[发明专利]一种面向STEP-NC制造特征的智能非线性工艺规划方法

摘要

本发明提供一种面向STEP‑NC制造特征的智能非线性工艺规划方法。本发明方法包括：通过改进BP神经网络确定STEP‑NC制造特征的非线性加工方案；根据加工工步排序原则，采用双链表算法为上述加工方案中的所有加工工步进行排序，得到若干条合理的加工工步序列；通过基于规则的加工资源匹配算法和人工蜂群算法为各个工步匹配相应的加工资源，并确定最优的加工工步序列和加工工艺参数。本发明方法将BP神经网络、双链表算法、人工蜂群算法及规则相结合应用于基于STEP‑NC的工艺规划，可以提高工艺规划的效率、准确性、非线性和智能性，为实现开放性、智能化和网络化的STEP‑NC数控系统奠定了基础，并对STEP‑NC标准的进一步完善和实施具有积极的参考价值。

主权项

1.一种面向STEP‑NC制造特征的智能非线性工艺规划方法，其特征在于，包括以下步骤：步骤S1：通过改进BP神经网络确定STEP‑NC制造特征的非线性加工方案；具体包括：步骤S101：构建面向STEP‑NC制造特征的加工操作方法决策BP神经网络模型；步骤S102：利用人工蜂群算法优化BP神经网络初始权值和阈值，得到最优初始权值和阈值；步骤S103：利用上述步骤S102得到的最优初始权值和阈值训练BP神经网络，得到用于特征加工操作方法决策的改进BP神经网络；步骤S104：将零件的加工信息归一化处理后输入到改进BP神经网络中，通过改进BP神经网络的嵌套推理，输出STEP‑NC制造特征的非线性加工方案；步骤S2：根据加工工步排序原则，采用双链表算法为上述加工方案中的所有加工工步进行排序，得到若干条合理的加工工步序列；具体包括：步骤S201：将上述非线性加工方案中任意加工工步序列存入一个双向链表中，记为LL；步骤S202：在双向链表LL中挑选出与其他工步之间无任何关系约束的加工工步，同时记录下它们在链表中的位置，并将上述无任何关系约束的加工工步依次保存在一个新的双向链表LL1中，剩下的加工工步序列则形成另一个新的双向链表LL2；若加工工步序列中没有相互之间无关系的工步，则直接复制LL链表；步骤S203：将尾部的加工工步作为当前的遍历点，对双向链表LL2进行遍历；在双向链表LL2中找出所有按照工步约束关系应排在当前遍历点之后的工步，将上述加工工步取出并按照其原来的顺序组成子双向链表LL21；将双向链表LL21插入到当前遍历点之后，重新生成新双向链表LL2，当前遍历点也随着移动到新双向链表LL2尾部的加工工步处，对新的遍历点同理采用上述方法进行处理，如此反复操作直到双向链表最末的加工工步满足所有的工步约束关系为止；步骤S204：将当前遍历点移动到其前一个加工工步处，将其作为新的遍历点，处理方法同步骤S203，直至双向链表中所有的加工工步都处理完，转化过程结束；步骤S205：将上述步骤S202中保存在双向链表LL1中的与其他工步之间无任何关系约束的加工工步根据它们原来的位置重新填回到链表中，完成整个转换过程；步骤S3：通过基于规则的加工资源匹配算法和人工蜂群算法为各个工步匹配相应的加工资源，并确定最优的加工工步序列和加工工艺参数；具体包括：步骤S301：通过基于规则的加工资源匹配算法为各个工步匹配相应的加工资源；具体算法包括基于规则的加工机床匹配、基于规则的加工刀具匹配以及加工机床和刀具之间的匹配；步骤S302：通过人工蜂群算法确定最优的加工工步序列；具体算法如下：步骤S3021：初始化人工蜂群算法的参数，所述参数包括初始解的个数S_N，极限值limit，最大循环次数Gen_Max，引领蜂的数量N₁，跟随蜂的数量N₂，且N₁＝N₂＝S_N；步骤S3022：从步骤S2选取初始蜜源并对其编码；步骤S3023：建立适应度函数，并计算每个蜜源的适应度值；步骤S3024：引领峰根据交叉变异策略进行局部搜索，并计算新蜜源的适应度值，如果新解的适应度值比旧解的适应度值大，则更新旧解，否则将旧解的停滞次数加1；步骤S3025：跟随蜂根据轮盘赌选择蜜源，并采用与步骤S3024中相同引领蜂的交叉变异策略进行局部搜索并计算新蜜源适应度值，如果新解的适应度值比旧解的适应度值大，则更新旧解，否则将旧解的停滞次数加1；步骤S3026：判断停滞次数是否大于极限值limit，若是，则执行步骤S3027；若否，则执行步骤S3028；步骤S3027：侦查蜂随机生成一条工艺路线进行全局搜索，对随机生成的工艺路线进行合理性检查，若出现不合理的路线，则采用工步合理化算法将其转化为合理的工步序列，并计算新蜜源适应度值；步骤S3028：判断是否达到最大循环次数，若是，则输出最优的加工工步序列，若否，则迭代次数加1，返回步骤S3024；步骤S303：通过人工蜂群算法确定最优的加工工艺参数；具体算法如下：步骤S3031：建立多目标优化函数模型；具体包括：F、确定变量：变量为每齿进给量f_Z与铣削速度V；G、建立多目标优化函数：以加工时间和加工成本为目标建立多目标优化函数；H、确定约束条件：根据加工机床、加工刀具和加工质量的要求，约束条件具体包括最大进给切削力约束、最大主轴扭矩约束、最大加工功率约束、工件表面质量约束、切削速度约束以及每齿进给量约束；步骤S3032：基于人工蜂群算法的工艺参数智能优化；具体算法如下：I1、根据所给的加工条件，初始化函数模型中各个加工参数；I2、初始化人工蜂群算法的参数及初始化种群；所述人工蜂群算法的参数包括初始解的个数S_N，极限值limit，最大循环次数Gen_Max，引领蜂的数量N₁，跟随蜂的数量N₂，且N₁＝N₂＝S_N；初始蜜源即初始解X_i(i＝1，2，3...S_N)由每齿进给量f_Z与铣削速度V组成；I3、建立适应度函数，并计算每个蜜源的适应度值；I4、引领蜂进行邻域搜索，并进行蜜源更新；I5、跟随蜂根据轮盘赌方法选择蜜源，并对蜜源进行更新；I6、判断停滞次数是否大于极限值limit；若是，则侦察蜂进行全局搜索并计算新解的适应度值；若否，则执行I7；I7、判断是否达到最大循环次数，若是，则输出最优的工艺参数，若否，则迭代次数加1，返回I4。