计算出的划分好的区域，将每个区域内的中心点提取出并存入集合中；
算法参数初始化模块，用于根据中心点提取模块提取出的区域中心点集合，作为改进鸡群算法规划路径的初始点，并将中心点编码成改进鸡群算法的三种鸡群，即公鸡、母鸡和小鸡；其中公鸡优先级最高，母鸡的优先级其次，小鸡的优先级最低，定义适应度函数和初始化参数；
位置更新模块，用于根据算法参数初始化模块的各种参数，加入三种鸡群的位置移动公式，进行迭代并更新鸡群的个体最优位置和全局最优位置；
结果计算模块，用于将位置更新模块得到的结果作为模拟退火算法的初始值，使用模拟退火算法计算结果，并将最后的计算结果保存输出到路径规划的文件中。
6.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1所述的方法。
7.一种激光刻蚀加工方法，其特征在于，所述激光刻蚀加工方法使用权利要求1～4任意一项所述三维模型表面路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110786279.0A CN113589753B (zh) | 2021-07-12 | 2021-07-12 | 三维模型表面路径规划方法、系统、设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110786279.0A CN113589753B (zh) | 2021-07-12 | 2021-07-12 | 三维模型表面路径规划方法、系统、设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113589753A CN113589753A (zh) | 2021-11-02 |
| CN113589753B true CN113589753B (zh) | 2022-09-09 |
Family
ID=78247102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110786279.0A Active CN113589753B (zh) | 2021-07-12 | 2021-07-12 | 三维模型表面路径规划方法、系统、设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113589753B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114282671B (zh) * | 2021-12-28 | 2022-10-18 | 河北农业大学 | 一种基于加速度传感器行为识别的种鸡群序确定方法 |
| CN114309926B (zh) * | 2022-03-15 | 2022-08-09 | 北京金橙子科技股份有限公司 | 一种面向三维复杂表面激光打标方法及系统 |
| CN114971087A (zh) * | 2022-07-25 | 2022-08-30 | 杭州凌像科技有限公司 | 用于激光打孔机的遍历无序有限点集路径优化方法及系统 |
| CN115774452B (zh) * | 2023-02-13 | 2023-05-05 | 南京航空航天大学 | 一种基于形状约束的三维模型表面覆盖路径规划方法 |
| CN116061182A (zh) * | 2023-02-20 | 2023-05-05 | 江南大学 | 一种基于改进鸡群优化算法的机械臂轨迹规划方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104880949A (zh) * | 2015-05-27 | 2015-09-02 | 江南大学 | 基于改进鸡群算法获得工件加工最优调度的方法 |
| CN108960116A (zh) * | 2018-06-28 | 2018-12-07 | 哈尔滨工程大学 | 基于改进小波包变换的柴油机高频压力振荡信号提取方法 |
| CN110039186A (zh) * | 2019-04-22 | 2019-07-23 | 西安交通大学 | 一种应用于激光表面刻蚀的曲面模型路径规划方法 |
| CN110489778A (zh) * | 2019-07-02 | 2019-11-22 | 西安电子科技大学 | 面向激光刻蚀加工的图形分割方法、激光刻蚀控制系统 |
| CN111273606A (zh) * | 2020-03-09 | 2020-06-12 | 西南交通大学 | 一种五轴机床几何误差补偿的刀具姿态优化方法 |
| CN112327938A (zh) * | 2020-10-13 | 2021-02-05 | 华中科技大学 | 一种基于数据驱动的机器人近零跟随误差控制方法 |
-
2021
- 2021-07-12 CN CN202110786279.0A patent/CN113589753B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104880949A (zh) * | 2015-05-27 | 2015-09-02 | 江南大学 | 基于改进鸡群算法获得工件加工最优调度的方法 |
| CN108960116A (zh) * | 2018-06-28 | 2018-12-07 | 哈尔滨工程大学 | 基于改进小波包变换的柴油机高频压力振荡信号提取方法 |
| CN110039186A (zh) * | 2019-04-22 | 2019-07-23 | 西安交通大学 | 一种应用于激光表面刻蚀的曲面模型路径规划方法 |
| CN110489778A (zh) * | 2019-07-02 | 2019-11-22 | 西安电子科技大学 | 面向激光刻蚀加工的图形分割方法、激光刻蚀控制系统 |
| CN111273606A (zh) * | 2020-03-09 | 2020-06-12 | 西南交通大学 | 一种五轴机床几何误差补偿的刀具姿态优化方法 |
| CN112327938A (zh) * | 2020-10-13 | 2021-02-05 | 华中科技大学 | 一种基于数据驱动的机器人近零跟随误差控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| An Improved Chicken Swarm Optimization Algorithm and its Application in Robot Path Planning;Ximing Liang;《ieee》;20200217;全文 * |
| 基于模拟退火的改进鸡群优化算法;李振璧等;《微电子学与计算机》;20170205(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113589753A (zh) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113589753B (zh) | 三维模型表面路径规划方法、系统、设备 | |
| CN102289466B (zh) | 一种基于区域覆盖的k近邻查询方法 | |
| CN107092978B (zh) | 一种面向虚拟地球的最短路径分层规划方法 | |
| CN111080786B (zh) | 基于bim的室内地图模型构建方法及装置 | |
| CN113781667A (zh) | 三维结构简化重建方法、装置、计算机设备和存储介质 | |
| CN111243094B (zh) | 一种基于点灯法的三维模型精确体素化方法 | |
| CN110033519A (zh) | 基于隐式函数的三维建模方法、装置、系统及存储介质 | |
| CN111695281A (zh) | 一种四面体网格划分有限元粒子模拟的粒子快速定位方法 | |
| CN117454206A (zh) | 针对晶圆的缺陷的聚类方法、系统、设备及计算机可读介质 | |
| CN116993915A (zh) | 一种基于贪婪投影的骨关节模型重建方法、装置及设备 | |
| Laskar et al. | A survey on VLSI floorplanning: its representation and modern approaches of optimization | |
| CN111130569A (zh) | 一种空间信息数据自适应容错处理方法及系统 | |
| CN115718623A (zh) | 一种密集杂波环境下的异类雷达点迹融合并行处理方法 | |
| CN115033972A (zh) | 一种建筑主体结构批量单体化方法、系统及可读存储介质 | |
| CN109509249B (zh) | 一种基于部件的虚拟场景光源智能生成方法 | |
| CN108985306B (zh) | 基于改进边界代数法的相交多边形提取方法 | |
| CN113065035A (zh) | 一种单机核外属性图计算方法 | |
| CN117475109B (zh) | 基于拉伸体几何切割的模型流水段划分方法、装置及介质 | |
| CN111737894B (zh) | 一种三角面网格划分有限元粒子模拟的粒子快速定位方法 | |
| CN116105741B (zh) | 一种多目标三维动态路径规划方法和装置 | |
| CN108984619A (zh) | 一种基于大数据的自定义报表的方法 | |
| CN117437378B (zh) | 一种基于四边形的网格生成方法、系统、设备和介质 | |
| CN116227009B (zh) | 一种估计隧洞bim模型和点云模型偏差的方法、装置和设备 | |
| US20240104790A1 (en) | Optimizing grid-based compute graphs | |
| CN113689553B (zh) | 电力系统中输电塔的快速人机交互动态建模方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |