[发明专利]改进的基于分解的多目标粒子群规划螺旋线抛光轨迹方法

说明书

本发明涉及一种改进的基于分解的多目标粒子群规划螺旋线抛光轨迹方法，属于规划螺旋线抛光轨迹的方法。构建在任意一道螺旋线的参考点处球形工具头的材料去除廓形的数学模型，构建优化目标函数，提出一种改进的基于分解的多目标粒子群优化算法，在所述算法的迭代过程中不断更新帕累托最优解集，在算法达到终止条件时输出帕累托最优解集及其所对应的目标函数值。本发明提出利用多目标粒子群算法来对均匀抛光时的螺旋线抛光轨迹进行优化，有利于抑制利用传统螺旋线轨迹进行抛光时容易产生的中频误差，可以得到帕累托最优解集及其对应的目标函数值，对光学曲面的抛光加工有经济性参考价值。

技术领域

本发明涉及一种规划螺旋线抛光轨迹的方法，特别涉及一种改进的基于分解的多目标粒子群规划螺旋线抛光轨迹方法。

背景技术

抛光过程占据了光学曲面加工过程中的大部分加工时间而且对产品的最终质量有极大影响。在计算机控制小磨头(CCOS)加工过程中,抛光磨头沿着规划好的抛光轨迹移动,从而进行光学元件表面材料的抛光去除,其规划轨迹的优劣直接影响着光学元件的抛光精度与生产效率，是抛光工艺研究的热门领域。

抛光轨迹中的螺旋线轨迹具有轨迹运动连续、无需换向、变化平稳等特点,对回转非球面具有良好的适应性，被广泛应用于回转非球面的抛光加工。

但是传统的螺旋线轨迹也有其缺点，例如抛光轨迹的规划过于规则，容易导致曲面加工不均匀以及周期性的中频误差，后者在高精密光学曲面的质量评价中越来越被重视，是导致小角度色散的主要原因，另外，在曲面边缘，抛光磨头与工件的接触面积可能由于过小而导致曲面塌边的问题。

传统螺旋线轨迹的规划和优化经常只关注某一方面，例如减小螺旋线轨迹的间距可以降低中频误差提高抛光覆盖率从而提升抛光质量，但是随着轨迹间隙的减小，为了覆盖相同大小的抛光面积，螺旋线的段数会随之增加导致加工时间增长，会降低加工效率，如果能够综合考虑加工质量与加工效率，在不同的加工条件选择合适的螺旋线间隙将对加工过程的经济性选择产生有益影响。

均匀抛光时，螺旋线的轨迹规划问题可以视为多目标(加工质量与加工效率)优化问题，一般情况下，多目标问题的子目标之间是互相矛盾的，一个子目标的优化可能引起另一个子目标的性能降低，使多个子目标一起达到最优的情况几乎不可能存在，只能对多目标进行折中处理使其尽可能达到最优情况，这种情况下能得出的解的数目是巨大的，穷举是耗时耗力的做法，智能搜索方法可以有效降低计算量，减少计算时间并得到近似最优解甚至最优解，但传统方法在解决多目标问题时大都采用的是加权和方法将多目标问题转换为单目标问题，这其中每个子目标的权重参数将对结果起到非常重要的影响，不过对于权重参数的设置并没有公认有效的方法，导致人为因素对智能算法优化结果产生不可避免的影响。

基于分解的多目标粒子群优化方法，是将基于分解的多目标进化算法(MOEA/D)与粒子群算法(PSO)结合在一起，赋予粒子群中的每个粒子不同的对应多目标的权重向量，将全体粒子的多目标优化问题转化为各个粒子在其邻域中的单目标优化问题，这样可以减少人为因素对优化结果的影响，提升优化解的多样性。

沿着螺旋线抛光的加工质量(加工效率)问题是一个在可行域内的多峰问题，各条轨迹间的间隔变化都会对总体的质量(效率)评价产生影响，单纯的基于分解的多目标粒子群算法容易导致每个粒子在寻优时受到算法初步计算得到的部分超级粒子的影响，从而过早陷入局部处的寻优，难以逼近或得到全局最优解，因此在算法早期，粒子选择邻域最优解的时候，引入轮盘赌选择算法，即适应度较高的粒子有更大的概率被选中，这样就使得除了超级粒子以外的其他粒子也有引导粒子搜索方向的机会，能够有效抑制多目标粒子群算法的过度早熟。

发明内容

本发明提供一种改进的基于分解的多目标粒子群规划螺旋线抛光轨迹方法，利用轮盘赌选择算法改进的基于分解的多目标粒子群优化算法，从而能够更好地进行螺旋线抛光轨迹的规划。

本发明采取的技术方案是，包括下列步骤：