经济型数控车床加装电磨头实现车、磨一体的精密加工

随着社会生产和科学技术的迅速发展,经济型的数控车床被生产企业广泛应用,但由于受到机床自身精度、使用刀具和其他因素的影响,经济型的数控车床只能加工精度不太高的零件.为了能在经济型数控车床上也能快捷稳定的加工精密零件,本人对经济型数控车床(使用GSK980TD数控系统)进行了技术改进.通过在经济型数控车床上加装电磨头,能同时完成车、磨一体的精密加工.改进后的经济型数控车床,也能快捷稳定的加工精密零件.     

人工鱼群算法在孔群加工路径优化中的应用研究

将人工鱼群算法应用于孔群加工路径优化的研究,建立以最短加工路径为目标的路径优化数学模型,阐述算法实施的具体过程并进行算例分析.结果表明,该方法求最优解的性能优于Hopfield算法、进化蚁群算法、人工免疫算法以及改进的遗传算法,获得的最优路径可以节省71.47%的行走路程.     

数控系统过象限圆弧加工总步长的一种算法

本文叙述了自动加工过象限圆弧以总步长作为终点判断的必要性。给出了一种简单计算加工总步长的算法。此算法可以减少编程计算工作量,利于提高数控系统的效率,适合于数控系统特别是经济型数控系统应用。     

板金加工数控切割路径的优化计算

根据图论理论，对零件切割路径问题，在普利姆算法的基础上提出了一种有效的路径优化算法．该算法可自动确定切割加工的最短路径，有效缩短切割头的空行程时间，提高辅助加工的效率．     

FANUC数控车连续高精度加工

本文介绍了FANUC系统数控车床利用刀具补偿进行连续自动快速高精度加工批量的零件,其中包括零件的数控加工工艺分析,数控加工工艺的特点和FANUC数控系统刀具补偿、刀具圆角补偿在零件加工中的应用。     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛,为了达到自动引导车在路径规划中要达到全局最优,实时避障的要求,提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径,根据A-Star算法进行优化,引入自适应启发函数,并进行路径关键点选取,删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低,路径不平滑的问题。动态障碍物躲避采用DWA算法,优化评价函数,提升了规划效率。仿真结果表明,融合优化后的A-Star算法与优化后的DWA算法,减小了搜索范围,提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升,最终实现全局最优路径规划和局部动态实时避障。     

基于改进蚁群算法的CVRP问题研究

车辆路径优化问题归属于NP-hard问题;针对基本蚁群算法求解效率低下,可行解质量不高,容易陷入局部最优解的情况,在充分考虑具有一般性的车辆路径优化问题的数学模型与解决方案后,提出了一种带有轮盘赌运算与2-opt优化运算相结合的改进蚁群算法,算法在运算过程中对选取路径的概率进行二次计算,扩大了全局的搜索范围;同时对得到的路径进行内部优化,增强了局部搜索能力,提高了解的质量;通过MATLAB软件进行仿真实验的结果表明:相较于基本的ACO算法以及遗传算法得到的结果,改进的蚁群算法在性能上和求解的质量具有很大的优势,可以更好地解决带有容量约束的车辆路径优化问题,为相应的企业更好地节省物流成本。     

在数控车床上加工旋转非圆曲线的宏编程

在实际的加工中,数控系统没有旋转非圆曲线的插补指令,常规是用宏变量赋值的方式通过手工编辑宏程序实现数控车床加工旋转非圆曲线。下面,笔者重点介绍数控车床加工旋转抛物线和旋转正弦线手工编辑的宏程序(简称"宏编程")。     

B样条曲线数控R参数编程加工

针对802S等中低档数控系统内存有限、加工由B样条曲线曲面组成的复杂零件轮廓过程中所遇到的问题,研究了使用数控系统R参数编程功能及指令实现德布尔算法计算B样条曲线上任一点坐标值的方法,生成了较短的R参数数控程序加工代码。使得中低挡数控系统中存入缩短的复杂零件程序进行快速加工成为可能。最后经802S系统数控铣床实际加工运行凸轮样条曲线轮廓段R参数加工程序验证缩短程序正确。零件精度满足设计要求。     

基于PSO--BP网络的数控系统插补控制研究

插补控制是数控机床加工控制的核心技术,将智能优化算法和神经网络技术相结合,建立了PSOBP网络的插补控制模型。以坐标位置和速度为输入,下一点坐标位置、切线角、曲率半径为输出,搭建了BP网络模型,采用PSO优化算法对网络权值和阈值进行优化处理,最终获得PSO-BP插补控制模型。通过复杂加工曲线仿真试验分析,验证了PSO-BP网络数控系统插补控制的有效性。提出的数控系统插补控制能够提高复杂零件插补的精度和速度,对超精密零件加工的插补控制提供了一定的参考。     

电力通信传输网络的优化模型探讨

该文介绍网络优化的数学模型和几种算法,阐述了图论的基本概念,介绍最小生成树的Kruskal算法、最短路径算法和最大流量算法,根据广州电力通信网的结构,论述了优化的必要性,优化的目标。对电力通信传输网,提出了受限最短路径优先(CSPF)算法的具体步骤,并详细提出了用于CSPF计算的约束条件:链路约束和路径约束。采用该算法对广州电力通信网络的骨干网络进行计算机模拟,取得了有实际意义的结果。     

基于粒子群-蚁群融合算法的移动机器人路径优化规划

基于TSP问题,提出了一种基于粒子群-蚁群算法相互融合的综合优化算法对移动机器人路径规划问题进行研究。通过粒子群算法对全局路径实施粗略搜索,获得部分次优解,在获得次优解的路径上进行信息素分布,再采用蚁群算法进行精确搜索,得到路径规划的最优解。实验结果表明:粒子群-蚁群融合优化算法在路径寻优上优于蚁群算法及粒子群算法。     

谈数控机床常见的加工故障及处理

文章针对在采用华中IINC-1型数控系统的经济型数控车床、铣床加工零件过程中，出现的一些常见的硬件方加工故障及系统软件方面的不足问题进行了分析，并给出合理的解决方案。     

复杂曲面砂带磨削自适应刀具轨迹优化算法

多轴数控砂带磨削刀具轨迹优化是复杂曲面加工领域的难点之一.本文以复杂曲面多轴数控砂带模削刀具轨迹优化为对象,建立了以刀具效率、刀具路径长度和加工时间为目标的优化目标函数.通过分析砂带模削宽行和弹性加工特点对加工精度的影响,提出了考虑磨削过程中的刀具变形与砂带磨损,建立误差补偿机制,保持磨削量稳定的自适应优化算法模型,设计了算法步骤.     

多目标路径规划问题的算法综述

单目标路径优化模型难以更好的模拟实际生活中复杂多变的状况,相比而言多目标路径优化更贴近于现实,对实际问题更具有指导意义,也是近年来计算机科学和物流科学研究的一个热点问题,产生了众多的研究成果;为全面总结多目标路径优化算法的研究现状,综述了国内外多目标路径优化算法在不同背景下的应用及取得的进展,并按算法的构造方法进行了相应的分类;最后进行了总结分析了存在的问题,并指明其进一步的研究方向。     

多集散点车辆路径优化的混合算法

为使多集散点车辆路径优化结果全局最优,以订单为基准建立多集散点车辆路径优化模型.采用粒子群算法与改进蚁群算法组成的混合优化算法求解模型.由粒子群算法的粒子位置向量得到每辆车所需运送的订单号,用蚁群算法优化单车路径,根据优化的总路径评价和筛选粒子,直到满足终止条件.该模型和混合算法是所有车辆对所有订单节点的路径优化,突破了多仓库问题直接或间接转化为多个单仓库车辆路径优化问题中的局部节点求解的限制.实例求解结果表明,用该混合算法优化的车辆总路径长度小于用蚁群算法求得的结果.     

带目标权重的物流路径优化研究—基于模拟退火蚁群算法

物流路径优化问题是物流研究领域十分重要的研究课题。针对物流企业对物流配送时间、距离以及运输成本的要求不同,建立带目标权重的物流路径数学模型,物流企业可对目标权重进行赋值进而满足自身的需求。针对基本蚁群算法易陷入局部最优以及收敛速度慢的缺陷,对基本蚁群算法的转移规则和信息素进行改进,然后在改进的基本蚁群算法中融入模拟退火算法思想,建立模拟退火蚁群算法。实验结果表明:模拟退火蚁群算法能搜寻到比基本蚁群算法更优的综合成本,且收敛速度更快,同时也表明模拟退火蚁群算法的可行性及数学模型的合理性。     

孔群钻削机械手的运动规划和加工路径优化

为提高加工效率,对用于钢琴弦轴板孔群钻削加工的三轴直角坐标机械手的运动规划和加工路径优化方法进行了研究.首先采用抛物线过渡的线性插值算法对钻削过程进行运动规划,生成一条位置和速度都连续的平滑运动轨迹.然后以最短加工路径为目标,以无碰撞地绕过所有障碍物为约束条件,建立了孔群加工路径规划问题的数学模型,并采用分层优化的遗传算法获得了孔群加工的优化路径.最后以6种型号弦轴板为例进行计算,结果验证了算法的有效性.     

改进蚁群算法优化车辆路径问题的研究

研究采用改进的蚁群算法优化带约束的车辆路径的问题。考虑的约束条件包括路径约束、时间窗约束和容量约束。主要目的是提出一种改进的蚁群算法进行车辆路径优化,构建配送车辆行驶路线,实现配送路线总成本的最小化。从三方面对蚁群算法进行了改进：对参与条件转移概率的候选节点列表进行预处理减少路线构建过程计算的时间复杂度;提出插入式节约算法用于改进蚁群初始配送路线提高寻优精度;基于蚁群系统对信息素更新策略进行改进,加快算法收敛速度。基于Solomon基准数据集,与近年来已取得的研究成果展开对比实验,证明提出的改进算法在提高求解精度和搜索效率方面的有效性,在优化带约束条件的车辆路径问题时的实用性,拓展了蚁群算法的应用领域。     

一类混合迭代算法在约束预测控制中的应用

为了改进多变量约束预测控制的滚动优化算法,对路径跟踪法和粒子群算法进行了理论研究,提出了一种将路径跟踪法和粒子群算法相结合的混合迭代算法,并用该混合算法对最具代表性的动态矩阵控制进行了滚动优化.仿真结果表明:对由于参数选择引起矩阵奇异时,路径跟踪法无法求出最优解,而基于混合迭代算法的优化算法可以得到最优解.采用路径跟踪法和粒子群算法相结合的混合迭代算法对多变量约束预测控制进行滚动优化,保证了优化算法的快速性和可行性.