(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210977132.4 (22)申请日 2022.08.15 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市下沙高教园区 (72)发明人 倪敬　陆彬彬　郑军强　岳小鹏　 刘海山　 (74)专利代理 机构 杭州昊泽专利代理事务所 (特殊普通 合伙) 33449 专利代理师 黄前泽 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/20(2020.01) G06F 17/16(2006.01) G06K 9/62(2022.01) G06F 111/06(2020.01) (54)发明名称 一种机器人铣削过程中参数动态多目标优 化的方法 (57)摘要 本发明公开了一种机器人铣削过程中参数 动态多目标优化的方法， 通过构建铣削参数与工 件表面粗糙度和材料去除率间的非线性映射关 系， 并考虑机器人刚度， 将机器人刚度与铣削参 数作为变量输入， 表面粗糙度和材料去除率作为 结果输出， 使用NSGA－ Ⅱ静态多目标寻优算法得 到工业机器人所有刚度区间对应的铣削参数 Pareto解集； 通过层次分析法基于决策人员对工 件表面粗糙度和材料去除率的重视程度， 确定铣 削参数的评价指标； 采用优劣解距离法对得到各 刚度区间的铣削参数最优解。 本发 明提高了拟合 预测模型的预测准确度， 提高了机器人加工性 能， 以实现适应度更广、 更精准的决策分析。 权利要求书3页 说明书7页 附图2页 CN 115391936 A 2022.11.25 CN 115391936 A 1.一种机器人铣削过程中参数动态多目标优化的方法， 其特 征在于： 该 方法具体如下： S1、 在工件上方设置倾斜放置的直线滑台， 将双目相机固定在直线滑台的滑块上； 在工 业机器人 的执行末端装夹主轴， 在工业机器人 的执行末端与主轴之间固定三维力传感器， 主轴由旋转电机驱动， 并带动固定在主轴 上的铣刀转动； 工业机器人 的执行末端带着旋转 的铣刀运动， 使铣刀对工件进行铣削， 同时直线滑台驱动滑块直线运动， 带动双目相机运 动， 将实时监测的铣削过程中工业机器人 的执行末端坐标输送给控制器， 与控制器预先记 录的空载状态下位于实际铣削轨迹同一位置处工业机器人的执行末端坐标进 行对比， 得出 铣削过程中工业机器人的执行末端变形量； 铣削过程中三维力 传感器也将实时采集的工业 机器人执行末端所受切削力输送给控制器； S2、 构建工业机器人刚度性能指标， 根据工业机器人执行末端变形量和所受切削力， 求 解工业机器人在不同姿态下的刚度性能指标值； S3、 设置不同的铣削参数值进行铣削加工， 且采用每组铣削参数值进行铣削加工的加 工过程中记录工业机器人多个姿态下工件表面粗糙度， 将各组铣削参数值、 各组铣削参数 值下记录有工件表面粗糙度的工业机器人各姿态所对应的刚度性能指标值、 各组铣削参数 值下工业机器人各姿态对应记录的工件表面粗糙度和各组铣削参数值对应的材料去除率 数据存入数据集； 其中， 铣削参数包括主轴转速n、 工业机器人执行末端速度v和铣削深度 ap； 然后， 将数据集分为训练集和验证集； 将工业机器人刚度性能指标值划分为几个区间， 针对每个区间将训练集中对应的数据输入基于梯度提升算法的融合模型， 得到铣削参数与 工件表面粗糙度和材料去除率间的映射关系模型； 最后， 利用验证集测试铣削参数与工件 表面粗糙度和材料去除率间的映射关系模型预测准确率； 若映射关系模型准确率未达到预 设要求， 则调整融合模型参数， 针对每个工业机器人刚度性能指标区间将训练集中对应的 数据重新输入融合模型进行训练， 直到映射关系模型准确率达 到预设要求； S4、 将建立的铣削参数与工件表面粗糙度和材料去除率间的映射关系模型作为优化算 法中的适应度函数， 使用NSGA －Ⅱ静态多目标寻优算法得到预先划分的工业机器人各刚度 区间内铣削参数的Paret o最优解集， 然后形成工业机器人刚度性能指标值变化状态下的铣 削参数动态多目标寻优值， 从而得到工业机器人所有刚度区间对应的铣削参数Pareto解 集； S5、 设每个刚度区间铣削参数的Pareto最优解集中有n组铣削参数， 通过层次分析法， 将各刚度区间铣削参数的Pareto最优解集中n组铣削参数作为因子， 基于决策人员对工件 表面粗糙度和材 料去除率的重 视程度， 确定铣削参数的m个评价指标； S6、 基于步骤S5确定的铣削参数的m个评价指标， 采用优劣解距离法建立决策分析模 型， 对每个刚度区间铣削参数的Paret o最优解集中n组铣削参数做评价分析并以m个评价指 标综合最优为目标进行排序， 得到各刚度区间的铣削参数最优解。 2.根据权利要求1所述一种机器人铣削过程中参数动态多目标优化的方法， 其特征在 于： 材料去除率MRR计算如下： MRR＝nNfapae， 其中， N为刀具齿数， f为每齿进给量， ae为铣削 宽度。 3.根据权利要求1或2所述一种机器人铣削过程中参数动态多目标优化的方法， 其特征 在于： 使用NSGA －Ⅱ静态多目标寻优算法得到工业机器人各刚度区间内铣削参数动态多目 标寻优值的过程具体如下：权　利　要　求　书 1/3 页 2 CN 115391936 A 2①工业机器人处于初始位姿时随机产生初始种群P0； ②使用锦标赛选择法并基于序值和拥挤距离从初始种群中选择n个个体进入交配池， 并对交配池中的个体实施交叉和变异操作， 产生新种群 Qt， 新种群Qt与初始种群合并为种群 Rt； 对种群Rt实施环境选择， 产生下一代种群Pt， 维持种群规模为 n； ③使用锦标赛选 择法并基于序值和拥挤距离从种群Pt中选择n个个体进入交配池， 并对 交配池中的个体实施交叉和变异操作， 产生新种群Qt+1， 新种群Qt+1与初始种群合并为种群 Rt+1； 对种群Rt+1实施环境选择， 产生下一代种群Pt+1， 维持种群规模为 n； ④如果进化代数t小于设定的最大进化代数T， 则令t＝t+1， 重 复步骤②， 否则输出种群 Pt+1中的非支配个体， 输出的非支配个体组成工业机器人当前刚度性能指标值所在刚度区 间内铣削参数的Pareto 最优解集Pf； ⑤实时检测工业机器人的刚度性能指标值变化 量ΔX； ⑥如果ΔX超过设定阈值ΔX0， 则执行步骤⑦， 否则返回步骤 ⑤； ⑦随机重新初始化种群Pt+1中的一部分个体， 替换Pareto最优解集Pf的一部分个体， 所 得到的种群作为工业机器人的刚度性能指标值当前所在刚度区间的初始种群， 然后执行步 骤②至步骤⑥。 4.根据权利要求3所述一种机器人铣削过程中参数动态多目标优化的方法， 其特征在 于： 步骤S6具体步骤如下： ①以每个刚度 区间铣削参数的Pareto最优解集中n组铣削参数为评价主体， 每组铣削 参数有m个评价指标， 则构成一个n ×m的原始矩阵， 将原始矩阵中为逆指标的评价指标进 行 正向化处 理， 得到矩阵X： 其中， xnm为对第n组铣削参数的第m个评价指标； ②将矩阵X每一列的各 元素都除以该列向量的范 数， 得到新元 素： 其中， i＝1,2,…,n； j＝1,2, …,m； 从而得到加权规范矩阵： ③确定正理想解Z+和负理想解Z‑， 正理想解 的各元素由Z中每列元素的最大值构成， 负 理想解的各 元素由Z中每列元 素的最小值构成； 权　利　要　求　书 2/3 页 3 CN 115391936 A 3