数控多轮廓加工走刀空行程路径优化研究

摘 要：多轮廓加工作为一种常见的数控加工模式，通过编程程序的设计，可以有效保证在轮廓加工中，提高实际操控精度。但是受限于走刀过程中产生的路径节点排列问题，每一项操控功能的实现，将产生相对位移值，加大走刀空行程路径，降低实际操控效率。基于此，文章以NNR、蚁群算法为基准，针对刀具空行程路径优化模式进行研究。

关键词：数控多轮廓加工;走刀;行程路径

引言：

数控多轮廓加工大多是在平面板材中，加工出多类型的板材结构，以实现资源的最大化利用。但是从实际加工工艺来讲，数据切削参数对于整个板材尺寸来讲，将产生一定的加工余量问题，此过程中则需要设计相对应的走刀量，针对当前操控视域下的加工余量进行逐层切削，只有这样才可确保相关工艺的落实，符合加工部件的成型需求，且可保证板材材质的结构稳定性。从加工原理来讲，刀具在进行切削时，可以看成是在固有轮廓基础上，以某一个点位作为加工切削点，然后通过程序编程，设定出与加工轮廓相对等的轮廓参数，可确保相关走刀路径的实现，真正映射出当前实际走刀路线，提高实际走刀加工的精准性。本文则是针对数控多轮廓加工走刀空行程路径优化模式进行探讨，仅供参考。

1刀具走刀路径优化

针对数控走刀运作模式中，不同数控工步中切削中，其将产生较大的切削余量问题，此时则需要是针对切削用量进行参数设置，例如转速、进给量等，确保在不同操控视域下，可以对同一表面内进行多次切削处理，确保在固有加工框架下，切削量的逐层递减，可符合多轮廓部件的加工需求。在选取走刀路线时，其是以加工工序为切入点，以系统程序为指令，在固有程序结构中执行相对应的走刀，保证系统加工的精准性。但是在实际运行过程中，数控多轮廓加工走刀将产生误差，而此类误差则可通过基于蚁群算法的广义旅行商问题进行阐述，进而分析出刀具空行程时间所占用的数值，以通过数值分析出最短走刀路线，提高整体加工效率。

1.1基于蚁群算法的刀具走刀路径优化模式

从广义旅行商问题入手，分析数控多轮廓加工走刀空行程中产生的误差数值来讲，可以将整个问题看成是在固有数据空间结构下，因为某一项权值所产生的罗列性问题，例如，在数控空间结构下，通过一个数据源点的选取，并将此类源点在固有结构下的阈值进行范畴界定，然后结合时间参数，分析出整个数据动态值在空间结构下所产生的运行路径，其可以通过二维图形表示，也可通过三维图形表示，此过程中的数据节点在时间段下的空间最短路径，则可代表为源点位移状态下的最优解。

蚁群算法则是以概率基准为指标，对路径最优点的一种界定形式。此类理论最初是由蚂蚁在寻找食物所形成的最优路径为核心实现运算的，因为蚂蚁在运动过程中，其类似于智能思维与主观意识相结合的一种呈现形式，其中含有的概率学算法可以更为精准的标定出实际运行路径中的最优解。通过数据信息进行表示时，则是由路径所产生的信息为主体，将数据本身所具备的初始源作为信息要素，是然后通过信息节点的不断获取与生成，連接成一个线位路径，这样通过数据信息的持续输入，可以得出在固有程序下不同数据节点所能形成的直线路径值。但是从数据节点的变化形式来讲，其本身所产生的数据效果，可以看成是不同操控视域下，边缘优化处理的一种范式解析，即为在复杂的信息节点行走路线下，最终得出一条最短直径信息，可将其作为最优路径获取值。

1.2基于NNR的刀具走刀路径优化模式

NNR（最近邻优化）是指在不同数据集之间，选取数据权值最为接近的两个点作为相邻载体，其本身所呈现出的数据属性，则是进一步通过数据关联值，界定出不同数据节点在整个广义旅行商问题的处理标识，即为在数据空间框架下，信息节点的运行路径，对于整个空间结构而言，其可以通过数据迭代，表示出数据相邻节点中的最小阈值，然后通过信息节点之间的比对效果，搭建一个数据基准路径，确保信息节点之间的最优化解答。

NNR与蚁群算法之间的结合，则是通过NNR的最优求解效率与蚁群算法的最优求解质量相结合，其在数控多轮廓加工走刀路径优化中，可以进一步分析出不同操控视域下，走刀路径中数据信息所产生的消耗行为。其在对整个板材轮廓进行界定时，是在既定的轮廓上任意选取一个坐标点为起始源点，即为刀具的落刀点，刀具在运行过程中，在整个板材轮廓上各个节点之间的联动路径，则可以看成是以源点为核心的最优路径值的一种旅行商问题，然后通过相对应的排序，利用NNR的最近邻优化缩短路径确认时间，利用蚁群算法提升路径优化质量，进而得出当前走刀点与下一个时间点的走刀点所形成的最优路径，这样便可通过数据值阐述出整个轮廓加工下的排列基准，这样当走刀程序完成周期化运行时，则表示着在迭代数据值的界定下，完成固有路径下的优化。理论计算模式如下。

初始化参数→建设信息要素分布→将蚂蚁个体放在板材轮廓边缘的节点上→按照蚂蚁运行速率，计算出蚂蚁在移动到固定节点位置的路径以及转移效率→针对蚂蚁所产生的局部信息要素进行固定时间节点下的更新→当蚂蚁个体在轮廓表面完成更新后，最终确定蚂蚁路径优化值→采取NNR在轮廓边缘上确定节点→分析是否符合迭代次数的限制（如不符合则从头开始）→输出路径优化确认→开始优化。

2数控多轮廓加工走刀空行程路径优化验证

利用蚁群算法确定数控走刀路线时，其本身是依据程序指令的编写，对当前轮廓加工进行路径边缘的最优化确认，保证相关操作工序的实现，可以节约走刀时间，优化走刀路径，降低空行程损耗率，提高数控加工质量。

在进行实际优化时，为多轮廓加工中任意选取的一种加工路径。整个轮廓加工的空行程距离为24.312m，此次蚁群算法的运用是以六个切入点作为走刀空行程路径的研究参数，每一个切入点的行程路径在固定时间节点下，优化次数下，得出相对应的数值信息，这样一来，便可通过算法优化模式，界定出走刀路径优化后的数据值，走刀优化后的路径可以看成是不同切入点，在固有程序下的一种NNR的最优临界点的取值范畴，其本身对于信息要素来讲，可以通过数据值的逐一界定，查证出信息要素在固有路径下的行程轨迹，这样通过数据信息的最优求解，可在相关循环周期下，得出与数值相对应的比例关系，进而充分相对应的参数优化值，提高实际加工质量。

结语：

综上所述，数控多轮廓加工走刀中所产生的位置偏差问题，可以通过广义旅行商问题进行阐述。在实际解决过程中，则可以采用蚁群算法、NNR优化法等，将走刀路径看成是一个数据运行路径，进而得出相对应的优化路径数值，提高实际操控精度。

参考文献：

[1]刘婧，石皋莲，崔勇.基于UG CAM的发动机叶片数控加工编程的研究[J].电脑知识与技术，2019，15（19）：250-251+262.

[2]吕弯弯，韩海敏.数控宏程序在多轮廓加工中的应用[J].南方农机，2018，49（13）：132-133.

[3]郭小兰，起雪梅，张敬东.动态性能约束多轴联动数控机床工作精度建模研究[J].中国农机化学报，2016，37（12）：41-47.

作者简介：

史文雅（1981—），女，汉族，河北邢台人，硕士，讲师，从事数控技术、数控机床电气控制技术研究。