飞机框肋件自动制孔工艺路径优化算法

朱健 闫栋 赵鹏德

摘  要： 飞机框肋件孔群制造多采用自动制孔技术，针对目前自动制孔算法所造成的走刀路径复杂、空行程消耗大等问题，采用人工势场算法、狼群分配原则及动态调整策略改进蚁群算法以提高寻优能力进而简化走刀路线，融合粒子群、菌群算法以提高全局收敛性。对某类典型框肋件孔群加工进行路径优化实验，仿真结果表明，优化后加工路线得到显著简化，空行程占比明显降低，刀具总行程比遗传算法缩短10.1%，比基本蚁群算法缩短9.9%，比遗传-模拟退火法缩短9.5。可见，框肋件自动制孔工艺路径得到明显优化。

关键词： 飞机框肋零件; 蚁群算法; 粒子群算法; 路径优化; 算法融合

中图分类号：TH122          文献标志码：A     文章编号：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

框肋件是飛机主要结构件其结构复杂、孔群分布密集，国外结合智能算法驱动自动制孔技术尚存在不足[1]。针对现有算法迭代慢、难收敛、易陷入局部解等问题，本文结合飞机框肋件工艺特性提出蚁群-粒子群算法融合框架，其新颖之处在于：

（1） 首次将菌群算法与粒子群算法相结合以提高全局收敛性;

（2） 采用狼群食物分配原则更新信息素;

（3） 结合人工势场算法计算期望因子;

1 问题描述

孔群路径优化为典型TSP，如图1所示带权有向图[G=（N，L）]描述，N为孔集，L为边集。

2 算法模型

2.1 蚁群算法及改进方案

龚玉玲等改进GA对孔群数控加工路径优化[1]，但罚函数造成开销;潘海鸿等将蚁群算法与相邻排序法融合对钣金件孔群进行优化[3]，应用于激光切割;刘艳梅等采用改进ACO对机器人制孔路径进行优化[5]，却未对算法自身缺陷做改进。

ACO易与其他算法融合且鲁棒性强[3]。受信息素正反馈机制影响[6]，易出现“停滞”、全局搜索性能低[7]、收敛速度慢等现象[8]。

2.1.1 改进蚂蚁构建解规则

（1） 概率驱动规则改进

3.3 实验分析

为验证数据有效性防止因程序运行所造成的不确定性，对各算法分别进行10组仿真实验，仿真结果如表2所示，各算法生成的最短路径比较如图7所示。

4 结束语

实验结果表明，本文所提蚁群-粒子群混合优化算法较之现有路径优化算法收敛性和稳定性均有所提高，较好避免“早熟”，所得孔群加工路径比ACO缩短9.9%，比GA缩短10.1%，比SA-GA缩短9.5%，为自动制孔技术提供路径优化算法新思路。研究过程中，本文仅考虑在钣金件平面或简单折弯面的孔特征，且均为圆孔。进一步的后续研究，应考虑到飞机框肋钣金件更为复杂的结构特性以及其他形状的孔特征。

参考文献（References）：

[1] 龚玉玲，武美萍，徐晓栋.基于改进遗传算法的孔群数控加工路径优化[J].组合机床与自动化加工技术，2017.11（14）：52-56

[2] 李忠群，郭文慧，王志康.基于混合改进型遗传算法的螺旋铣孔孔群加工路径优化研究[J].湖南工业大学学报，2016.4（30）：27-31

[3] 潘海鸿，刘晓琳，廖小平.钣金激光切割加工CAD/CAM软件的孔群加工路径优化算法[J].组合机床与自动化加工技术，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] 刘艳梅，王鑫，马跃晏.机器人制孔自适应蚁群路径规划算法[J].火力与指挥控制，2017.10（42）：142-146

[6] 王颖，谢剑英.一种自适应蚁群算法及其仿真研究[J].系统仿真学报，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.基于知识的曲面钣金零件快速设计软件开发[D].南京：南京航空航天大学，2013.

[9] 颜国霖.基于TSP的孔群加工路径优化算法[J]延边大学学报，2014.4（20）：370-374

[10] 田涌君，张金炜，戎辉，王文扬，郭蓬，高嵩.基于蚁群算法的路径规划改进方法研究[J].汽车电器，2018，6.

[11] 汪冲，李俊，李波，张粤.改进的蚁群与粒子群混合算法求解旅行商问题[J].计算机仿真，2016.11（33）：274-279

[12] 李擎，等.一种基于粒子群参数优化的改进蚁群算法[J].控制与决策，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，费腾.基于细菌觅食的改进蚁群算法[J].计算机工程与科学，2018.10（40）：1882-1889