动态蚁群算法模型优化数控机床加工精度控制系统及方法与流程

本发明涉及精度控制，具体为动态蚁群算法模型优化数控机床加工精度控制系统及方法。

背景技术：

1、参考专利名称为：一种切削阶段数控车床加工参数节能优化方法(专利公开号：cn113050543a，专利公开日：2021-06-29)，通过构建数控车床加工能耗和加工时间模型，确定加工参数中的切削速度、进给量、背吃刀量为变量和并对三个变量进行约束，利用加权法将多目标优化问题转化为单目标优化问题，利用自适蚁群算法对模型进行求解等流程进行计算，其中计算蚂蚁位置和信息素浓度的迭代过程中还进行全局搜索和局部搜索，在全局搜索和局部搜索后还更新每只蚂蚁留下的信息素，最终得到最优车削参数，通过分析切削过程中的能耗和加工时间特性，优化数控车床切削阶段的能耗和加工时间，能够降低机床的能量消耗，提高加工效率，为机床节能提供一种优化思路。

2、基于上述文件的表述，现有的数控机床加工精度会因为加工过程中的因素影响造成精度产生改变，而一般只能够通过人员的经验完成自适应的控制操作，而往往所造成的是精度不稳定的问题，为此，本发明提供了动态蚁群算法模型优化数控机床加工精度控制系统及方法。

技术实现思路

1、针对现有技术的不足，本发明提供了动态蚁群算法模型优化数控机床加工精度控制系统及方法，解决了现有的数控机床加工精度会因为加工过程中的因素影响造成精度产生改变，而一般只能够通过人员的经验完成自适应的控制操作，而往往所造成的是精度不稳定的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：动态蚁群算法模型优化数控机床加工精度控制系统，包括：

3、数据采集设备，用于采集加工过程中的各种参数数据，并用于监测加工过程中的数据变化；

4、精度控制系统，用于对采集数据的处理并优化蚁群算法模型，包括：

5、数据接收模块，用于将采集得到的数据进行接收；

6、数据处理模块，对数据筛选后，对筛选后的误差图像数据进行处理，并基于图像进行误差分析并计算出误差数值，通过数据补偿对蚁群算法模型进行优化；

7、数据传输模块，将处理后的数据向外传输，用于操作人员的查看以及模型的优化操作；

8、控制面板，用于人员查阅时的显示和指令控制操作；

9、蚁群算法模型，用于根据处理后的数据优化并补偿目标，生成一组用于伺服电机使用的加工参数；

10、执行机组，用于根据生成的加工参数，控制数控机床进行进给操作。

11、优选的，所述数据处理模块对于数据的筛选操作为：

12、a1、将所有的图像进行整合后，进行首次筛选，筛选保留图像数据为正上方所采集到的图像数据；

13、a2、将图像依据加工时前后顺序进行排序，进行二次筛选，只保留具有加工工件和进给刀具共有的图像数据，并将其他的数据筛除；

14、a3、将筛选后保留下来的图像数据按序进行整合，并形成误差图像数据集标记为t{t1，t2，…，tn}。

15、优选的，所述数据处理模块中误差图像数据的处理操作为：

16、b1、在误差图像数据集t中选取一张包含有加工工件和进给刀具共有的图像数据，并对图像数据进行灰度化处理操作；

17、b2、将处理后的图像进行特征标记，并根据标记的特征部分进行误差距离的计算；

18、b3、将多次误差值汇总形成误差数据集m{m1，m2，…，mn}，依据多次误差值计算出平均的误差值，并补偿至蚁群算法模型进行优化。

19、优选的，所述b2中特征标记的具体操作为：

20、c01、按照灰度像素值进行分割，分割出多个不同的特征部分；

21、c02、依据数据库中的特征部分同图像数据中分割出来的特征部分进行比对，对应相同部分的特征部分标记对应的特征名称；

22、c03、并筛选出加工工件特征部分和进给刀具特征部分的位置特征数据，筛除一个图像数据中的其他特征部分。

23、优选的，所述b2中误差距离的计算方式为：

24、c11、根据c03中的筛分出来的加工工件特征部分和进给刀具特征部分的位置特征数据进行处理；

25、c12、以加工工件特征部分且位于俯视图像数据中的前侧边缘处以及加工工件特征部分右侧边缘处的交点作为坐标轴原点，而以加工工件特征部分前侧边缘处方向为x轴，以加工工件特征部分右侧边缘处方向为y轴建立坐标系；

26、c13、并以进给刀具特征部分的后侧边缘处与刀具特征部分的交点为特征点，并标记为p(x，y)，以点p(x，y)到x轴的垂直距离作为进给值。

27、优选的，所述误差距离的计算公式为：

28、mn＝h-k*x；

29、其中，mn为实际的点p(x，y)到目标进给量间的误差值，h为每次所需的加工的进给距离，k为图像位置数据与实际位置数据的比值且为常数，x为p(x，y)到x轴的垂直距离且为实际进给值。

30、优选的，所述b3中的平均误差值计算公式为：

31、

32、其中，m平为多次加工操作下的平均误差值，(m1+m2+…+mn)为多次加工操作下误差值的总和，而n为产生误差值的次数。

33、优选的，所述蚁群算法模型的操作步骤为：

34、d1、将计算出的平均误差值通过误差补偿模块引入至蚁群算法模型的训练模块中进行改动；

35、d2、再调节好加工的预定尺寸后，应用该蚁群算法模型进行多次的实际处理操作，并在依靠b1-b3的操作计算误差；

36、d3、直至误差值符合正常所需进给量的范围内后，则可以将补偿后的蚁群算法模型应用实际。

37、本发明还公开了动态蚁群算法模型优化数控机床加工精度控制系统的控制方法，具体包括以下步骤：

38、e1、采集加工过程中的各种参数数据；

39、e2、根据预设的优化目标和采集到的数据，生成一组补偿后的加工参数；

40、e3、根据补偿后的加工参数，控制数控机床进行加工操作；

41、e4、在加工过程中继续实时监测误差情况，并根据误差情况继续调整并补偿加工参数至蚁群算法模型中。

42、优选的，所述e4在进行实时监测误差情况后，通过e1-e3的操作，根据误差情况继续调整加工参数，直至误差值符合正常所需进给量的范围内后，则蚁群算法模型训练完成。

43、有益效果

44、本发明提供了动态蚁群算法模型优化数控机床加工精度控制系统及方法。与现有技术相比具备以下有益效果：

45、(1)、该动态蚁群算法模型优化数控机床加工精度控制系统及方法，通过设置有精度控制系统，利用数据接收模块采集加工过程中的各种参数数据，并通过数据处理模块对数据筛选、图像数据特征处理、误差值计算并引入至蚁群算法模型完成优化操作，以此可以根据误差的情况对于蚁群算法模型进行不断的修整，以此提高应用实际过程中的加工精度，使得精度控制更为稳定。

46、(2)、该动态蚁群算法模型优化数控机床加工精度控制系统及方法，通过设置有数据处理模块，对图像数据进行多次的筛选操作，保持所使用数据的方向为同一角度，同时基于数据进行特征提取后，依据特征的位置建立坐标轴，以此更快的计算出实际的进给数值，与所需进给数值相比后得到误差数值，并通过计算平均值使得误差的数值更为均衡，避免特例情况的产生，同时更有效的提高后续对于数控机床加工精度控制。

47、(3)、该动态蚁群算法模型优化数控机床加工精度控制系统及方法，通过设置有不断的实时对数控机床加工精度进行监测和数据采集，再通过误差值的不断计算后补偿至蚁群算法模型中进行优化，可以最快的得到最优的参数，并减小误差提高精度，并更广泛的适用于多种数控机床。