一種基于聚類算法的衛星組合加工技術

臧梓軼 程 澤 蔡朝陽

一種基于聚類算法的衛星組合加工技術

臧梓軼 程 澤 蔡朝陽

（北京衛星制造廠有限公司，北京 100094）

以通信衛星太陽翼及天線接口組合加工領域為研究背景，分析了當前加工方法的弊端。首先基于圖元分析，對加工過程進行增強模擬，利用空間坐標系轉換原理構建加工坐標系與衛星坐標系的轉移矩陣，實現加工策略的整體輸出。在路徑規劃方面，提出了“一種基于聚類算法的加工路徑規劃方案”，通過隨機初始化聚類中心、“距離”判斷、自動分類、矢量長度累積求和等一系列流程，實現了最優加工路徑的規劃。在該方法中，加工路徑與遷移路徑均由計算機規劃，減少了人工干預，提高了效率與預測的準確度。為后續實現智能化、自動化奠定了理論基礎。該方法在衛星型號上得到驗證，加工精度達到國內先進水平。

通信衛星；圖元分析；聚類算法；路徑規劃

1 引言

通信衛星是衛星通信系統的空間部分，實現衛星通信地球站之間或地球站與航天器之間的通信。以某型號東四平臺通信衛星為例，其主體構型是一個2100mm×3600mm×2360mm的長方形箱體，由平臺結構和通信艙結構組成，另外還有作為次級結構件的一套東饋源支撐結構以及一塊饋源防護板。整個結構分系統的組成示意圖見圖1。平臺結構又分為推進艙和服務艙。其中，推進艙由中心承力筒、490NG發動機支架、中板、背地板、推進艙南北隔板和東西隔板組成；服務艙由服務艙南北板組成。通信艙由對地板、通信艙南北板和通信艙南北隔板組成。東饋源支撐結構由饋源安裝板、±豎隔板和加強板組成。

圖1 衛星分解示意圖

由于±太陽翼安裝面、±及+對地天線安裝面等關鍵接口具有縱向跨度大（3m以上），點位多（102數量級）、分布離散的特點，為了保證太陽翼及天線的安裝精度及可靠性，在研制過程中通過對其組合加工的工藝方法，保證其形位精度滿足設計要求。由于衛星在該階段已實施管路等推進分系統項目，故對生產環境要求極為嚴格，需在10萬級凈化廠房內研制，另外加工過程不允許使用冷卻液，綜合以上需求，目前使用的加工設備為“三維立式加工中心（以下簡稱ITP）”。

ITP最早于2003年引入衛星結構部裝領域。作為非接觸式測量設備，可以完成大尺寸結構件高精度測量工作以及精測數據擬合工作，測量精度優于0.05mm。根據組合加工的要求，原廠在測量功能的基礎上開發了組合加工功能，通過測頭和加工頭的轉換實現功能切換，現已經廣泛應用于各平臺衛星關鍵對外接口組合加工，ITP結構如圖2所示。

圖2 設備實物圖

2 傳統加工方法及其弊端

由于ITP主要功能是三坐標高精度測量，故其三維導軌的安裝精度經過激光干涉儀的嚴格調校與補償，決定其移動方向是基于機床坐標系定義。而傳統意義上，對于大型五軸加工機床，可以通過基準轉換的方式實現衛星坐標系與機床/加工坐標系的重合，實現高精度路徑控制與加工，基于UG的程序編譯[1]衛星在建立整星坐標系時，要求裝配工裝上表面相對轉臺平行度≤0.03/1000mm，決定衛星的絕對姿態必然會與ITP坐標系存在一定的微小夾角，ITP設備無法實現與衛星坐標系的統一是實現自動編程的一大癥結[2]。

目前由操作人員通過操作ITP手柄或面板獲取實際進刀、出刀的機器坐標，進而編制加工程序，流程如圖3所示，具有以下難點：

圖3 組合加工流程圖

a. 效率十分低下，占用主線時間長，各工序時間占比如表1所示。

表1 各工序占比分配表

b. 在程序驗證時，通過旋轉刀尖與設備軸保持水平后，一名操作人員操控設備驗證單步程序，另一名操作人員觀察刀尖位置及旋轉刀盤，判斷進刀和出刀位置余量是否充分，該操作過程十分繁瑣，人眼很難精準判斷相對位置，另外操作空間狹小，從正面和側面觀察得到的結果會存在偏差。

c. 處于衛星+側分布的天線接口在驗證時需要操作升降車高空作業，風險較大。

根據統計以上分析可以得出如下結論：

a. 在生產周期方面：由表1可以看出，整個組合加工的時間為8d，其中耗時最長的為第5項組合加工，占比50%，其次是第3項獲取對刀坐標，編譯程序，占比25%，此兩項就占據了全部項目的75%，耗時最長，剩余項目占比時間幾乎相等。在剩余的項目里其中第1項“基準坐標系測量待加工區域”、第2項“測頭更換為加工頭”及第6項“加工后精度測量”為固定操作，無優化空間。

b. 在程序可靠性方面：目前程序段的坐標值主要依靠操作者操作設備手動獲得，可能引入誤差的環節主要包括坐標記錄正確性、程序段錄入正確性，由于全部由人工實施，不能確保程序編制100%正確，可能引入風險。

c. 在程序驗證方法方面：目前的操作方法中需要兩名操作人員同時在升降車上高空作業，安全風險大，另外進刀、出刀充分性判斷主要利用視覺確認，手動旋轉刀盤觀察刀尖是否進、出充分與操作者的手法、目測情況都有關系，存在標準不一致的難點。

d. 在加工可靠性方面：根據以往型號的加工結果，存在局部超差的情況，再二次加工，這可能與刀具材料、切削參數有關，需要進一步調研，如何提高加工穩定性、可靠性也是提高加工質量的重點方向。

本文重點從如何快速、準確獲得加工坐標及規劃加工路徑兩個方面分析。

3 加工原理

衛星以部裝支架圓心為基準點，±軸上的銷孔連線為基準線，指向+，對接法蘭面為基準面，如圖4所示，ITP機器坐標定義如圖5所示，均符合右手坐標系[3]。

圖4 衛星坐標系定義

圖5 機床坐標系定義（由機床面向衛星）

首先操作者通過ITP手柄或控制面板控制主軸移動，ITP屬于單軸控制設備[4]，所以每次移動均為→方向或↑方向。激光發射器發射的激光投影在星體側壁上，通過觀察進入點及遠離點是否處于待加工埋件的外圍，確定加工余量是否充分。根據確定的進入點及遠離點記錄相應的坐標值，用于后續的程序編譯。重復上述過程直到獲得全部加工坐標。

程序示例如下：

X100 %軸移動至坐標100；

Z1600 %軸移動至坐標1600；

X40 %軸移動至坐標50；

此段程序可以解釋為加工面平行于平面，從坐標（100, 1600）加工到坐標（40, 1600），即沿-向加工60mm。

根據空間直角坐標系轉換的基本原理，轉換坐標[5]。

4 加工策略規劃及分析

在加工過程中主要分為慢速模式（用于切削）及快速模式（用于移動），由于二者速度相差較大（大于10倍），故認為影響加工效率的主要因素集中在慢速切削模式下。以±側天線板為例，待加工埋件具有局部集中，整體離散的特點。屬于同一“圖元”的埋件應劃分為同一組別加工，這是由于對于每一個埋件，以橫向加工為例，其加工過程為：a.→慢速靠近進入點；b.↓慢速到達加工高度；c.→慢速切削；d.↑慢速抬升至安全高度；e.快速遷移至下一點。兩點在距離很近的時候，如果采用單點加工的策略，會重復a～d的過程，效率低下。所以認為可以定義“合適的距離”，以隨機的點為中心向四周輻射，搜索“距離”內的點位作為分組原則，同組采取連續加工的策略[6]。該策略受“聚類算法”啟發并修正適應性。聚類分析又稱群分析，是研究（樣品或指標）分類問題的一種統計分析方法，同時也是數據挖掘的一個重要算法。聚類[7]（Cluster）分析是由若干模式（Pattern）組成的，通常模式是一個度量（Measurement）的向量，或者是多維空間中的一個點。通過聚類算法將待加工埋件分類，用于后續加工向量長度計算，對目標函數求最優解[8]。

5 聚類分組的過程及實現

利用Python編譯開發程序。其基本思路為，首先遍歷孔表，利用最高點（激光跟蹤儀測量獲得）的標號索引（該點有利于加工程序循環次數的最小化）獲得其及坐標，將坐標值作為初始化的“聚類”中心，從該中心出發向周圍“搜索”距離較近的點，判斷二者的距離，如果滿足向不超過30mm及向不超過1000mm（此兩項數據為自定義），則認為第二點屬于“一號聚類”群，重復以上過程將符合條件的點歸集到群中，直至有不滿足條件的點位出現，將該點定義為“二號聚類群”的聚類中心，重復上述過程直至完成全部分組[9]，程序圖如圖6所示。程序代碼略。

圖6 程序邏輯圖

6 點位及路徑計算

圖7 路徑偏置示意圖

圖8 路徑補償示意圖

7 加工實例

圖9 分組散點圖

以XX-1(03)通信衛星孔表為基礎，運行上述分組程序段，可以得到分組情況（部分），將分組情況繪制散點圖，如圖9所示。從圖中可以看出分組精確度很高，與人工判斷分組情況完全一致，參數調校合理。

最終程序段如下（部分）：

X-1364.5

Y-720

Z3

G01 Z0

X-1382.5

G00 Z5

X-1534.5

Y-720

Z3

該程序完全滿足加工要求，順利完成了組合加工任務，產品各項精度指標滿足要求，程序質量可靠。

利用第6章公式計算路徑總長度為15070mm，加工時常預測為1150s，經過加工實際驗證，路徑總長度15180mm，加工時常1174s，經比對數據一致性良好，預測準確。與XX-1(02)衛星組合加工比對，其路徑總長度27136mm，加工時常2102s，加工效率提高了44.1%，單個循環縮短了15.46min，完成整面加工一般需要8個循環，共縮短123.73min，效率明顯提升。

8 結束語

新的加工思路與傳統方法相比發生了比較大的變化，具有以下優勢：

a. 采用改進的聚類算法，以加工總時間為目標，將待加工點位分組，解析了最優路徑，提高了生產效率。

b. 通過坐標系轉換獲取全部加工點位的機器坐標值，大大減少了對刀次數，提高了生產效率，降低了高空及狹窄空間作業時常和情況，提高了安全性。

c. 程序編譯全部由計算機完成，摒棄了人工輸入坐標的操作，具有更高的可靠性，同時提高了生產效率。

d. 通過激光對刀裝置判斷加工路徑及余量，僅需一名操作員在地面即可完成，解放了生產力，降低了高空作業風險，可視化更加直觀，生產效率大幅提升。

下一步將根據“碰撞干涉[11]”的理論實現避障，根據幾何約束條件自動完成干涉檢測。另外在刀具的調平環節可以攻關新的方法，比如設計工裝保證、快接接口設計等，縮短刀具調平的時間。程序驗證輔助工裝進行V2.0版本設計，進一步提高激光點位精度，減小安全裕度設計量，通過以上細節進一步提高ITP組合加工效率與可靠性。

1 Anil K J. Data clustering: 50 years beyond K-Means[J]. Pattern Recognition Letters, 2010, 31(8): 651～666

2 Likas A, Vlassis M, Verbeek J. The global K-means clustering algorithm[J]. Pattern Recognition, 2003, 36(2): 451～461

3 Selim S Z, Al-Sultan K S. Analysis of global K-means，an incremental heuristic for minimum sum-of-squares clustering[J]. Journal of Classification, 2005(2): 287～310

4 Bellman R, Dreyfus S. Applied dynamic programming[M]. New Jersey: Princeton University Press, 1962

5 Aloise D, Deshpande A, Hansen P, et al. NP-hardness of euclidean sum-of-squares clustering[J]. Machine Learning, 2009, 75(2): 245～248

6 Mahajan M, Nimbor P, Varadarajan K. The planar K-means problem is NP-hard[J]. Lecture Notes in Computer Science, 2009(5431): 274～285

7 Ball G, Hall D. ISODATA, a novel method of data analysis and pattern classification[M]. California: Technical rept. NTIS AD 699616. Stanford Research Institute, 1965

8 Wang Cheng, Li Jiaojiao, Bai Junqing, et al. Max-Min K-means Clustering Algorithm and Application in Post-processing of Scientific Computing[C]//Napoli: ISEM, 2011: 7～9

9 Pena J M, Lozano J A, Larranaga P. An empirical comparison of four initialization methods for the K -means algorithm[J]. Pattern Recognition Letters, 1999(20): 1027～1040

10 Lai J Z C, Tsung-Jen H. Fast global K -means clustering using cluster membership and inequality[J]. Pattern Recognition, 2010(43): 1954～1963

11 Mao J, Jain A K. A self-organizing network for hyper- ellipsoidal clustering（hec）[J]. IEEE Transactions on neural net- works, 1996(7): 16～29

A Satellite Combined Processing Technology Based on Clustering Algorithm

Zang Ziyi Cheng Ze Cai Zhaoyang

(Beijing Satellite Manufacturing Co., Ltd., Beijing 100094)

Based on the research background of the combined processing field of communication satellite solar wing and antenna interface, this paper analyzes the shortcomings of current processing methods. Firstly, based on the analysis of graphic elements, the machining process is enhanced and simulated, and the transition matrix between the machining coordinate system and the satellite coordinate system is constructed using the principle of space coordinate system conversion to realize the overall output of the machining strategy. In terms of path planning, this paper proposes “a processing path planning scheme based on clustering algorithm”, which achieves the optimal processing path planning through a series of processes such as random initialization of cluster centers, “distance” judgment, automatic classification, and vector length cumulative summation. In this method, both the processing path and the migration path are planned by the computer, which reduces manual intervention and improves the efficiency and accuracy of prediction. It laid a theoretical foundation for the subsequent realization of intelligence and automation. This method has been verified on the satellite model, and the processing accuracy has reached the domestic advanced level.

communication satellite；image element analysis；clustering algorithm；path planning

TH181

A

臧梓軼（1989），工程師，機械工程及自動化專業；研究方向：航天器制造。

2021-07-20