基于改进遗传算法的数控加工中心机床工艺路线优化.pdf

第 7期 2 0 1 1 年 7月 机 械 设计 与 制造 Ma c h i n e r y De s i g nMa n u f a c t u r e 1 7 5 文章编号 1 0 0 1 3 9 9 7 2 0 1 1 0 7 0 1 7 5 0 3 基于改进遗传算法的数控加工中心机床工艺路线优化 林 维周丽 莎 贵州大学 机械工程学院， 贵阳 5 5 0 0 0 3 Ro u t i n g o p t i mi z a t i o n f o r NC ma c h i n i n g c e n t e r b a s e d o n i mp r o v e d g e n e t i c a l g or i t h m LI N W e i ， ZHOU L i s ha S c h o o l o f Me c h a n i c a l E n g i n e e r i n g ， G u i z h o u U n i v e r s i t y ， G u i y a n g 5 5 0 0 0 3 ， C h i n a 【 摘要】 针对数控加工中心机床工艺路线工序集中、 _T - 步复杂、 加工刀具类型多带来的排序规模 大、 成本核算困难的特点， 用一种改进的遗传算法实现工艺路线的优化。 算法中72 ．7 - 时间最短和加工 成本最低两个 目标作为组合 的优化 目标函数 ， 从而构造 出适应度函数 。改进的算法对不同的加工面设 立了加工标识位码 ， 并制定 了加工标识位码的优先原则、 加工标识位码相 同原则； 优先原则实现 了工艺 路线排序原则； 相同原则实现了工步中的刀具类型的选择及刀具成本的核算。由于算法中加入 了 加工 标识位码相同原则， 去除掉不必要工艺路线组合方案， 从而使得算法收敛更快。 通过实例对算法进行了 系统仿真实验 ， 得 出了最优路线方案 ， 验证 了方案的合理性。 关键词 改进遗传算法 ； 数控加工中心机床 ； 工艺路线优化 ； a n t标识位码 【 Ab s t r a c t 】 Ai m i n g a t c h a r a c t e r i s t i c s o fl arg e s c a l e i n s o r t i n g a n d d if fic u l t i e s i n c o s t a c c o u n t i n g d u e t o c o n c e n t r a t i o n ofp r o c e s s ， c o m p l i c a t e d w o r k i n g s t e p a n d m o r e t y p e s of t o o l s i n t h e r o u t i n g of N C mach i n i n g c e n t e r ， a n i m p r o v e d g e n e t i c al g o r i t h m i s u s e d t o o p t i m e t h e r o u t i n g ， i n w h i c h t h e o p t i mal g o a l f u n c t i o n i s t h e c o mb i n ati o n of t h e s h o r t e s t m ach i n i n g t i me a n d l o w e s t c o s t , t h u s fit nes s fun c t i o n i s c o n s t r u c t e d o u t ． e i m p r o v e d al g o r i t h m s e t u p b i t c o d e s f o r i d e n t if y i n g d iffe r e n t m a c h i n i n g s u r f a c e s w i t h p r i o r i t y t h e o r y a n d t h e s a l n p r i n c ip l e s of b i t c o d e ， i n w h i c h t h e p r i o r i t y t h e o r y r e al i z e t h e s o r t i n g of t h e r o u t i n g and t h e s a m e p r i n - c i p l e r e ali z e t o o l s s e l e c t i n g and t o o l s acc o u n t i n g c o s t i n t h e p r o c e s s ． Wi t h t h e j o i n i n g t h e s 伽 e p r i n c i p l e s ． u n n e c e s s ary r o u t i n g i s r e m o v e d w h i c h m a k e t h e al g o r i t h m c o n v e r g e f a s t e r ． T h e o p t i m a l r o u t i n g s c h e me o b t a i n e d t h r o u g h s y s t e m ati c s i m u l ati o n i s v e r ifie d t o b e r e a s o n a b l e ． Ke y wo r d s I mp r o v e d g e n e t i c a l g o r i t h m ； Nu me r i c a l c o n t r o l ma c h i n i n g c e n t e r l a t h e ； Ro u t i n g o p - t i mi z a t i o n； Bi t c o d e f o r ma c h i n i n g i d e n t i f i c a t i o n t ，t ， - ● ● _ r 1 - 1n- -1h f - f ， t “ t P 1h - 1、h - t ● ， r _， t ● r 1 ● 1 1 、 _ i ， - 1、 1n- 1 ， - j t ●1 中图分类号 T H1 6 ， T G 6 5 9 文献标识码 A 1引言 制定数控加工中心机床零件的工艺路线时要求在一次装夹 下完成尽可能多的工序， 利用传统的编制工艺经验很难得到一个 最优路线。 要制定出合理的数控加工中心工艺路线， 要遵循以下 编制原则 1 ． 1加工工艺路线原则 数控加工中心工艺路线的制定中会涉及先面后孔、 先粗后 精、 先主后次、 基准统一等工艺路线原则。 1 _ 2时间最短和费用最低原则 根据用户的要求的不同，会根据交货的时间或加工零件的 成本费用侧重点不同 即加工时间和加工费用 而制定不同的工 艺路线。采用遗传算法[1 _ 。 数控加工中心机床进行工艺路线的 优化进化过程中， 执行同样的选择 复制 、 交叉或变异操作， 只对 问题本身所对应的适应度函数进行工作， 而不需要任何其它先决 条件或辅助信息来求解最优问题。针对以上两个工艺的编制原 则， 绘制改进的遗传算法流程图， 如图 1 所示。 术 2基于改进遗传算法的数控加工中心机 床零件的工艺路线优化步骤 2 ． 1组合优化 目标函数 2 ． 1 ． 1时 间 目标 函数 厂 厂 表示时间为了保证所制定工艺的有效性 ， 所有的组合 必须根据加工时间最短低标准加以评价， 即制定的工艺需要满足 以下目标函数 m i n T m i n Ⅱ f J I i l 、 m in { ∑∑ √ ∑∑ √ } 1 j l ／ i j l ／ 1 式中 某道工序的加工时间； 该工序的辅助时间。 ，、f 1 ， 选择改道工序 一 【 0 ， 否则 2 ． 1 ． 2成本 目标函数 厂 C 数控加工中心机床所需加工成本包括机床工装成本和刀具 ★ 来稿 日 期 2 0 1 0 0 9 1 4 ★基金项目 国家“ 8 6 3 ” 高技术研究发展计划资助项目 2 0 0 6 A A 0 4 Z 1 3 0 ， 国家 自 然科学基金资助项 目 5 0 4 7 5 1 8 5 ， 5 0 5 7 5 0 4 7 1 7 6 林 维等 基于改进遗传算法的数控加工中心机床工艺路线优化 第 7期 成本， 要求成本最低。适应度评价之前满足约束条件。每次必须根据下式做出判断 m i n C m i n C i I C i 月 ／／ ， ＼ m in f ∑ ∑ 2 ＼ l 1 ／ 式中 c 该道工序的机床及工装成本； a 该道工序所需刀 具的成本。 加工方法进行 编码设立怀不位 f 随机产生初始群体f一 蓦 叶汁算迪_匾度 凼数 I l选择、 交叉、 变异l 垂 奎 匠垂圃 N 图 1改进的遗传算法流程 2 ． 2编码方式 针对加工面和刀具类型的不同， 对加工方法采用实数编码， 并对不同类型的加工面设立加工标识位码， 如表 1 所示。 2 ． 3算法的改进 本算法规定了两个约束条件 1 加工工艺路线排序原则 如先面后孔、 先粗后精、 先主后 次等原则 在进行加工方法编码时设立加工标识位码， 如表 1 所示。 规 定在同一表面选择加工方法时应该满足 m 优先 m ， m 优先 m ， 这样的规定可实现先粗后精原则；同理规定在一个零件的加工 中， m。 优先于 。 ， 而 优先 c 。 ， 通过这样的规定可实现先面后孔、 先粗后精、 先主后次等原则。 根据加工工艺路线排序原则及加工 经验， 规则可进行扩充。 2 加工标识相同原则 加工标识相同原则要求在加工零件同一表面时， 只能选择一 种类型加工方法进行， 例如在粗加工组中粗铣 立铣刀 、 粗铣 盘 铣刀 均可加工表面， 但运算中只能选择其中一种加工方法。 算法 的改进可去除掉不必要工艺路线组合使算法收敛更陕。 作为改进， 需要在选择、 交叉和变异过程中增加一个修正机制， 以确保在进行 。 { ， 同 一 平 面 的 标 识 相同 3 【 修 正， 不同 式中 在选择 复制 、 交叉或变异后的代码串 个体 之前若 遗传算子产生的代码串 个体 不符合约束条件则代码串会 被重置， 直到产生的个体满足约束条件。 表 1加工方法编码表 2 ． 4适应度函数f t 的构造 根据优化目标函数可构造适应度函数／ 如下 ∑ ， ∑ 仁1 j l 式中 工序中的刀具成本； 一工序的机床成本 ， 一般为固 定值。 一每道工序的加工时间和辅助时间； ， 埘 ， 一加权 系数， 决策者对于成本和时间的侧重不同， 分别对其进行加 权处理， 一般分别取 0 ． 5 。 2 ．5算法终止条件 当相邻几代已无进化表现时 适应度函数无变化或误差 满足预先设定的要求时算法终止。 3示意性算例 3 ． 1确定适应度函数 厂 t 零件图， 如图2所示。零件的材料为球磨铸铁 退火处理 ， 零件选用 Y G类刀片。 计算加工时间及刀具成本 ， 如表 2所示。 No ． 7 J u 1 ． 2 0 1 l 机 械设 计 与 制造 1 7 7 表 2加工时间及刀具成本表 加工刀具 刀具成本 c 元 加工时间 T h 加工成本 P 元／ I1 』 1 计 算 加 工 工 序 中 的 机 床、 刀 具 成 本 公 式 为 ∑ 。 ， 2 计 算 每 道 加 工 工 序 加 工时 间 公 式为 ∑ 』 转数 进给量 f 辅 J 、 、 - 0 1． I ． ’ 5 5 0 一 B 8抛 面 A - A抛面 图 2箱体不意图 3 - 2选择 或复制 算子 算法先对种群中的个体按照适应度从大到小进行排序 ， 再 采用轮盘选择法 ， 即假设每一个个体 代码串 的适应度为 ． 1 ， 2 ， 3 ⋯， L ， 种群总的适 应度为 ， 则 将比 例 乒一作为 第k ‘ f 个个体的选择概率。 3 ． 3交叉和变异算子 交叉算子采用双点交叉 ， 操作过程如下 在相互配对的两个 个体编码串中随机设置两个交叉点； 交换两个个体在交叉点之间 的部分染色体， 每个经过交叉的个体要进行单字段变异。 3 ． 4模型的训练 根据改进遗传算法 ， 可编制相应的程序进行模拟训练， 如图 3 所示。输入样本后， 系统根据相应的改进的算法来学习， 直到误 差 满足预先设定的要求时， 系统停止学习。 通过训练完成对 样本的学习， 可确定最优种群方案 表略 。 图3改进的遗传算法的模拟训练曲线 4结束语 研究了数控加工中心机床零件的工艺路线中的加工成本、 加工时间的核算以及刀具的选择。 针对数控加工中心机床零件的工艺路线的特点，改进的遗 传算法中加入了加工标识位码的设定及加工标识位码的优先原 则、 加工标识位码相同原则， 实现了将经验性非常强的工艺路线 规划过程智能化。 参考文献 [ I ] 日 玄光男， 等， 遗传算法与工程设计[ J ] b 京 中国科学出 版社， 1 9 9 9 ． [ 2 ] 陈守爆， 王大刚． 基于遗传算法的模糊优选 B P网络模型及其应用， 水 利学报 ， 2 0 0 3 5 ． [ 3 ] 阎平凡， 张长水． 人工神经网络与模拟进化计算口北京 清华大学出版 社 ， 2 0 0 0 ． [ 4 ] 王小平， 曹立明． 遗传算法理论 、 设计及软件实现[ M] ． 西安 西安交通 大学出版社 ， 2 0 0 2 ． [ 5 ] 丛爽， 面向 M A T L A B工具箱的神经网络理论与应用 ， 北京 中国科学 技术大学出版社， 1 9 9 8 1 5 0 - 1 5 6 ． [ 6 ] 李学耀 ， 王志平．H o p fi e l d 网络的稳定性优化计算研究． 哈尔滨工业大 学学报 ， 1 9 9 8 6 7 1 7 6 ． 1 7 J L i J ， Mi c h a e l AN， P o r o d WQ u a n t i t a t i v e a n a l y s i s and s y n t h e s i s o f a c l a s s o f n e u r a l n e t w o r k s l J ] J E E E T r a n s o n C i r c u i t a n d S y s t e m ， 1 9 8 8 3 5 9 7 6 - -9 8 6 l 8 j A i y e r S V B， N i r a n j a n M， F a l l s i d e F ．A t h e o r e t i c a l i n v e s t i g a t i o n i n t o t h e p e r f o r ma n c e o f t h e H o p fi e l d mo d e l l J J ．I E E E T r a n s o n N e u r al N e t w o r k s ， 1 9 9 0 ， 1 2 2 0 4 2 1 5 ． [ 9 ] 王小平 ， 曹立明．遗传算法一理论 、 应用与软件实现， 西安 西安交通大 学出版社 ， 2 0 0 2 ． [ 1 0 ] 于洋， 查建中， 唐晓君． 基于学习的遗传算法及其在布局中的应用[ J ] ． 计算机学报， 2 0 0 1 ， 2 4 1 2 1 2 4 2 1 2 4 9 ． [ 1 1 ] 陈小平， 李云飞．遗传算法中适应度评估的改进数[ J ] ．数据采集与处 理 ， 2 0 0 3 ， 3 ， 1 8 1 4 9 - 5 2 ． [ 1 2 ] 钟晓敏， 邵世煌． 方建安用遗传算法引导混沌轨道[ J ] ． 控制与决策， 1 9 9 8 ． 3 ． 1 3 2 1 6 5 1 6 8 ．