CN114706349B - 曲面零件的数控加工方法、装置、设备及可读存储介质 - Google Patents
曲面零件的数控加工方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN114706349B CN114706349B CN202210354522.6A CN202210354522A CN114706349B CN 114706349 B CN114706349 B CN 114706349B CN 202210354522 A CN202210354522 A CN 202210354522A CN 114706349 B CN114706349 B CN 114706349B
- Authority
- CN
- China
- Prior art keywords
- target
- interpolation point
- parameter vector
- constraint
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/41—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by interpolation, e.g. the computation of intermediate points between programmed end points to define the path to be followed and the rate of travel along that path
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34083—Interpolation general
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种曲面零件的数控加工方法,包括:根据预设加工文件计算目标NURBS曲线的各初始插补点参数矢量,并将其确定为各当前参考插补点参数矢量;根据预设插补周期和下一插补点的目标约束进给速度,计算目标约束进给步长;将其与各当前参考插补点参数矢量输入至径向基函数神经网络插补模型,根据输出的下一插补点参数矢量计算下一插补点的目标位置,控制目标刀具至目标位置进行零件加工操作;更新各当前参考插补点参数矢量,进行再下一个插补点参数矢量的计算,直至得到的下一插补点参数矢量大于等于预设值。本发明保证了插补点计算精度,提升了刀具参数位置点计算的实时性。本发明还公开了一种装置、设备及存储介质,具有相应技术效果。
Description
技术领域
本发明涉及数控加工技术领域,特别是涉及一种曲面零件的数控加工方法、装置、设备及计算机可读存储介质。
背景技术
航空发动机上一些关键零部件(如整体叶盘、叶片、涡轮等),往往具有复杂的空间几何结构外形,对这些复杂型面零件的加工,尤其是高精密的加工,难度较大。NURBS(Non-Uniform Rational B-Splines,非均匀有理B样条)刀具轨迹应用于复杂曲面的数控加工可以大幅提高产品的加工精度和效率,能够实现NURBS插补已经成为衡量数控机床加工能力的主要指标。
由于NURBS曲线不是以弧长为参数的曲线,弧长与参数间具有非线性对应关系。通常只能采用近似的方法,如一阶、二阶泰勒(Taylor)展开法计算插补步长对应的刀具参数位置点,这种近似一般被认为是造成进给速度波动的主要原因,且求值求导的复杂性会给插补计算带来巨大的压力,很难实现NURBS插补的高精度和高实时性并行。
综上所述,如何有效地解决现有的曲面零件数据加工方法未考虑进给速度波动对插补点计算精度的影响,求值求导的复杂性给插补计算带来巨大的压力,刀具参数位置点计算实时性差等问题,是目前本领域技术人员急需解决的问题。
发明内容
本发明的目的是提供一种曲面零件的数控加工方法,该方法在保证插补点计算精度的同时,提升了刀具参数位置点计算的实时性,提高了曲面零件的加工效率;本发明的另一目的是提供一种曲面零件的数控加工装置、设备及计算机可读存储介质。
为解决上述技术问题,本发明提供如下技术方案:
一种曲面零件的数控加工方法,包括:
根据获取到的预设加工文件计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,并将各所述初始插补点参数矢量确定为各当前参考插补点参数矢量;
获取预设插补周期和所述目标NURBS曲线中下一插补点的目标约束进给速度;
根据所述预设插补周期和所述目标约束进给速度计算下一插补点的目标约束进给步长;
将各所述当前参考插补点参数矢量和所述目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量;
根据所述下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,并控制目标刀具至所述目标位置对所述目标曲面零件进行加工操作;
从各当前参考插补点参数矢量中选取距离所述下一插补点的最远的插补点对应的目标插补点参数矢量,并利用所述下一插补点参数矢量替换所述目标插补点参数矢量,重复执行所述获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度的步骤,直至计算得到的下一插补点参数矢量大于等于预设值。
在本发明的一种具体实施方式中,获取预设插补周期和所述目标NURBS曲线中下一插补点的目标约束进给速度,包括:
获取当前机床加减速特性、所述目标NURBS曲线的几何特性以及指令速度;
根据所述当前机床加减速特性、所述几何特性以及所述指令速度,确定所述目标NURBS曲线中下一插补点的目标约束进给速度;
获取预设插补周期和所述目标约束进给速度。
在本发明的一种具体实施方式中,根据所述当前机床加减速特性、所述几何特性以及所述指令速度,确定所述目标NURBS曲线中下一插补点的目标约束进给速度,包括:
将所述当前机床加减速特性确定为第一进给速度约束条件,并确定所述第一进给速度约束条件对应的第一约束进给速度;
将所述几何特性确定为第二进给速度约束条件,并确定所述第二进给速度约束条件对应的第二约束进给速度;
将所述指令速度确定为第三进给速度约束条件,并确定所述第三进给速度约束条件对应的第三约束进给速度;
将所述第一约束进给速度、所述第二约束进给速度以及所述第三约束进给速度中最小者确定为所述目标NURBS曲线中下一插补点的目标约束进给速度。
在本发明的一种具体实施方式中,根据获取到的预设加工文件计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,包括:
根据获取到的预设加工文件,利用泰勒展开法计算所述目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量。
一种曲面零件的数控加工装置,包括:
参考矢量获得模块,用于根据获取到的预设加工文件计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,并将各所述初始插补点参数矢量确定为各当前参考插补点参数矢量;
周期及速度获取模块,用于获取预设插补周期和所述目标NURBS曲线中下一插补点的目标约束进给速度;
进给步长计算模块,用于根据所述预设插补周期和所述目标约束进给速度计算下一插补点的目标约束进给步长;
矢量输出模块,用于将各所述当前参考插补点参数矢量和所述目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量;
零件加工模块,用于根据所述下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,并控制目标刀具至所述目标位置对所述目标曲面零件进行加工操作;
重复执行模块,用于从各当前参考插补点参数矢量中选取距离所述下一插补点的最远的插补点对应的目标插补点参数矢量,并利用所述下一插补点参数矢量替换所述目标插补点参数矢量,重复执行所述获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度的步骤,直至计算得到的下一插补点参数矢量大于等于预设值。
在本发明的一种具体实施方式中,所述周期及速度获取模块包括:
参数获取子模块,用于获取当前机床加减速特性、所述目标NURBS曲线的几何特性以及指令速度;
速度确定子模块,用于根据所述当前机床加减速特性、所述几何特性以及所述指令速度,确定所述目标NURBS曲线中下一插补点的目标约束进给速度;
周期及速度获取子模块,用于获取预设插补周期和所述目标约束进给速度。
在本发明的一种具体实施方式中,所述速度确定子模块包括:
第一约束进给速度确定单元,用于将所述当前机床加减速特性确定为第一进给速度约束条件,并确定所述第一进给速度约束条件对应的第一约束进给速度;
第二约束进给速度确定单元,用于将所述几何特性确定为第二进给速度约束条件,并确定所述第二进给速度约束条件对应的第二约束进给速度;
第三约束进给速度确定单元,用于将所述指令速度确定为第三进给速度约束条件,并确定所述第三进给速度约束条件对应的第三约束进给速度;
目标速度确定单元,用于将所述第一约束进给速度、所述第二约束进给速度以及所述第三约束进给速度中最小者确定为所述目标NURBS曲线中下一插补点的目标约束进给速度。
在本发明的一种具体实施方式中,所述参考矢量获得模块具体为根据获取到的预设加工文件,利用泰勒展开法计算所述目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量的模块。
一种曲面零件的数控加工设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如前所述曲面零件的数控加工方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如前所述曲面零件的数控加工方法的步骤。
本发明所提供的曲面零件的数控加工方法,根据获取到的预设加工文件计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,并将各初始插补点参数矢量确定为各当前参考插补点参数矢量;获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度;根据预设插补周期和目标约束进给速度计算下一插补点的目标约束进给步长;将各当前参考插补点参数矢量和目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量;根据下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,并控制目标刀具至目标位置对目标曲面零件进行加工操作;从各当前参考插补点参数矢量中选取距离下一插补点的最远的插补点对应的目标插补点参数矢量,并利用下一插补点参数矢量替换目标插补点参数矢量,重复执行获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度的步骤,直至计算得到的下一插补点参数矢量大于等于预设值。
由上述技术方案可知,通过预先设置对目标曲面零件中目标NURBS曲线进行加工所需的加工零件,通过读取预设加工文件计算目标NURBS曲线的预设数量个初始插补点参数矢量,并将各初始插补点参数矢量确定为各当前参考插补点参数矢量,获取目标NURBS曲线中下一插补点的目标约束进给速度和预先设置的插补周期,根据目标约束进给速度和预设插补周期计算计算下一插补点的目标约束进给步长。预先训练用于根据当前预设数量个插补点的参数矢量和下一插补点的目标约束进给步长对下一插补点的参数矢量进行计算的径向基函数神经网络插补模型,将各当前参考插补点参数矢量和目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量,根据下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,进而控制目标刀具至目标位置对目标曲面零件进行加工操作。以此类推,利用径向基函数神经网络插补模型进行再下一个插补点参数矢量的计算,直至将目标曲面零件中目标NURBS曲线上各位置点加工完成。充分利用了径向基函数神经网络插补模型良好的泛化能力,网络结果简单,避免不必要的和冗长的计算,能在一个紧凑集和任意精度下,逼近任何非线性函数等优点,在保证插补点计算精度的同时,提升了刀具参数位置点计算的实时性,提高了曲面零件的加工效率。
相应的,本发明还提供了与上述曲面零件的数控加工方法相对应的曲面零件的数控加工装置、设备和计算机可读存储介质,具有上述技术效果,在此不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中曲面零件的数控加工方法的一种实施流程图;
图2为本发明实施例中曲面零件的数控加工方法的另一种实施流程图;
图3为本发明实施例中一种径向基函数神经网络的网络结构示意图;
图4为本发明实施例中一种曲面零件的数控加工装置的结构框图;
图5为本发明实施例中一种曲面零件的数控加工设备的结构框图;
图6为本实施例提供的一种曲面零件的数控加工设备的具体结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,图1为本发明实施例中曲面零件的数控加工方法的一种实施流程图,该方法可以包括以下步骤:
S101:根据获取到的预设加工文件计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,并将各初始插补点参数矢量确定为各当前参考插补点参数矢量。
预先设置加工文件,加工文件中包含计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量所需的各参数。在对目标曲面零件中目标NURBS曲线的各位置点进行加工时,获取预设加工文件,根据获取到的预设加工文件计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,并将各初始插补点参数矢量确定为各当前参考插补点参数矢量。
如可以通过CAM(Computer Aided Manufacturing,计算机辅助制造)软件后置处理工具生成以NURBS曲线控制点,权重等参数构成的加工文件,数控***NURBS插补器通过读取加工文件,计算预设数量个初始插补点参数矢量。
需要说明的是,预设数量可以综合考虑插补点参数矢量计算精度和计算实时性进行设定,如可以设置为3个。
S102:获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度。
预先设置对目标NURBS曲线中各插补点进行插补操作的插补周期,如可以设置为1ms,并根据影响进给速度的当前各约束条件,确定目标NURBS曲线中下一插补点的目标约束进给速度。在得到各当前参考插补点参数矢量之后,获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度。
各约束条件可以包括当前机床加减速特性、NURBS曲线的几何特性以及指令速度等。
S103:根据预设插补周期和目标约束进给速度计算下一插补点的目标约束进给步长。
在获取到预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度之后,根据预设插补周期和目标约束进给速度计算下一插补点的目标约束进给步长,即通过计算预设插补周期和目标约束进给速度之积,得到下一插补点的目标约束进给步长。
S104:将各当前参考插补点参数矢量和目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量。
预先训练用于根据当前预设数量个插补点的参数矢量对下一插补点的参数矢量进行计算的径向基函数(Radial Basis Function,RBF)神经网络插补模型。在确定出各当前参考插补点参数矢量,并计算得到目标约束进给步长之后,将各当前参考插补点参数矢量和目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量。
S105:根据下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,并控制目标刀具至目标位置对目标曲面零件进行加工操作。
在利用径向基函数神经网络插补模型计算出下一插补点参数矢量之后,根据下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,并控制目标刀具至目标位置对目标曲面零件进行加工操作。
需要说明的是,根据下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,一般是指根据下一插补点参数矢量计算下一插补点在目标NURBS曲线中的三维坐标,其具体的计算流程可以参见现有的根据参数矢量计算三维坐标的过程,本发明实施例在此不多做赘述。
S106:判断计算得到的下一插补点参数矢量是否大于等于预设值,若是,则输出目标NURBS曲线加工完成提示信息,若否,则执行步骤S107。
预先设置能够表征对目标NURBS曲线中各位置点均加工完成的矢量预设值。在控制目标刀具至目标位置对目标曲面零件的当前位置点加工完成之后,判断计算得到的下一插补点参数矢量是否大于等于预设值,若是,则说明对目标NURBS曲线中各位置点均加工完成,输出目标NURBS曲线加工完成提示信息,以提示用户已对目标曲面零件中目标NURBS曲线加工完成,若否,则说明目标NURBS曲线中还存在未加工完的位置点,执行步骤S107。
S107:从各当前参考插补点参数矢量中选取距离下一插补点的最远的插补点对应的目标插补点参数矢量,并利用下一插补点参数矢量替换目标插补点参数矢量,返回执行步骤S102。
当确定计算得到的下一插补点参数矢量小于预设值时,说明目标NURBS曲线中还存在未加工完的位置点,从各当前参考插补点参数矢量中选取距离下一插补点的最远的插补点对应的目标插补点参数矢量,并利用下一插补点参数矢量替换目标插补点参数矢量,再次获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度,进行再下一插补点参数矢量的计算,进而进行再下一插补点在目标NURBS曲线中位置的确定,以此类推,直至将目标曲面零件中目标NURBS曲线上各位置点加工完成。
由上述技术方案可知,通过预先设置对目标曲面零件中目标NURBS曲线进行加工所需的加工零件,通过读取预设加工文件计算目标NURBS曲线的预设数量个初始插补点参数矢量,并将各初始插补点参数矢量确定为各当前参考插补点参数矢量,获取目标NURBS曲线中下一插补点的目标约束进给速度和预先设置的插补周期,根据目标约束进给速度和预设插补周期计算计算下一插补点的目标约束进给步长。预先训练用于根据当前预设数量个插补点的参数矢量和下一插补点的目标约束进给步长对下一插补点的参数矢量进行计算的径向基函数神经网络插补模型,将各当前参考插补点参数矢量和目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量,根据下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,进而控制目标刀具至目标位置对目标曲面零件进行加工操作。以此类推,利用径向基函数神经网络插补模型进行再下一个插补点参数矢量的计算,直至将目标曲面零件中目标NURBS曲线上各位置点加工完成。充分利用了径向基函数神经网络插补模型良好的泛化能力,网络结果简单,避免不必要的和冗长的计算,能在一个紧凑集和任意精度下,逼近任何非线性函数等优点,在保证插补点计算精度的同时,提升了刀具参数位置点计算的实时性,提高了曲面零件的加工效率。
需要说明的是,基于上述实施例,本发明实施例还提供了相应的改进方案。在后续实施例中涉及与上述实施例中相同步骤或相应步骤之间可相互参考,相应的有益效果也可相互参照,在下文的改进实施例中不再一一赘述。
参见图2,图2为本发明实施例中曲面零件的数控加工方法的另一种实施流程图,该方法可以包括以下步骤:
S201:根据获取到的预设加工文件,利用泰勒展开法计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,并将各初始插补点参数矢量确定为各当前参考插补点参数矢量。
在获取到预设加工文件之后,利用泰勒展开法计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,如通过常规的泰勒展开法获得前三个插补点参数矢量u0,u1,u2。
S202:获取当前机床加减速特性、目标NURBS曲线的几何特性以及指令速度。
进给速度一般受到当前机床加减速特性、目标NURBS曲线的几何特性以及指令速度等约束条件的影响,如进给速度需小于等于指令速度,当需要进行下一插补点的目标约束进给速度确定时,获取当前机床加减速特性、目标NURBS曲线的几何特性以及指令速度。
S203:根据当前机床加减速特性、几何特性以及指令速度,确定目标NURBS曲线中下一插补点的目标约束进给速度。
在获取到当前机床加减速特性、目标NURBS曲线的几何特性以及指令速度之后,根据当前机床加减速特性、几何特性以及指令速度,确定目标NURBS曲线中下一插补点的目标约束进给速度。如可以以各个约束条件分别计算得到一个约束进给速度,将计算得到的各约束进给速度中的最小值确定为目标NURBS曲线中下一插补点的目标约束进给速度。
在本发明的一种具体实施方式中,步骤S203可以包括以下步骤:
步骤一:将当前机床加减速特性确定为第一进给速度约束条件,并确定第一进给速度约束条件对应的第一约束进给速度;
步骤二:将几何特性确定为第二进给速度约束条件,并确定第二进给速度约束条件对应的第二约束进给速度;
步骤三:将指令速度确定为第三进给速度约束条件,并确定第三进给速度约束条件对应的第三约束进给速度;
步骤四:将第一约束进给速度、第二约束进给速度以及第三约束进给速度中最小者确定为目标NURBS曲线中下一插补点的目标约束进给速度。
为方便描述,可以将上述四个步骤结合起来进行说明。
在获取到当前机床加减速特性、目标NURBS曲线的几何特性以及指令速度之后,将当前机床加减速特性确定为第一进给速度约束条件,并确定第一进给速度约束条件对应的第一约束进给速度,将几何特性确定为第二进给速度约束条件,并确定第二进给速度约束条件对应的第二约束进给速度,将指令速度确定为第三进给速度约束条件,并确定第三进给速度约束条件对应的第三约束进给速度,将第一约束进给速度、第二约束进给速度以及第三约束进给速度中最小者确定为目标NURBS曲线中下一插补点的目标约束进给速度。通过将各约束条件下分别求得的约束进给速度中的最小者作为目标NURBS曲线中下一插补点的目标约束进给速度,避免了由于进给速度过大使得计算得到的进给步长过大造成的插补点参数矢量计算误差,进而提高了插补点计算精度。
S204:获取预设插补周期和目标约束进给速度。
S205:根据预设插补周期和目标约束进给速度计算下一插补点的目标约束进给步长。
S206:将各当前参考插补点参数矢量和目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量。
S207:根据下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,并控制目标刀具至目标位置对目标曲面零件进行加工操作。
S208:判断计算得到的下一插补点参数矢量是否大于等于预设值,若是,则输出目标NURBS曲线加工完成提示信息,若否,则执行步骤S209。
S209:从各当前参考插补点参数矢量中选取距离下一插补点的最远的插补点对应的目标插补点参数矢量,并利用下一插补点参数矢量替换目标插补点参数矢量,返回执行步骤S202。
在一种具体实例应用中,参见图3,图3为本发明实施例中一种径向基函数神经网络的网络结构示意图。RBF神经网络有3层:输入层、隐含层和输出层。隐含层的神经元激活函数由径向基函数构成。隐含层组成的数组运算单元称为隐含层节点。每个隐含层节点包含一个中心向量c,c和输入参数向量x具有相同的维数,二者之间的欧氏距离定义式为:
||x(t)-cj(t)||;
隐含层的神经元激活函数为非线性激活函数hj(t)构成:
其中,bj为一个正的标量,表示高斯基函数的宽度;m是隐含层的节点数量。网络的输出由如下加权函数实现:
其中,ω是输出层的权值;n是输出节点个数;y是神经网络输出。
如图3所示,其为具有3个隐含层的RBF网络结构,RBF网络中,x=[xi]T为网络的输入,网络的隐含层输出为h=[hj]T,hj为隐含层第j个神经元的输出:
其中,cj=[c1,…,cm]为隐含层第j个神经元高斯基函数中心点的坐标向量,j=1,2,...,m;b=[b1,...,bm]T,bj为隐含层第j个神经元高斯基函数的宽度。
RBF网络权值为:
w=[ω1,...,ωm]T;
RBF网络输出为:
y(t)=wTh=ω1h1+ω2h2+...+ωmhm;
RBF输入层、隐含层、输出及参数选择:
设计包含输入层、隐含层和输出层的三层RBF网络结构,输入层选取ui-2,ui-1,ui,Δl四个输入节点,分别为前三个插补点的参数矢量和当前约束进给步长,输出层为1个节点,即下一个插补点的参数矢量值ui+1,隐含层取5个节点。
采用4-5-1的三层RBF网络,即输入层节点4个,隐含层节点5个,输出层节点一个。RBF网络参数包括第j个神经元高斯基函数中心点的坐标向量值cj、隐含层第j个神经元高斯基函数的宽度值bj、隐含层到输出层的权值。同时,用已知型值点作为神经网络的输入样本,采取梯度下降求权值法训练网络权值,需要给出学习速率和动量因子。
RBF网络训练过程可以包括:
取网络输入为x=[x1=ui-2,x2=ui-1,x3=ui,x4=Δl]T,ui-2,ui-1,ui,Δl前三个插补点的参数矢量和当前约束进给步长,将其作为RBF神经网络的输入样本;初始化b=[1.51.5 1.5 1.5 1.5]T,输入样本值中参数矢量范围为0~1,约束进给步长最大值为插补周期T乘以指令速度,设插补周期为1ms,指令速度为2mm/ms,则进给步长范围为0~2,则初始化c=[-1 -0.5 0 0.5 2],网络的初始权值取0~1的随机值,采用梯度下降法进行权重的调节,学习速率η∈(0,1),这里取η=0.5,动量因子α∈(0,1),这里取α=0.5。
对已知NURBS曲线进行插补采样,插补周期1ms,指令速度2mm/ms,得到输入样本集,对上述初始化参数后的RBF神经网络进行训练,训练以达到预设训练次数或达到训练精度为条件结束训练,得到训练后的RBF神经网络参数。
基于RBF神经网络的NURBS直接插补的过程包括:
先通过常规的泰勒展开法获得前三个插补点参数矢量u0,u1,u2,以指令速度与插补周期T之积计算第三个插补周期的进给步长Δl2。要得到第四个插补点时,把上述4个参数作为已知值送入训练好的RBF神经网络模型,作为模型的输入,然后运行模型,模型输出即为第4个插补点对应的参数矢量u3。
后续插补点参数矢量的获取方法:得到第4个插补点参数矢量后,根据当前机床加减速特性、NURBS曲线的几何特性以及指令速度的综合约束,取这些约束条件下最小的速度作为第4个插补点的约束进给速度,该约束进给速度与插补周期之积即为第4个插补点的约束进给步长Δl3,随后再以u1,u2,u3和约束进给步长Δl3等4个值作为已知值送入第4)步骤中训练好的模型,作为模型的输入,然后运行模型,模型输出即为第5个插补点对应的参数矢量u4。后续插补点的计算以此类推,直到NURBS曲线参数矢量为1时,表明NURBS曲线加工结束,则基于RBF神经网络NURBS直接插补算法结束。
相应于上面的方法实施例,本发明还提供了一种曲面零件的数控加工装置,下文描述的曲面零件的数控加工装置与上文描述的曲面零件的数控加工方法可相互对应参照。
参见图4,图4为本发明实施例中一种曲面零件的数控加工装置的结构框图,该装置可以包括:
参考矢量获得模块41,用于根据获取到的预设加工文件计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,并将各初始插补点参数矢量确定为各当前参考插补点参数矢量;
周期及速度获取模块42,用于获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度;
进给步长计算模块43,用于根据预设插补周期和目标约束进给速度计算下一插补点的目标约束进给步长;
矢量输出模块44,用于将各当前参考插补点参数矢量和目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量;
零件加工模块45,用于根据下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,并控制目标刀具至目标位置对目标曲面零件进行加工操作;
重复执行模块46,用于从各当前参考插补点参数矢量中选取距离下一插补点的最远的插补点对应的目标插补点参数矢量,并利用下一插补点参数矢量替换目标插补点参数矢量,重复执行获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度的步骤,直至计算得到的下一插补点参数矢量大于等于预设值。
由上述技术方案可知,通过预先设置对目标曲面零件中目标NURBS曲线进行加工所需的加工零件,通过读取预设加工文件计算目标NURBS曲线的预设数量个初始插补点参数矢量,并将各初始插补点参数矢量确定为各当前参考插补点参数矢量,获取目标NURBS曲线中下一插补点的目标约束进给速度和预先设置的插补周期,根据目标约束进给速度和预设插补周期计算计算下一插补点的目标约束进给步长。预先训练用于根据当前预设数量个插补点的参数矢量和下一插补点的目标约束进给步长对下一插补点的参数矢量进行计算的径向基函数神经网络插补模型,将各当前参考插补点参数矢量和目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量,根据下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,进而控制目标刀具至目标位置对目标曲面零件进行加工操作。以此类推,利用径向基函数神经网络插补模型进行再下一个插补点参数矢量的计算,直至将目标曲面零件中目标NURBS曲线上各位置点加工完成。充分利用了径向基函数神经网络插补模型良好的泛化能力,网络结果简单,避免不必要的和冗长的计算,能在一个紧凑集和任意精度下,逼近任何非线性函数等优点,在保证插补点计算精度的同时,提升了刀具参数位置点计算的实时性,提高了曲面零件的加工效率。
在本发明的一种具体实施方式中,周期及速度获取模块42包括:
参数获取子模块,用于获取当前机床加减速特性、目标NURBS曲线的几何特性以及指令速度;
速度确定子模块,用于根据当前机床加减速特性、几何特性以及指令速度,确定目标NURBS曲线中下一插补点的目标约束进给速度;
周期及速度获取子模块,用于获取预设插补周期和目标约束进给速度。
在本发明的一种具体实施方式中,速度确定子模块包括:
第一约束进给速度确定单元,用于将当前机床加减速特性确定为第一进给速度约束条件,并确定第一进给速度约束条件对应的第一约束进给速度;
第二约束进给速度确定单元,用于将几何特性确定为第二进给速度约束条件,并确定第二进给速度约束条件对应的第二约束进给速度;
第三约束进给速度确定单元,用于将指令速度确定为第三进给速度约束条件,并确定第三进给速度约束条件对应的第三约束进给速度;
目标速度确定单元,用于将第一约束进给速度、第二约束进给速度以及第三约束进给速度中最小者确定为目标NURBS曲线中下一插补点的目标约束进给速度。
在本发明的一种具体实施方式中,参考矢量获得模块41具体为根据获取到的预设加工文件,利用泰勒展开法计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量的模块。
相应于上面的方法实施例,参见图5,图5为本发明所提供的曲面零件的数控加工设备的示意图,该设备可以包括:
存储器332,用于存储计算机程序;
处理器322,用于执行计算机程序时实现上述方法实施例的曲面零件的数控加工方法的步骤。
具体的,请参考图5,图5为本实施例提供的一种曲面零件的数控加工设备的具体结构示意图,该曲面零件的数控加工设备可因配置或性能不同而产生比较大的差异,可以包括处理器(central processing units,CPU)322(例如,一个或一个以上处理器)和存储器332,存储器332存储有一个或一个以上的计算机应用程序342或数据344。其中,存储器332可以是短暂存储或持久存储。存储在存储器332的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对数据处理设备中的一系列指令操作。更进一步地,处理器322可以设置为与存储器332通信,在曲面零件的数控加工设备301上执行存储器332中的一系列指令操作。
曲面零件的数控加工设备301还可以包括一个或一个以上电源326,一个或一个以上有线或无线网络接口350,一个或一个以上输入输出接口358,和/或,一个或一个以上操作***341。
上文所描述的曲面零件的数控加工方法中的步骤可以由曲面零件的数控加工设备的结构实现。
相应于上面的方法实施例,本发明还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现如下步骤:
根据获取到的预设加工文件计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,并将各初始插补点参数矢量确定为各当前参考插补点参数矢量;获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度;根据预设插补周期和目标约束进给速度计算下一插补点的目标约束进给步长;将各当前参考插补点参数矢量和目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量;根据下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,并控制目标刀具至目标位置对目标曲面零件进行加工操作;从各当前参考插补点参数矢量中选取距离下一插补点的最远的插补点对应的目标插补点参数矢量,并利用下一插补点参数矢量替换目标插补点参数矢量,重复执行获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度的步骤,直至计算得到的下一插补点参数矢量大于等于预设值。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本发明提供的计算机可读存储介质的介绍请参照上述方法实施例,本发明在此不做赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备及计算机可读存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种曲面零件的数控加工方法,其特征在于,包括:
根据获取到的预设加工文件计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,并将各所述初始插补点参数矢量确定为各当前参考插补点参数矢量;
获取预设插补周期和所述目标NURBS曲线中下一插补点的目标约束进给速度;
根据所述预设插补周期和所述目标约束进给速度计算下一插补点的目标约束进给步长;
将各所述当前参考插补点参数矢量和所述目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量;
根据所述下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,并控制目标刀具至所述目标位置对所述目标曲面零件进行加工操作;
判断计算得到的下一插补点参数矢量是否大于等于预设值;
若是,则输出所述目标NURBS曲线加工完成提示信息;
若否,则从各当前参考插补点参数矢量中选取距离所述下一插补点的最远的插补点对应的目标插补点参数矢量,并利用所述下一插补点参数矢量替换所述目标插补点参数矢量,重复执行所述获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度的步骤,直至计算得到的下一插补点参数矢量大于等于预设值。
2.根据权利要求1所述的曲面零件的数控加工方法,其特征在于,获取预设插补周期和所述目标NURBS曲线中下一插补点的目标约束进给速度,包括:
获取当前机床加减速特性、所述目标NURBS曲线的几何特性以及指令速度;
根据所述当前机床加减速特性、所述几何特性以及所述指令速度,确定所述目标NURBS曲线中下一插补点的目标约束进给速度;
获取预设插补周期和所述目标约束进给速度。
3.根据权利要求2所述的曲面零件的数控加工方法,其特征在于,根据所述当前机床加减速特性、所述几何特性以及所述指令速度,确定所述目标NURBS曲线中下一插补点的目标约束进给速度,包括:
将所述当前机床加减速特性确定为第一进给速度约束条件,并确定所述第一进给速度约束条件对应的第一约束进给速度;
将所述几何特性确定为第二进给速度约束条件,并确定所述第二进给速度约束条件对应的第二约束进给速度;
将所述指令速度确定为第三进给速度约束条件,并确定所述第三进给速度约束条件对应的第三约束进给速度;
将所述第一约束进给速度、所述第二约束进给速度以及所述第三约束进给速度中最小者确定为所述目标NURBS曲线中下一插补点的目标约束进给速度。
4.根据权利要求1至3任一项所述的曲面零件的数控加工方法,其特征在于,根据获取到的预设加工文件计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,包括:
根据获取到的预设加工文件,利用泰勒展开法计算所述目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量。
5.一种曲面零件的数控加工装置,其特征在于,包括:
参考矢量获得模块,用于根据获取到的预设加工文件计算目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量,并将各所述初始插补点参数矢量确定为各当前参考插补点参数矢量;
周期及速度获取模块,用于获取预设插补周期和所述目标NURBS曲线中下一插补点的目标约束进给速度;
进给步长计算模块,用于根据所述预设插补周期和所述目标约束进给速度计算下一插补点的目标约束进给步长;
矢量输出模块,用于将各所述当前参考插补点参数矢量和所述目标约束进给步长输入至预训练得到的径向基函数神经网络插补模型,输出下一插补点参数矢量;
零件加工模块,用于根据所述下一插补点参数矢量计算下一插补点在目标NURBS曲线中的目标位置,并控制目标刀具至所述目标位置对所述目标曲面零件进行加工操作;判断计算得到的下一插补点参数矢量是否大于等于预设值;若是,则输出所述目标NURBS曲线加工完成提示信息;
重复执行模块,用于当确定计算得到的下一插补点参数矢量小于预设值时,从各当前参考插补点参数矢量中选取距离所述下一插补点的最远的插补点对应的目标插补点参数矢量,并利用所述下一插补点参数矢量替换所述目标插补点参数矢量,重复执行所述获取预设插补周期和目标NURBS曲线中下一插补点的目标约束进给速度的步骤,直至计算得到的下一插补点参数矢量大于等于预设值。
6.根据权利要求5所述的曲面零件的数控加工装置,其特征在于,所述周期及速度获取模块包括:
参数获取子模块,用于获取当前机床加减速特性、所述目标NURBS曲线的几何特性以及指令速度;
速度确定子模块,用于根据所述当前机床加减速特性、所述几何特性以及所述指令速度,确定所述目标NURBS曲线中下一插补点的目标约束进给速度;
周期及速度获取子模块,用于获取预设插补周期和所述目标约束进给速度。
7.根据权利要求6所述的曲面零件的数控加工装置,其特征在于,所述速度确定子模块包括:
第一约束进给速度确定单元,用于将所述当前机床加减速特性确定为第一进给速度约束条件,并确定所述第一进给速度约束条件对应的第一约束进给速度;
第二约束进给速度确定单元,用于将所述几何特性确定为第二进给速度约束条件,并确定所述第二进给速度约束条件对应的第二约束进给速度;
第三约束进给速度确定单元,用于将所述指令速度确定为第三进给速度约束条件,并确定所述第三进给速度约束条件对应的第三约束进给速度;
目标速度确定单元,用于将所述第一约束进给速度、所述第二约束进给速度以及所述第三约束进给速度中最小者确定为所述目标NURBS曲线中下一插补点的目标约束进给速度。
8.根据权利要求5至7任一项所述的曲面零件的数控加工装置,其特征在于,所述参考矢量获得模块具体为根据获取到的预设加工文件,利用泰勒展开法计算所述目标曲面零件中目标NURBS曲线的预设数量个初始插补点参数矢量的模块。
9.一种曲面零件的数控加工设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述曲面零件的数控加工方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述曲面零件的数控加工方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210354522.6A CN114706349B (zh) | 2022-04-06 | 2022-04-06 | 曲面零件的数控加工方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210354522.6A CN114706349B (zh) | 2022-04-06 | 2022-04-06 | 曲面零件的数控加工方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114706349A CN114706349A (zh) | 2022-07-05 |
CN114706349B true CN114706349B (zh) | 2022-11-25 |
Family
ID=82172204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210354522.6A Active CN114706349B (zh) | 2022-04-06 | 2022-04-06 | 曲面零件的数控加工方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114706349B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001092516A (ja) * | 1999-09-20 | 2001-04-06 | Hitachi Ltd | 数値制御曲面加工装置 |
CN102109834A (zh) * | 2011-01-10 | 2011-06-29 | 浙江工业大学 | 基于nurbs曲线插补方法的运动控制*** |
CN107291047A (zh) * | 2017-07-14 | 2017-10-24 | 福建工程学院 | 一种基于多约束条件的正反双向nurbs曲线插补方法 |
CN108537857A (zh) * | 2018-03-22 | 2018-09-14 | 中国农业大学 | 一种3次b样条曲线的快速插补方法及*** |
CN112130318A (zh) * | 2020-09-24 | 2020-12-25 | 北京理工大学 | 基于高斯径向基函数的光学自由曲面表征方法 |
CN112631205A (zh) * | 2020-12-15 | 2021-04-09 | 大连大学 | 基于bp神经网络的nurbs曲线自适应插补方法 |
-
2022
- 2022-04-06 CN CN202210354522.6A patent/CN114706349B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001092516A (ja) * | 1999-09-20 | 2001-04-06 | Hitachi Ltd | 数値制御曲面加工装置 |
CN102109834A (zh) * | 2011-01-10 | 2011-06-29 | 浙江工业大学 | 基于nurbs曲线插补方法的运动控制*** |
CN107291047A (zh) * | 2017-07-14 | 2017-10-24 | 福建工程学院 | 一种基于多约束条件的正反双向nurbs曲线插补方法 |
CN108537857A (zh) * | 2018-03-22 | 2018-09-14 | 中国农业大学 | 一种3次b样条曲线的快速插补方法及*** |
CN112130318A (zh) * | 2020-09-24 | 2020-12-25 | 北京理工大学 | 基于高斯径向基函数的光学自由曲面表征方法 |
CN112631205A (zh) * | 2020-12-15 | 2021-04-09 | 大连大学 | 基于bp神经网络的nurbs曲线自适应插补方法 |
Non-Patent Citations (2)
Title |
---|
一种改进的NURBS曲线插补算法;聂明星等;《计算机工程与应用》;20120703;正文全文 * |
基于RBF网络的自适应熔焊插补容错算法;来旭辉等;《焊接学报》;20181025(第10期);正文全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114706349A (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dzieliński et al. | Stability of discrete fractional order state-space systems | |
TWI414376B (zh) | 一種五軸曲面側銑加工系統及其刀具路徑規劃方法 | |
CN108227630B (zh) | 一种采用时间参数多项式插补的自由曲面数控加工方法 | |
CN110471368A (zh) | 一种高速数控机床加工速度自适应的前瞻插补方法 | |
Yeh et al. | Implementation of online NURBS curve fitting process on CNC machines | |
Zhu et al. | Geometry of signed point-to-surface distance function and its application to surface approximation | |
Kuang et al. | Simplified newton-based CEE and discrete-time fractional-order sliding-mode CEC | |
Bailey et al. | Generic simulation approach for multi-axis machining, part 1: modeling methodology | |
CN112733296A (zh) | 基于grnn的混联机器人铣削加工误差预测及补偿方法 | |
CN112884081B (zh) | 一种多品种小批量生产的工件质量在线智能预测方法 | |
CN114626015B (zh) | 一种基于高斯过程回归的薄壁结构切削颤振预测方法 | |
Baek et al. | Fast and precision NURBS interpolator for CNC systems | |
CN116560301A (zh) | 一种基于梯度优化的机床进给***数理模型参数辨识方法 | |
Jia et al. | Pre-compensation for continuous-path running trajectory error in high-speed machining of parts with varied curvature features | |
Xi et al. | A prediction model of the cutting force–induced deformation while considering the removed material impact | |
CN114706349B (zh) | 曲面零件的数控加工方法、装置、设备及可读存储介质 | |
McNab et al. | Receding time horizon linear quadratic optimal control for multi-axis contour tracking motion control | |
Mayor et al. | Intelligent tool-path segmentation for improved stability and reduced machining time in micromilling | |
Tsay et al. | A study on five flank machining of centrifugal compressor impellers | |
Morar et al. | Optimal LQR weight matrices selection for a CNC machine controller | |
CN112052542B (zh) | 用于叶片表面强化的超声滚压变幅杆智能设计方法及*** | |
CN114759613A (zh) | 基于lstm的深度调峰机组一次调频能力在线估计方法及*** | |
Das et al. | Genetic algorithm based optimal PI controller for position control of Maxon S-DC motor with dSPACE | |
Cao et al. | A deep learning model for online prediction of in-process dynamic characteristics of thin-walled complex blade machining | |
CN112334847A (zh) | 用于由给定轮廓确定粗略轨迹的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |