數控多輪廓加工走刀空行程路徑優化研究

摘 要：多輪廓加工作為一種常見的數控加工模式，通過編程程序的設計，可以有效保證在輪廓加工中，提高實際操控精度。但是受限于走刀過程中產生的路徑節點排列問題，每一項操控功能的實現，將產生相對位移值，加大走刀空行程路徑，降低實際操控效率?；诖?，文章以NNR、蟻群算法為基準，針對刀具空行程路徑優化模式進行研究。

關鍵詞：數控多輪廓加工;走刀;行程路徑

引言：

數控多輪廓加工大多是在平面板材中，加工出多類型的板材結構，以實現資源的最大化利用。但是從實際加工工藝來講，數據切削參數對于整個板材尺寸來講，將產生一定的加工余量問題，此過程中則需要設計相對應的走刀量，針對當前操控視域下的加工余量進行逐層切削，只有這樣才可確保相關工藝的落實，符合加工部件的成型需求，且可保證板材材質的結構穩定性。從加工原理來講，刀具在進行切削時，可以看成是在固有輪廓基礎上，以某一個點位作為加工切削點，然后通過程序編程，設定出與加工輪廓相對等的輪廓參數，可確保相關走刀路徑的實現，真正映射出當前實際走刀路線，提高實際走刀加工的精準性。本文則是針對數控多輪廓加工走刀空行程路徑優化模式進行探討，僅供參考。

1刀具走刀路徑優化

針對數控走刀運作模式中，不同數控工步中切削中，其將產生較大的切削余量問題，此時則需要是針對切削用量進行參數設置，例如轉速、進給量等，確保在不同操控視域下，可以對同一表面內進行多次切削處理，確保在固有加工框架下，切削量的逐層遞減，可符合多輪廓部件的加工需求。在選取走刀路線時，其是以加工工序為切入點，以系統程序為指令，在固有程序結構中執行相對應的走刀，保證系統加工的精準性。但是在實際運行過程中，數控多輪廓加工走刀將產生誤差，而此類誤差則可通過基于蟻群算法的廣義旅行商問題進行闡述，進而分析出刀具空行程時間所占用的數值，以通過數值分析出最短走刀路線，提高整體加工效率。

1.1基于蟻群算法的刀具走刀路徑優化模式

從廣義旅行商問題入手，分析數控多輪廓加工走刀空行程中產生的誤差數值來講，可以將整個問題看成是在固有數據空間結構下，因為某一項權值所產生的羅列性問題，例如，在數控空間結構下，通過一個數據源點的選取，并將此類源點在固有結構下的閾值進行范疇界定，然后結合時間參數，分析出整個數據動態值在空間結構下所產生的運行路徑，其可以通過二維圖形表示，也可通過三維圖形表示，此過程中的數據節點在時間段下的空間最短路徑，則可代表為源點位移狀態下的最優解。

蟻群算法則是以概率基準為指標，對路徑最優點的一種界定形式。此類理論最初是由螞蟻在尋找食物所形成的最優路徑為核心實現運算的，因為螞蟻在運動過程中，其類似于智能思維與主觀意識相結合的一種呈現形式，其中含有的概率學算法可以更為精準的標定出實際運行路徑中的最優解。通過數據信息進行表示時，則是由路徑所產生的信息為主體，將數據本身所具備的初始源作為信息要素，是然后通過信息節點的不斷獲取與生成，連接成一個線位路徑，這樣通過數據信息的持續輸入，可以得出在固有程序下不同數據節點所能形成的直線路徑值。但是從數據節點的變化形式來講，其本身所產生的數據效果，可以看成是不同操控視域下，邊緣優化處理的一種范式解析，即為在復雜的信息節點行走路線下，最終得出一條最短直徑信息，可將其作為最優路徑獲取值。

1.2基于NNR的刀具走刀路徑優化模式

NNR（最近鄰優化）是指在不同數據集之間，選取數據權值最為接近的兩個點作為相鄰載體，其本身所呈現出的數據屬性，則是進一步通過數據關聯值，界定出不同數據節點在整個廣義旅行商問題的處理標識，即為在數據空間框架下，信息節點的運行路徑，對于整個空間結構而言，其可以通過數據迭代，表示出數據相鄰節點中的最小閾值，然后通過信息節點之間的比對效果，搭建一個數據基準路徑，確保信息節點之間的最優化解答。

NNR與蟻群算法之間的結合，則是通過NNR的最優求解效率與蟻群算法的最優求解質量相結合，其在數控多輪廓加工走刀路徑優化中，可以進一步分析出不同操控視域下，走刀路徑中數據信息所產生的消耗行為。其在對整個板材輪廓進行界定時，是在既定的輪廓上任意選取一個坐標點為起始源點，即為刀具的落刀點，刀具在運行過程中，在整個板材輪廓上各個節點之間的聯動路徑，則可以看成是以源點為核心的最優路徑值的一種旅行商問題，然后通過相對應的排序，利用NNR的最近鄰優化縮短路徑確認時間，利用蟻群算法提升路徑優化質量，進而得出當前走刀點與下一個時間點的走刀點所形成的最優路徑，這樣便可通過數據值闡述出整個輪廓加工下的排列基準，這樣當走刀程序完成周期化運行時，則表示著在迭代數據值的界定下，完成固有路徑下的優化。理論計算模式如下。

初始化參數→建設信息要素分布→將螞蟻個體放在板材輪廓邊緣的節點上→按照螞蟻運行速率，計算出螞蟻在移動到固定節點位置的路徑以及轉移效率→針對螞蟻所產生的局部信息要素進行固定時間節點下的更新→當螞蟻個體在輪廓表面完成更新后，最終確定螞蟻路徑優化值→采取NNR在輪廓邊緣上確定節點→分析是否符合迭代次數的限制（如不符合則從頭開始）→輸出路徑優化確認→開始優化。

2數控多輪廓加工走刀空行程路徑優化驗證

利用蟻群算法確定數控走刀路線時，其本身是依據程序指令的編寫，對當前輪廓加工進行路徑邊緣的最優化確認，保證相關操作工序的實現，可以節約走刀時間，優化走刀路徑，降低空行程損耗率，提高數控加工質量。

在進行實際優化時，為多輪廓加工中任意選取的一種加工路徑。整個輪廓加工的空行程距離為24.312m，此次蟻群算法的運用是以六個切入點作為走刀空行程路徑的研究參數，每一個切入點的行程路徑在固定時間節點下，優化次數下，得出相對應的數值信息，這樣一來，便可通過算法優化模式，界定出走刀路徑優化后的數據值，走刀優化后的路徑可以看成是不同切入點，在固有程序下的一種NNR的最優臨界點的取值范疇，其本身對于信息要素來講，可以通過數據值的逐一界定，查證出信息要素在固有路徑下的行程軌跡，這樣通過數據信息的最優求解，可在相關循環周期下，得出與數值相對應的比例關系，進而充分相對應的參數優化值，提高實際加工質量。

結語：

綜上所述，數控多輪廓加工走刀中所產生的位置偏差問題，可以通過廣義旅行商問題進行闡述。在實際解決過程中，則可以采用蟻群算法、NNR優化法等，將走刀路徑看成是一個數據運行路徑，進而得出相對應的優化路徑數值，提高實際操控精度。

參考文獻：

[1]劉婧，石皋蓮，崔勇.基于UG CAM的發動機葉片數控加工編程的研究[J].電腦知識與技術，2019，15（19）：250-251+262.

[2]呂彎彎，韓海敏.數控宏程序在多輪廓加工中的應用[J].南方農機，2018，49（13）：132-133.

[3]郭小蘭，起雪梅，張敬東.動態性能約束多軸聯動數控機床工作精度建模研究[J].中國農機化學報，2016，37（12）：41-47.

作者簡介：

史文雅（1981—），女，漢族，河北邢臺人，碩士，講師，從事數控技術、數控機床電氣控制技術研究。