基于遗传算法的火箭贮箱壁板数控加工刀具优选方法

doi:10.13196/j.cims.2023.02.003

计算机集成制造系统 ›› 2023, Vol. 29 ›› Issue (2): 385-391.DOI: 10.13196/j.cims.2023.02.003

基于遗传算法的火箭贮箱壁板数控加工刀具优选方法

周敏¹,于谋雨²,郑国磊³⁺

1.中国农业大学工学院
2.上海航天精密机械研究所
3.北京航空航天大学机械工程及自动化学院

出版日期:2023-02-28 发布日期:2023-03-08

Tool selection method for numerical control machining of rocket tank panels based on genetic algorithm

ZHOU Min¹,YU Mouyu²,ZHENG Guolei³⁺

1.College of Engineering,China Agricultural University
2.Shanghai Spaceflight Precision Machinery Institute
3.School of Mechanical Engineering and Automation,Beihang University

Online:2023-02-28 Published:2023-03-08

摘要/Abstract

摘要： 为提高具有多槽腔结构的火箭贮箱壁板的数控加工效率,针对贮箱壁板数控加工自动选刀问题,提出基于遗传算法的多槽腔粗加工刀具组合优化选取方法。研究了刀具尺寸与加工策略对加工时间的影响,构建了刀具铣削过程加工时间模型;以可选刀具组内的刀具作为遗传基因,铣削加工时间作为适应度函数,刀具直径和刀具数量作为优化变量,建立了粗加工刀具组合优化选取遗传算法,实现了对基于现有加工资源的加工效率的最大化。实例测试表明,所提方法选取的组合刀具的加工时间相对于初始刀具加工时间缩短了64.5%。

关键词: 遗传算法, 刀具组合选取, 火箭贮箱壁板, 多槽腔, 刀具优化, 数控加工

Abstract: To improve the numerical control machining efficiency of the rocket tank panel with multi-pocket,a tool optimization selection method for multi-pocket based on genetic algorithm was proposed.The influence of tool size and machining strategy on machining time was studied.Then,the machining time model of the tool milling process was constructed.The tools in the optional tool group were used as genetic genes,the milling machining time as the fitness function,and the tool diameter and tool number as the optimization variables,a genetic algorithm for optimal selection of roughing tools was established to maximize machining efficiency based on existing machining resources.The example test showed that the tool selected by the proposed method could shorten the machining time by 64.5% compared to the initial tool machining time.

Key words: genetic algorithms, tool combination selection, rocket tank panel, multi-pocket, tool optimization, numerical control machining

中图分类号:

TP391.7

周敏, 于谋雨, 郑国磊. 基于遗传算法的火箭贮箱壁板数控加工刀具优选方法[J]. 计算机集成制造系统, 2023, 29(2): 385-391.

ZHOU Min, YU Mouyu, ZHENG Guolei. Tool selection method for numerical control machining of rocket tank panels based on genetic algorithm[J]. Computer Integrated Manufacturing System, 2023, 29(2): 385-391.

[1]	赵小松, 陈肯, 张敏, 刘娜. 考虑情绪的混流装配系统产品质量研究[J]. 计算机集成制造系统, 2023, 29(3): 801-810.
[2]	张进春, 吕航, 侯锦秀. 基于混合冗余策略的k-out-of-n:G系统可靠性优化模型[J]. 计算机集成制造系统, 2023, 29(3): 852-863.
[3]	单晓杭, 章衡, 谢毅. 基于二维编码两阶段协同进化遗传算法的云工作流调度优化[J]. 计算机集成制造系统, 2023, 29(2): 568-580.
[4]	汤洪涛, 郑之恒, 李英德, 陈青丰, 江伟光. 采用AGV分拣的型材下料车间成组调度问题研究[J]. 计算机集成制造系统, 2023, 29(1): 100-110.
[5]	朱永国, 王鑫, 刘林辉, 卓鑫, 胡慧顺. 基于多因素模型和多尺度遗传算法的复杂曲面喷涂轨迹综合优化[J]. 计算机集成制造系统, 2023, 29(1): 264-273.
[6]	左远征, 黄常标, 张絮晖. 基于遗传算法的多点切触刀位优化算法[J]. 计算机集成制造系统, 2022, 28(8): 2449-2459.
[7]	黄鹏, 姚锡凡, 胡晓阳, 曾中荣. 面向大规模立体仓库货位分配问题的两阶段混合优化算法[J]. 计算机集成制造系统, 2022, 28(8): 2481-2495.
[8]	占翔南, 徐立云, 凌旭峰, 陈晨. 多深度四向穿梭车仓储系统调度优化[J]. 计算机集成制造系统, 2022, 28(8): 2496-2507.
[9]	徐兴, 俞旭阳, 赵芸, 刘成星, 吴祥. 基于改进遗传算法的移动机器人全局路径规划[J]. 计算机集成制造系统, 2022, 28(6): 1659-1672.
[10]	宋存利. 求解多目标混合流水车间调度的改进NSGA-Ⅱ[J]. 计算机集成制造系统, 2022, 28(6): 1777-1789.
[11]	赵小松, 陈肯, 刘娜, 樊锐. 考虑心理压力和体力消耗的混流装配线平衡问题[J]. 计算机集成制造系统, 2022, 28(5): 1401-1411.
[12]	刘刚, 王艳艳, 黄珂, 满荣军, 吴耀华. 穿梭车自动存取系统任务调度算法适配性研究[J]. 计算机集成制造系统, 2022, 28(5): 1435-1448.
[13]	朱光宇, 张峥. 基于正向投影灰靶模型的多目标流水车间调度优化[J]. 计算机集成制造系统, 2022, 28(4): 1087-1098.
[14]	董宗然, 王法胜, 楼偶俊, 卞璇屹. 基于改进NSGA-Ⅱ的船舶管路路径设计[J]. 计算机集成制造系统, 2022, 28(4): 1129-1142.
[15]	崔榕芳, 陈蔚芳, 潘立剑, 朱帅, 刘振华. 基于遗传算法的多主轴头加工空行程轨迹规划#br#[J]. 计算机集成制造系统, 2022, 28(2): 507-517.

基于遗传算法的火箭贮箱壁板数控加工刀具优选方法

Tool selection method for numerical control machining of rocket tank panels based on genetic algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics