【技术实现步骤摘要】
本专利技术属于但不限于智能加工制造，尤其涉及一种基于贝叶斯定理的机理-数据机器人磨抛力规划方法及系统。
技术介绍
1、复杂曲面零件在航空航天制造领域中应用广泛，例如航空发动机叶片、叶盘等关键零部件。其轮廓精度与表面质量对发动机的性能有着至关重要的影响，随着机器人技术的发展，机器人磨抛为保障复杂曲面零件的提供了新的有效解决方法。
2、为了实现稳定、一致的材料去除，需要合理的规划磨抛参数。影响材料去除的参数主要有磨抛力、机器人进给速度、工具与工件的接触速度和工件半径。在磨抛的过程中，一般来说，机器人的进给速度和工具与工件的接触速度设为定值，因此为了获取期望的材料去除量，规划磨抛过程中的磨抛力为主要方法。目前，规划磨抛力的主流方法是首先建立材料去除模型，得到材料去除深度和磨抛参数之间的关系，然后给定期望材料去除深度和另外的磨抛参数计算各个磨抛位置的接触力。然而，由于机理模型在建模的过程中存在一定的简化，导致模型的精度不够，往往导致规划出来的工艺参数在磨抛的过程中难以实现精准的材料去除。随着神经网络等高精度的数据拟合方法的出现，大量的数据驱动模型被用于材料去除深度的预测，由于其强大的数据拟合能力，数据模型往往相比于机理模型具有更高的材料去除预测精度，但是由于神经网络的黑箱特性，无法反映出材料去除深度和磨抛参数之间的关系，缺少物理可解释性，难以直接通过神经网络模型的输出来规划输入参数。因此亟需一种兼具物理可解释性和高精度的机器人磨抛参数规划方法以保障复杂曲面零件的轮廓精度和表面质量。
3、鉴于上述分析，现有技术存在
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种基于贝叶斯定理的机理-数据机器人磨抛力规划方法及系统，其针对根据材料去除机理模型不准确而导致规划的磨抛参数难以实现期望的材料去除深度以及高精度的数据驱动模型难以指导工艺参数的规划的问题，研究了一种基于贝叶斯定理的机理-数据机器人磨抛力规划方法。
2、本专利技术是这样实现的，一种机理-数据机器人磨抛力规划方法，包括：
3、s1：首先根据待加工零件的磨抛刀路，计算出各个刀位点处的工件曲率半径；
4、s2：根据材料去除机理模型建立出磨抛参数和材料去除深度之间的关系，然后根据期望的材料去除深度和机理模型计算出机理模型规划的磨抛力；
5、s3：计算磨抛力和材料去除深度的概率密度函数；
6、s4：根据蒙特卡洛模拟的方法，对磨抛力进行随机采样，并且结合材料去除数据预测模型计算对应磨抛力对应的材料去除深度；
7、s5：结合贝叶斯定理和材料去除深度的概率密度函数，得到s4中使得材料去除深度满足置信区间的有效磨抛力，并计算其平均值作为期望磨抛力；
8、s6：重复s2-s5计算所有刀位点处的规划磨抛力。
9、进一步，s1中机器人磨抛刀路为{pi,i＝1,2...n}，其中pi为第i个刀位点的坐标值，rw,i为该处的曲率半径其计算方式如下：
10、
11、其中，pi′(u)为在pi处路径曲线对曲线参数u的一阶导数，pi″(u)为在pi处路径曲线对曲线参数u的二阶导数；通过该计算，可以得到整条刀路上对应的曲率半径{rw,i,i＝1,2...n}。
12、进一步，步骤s2中材料去除机理模型由如下描述，其描述了两种不同的加工方式，包括接触轮式磨抛加工和包络式磨抛加工：
13、
14、其中，vc为工件与工具之间的接触速度，vt为机器人的进给速度，f为工件与工具之间的磨抛力，rw为工件的曲率半径，rt为接触轮磨抛时工具的半径，k1为接触轮磨抛加工时的材料去除系数，k2为包络式磨抛加工时的材料去除系数。
15、给定期望材料去除深度hd,可以得到根据机理模型规划的磨抛力{fm,i,i＝1,2...n}。
16、
17、进一步，s3中磨抛力的概率函数p(fi)为：
18、
19、其中σf为磨抛力的误差，由磨抛设备的力控误差决定。fi为第i个刀位点处的规划磨抛力。exp()为以自然对数e为底的指数函数。材料去除深度概率函数为：
20、
21、其中σh为材料去除深度的误差，由测量设备的测量误差决定。hi为第i个刀位点处的实际材料去除深度。
22、进一步，步骤s4中采用蒙特卡洛法对磨抛力进行抽样可描述为，通过随机抽样的方法得到的磨抛力为{fp,i,i＝1,2,...,m}，其值的分布规律满足步骤s3中概率分布p(fi)。随机抽样的方法得到的磨抛力fp,i对应的材料去除深度由如下计算：
23、hp,i＝f(fp,i)+ε (6)
24、其中，f(·)为材料去除数据预测模型，其反映了fp,i到材料去除深度hp,i的映射。ε为材料去除预测误差，其满足高斯分布通过以上步骤可以得到随机抽样得到的fp,i对应的材料去除深度{hp,i,i＝1,2,...,m}。
25、进一步，步骤s5中贝叶斯定理可描述为：
26、
27、其中，p(f)为磨抛力的先验概率，p(h/f)为条件概率，p(h)为材料去除深度的概率，p(f/h)为后验概率。规划的磨抛力应该是取使得p(f/h)最大的值，而由于材料去除数据预测模型的黑箱特性，难以得到p(f/h)的显式表达式，因此参照如下方法计算期望磨抛力。
28、材料去除深度满足置信区间为[hd-σh,hd+σh]。将步骤s4中求得的{hp,i,i＝1,2,...,m}中满足该范围的材料去除深度记为有效材料去除深度{hv,i,i＝1,2,...,s}，将每个有效材料去除深度对应的磨抛力记作有效磨抛力{fv,i,i＝1,2,...,s}，s为有效磨抛力和有效材料去除深度的个数。第i个磨抛刀位点处的规划磨抛力可以通过如下计算：
29、
30、进一步，步骤s6中重复步骤s2-s5计算所有磨抛刀位点处的磨抛力为，重复步骤s2-s5计算所有磨抛刀位点处的磨抛力，得到最终的规划磨抛力{fs,i,i＝1,2,...,n}。
31、本专利技术的另一目的在于提供一种实现所述机理-数据机器人磨抛力规划方法的机理-数据机器人磨抛力规划系统，包括：
32、曲率半径计算模块：用于根据待加工零件的磨抛刀路，计算出各个刀位点处的工件曲率半径；
33、磨抛力计算模块：根据材料去除机理模型建立出磨抛参数和材料去除深度之间的关系，然后根据期望的材料去除深度和机理模型计算出机理模型规划的磨抛力；
34、概率密度函数计算模块：用于计算磨抛力和材料去除深度的概率密度函数；
35、材料去除深度计算模块：用于根据蒙特卡洛模拟的方法，对磨抛力进行随机采样，并且结合材料去除数本文档来自技高网...
【技术保护点】
1.一种机理-数据机器人磨抛力规划方法，其特征在于，包括：
2.如权利要求1所述的机理-数据机器人磨抛力规划方法，其特征在于，S1中机器人磨抛刀路为{Pi,i＝1,2...n}，其中Pi为第i个刀位点的坐标值，Rw,i为该处的曲率半径其计算方式如下：
3.如权利要求1所述的机理-数据机器人磨抛力规划方法，其特征在于，步骤S2中材料去除机理模型由如下描述，其描述了两种不同的加工方式，包括接触轮式磨抛加工和包络式磨抛加工：
4.如权利要求1所述的机理-数据机器人磨抛力规划方法，其特征在于，S3中磨抛力的概率函数为：
5.如权利要求1所述的机理-数据机器人磨抛力规划方法，其特征在于，步骤S4中采用蒙特卡洛法对磨抛力进行抽样可描述为，通过随机抽样的方法得到的{Fp,i,i＝1,2,...,m}，其值的分布规律满足步骤S3中概率分布p(Fi)；随机抽样得到的磨抛力Fp,i对应的材料去除深度hp,i由如下计算：
6.如权利要求1所述的机理-数据机器人磨抛力规划方法，其特征在于，步骤S5中高斯定理可描述为：
7.如权利要求
8.一种实现如权利要求1～7任意一项所述机理-数据机器人磨抛力规划方法的机理-数据机器人磨抛力规划系统，其特征在于，包括：
9.一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1～7任意一项所述的机理-数据机器人磨抛力规划方法的步骤。
10.一种信息数据处理终端，信息数据处理终端包括如权利要求8所述的机理-数据机器人磨抛力规划系统。
...【技术特征摘要】
1.一种机理-数据机器人磨抛力规划方法，其特征在于，包括：
2.如权利要求1所述的机理-数据机器人磨抛力规划方法，其特征在于，s1中机器人磨抛刀路为{pi,i＝1,2...n}，其中pi为第i个刀位点的坐标值，rw,i为该处的曲率半径其计算方式如下：
3.如权利要求1所述的机理-数据机器人磨抛力规划方法，其特征在于，步骤s2中材料去除机理模型由如下描述，其描述了两种不同的加工方式，包括接触轮式磨抛加工和包络式磨抛加工：
4.如权利要求1所述的机理-数据机器人磨抛力规划方法，其特征在于，s3中磨抛力的概率函数为：
5.如权利要求1所述的机理-数据机器人磨抛力规划方法，其特征在于，步骤s4中采用蒙特卡洛法对磨抛力进行抽样可描述为，通过随机抽样的方法得到的{fp,i,i＝1,2,...,m}，其值的分布规律满足步骤s3中概率分布p(fi)；随机抽样得到的磨抛力fp,i对应的材...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。