遗传算法在数控技术的应用.pdfVIP

遗传算法在数控技术的应用

遗传算法在数控技术的应用

摘要：遗传算法(GeneticAlgorithm)是一种新型的计算模型，该算法从代表问题可能潜在的

解集的一个种群入手，经过遗传算子交叉与变异，产生新的解集的方法。

本文通过针对遗传算法的运用，针对数字控制中存在规划路径单一以及程序时间不能优化

的问题，运用遗传算法对复杂零件的最优化问题起到了良好的解决最用。

关键词：遗传算法数控技术优化路径

1前言

数控技术中有一个重要环节就是使运动路径的时间最短，运用遗传算法可以计算最佳的刀

具切入角度以及路径方向来达到最短的运动时间。

本文提出了一种基于数控技术的遗传算法，通过实验数据表明，利用这种方法可以实现规

划的路径时间的预算。

本算法主要由两个主要部分组成：(1)在保证零件技术精度的基础上优化路径的方向。

(2)在已经确定好机床技术参数以及余量等数值的基础上优化轨迹路线。

2算法分析

在一般的数控编程软件中，因为零件可以作为初始角度的范围可以有360的选择，所以不

同的软件可以生成360种方案。

运用遗传算法后可以改善可见性程序的选择方向，在保证顺利完成零件工艺图纸的前提下，

利用初始变量角度的变化，来实现一个新的技术路径的规划。

通过曲线图可以看出，在软件预算中会遇到三角体积间隙的问题，为了使间隙最小化必须

要找到一个合适的技术角度，通过这个角度值来达到最小的程序运算时间。

现在利用遗传算法，可以计算每个粗加工路径规划中的刀具的直径以及360角范围内的路

线的时间[2]。

其次，在遗传算法中还需要对变量进行赋值。

以前的数控技术程序在完成路径规划后，会生成一组技术程序，这个程序只是针对当前的

技术的一个优化的路径，对于复杂的程序中遇到的多角度的选择上，不会出现多组角度的变

化来给操作者进行选择，这种单一的路线对于程序时间的把握并不能达到最佳的规划。

现在利用遗传算法技术，我们在设定变量中可以把初始角度作为规划变量输进去，这样后

期利用算法的公式可以产生许多组不用的路径，每一个路径的运算结果可能都不尽相同。

根据算法公式的结果可以看到，作为变量的初始角度X1可以有360个可以选择的方向，

那么在遗传算法中，变量X1的取值以0到360做为一个区间。

第二个输入到算法中的量X2是粗切削刀具的直径。

本遗传算法没有把精加工这个尺寸规划到变量中，虽然精切削的数值一样会影响算法最后

的数组。

如果把精切削尺寸的数组算进去，最后得到的结果会是一组复杂的结果，为了简化算法，

我们将刀具精切削的尺寸以及相关的技术参数作为一个恒定的数字来进行赋值。

表1是对遗传算法结果进行检测时所设定的不一样的规划变量X2粗切削时刀具直径的`尺

寸。

在这表中我们看到了精切削的刀具尺寸同样会以一个固定值得形式出现。

目标函数方程(2.13)中X1，X2相对应的在上述方程中描述的技术角度X1和粗切削刀具直

径X2。

确立函数之前，要结合表2.1中各个参数的数值来进行设定，对于运算速度与刀具切削量，

下标F和X2分别代表粗切削和精切削刀具。

方程(2.13)中的通过对刀具切削量的应用来达到对刀具使用次数的预算，而刀具使用次数又

可以通过切削余量以及刀具直径进行规划。

通过对函数数值进行进一步的优化后可以发现，最优解是指在单位时间上切削量最多的一

组数值。

3结语

遗传算法在数控技术中的应用，可以通过以下条件实现：

第一步，建立函数需要的规划变量的取值。

这个取值的集合是根据随机算法产生的，每个取值都可以产生一组路径。

第二步，函数针对第一步的数值进行计算，并且比较不同路径所产生的数值，然后进行筛

选，从他们中间产生两组独立的互不影响的数值，这两组数值必须是其中最佳的，用他们当

做初始值来进行计算。

这两个数值经过一定的交叉和变形，会产生一个新的数值。

这个数值作为一种新的结果进行储存，以创建第二数据集合使用。

然后重复该过程直到找到最适合的解决方法。

参考文献

[1]张朝辉.结构分析工程应用实例解析[M].北京：机械工业出版社，2008.22-28.

[2]刘霞.复杂曲面零件的RE/RP集成技术研究[D].天津：天津理工大学硕士，2009.