CN1881204A - 一种嵌入式激光柔性加工过程仿真方法 - Google Patents

Abstract

本发明公开了一种将不同加工方式的物理模型嵌入到仿真系统中的一种虚拟激光柔性加工过程仿真方法。该方法包括：1)建立虚拟加工平台；2)轨迹优化；3)建立工艺力学模型；4)检验模型；5)仿真实施。利用本发明可在计算机环境中观察到加工的每一过程，直观显示激光加工机器人与其它设备及工件的碰撞干涉情形及不合理加工轨迹；工艺力学模型综合考虑几何、物理等方面，正确全面地反映加工效果，及早预见加工缺陷，为工艺参数调整及工艺优化提供有效依据，节省人力、物力、时间与成本。

Description

一种嵌入式激光柔性加工过程仿真方法

技术领域

本发明涉及一种仿真方法，特别是涉及一种将不同加工方式的物理模型嵌入到仿真系统中的一种虚拟激光柔性加工过程仿真方法。

背景技术

虚拟制造是集现代制造工艺、计算机图形学、并行工程、人工智能、人工现实等多种高新技术为一体，对所有的制造环境及制造活动进行建模与仿真，是对产品全生命周期的仿真。其中的加工过程仿真是虚拟制造的底层与核心。由于加工过程中涉及因素多，过程复杂，而且对加工过程的研究难以集成到虚拟制造的大仿真系统下，这一直是虚拟制造的瓶颈问题之一。目前加工过程仿真研究较多的是机加工，且过程仿真分为几何仿真与物理仿真单独进行。这是因为机加工是对工件进行切除操作，所对应的加工效果是最终的几何尺寸和表面光洁度，因而最初的仿真是几何仿真。随着研究的深入，发现单纯的几何仿真虽然解决了加工中的碰撞、干涉问题，但预测的加工结果与实际加工出入较大，这才使仿真进入了物理仿真的层面，例如对车、铣、磨、钻等建立了力模型、振动模型、刀具磨损模型等。而对于虚拟制造下激光柔性加工的全面仿真，目前尚未见相关的研究报道或者是公布的专利技术。

发明内容

本发明的目的是在虚拟制造的仿真大系统下，建立包括虚拟环境与虚拟设备的虚拟加工平台，分析无碰撞加工轨迹优化方法及算法实现，建立基于人工神经网络的工艺力学模型，嵌入到虚拟加工平台中。

为了达到上述目的，本发明采取如下技术方案：

一种嵌入式激光柔性加工过程仿真方法，其步骤包括：

(1)建立虚拟加工平台：在虚拟加工环境中加入虚拟设备即虚拟激光加工机器人；虚拟激光加工机器人的建立包括几何模型的建立和控制设备几何动作的运动学模型的建立。几何模型指加工机器人的CAD实体模型；运动学模型包括其正解与运动学逆解，正解指由机器人各轴的运动量计算得加工头处的位姿，即坐标值与法向量值，逆解指由加工头处的位姿反算出机器人各轴的运动量值，反映的是机器人各关节轴值与加工头位姿间的关系。

(2)轨迹优化：加工点1，2，…，n，采用C空间法计算任两点i，j(i＝1，2，…，n；j＝1，2，…，n)的无碰撞最短轨迹；如图2所示，加工点i用O₁表示加工点j用O₂表示，碰撞点为p，建立通过p点和j点的连线(图中虚线表示)的w个平面与模具型面相交得到w条交线，图中用实线表示出其中的两条，取w条交线中的最短交线，即为加工点i，j之间的无碰撞最短轨迹；w的取值大小决定了计算量大小，w的取值越大，计算量越大，取得的最短轨迹也越准确；w的取值至少为8；两点轨迹算出后采用蚂蚁算法计算加工这n个加工点的最优加工轨迹；

(3)建立工艺力学模型：综合分析几何、力学、材料、工艺、物理等方面，分析每一加工点的实际加工参数，提炼影响加工的最主要因素和反映加工效果的指标，以神经网络方法建立模型，每一加工点的参数考虑既有几何方面又有物理方面，模型是全面反映加工过程的完整经过，即为完整过程模型。激光加工方式不同，所对应的材料与激光作用机理有所区别；比如对于激光硬化加工，其影响因素确定为偏转角度、偏移距离、激光功率密度、激光脉宽；加工效果衡量指标确定为硬度、相对耐磨性、层深、表面光洁度，用上述影响因素和加工效果衡量指标以神经网络方法建立工艺力学模型。

(4)检验模型：以实验测量数据作为训练数据，对上一步骤中建立的工艺力学模型进行检验，检测结果在规定的误差范围内，如相对误差0.1，便认为模型正确可靠。

(5)仿真实施：步骤3中建立的工艺力学模型和步骤2中得出的最优加工轨迹与虚拟环境加以集成，运动学模型控制虚拟加工机器人的几何动作，对每一加工点调入其加工参数，即工艺力学模型的输入参数，得加工头几何动作中的实际加工效果，仿真整个加工过程。

在上述方法中，虚拟加工平台中可以嵌入不同的加工模型，即可以仿真不同的加工方式。

与现有技术相比，本发明的有益效果是：

在逼真的计算机环境中观察到加工的每一过程，直观显示激光加工机器人与其它设备及工件的碰撞干涉情形及不合理加工轨迹；工艺力学模型综合考虑几何、物理方面，不再是加工过程的片面抽象，而是正确全面地反映加工效果，及早预见加工缺陷，为工艺参数调整及工艺优化提供有效依据，节省人力、物力、时间与成本。

附图说明

图1(a)是加工机器人的几何模型整体结构图；

图1(b)是图1(a)中虚线圈中的腕部加工头的放大图；

图2是加工点中任两点无碰撞最短路径示意图；

图3是本发明加工点最优加工路径的蚂蚁算法流程图；

图4是加工点激光方斑的几何尺寸与点阵分布示意图；

图5是加工点的真实加工与理想加工的偏差示意图；

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细描述：

本发明的方法主要是仿真过程中的建模和轨迹的优化算法及仿真模型预测，其具体步骤如下：

1.建立虚拟激光加工平台：该虚拟平台是为所有激光加工提供的加工平台，所要虚拟的是激光加工设备和虚拟环境。本实施例针对由中国科学院力学研究所研制的“一种具有柔性传输和多轴联动的激光加工装置”，专利号为98101217.5；其虚拟环境主要是加工间灯光、辅助设施及布局等。虚拟加工设备主要是虚拟激光加工机器人，包括机器人几何模型和可执行任何轨迹的机器人运动学控制模型。如图1(a)所示，加工机器人为5轴框架式机器人，有x移动轴1、y移动轴2、z移动轴3和A转动轴5、C转动轴6，几何模型如图1所示，其框架4尺寸为5.77m×3.63m×2.0m，硬限位为x：4.45m；y：2.755m；z：1.085m，运动学关系矩阵为：

$T_5=\left[\begin{array}{cccc}1& 0& 0& x\\ 0& 1& 0& y\\ 0& 0& 1& z\\ 0& 0& 0& 1\end{array}\right]\·\left[\begin{array}{cccc}{C}_4& -S_4& 0& 0\\ S_4& C_4& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]\·\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& -{\mathrm{ll}}_1\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]\·\left[\begin{array}{cccc}{C}_5& 0& S_5& 0\\ 0& 1& 0& 0\\ -S_5& 0& C_5& 0\\ 0& 0& 0& 1\end{array}\right]\·\left[\begin{array}{cccc}-1& 0& 0& 0\\ 0& 1& 0& 0\\ 0& 0& -1& 0\\ 0& 0& 0& 1\end{array}\right]$

其逆解为：

P_x＝x+S₄ll₁+a_x·T_l    P_y＝y-C₄ll₁+a_y·T_l        P_z＝z+a_z·T_l

A＝arctan(a_y/a_x)          C＝arccos(-a_z)

式中P_x，P_y，P_z，A，C为各轴的运动量值；x，y，z为腕部加工工具头7的坐标值；法向矢量(a_x，a_y，a_z)是机器人腕部加工工具头7的姿态，如图1(b)所示，腕部加工工具头7的三个方向余弦为姿态)；T_l是腕部加工工具头7的长度；ll₁是腕部手臂8的长度；θ_A代表A转动轴转动角度；θ_C代表C转动轴转动角度；S₄＝sinθ_A代表A转动轴转动角度的正弦计算；C₄＝cosθ_A代表A转动轴转动角度的余弦计算；S₅＝sinθ_C代表C转动轴转动角度的正弦计算；C₅＝cosθ_C代表C转动轴转动角度的余弦计算。

上述运动学关系通过软件IGRIP的Shared Library二次开发功能导入给虚拟机器人形成机器人运动学控制模型。

2.轨迹优化：激光加工的轨迹优化与加工仿真结合起来才能保证正确加工及加工效率。激光加工点的轨迹优化模型为求单次遍访各加工点的最短回路，公式表述如下：

$\min \underset{i\≠j}{\mathrm{\Σ}}{d}_{\mathrm{ij}}{x}_{\mathrm{ij}}$

s.t.

$\underset{i\≠j}{\mathrm{\Σ}}{x}_{\mathrm{ij}}=1,i,j=\mathrm{0,1},\·\·\·,n$

$\underset{i,j\∈S}{\mathrm{\Σ}}{x}_{\mathrm{ij}}\≤\left|S\right|-1,S\⋐\{\mathrm{0,1},\·\·\·,n\}$

x_ij∈{0，1}，

其中，

|S|表示集合S中所含元素的个数，n为激光硬化加工的总点数，d_ij为加工点i到加工点j间的无碰撞最短轨迹长度。

加工点i(图中用O₁点表示)到加工点j(图中用O₂点表示)间的无碰撞轨迹长度在C空间中求得。如图2所示，取工件上O点为坐标参考原点，加工点O₁相对于工件基础坐标原点O点的坐标为(272.2，24.3，14.7)，加工点O₂的相对坐标为(283.4，44.6，29.8)，从O₁到O₂点发生碰撞的点为P(279.4，34.4，19.8)，以PO₂为连线建立不同的8个面与工件型面相交得到8个交线，其中长度最短的交线即为无碰撞最短轨迹；本实施例建立不同的8个面，还可以取更多个面以获得更准确的无碰撞最短轨迹。

两两点无碰撞轨迹得知后，用蚂蚁算法求单次遍访各加工点的最短回路。设有n个加工点，有m个搜索器，本实施例中m＝20。搜索器在走过的路径上留下搜索标记量，这个量随着时间而更新，搜索器k在t次迭代中从加工点i选择下一加工点j时，根据转移概率来选择，见公式(1)中P^k _ij(t)；其中τ_ij(t)为第t次迭代搜索路径地图上加工点i到加工点j轨迹的搜索标记量，迭代总次数为T，例如T＝10，η_ij为搜索器搜寻法则，在这里η_ij＝1/d_ij，G_k(i)为加工头尚未到达过的加工点集合，α、β表示相对重要性。公式(2)中Δτ_ij ^k(t)为第k个搜索器于第t次搜索中加工点i到加工点j的单位轨迹长度搜索标记数，Q为单个搜索器的搜索标记总量，L_k为第k个搜索器搜索路径的总距离，公式(3)中为搜索标记量的更新，ρ为轨迹衰减度，公式(4)中Δτ_ij(t)表示轨迹上所有搜索器的搜索标记量。算法公式为：

$P_{\mathrm{ij}}^k\left(t\right)=\left\{\begin{array}{cc}\frac{{\left[{\mathrm{\τ}}_{\mathrm{ij}}\left(t\right)\right]}^{\mathrm{\α}}{\left[{\mathrm{\η}}_{\mathrm{ij}}\right]}^{\mathrm{\β}}}{\underset{h{\∈G}_k\left(i\right)}{\mathrm{\Σ}}{\left[{\mathrm{\τ}}_{\mathrm{ih}}\left(t\right)\right]}^{\mathrm{\α}}{\left[{\mathrm{\η}}_{\mathrm{ij}}\right]}^{\mathrm{\β}}}& j\∈G_k\left(i\right)\\ 0& j\∉G_k\left(i\right)\end{array}\right.---\left(1\right)$

τ_ij(t+1)＝(1-ρ)τ_ij(t)+Δτ_ij(t)    (3)

${\mathrm{\Δ\τ}}_{\mathrm{ij}}\left(t\right)=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\Δ\τ}}_{\mathrm{ij}}^k\left(t\right)---\left(4\right)$

i，j＝0，1，…，n；

k＝1，2，…，m；

算法中α、β、ρ等参数对算法性能有很大的影响。α值的大小表明留在每个加工点上的标记量受重视的程度，α值越大，搜索器选择以前经过的路线的可能性越大，但过大会使搜索过早陷于局部最小解；β的大小表明启发式信息受重视的程度，β值越大，搜索器选择离它近的加工点的可能性也越大；ρ表示轨迹标记量的保留率，如果它的值取得不恰当，得到的结果会很差，计算中采用最佳参数：α＝1，β＝5，ρ＝0.5，Q＝100。如图3所示为上述算法流程图。

3.建立工艺力学模型：以汽车覆盖件模具激光硬化为例，由于激光能量的作用让受热区组织发生相变，从而改变模具的力学性能与表面使用性能，因而激光参数、组织相变、力学性能之间有着相互依赖、相互影响的关系，这种复杂、非线性的关系可以用神经网络建模。当材料属性一定，模型输入为激光参数和曲面影响。激光经时、空变换后作用于模具材料，激光波形反映了时间分布；对于方波，参数是脉宽参量；反映空间代表量的是功率密度，光斑为具有点阵分布的方斑，因而功率密度应该是功率与方斑尺寸和点阵大小的比值：

即： $\mathrm{\ρ}=\frac{P}{(a\×a)\×(b\×b)}$

ρ表示功率密度，单位为W/mm²；P为激光器输出功率，单位为W；a为方斑边长，单位为mm；如图4所示，b×b为空间点阵的大小，例如5×5，7×7，激光空间点阵是将激光经过光束变换镜片后能量呈点阵均匀分布，本实施例为7×7点阵分布。激光加工是在加工点上方保持一定距离，这个距离称为离焦量，和一定角度的加工，但有时为了加工中避碰、防干涉，或加工激光头无法实现这个理想距离和理想加工角度，这时加工不再是理想的法向和理想的离焦量加工，见图5所示，对S点进行激光加工，理想加工是在S₁点处沿法向离S点 进行加工，而真实加工是在S₂点与法向偏转了β角离S点为 处的加工，这样结合几何因素提炼出偏转角度β和偏移距离d两个特征参量，d的计算式为：

$d=\stackrel{\‾}{{\mathrm{SS}}_2}-\stackrel{\‾}{{\mathrm{SS}}_1}$

这两个特征参量反映了几何曲面对加工的影响。则模型输入参数为脉宽、功率密度、偏转角度和偏移距离这四个量。

加工效果的衡量指标和加工用途及加工目的有关。本实施例以激光硬化为例，硬化的目的是为提高工件的硬度与耐磨性，衡量指标即模型输出参数为表面硬度(维氏硬度)、用失重法(磨损10小时)表示的相对耐磨性、表面光洁度、硬化层深。

4.检验模型：步骤3中以神经网络建立的工艺力学模型以实验数据进行检测，经检验后的模型才能被认为是可靠的。本实施例的相对误差为2％，检验结果见下表：

	输入参数				输出参数
									功率密度(W/mm2)	激光脉宽(ms)	偏转角度(°)	偏移距离(mm)	表面硬度(HV)	相对耐磨性	硬化层深(μm)	表面光洁度(Ra)
	样本数据1网络预测1样本数据2网络预测2	884.544.54	70707575	151555	0.230.230.120.12	742700813890	2.62.33.13.6	462450491475									1.71.761.71.6

5.仿真实施：工艺力学模型由软件IGRIP的Shared Library二次开发功能加以集成。在虚拟环境中对每一加工点调入其加工参数(即工艺力学模型的输入参数)，得加工头几何动作中的实际加工效果，仿真整个加工过程。例如，对某一曲面上的6个点进行虚拟激光硬化加工，分别用I，II，III，IV，V，VI表示，每一点的激光加工参数设为相同：脉宽75ms，功率密度为8；加工点I，II，III，IV，VI的偏转角度是0°，V点的为30°，加工点I，II，VI的偏移距离为0mm，III，IV点的偏移距离为3.2mm，V加工点的偏移距离为2mm。以硬度为例表征输出硬化效果，以上参数输入给硬化加工工艺力学模型，由模型预测各点硬度值，各点硬度值在虚拟环境中以不同颜色加以区分表示，红色表示HV800-900(I，II，VI点)，黄色表示HV800-600(III，IV点)，绿色表示HV600-400(V点)，其仿真的结果准确、直观。

Claims (6)

1.一种嵌入式激光柔性加工过程仿真方法，其步骤包括：

1)建立虚拟加工平台：在虚拟加工环境中加入虚拟设备即虚拟激光加工机器人；虚拟激光加工机器人的建立包括几何模型的建立和控制设备几何动作的运动学模型的建立；

2)轨迹优化：加工点1，2，…，n，采用C空间法计算任两点i，j(i＝1，2，…，n；j＝1，2，…，n)的无碰撞最短轨迹；两点轨迹算出后采用蚂蚁算法计算加工这n个加工点的最优加工轨迹；

3)建立工艺力学模型：综合分析加工点的几何、力学、材料、工艺、物理的实际加工参数，提炼影响加工的最主要因素和反映加工效果的指标，以神经网络方法建立工艺力学模型；

4)检验模型：以实验测量数据作为训练数据，对上一步骤中建立的工艺力学模型进行检验，检测结果在规定的误差范围内，便认为模型正确可靠；

5)仿真实施：步骤3)中建立的工艺力学模型和步骤2)中得出的最优加工轨迹与虚拟环境加以集成，运动学模型控制虚拟加工机器人的几何动作，对每一加工点调入其加工参数，即工艺力学模型的输入参数，得加工头几何动作中的实际加工效果，仿真整个加工过程。

2.根据权利要求1所述的嵌入式激光柔性加工过程仿真方法，其特征在于，步骤1)中，所述几何模型指加工机器人的CAD实体模型；所述运动学模型包括其正解与运动学逆解，正解指由机器人各轴的运动量计算得加工头处的位姿，即坐标值与法向量值，逆解指由加工头处的位姿反算出机器人各轴的运动量值，反映的是机器人各关节轴值与加工头位姿间的关系。

3.根据权利要求1所述的嵌入式激光柔性加工过程仿真方法，其特征在于，步骤2)中，计算加工点i，j之间的无碰撞最短轨迹方法如下：

(a)确定碰撞点为p；

(b)建立通过p点和j点的连线的w个平面与模具型面相交得到w条交线；

(c)取w条交线中的最短交线，即为加工点i，j之间的无碰撞最短轨迹。

4.根据权利要求1所述的嵌入式激光柔性加工过程仿真方法，其特征在于，对于模具激光硬化加工，所述影响因素确定为偏转角度、偏移距离、激光功率密度、激光脉宽；所述加工效果衡量指标确定为硬度、相对耐磨性、层深、表面光洁度。

5.根据权利要求1所述的嵌入式激光柔性加工过程仿真方法，其特征在于，对于钢板对接激光焊接加工，所述影响因素确定为激光功率、焊接速度、离焦量、光斑直径；所述加工效果衡量指标确定为焊缝熔深、焊缝熔宽、抗拉强度、硬度。

6.根据权利要求3所述的嵌入式激光柔性加工过程仿真方法，其特征在于，w为大于或等于8的整数。

Images