面向神經網絡的智能測量與加工集成研究

喻彩麗

（浙江科技學院機械與能源工程學院，浙江 杭州 310023）

1 引言

隨著航天航空、船艦、車輛等行業的快速發展，對復雜曲面零件的質量要求越來越高，其零件的品質直接影響到整機的使用壽命和技術的競爭力。因此，要把生產的精益化、柔性化、模塊化、敏捷化貫穿于整個零部件加工制造全過程，為確保該類零件達到較高或超高的精度要求，必須使整個制造過程可控且更精細[1]。復雜型面零件的測量與加工集成在先進制造領域應用非常廣泛，并與全球化的智能制造有很大關聯。德國、英國等許多歐盟國家在集成領域開展了智能測量與加工一體化研究，成功攻克了葉片修復的加工系統，大大降低了生成成本。在國內天線罩、渦輪等大型復雜曲面零件生產都由測量與加工一體化技術作強大支撐。在此基礎上，開展了神經網絡直接應用于面向測量到激光加工過程的研究，闡述了提高零件加工精度的關鍵技術。

2 智能控制系統

2.1 硬件集成和加工工藝過程連接

集成化柔性智能激光加工系統是由獨立的4 個智能控制子系統集成的，分別由激光加工系統、機器人系統、數控系統和測量系統[2]。在機械結構上測量頭和激光加工頭都可以安裝在機器人腕部夾具中，由機器人腕部運動來實現它們對工件的相對運動。在加工工藝過程中先把測量頭裝在機器人腕部，由機器人完成測量過程，然后卸下測量頭，換裝上激光加工頭，再由機器人完成加工過程，如圖1 所示。

圖1 智能激光加工系統Fig.1 Intelligent Laser Processing System

2.2 信息傳遞和信息融合

柔性激光加工系統集成是在信息傳遞和信息融合中實現的，如圖2 所示。當被加工件送到機器人工作臺上后，啟動自適應測量系統，要求測量的信息指令輸入機器人控制系統，控制機器人（這是測量頭已裝入機器人腕部）自動進行對被加工件的型面形狀和尺寸的測量。測量數據進人信息融合和信息傳遞過程（數據處理分析過程），用人工神經網絡數據處理方法生成加工數據軌跡，形成的激光加工指令信息輸入機器人數控系統，卸下測量頭，把激光加工頭裝入機器人腕部，這樣實現全自動激光加工過程。

圖2 信息流系統Fig.2 Information Flow System

3 智能控制與激光加工一體化過程

3.1 測量系統和加工系統的集成

圖3 測控加工系統集成Fig.3 Integration of Measurement and Control Processing System

五維柔性框架式激光加工機器人系統為測量和加工一體化的實現提供了堅實的基礎，實現測量和激光加工兩種功能。框架式的機器人本體結構和機器人自身的控制特征，滿足了激光加工和針對激光加工進行的測量要求，成為智能測量和加工一體的硬件基礎。測量和加工分別形成了自身的上位機控制模塊。對大多數激光加工來說，測量是加工的基礎，設備分時實現兩種功能，如圖3 所示。測量和加工這種集成方式，使得五維機器人可以做到一機多用。測量時，五維機器人如同一臺CMM 數字化測量機，而且機器人具有4 軸的轉動和5 軸的擺動，具備全方位的測量功能，是一種柔性測量系統。測量切換到加工時，操作上只需把測頭更換為激光加工頭。測頭和激光加工頭共用一套夾具，在軟件上的切換，采用人工神經網絡使測量數據轉換成加工數據。

3.2 控制系統的上下位機連接

測控加工系統分為下位機控制和上位機控制兩部分，上下位機的結構，如圖4 所示。上位機為主機，完成系統管理和人機接口，同時也可以完成坐標轉換、軌跡插補等運算，并把結果通過串口送到下位機。用的激光器為全數字控制，本身帶上下位機控制。為了實現對激光器和機器人的集中控制，將激光器的上位控制軟件集成到五維機器人系統的上位機中，五維機器人上位機以通訊的方式實現對激光器控制的功能。機器人下位機從其緩存中讀取給定值，完成全部關節位置數字控制，同時，把各軸實際位置送到緩存中供上位機使用。其下位機控制模塊，如圖5 所示。

圖4 上、下位機控制系統Fig.4 Upper and Lower Computer Control System

圖5 下位機模塊圖Fig.5 Lower Computer Module Diagram

上下位機之間通過串口傳遞機器人動作指令外，還設置了一些I/O 通道，實現測控加工系統之間的保護。

4 基于神經網絡的智能處理

4.1 神經網絡構成與參數優化

神經網絡是根據BP 算法通過正向計算和反向傳播兩個過程來進行數據處理的。神經網絡的構成圖，如圖6 所示。

先通過目標函數的方向導數計算，再計算對應的偏導數，給出確定的方向，按一維搜索原理確定起點負梯度方向的最優解，達到神經網絡參數的梯度優化。

圖6 神經網絡構成圖Fig.6 Composition Diagram of Neural Network

4.2 數據智能化處理

激光加工機器人的測量系統在完成工件表面測量后，通過串行口將坐標數據傳輸給上位機。上位機通過對這些坐標數據的分析處理，得到待處理加工的工件表面形狀，并計算出激光頭運動的坐標軌跡。然后將這些激光頭運動的軌跡數據也通過串行口回傳給機器人控制系統，進行表面加工處理。

根據神經網絡目標函數關系采用NURBS 方法進行曲線、曲面擬合。

NURBS 曲線的定義：一條n次NURBS 曲線可以表示為一段有理多項式失函數p（t）[8]：

由式（13）～式（15）求得三次NURBS 曲線（n+3）個控制點位置矢量Pj。這樣得到了經過測量點（型值點）的NURBS 曲線，得到最好曲面擬合，成形有效的加工信息。

5 曲面加工位姿與重構

5.1 加工點的位姿數據形成

對于表面形狀數學模型未知的曲面，其表面點的法線方向可能各不相同。為驅動機器人實現激光加工動作，必須通過一定的方法求解。

通過在被加工周圍離散的選取三個坐標點，由這三點確定唯一的一個平面；將這個平面近似地看成需加工點的切面。由已知三點坐標可以求出該切面的方程和切面垂線組的方程可以求解得到加工點在空間中X、Y、Z三個方向上的方向矢量，同時得到擺角C和旋轉角A的值。具體：

已知被加工點坐標（X0，Y0，Z0）。在該點附近任意選取的三個點坐標分別為（X1，Y1，Z1），（X2，Y2，Z2），（X3，Y3，Z3）。通過三點可得到兩條相交直線L1和L2。它們的方向矢量L1和L2分別為：

這樣可以得到切面垂線組的方向矢量K：

得到了測量加工點的位姿數據。

5.2 曲面重構

采用神經網絡技術計算出激光加工運動坐標軌跡。神經網絡的輸入輸出，很好地把曲面擬合和擬合后加工參數的求解兩個步驟合二為一，直接應用于面向測量到激光加工的整個過程。

根據測點的坐標數據，由NURBS 方法重構的控制點，進行曲面重構和建模，優化數模流程，如圖7 所示。部分重構前后的控制點坐標，如表1 所示。由上表可知，加工曲面重構后對應控制點的坐標發生了變化，這樣，在重構曲面上選取加工小平面，計算其中心點位置和法向量，得到加工數據，由位置和姿態作為加工軌跡數據驅動機器人，形成自由曲面刀具軌跡生成器。數據轉換模組：在數據轉換模組中，自由曲面的離散數據點由設計CAD數據生成。用NUBRS 曲面的階次與權值重構連續曲面，這樣生成的自由曲面直接用五維框式激光機器人加工形成，得到理想的型面零件。如圖8 所示。

圖7 曲面重構和建模過程流程圖Fig.7 Flow Chart of Surface Reconstruction and Modeling Process

表1 部分重構前后控制點的坐標比較Tab.1 Coordinate Comparison of Control Points Before and After Partial Reconstruction

圖8 根據重構后控制點坐標得到零件圖Fig.8 Get the Part Drawing According to the Control Point Coordinate After Reconstruction

5.3 集成系統應用

復雜曲面零件的公差標準要求越來越高。基于神經網絡的檢測與加工一體化集成系統為生產各種各樣的曲面加工提高了動力系統，如圖9 所示。

圖9 集成系統單元Fig.9 Integrated System Unit

圖10 復雜曲面加工誤差分析Fig.10 Error Analysis of Complex Curved Surface Machining

該集成系統包括控制中心、自動上下料系統、柔性加工中心、機器人系統、修邊及清潔裝置。在控制臺對重構的曲面零件進行仿真運行，并進行嚴格的驗證和測試過程，如圖10 所示。利用PC、DMIS 強大的曲面曲線功能，評價自由曲面的輪廓度，并以圖形和文本的方式顯示位置的加工偏差，誤差分析顯示集成系統有很高加工精度，實現了預期的目標，如圖10（b）所示。

6 結論

復雜曲面的測量與加工一體化集成，使得加工制造技術高度柔性化和模塊化。整個集成系統把計算機技術、智能測量技術、自動化控制技術等緊密結合起來，是一種多學科交叉和綜合集成的先進制造技術。這種基于神經網絡的柔性加工系統大大提高了加工過程的自動化程度和加工過程控制能力。同時，在復雜零件表面完整性控制加工方面，測量加工一體化模式將有很大的應用潛力和效能，為高性能復雜曲面零件高可靠加工提高了新的途徑。