飛機(jī)框肋件自動(dòng)制孔工藝路徑優(yōu)化算法

朱健 閆棟 趙鵬德

摘 ?要： 飛機(jī)框肋件孔群制造多采用自動(dòng)制孔技術(shù)，針對(duì)目前自動(dòng)制孔算法所造成的走刀路徑復(fù)雜、空行程消耗大等問題，采用人工勢(shì)場(chǎng)算法、狼群分配原則及動(dòng)態(tài)調(diào)整策略改進(jìn)蟻群算法以提高尋優(yōu)能力進(jìn)而簡(jiǎn)化走刀路線，融合粒子群、菌群算法以提高全局收斂性。對(duì)某類典型框肋件孔群加工進(jìn)行路徑優(yōu)化實(shí)驗(yàn)，仿真結(jié)果表明，優(yōu)化后加工路線得到顯著簡(jiǎn)化，空行程占比明顯降低，刀具總行程比遺傳算法縮短10.1%，比基本蟻群算法縮短9.9%，比遺傳-模擬退火法縮短9.5?？梢姡蚶呒詣?dòng)制孔工藝路徑得到明顯優(yōu)化。

關(guān)鍵詞： 飛機(jī)框肋零件; 蟻群算法; 粒子群算法; 路徑優(yōu)化; 算法融合

中圖分類號(hào)：TH122 ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? 文章編號(hào)：1006-8228（2019）10-43-04

Abstract： The hole group manufacturing of aircraft frame ribs mostly adopts automatic hole making technology， for the current complicated tools path and consuming empty trips caused by using the hole making algorithm that popular now， an improved ant colony algorithm using artificial potential field algorithm，wolf group allocation principle and dynamic adjustment strategy is adopted in order to improve the ability to optimize and simplify the route，and particle swarm and flora algorithms are integrated with to improve the global convergence of the algorithm. Taking path optimization experiment for a typical frame rib hole group processing，simulation results show that， processing route is significantly simplified after optimization，the proportion of empty travel is significantly reduced， the total tool stroke optimized by the new algorithm is 10.1% shorter than GA，9.9% shorter than basic ACO and 9.5% shorter than GA-SA，and its convergence and search speed are improved compared with GA，basic ACO and GA-SA.

Key words： aircraft frame rib parts; ant colony algorithm; particle swarm optimization; path optimization; algorithm fusion

0 引言

框肋件是飛機(jī)主要結(jié)構(gòu)件其結(jié)構(gòu)復(fù)雜、孔群分布密集，國(guó)外結(jié)合智能算法驅(qū)動(dòng)自動(dòng)制孔技術(shù)尚存在不足[1]。針對(duì)現(xiàn)有算法迭代慢、難收斂、易陷入局部解等問題，本文結(jié)合飛機(jī)框肋件工藝特性提出蟻群-粒子群算法融合框架，其新穎之處在于：

（1） 首次將菌群算法與粒子群算法相結(jié)合以提高全局收斂性;

（2） 采用狼群食物分配原則更新信息素;

（3） 結(jié)合人工勢(shì)場(chǎng)算法計(jì)算期望因子;

1 問題描述

孔群路徑優(yōu)化為典型TSP，如圖1所示帶權(quán)有向圖[G=（N，L）]描述，N為孔集，L為邊集。

2 算法模型

2.1 蟻群算法及改進(jìn)方案

龔玉玲等改進(jìn)GA對(duì)孔群數(shù)控加工路徑優(yōu)化[1]，但罰函數(shù)造成開銷;潘海鴻等將蟻群算法與相鄰排序法融合對(duì)鈑金件孔群進(jìn)行優(yōu)化[3]，應(yīng)用于激光切割;劉艷梅等采用改進(jìn)ACO對(duì)機(jī)器人制孔路徑進(jìn)行優(yōu)化[5]，卻未對(duì)算法自身缺陷做改進(jìn)。

ACO易與其他算法融合且魯棒性強(qiáng)[3]。受信息素正反饋機(jī)制影響[6]，易出現(xiàn)“停滯”、全局搜索性能低[7]、收斂速度慢等現(xiàn)象[8]。

2.1.1 改進(jìn)螞蟻構(gòu)建解規(guī)則

（1） 概率驅(qū)動(dòng)規(guī)則改進(jìn)

3.3 實(shí)驗(yàn)分析

為驗(yàn)證數(shù)據(jù)有效性防止因程序運(yùn)行所造成的不確定性，對(duì)各算法分別進(jìn)行10組仿真實(shí)驗(yàn)，仿真結(jié)果如表2所示，各算法生成的最短路徑比較如圖7所示。

4 結(jié)束語

實(shí)驗(yàn)結(jié)果表明，本文所提蟻群-粒子群混合優(yōu)化算法較之現(xiàn)有路徑優(yōu)化算法收斂性和穩(wěn)定性均有所提高，較好避免“早熟”，所得孔群加工路徑比ACO縮短9.9%，比GA縮短10.1%，比SA-GA縮短9.5%，為自動(dòng)制孔技術(shù)提供路徑優(yōu)化算法新思路。研究過程中，本文僅考慮在鈑金件平面或簡(jiǎn)單折彎面的孔特征，且均為圓孔。進(jìn)一步的后續(xù)研究，應(yīng)考慮到飛機(jī)框肋鈑金件更為復(fù)雜的結(jié)構(gòu)特性以及其他形狀的孔特征。

參考文獻(xiàn)（References）：

[1] 龔玉玲，武美萍，徐曉棟.基于改進(jìn)遺傳算法的孔群數(shù)控加工路徑優(yōu)化[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2017.11（14）：52-56

[2] 李忠群，郭文慧，王志康.基于混合改進(jìn)型遺傳算法的螺旋銑孔孔群加工路徑優(yōu)化研究[J].湖南工業(yè)大學(xué)學(xué)報(bào)，2016.4（30）：27-31

[3] 潘海鴻，劉曉琳，廖小平.鈑金激光切割加工CAD/CAM軟件的孔群加工路徑優(yōu)化算法[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2013.11（22）.

[4] Dorigo M，Birattari M，Stutzle T.Ant colony optimization：artificial ants as a computational intelligence technique[J].IEEE Computational Intelligence Magazine，2006.1（4）：28-39

[5] 劉艷梅，王鑫，馬躍晏.機(jī)器人制孔自適應(yīng)蟻群路徑規(guī)劃算法[J].火力與指揮控制，2017.10（42）：142-146

[6] 王穎，謝劍英.一種自適應(yīng)蟻群算法及其仿真研究[J].系統(tǒng)仿真學(xué)報(bào)，2002.14（1）：31-33

[7] LI Y J，WU T J.Anadaptiveant colonysystem algorithm forcontinuous-space optimization problems[J].Journal of Zhejiang University Science.

[8] 李鑫.基于知識(shí)的曲面鈑金零件快速設(shè)計(jì)軟件開發(fā)[D].南京：南京航空航天大學(xué)，2013.

[9] 顏國(guó)霖.基于TSP的孔群加工路徑優(yōu)化算法[J]延邊大學(xué)學(xué)報(bào)，2014.4（20）：370-374

[10] 田涌君，張金煒，戎輝，王文揚(yáng)，郭蓬，高嵩.基于蟻群算法的路徑規(guī)劃改進(jìn)方法研究[J].汽車電器，2018，6.

[11] 汪沖，李俊，李波，張粵.改進(jìn)的蟻群與粒子群混合算法求解旅行商問題[J].計(jì)算機(jī)仿真，2016.11（33）：274-279

[12] 李擎，等.一種基于粒子群參數(shù)優(yōu)化的改進(jìn)蟻群算法[J].控制與決策，2013.6（6）：873-878

[13] J M R Fern6ndez，M R Srnehez，S T Reina.Solving Air Transport Contingencies by Using Genetic Algorithms RUCCMAN[J].Transportation Research Precedia，2014.3：249-258

[14] 張立毅，肖超，費(fèi)騰.基于細(xì)菌覓食的改進(jìn)蟻群算法[J].計(jì)算機(jī)工程與科學(xué)，2018.10（40）：1882-1889