基于多染色体粒子群的复杂曲面喷涂路径规划方法及系统

1.本发明涉及复杂曲面喷涂路径规划技术领域，尤其涉及一种基于多染色体粒子群的复杂曲面喷涂路径规划方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.喷涂是被广泛应用的一种涂装工艺，用于制造业汽车、船舶、飞机等的喷涂工作。传统的喷涂工艺由人工完成，这使得工人们长期暴露于恶劣环境下，对身体健康造成影响，并且人工喷涂效率较低，常常造成大量的涂料浪费。近年来，自动化喷涂逐渐取代人工喷涂，成为大型车间、工厂的主流喷涂方式。其中，喷涂路径规划是自动化喷涂的一个重要组成部分。相对于喷涂工艺的自动化，喷涂路径规划还未实现自动化。目前，喷涂路径规划基本由人工完成，依据个人经验，需要大量试错，并且耗时很长。这大大降低了工作效率，因此实现喷涂路径的自动规划非常必要。
4.目前，自动化的覆盖路径规划(coverage pathplanning,cpp)大多应用于简单自由曲面，复杂自由曲面的路径规划应用相对较少。复杂自由曲面的几何结构和拓扑结构都相对复杂，内部往往含有孔洞，并且孔洞的数量、大小和形状不一。显然，这些孔洞部分是不需要被喷涂的，合理地避开孔洞部分可以大大减少涂料的浪费以及降低喷涂周期时间。现有的处理方法是利用人工分割或者自动表面分割算法将曲面分割成一个个不含孔洞的简单子面片，然后分别对各个子面片进行喷涂路径规划，最后对各个子面片的路径进行组合连接形成全局喷涂路径。常见的分割方法有梯形分割、牛耕法分割、morse分割和投影法等，然而这些方法都是针对二维曲面的分割算法，无法对三维曲面进行分割。但也有学者提出了较好的方法，如先将三维曲面投影到二维，随后在二维上得到近似多边形的轮廓，根据该轮廓对二维曲面进行分割，最后按着二维分割结果逆投影回三维，完成复杂自由曲面的三维分割。然而这种分割方法只适用于形状规则、数量较少的孔洞，对于形状不规则、数量多的孔洞分割效果并不好。至于子面片间的组合规划，当前方法大多先在每个子面片内进行路径规划，再在子面片间进行组合连接，因此得到的总路径往往不是最优的。因此，如何合理避开复杂自由曲面中大小、形状不一的孔洞得到最优喷涂路径，成为现有技术亟待解决的问题。


技术实现要素：

5.针对现有技术存在的不足，本发明的目的是提供一种基于多染色体粒子群的复杂曲面喷涂路径规划方法及系统，基于孔洞检测算法和分层分割将复杂曲面分为多个简单的子区域；其次确定了单个子区域内的路径连接方式；最后提出了一种基于多染色体粒子群优化算法(multiple chromosomes particle swarm optimization algorithm,mcpso)用于优化子区域间的连接路径，实现复杂曲面的全局最优路径规划，有效解决了复杂自由曲
面的自动路径规划问题。
6.为了实现上述目的，本发明是通过如下的技术方案来实现：
7.本发明第一方面提供了一种基于多染色体粒子群的复杂曲面喷涂路径规划方法，包括以下步骤：
8.获取待喷涂的自由曲面，根据孔洞检测算法采用扫描面扫描的方式对自由曲面上的自由曲面进行孔洞检测，标记孔洞临界点和进出孔洞的截交平面；
9.以所有进出孔洞的截交平面为分界线，将自由曲面粗分割为多个子区域；
10.将含孔洞的子区域根据孔洞临界点的不同类型进行细分割，分为多个不含孔洞的子区域；其中，每一个不含孔洞的子区域都包含由多个截交平面与自由曲面相截得到的截交点；
11.将由同一个截交平面截得的一组截交点抽象为一条截交线，记为特征线，并记录每一条特征线的两个端点；
12.采用光栅型路径根据特征线的端点对每个子区域的路径内特征线的连接方式进行规划，得到多条可能的全覆盖路径；
13.考虑不同类型光栅型路径和各子区域的连接顺序，采用多染色体粒子群算法对多条可能的全覆盖路径进行优化，得到最优喷涂路径。
14.进一步的，采用扫描面扫描的方式对自由曲面上的自由曲面进行孔洞检测的具体步骤为：
15.以切平面为扫描平面对自由曲面进行扫描，扫描方向沿z轴方向，采用孔洞检测算法在检测到孔洞时，记录切平面与曲面的临界交点为孔洞临界点，并标记当前切平面为进出孔洞区域的截交平面，直到完成扫描。
16.进一步的，所述孔洞检测算法的具体步骤为：
17.令当前切平面与截交的自由曲面进行求交计算，得到一组截交线段，对截交线段从小到大进行排序；在非孔洞区域，截交线段的首尾是连通的，在孔洞区域，截交线段首尾是不连通的，根据截交线段的首尾连通情况进行孔洞检测。
18.进一步的，将含孔洞的子区域根据孔洞临界点的不同类型进行细分割，分为多个不含孔洞的子区域的具体步骤为：
19.对孔洞临界点进行分类，分为孔洞左侧临界点和孔洞右侧临界点，标记孔洞左右侧临界点；截交平面沿z轴以固定间距与自由曲面相截，得到一系列截交点；沿y轴方向对截交线段从小到大扫描，根据第一个截交点与最后一个截交点的孔洞临界点判断情况分为不同类型，根据不同类型进行细分割，得到多个不含孔洞的子区域。
20.更进一步的，根据第一个截交点与最后一个截交点的孔洞临界点判断情况分为以下四种类型：
21.(1)第一截交点为非临界点，最后一个截交点为左侧或右侧临界点；(2)第一截交点为右侧临界点，最后一个截交点为左侧临界点；(3)第一截交点为左侧临界点，最后一个截交点为右侧临界点；(4)第一截交点为左侧或右侧临界点，最后一个截交点为非临界点。
22.进一步的，采用光栅型路径根据特征线的端点对每个子区域的路径内特征线的连接方式进行规划，得到多条可能的全覆盖路径的具体步骤为：
23.根据包含特征线的条数将子区域分为含奇数条特征线的子区域和含偶数条特征
线的子区域；
24.采用光栅型路径基于含奇数条特征线的子区域和含偶数条特征线的子区域确定不同的路径规划方式。
25.进一步的，基于不同类型的光栅型路径定义个体，每个个体包括x、y染色体，采用x、y染色体的基因表示不同类型的光栅型路径，其中，x染色体上的基因代表子区域的遍历顺序，y染色体上的基因表示各子区域内光栅型路径的不同连接方式。
26.更进一步的，采用多染色体粒子群算法对多条可能的全覆盖路径进行优化，得到最优喷涂路径具体步骤为：
27.对个体进行初始化，将局部最优值和全局最优值赋值为个体值；
28.对个体进行交叉和变异操作；
29.通过计算奖励函数值获取当前最优个体，当前最优个体的奖励函数计算值作为适应度函数值；
30.如果适应度函数值比当前代局部最优值更优，则将该个体作为当前代局部最优个体；
31.如果适应度函数值比全局最优值更优，则将该个体作为全局最优个体；
32.经过给定次数的迭代后，获得全局最优值和全局最优个体，进而得到最优喷涂路径。
33.进一步的，所述奖励函数由四部分组成，分别为：子区域内路径长度奖励、子区域间路径长度奖励、路径转折次数奖励和覆盖率奖励。
34.本发明第二方面提供了一种基于多染色体粒子群的复杂曲面喷涂路径规划系统，包括：
35.三维孔洞检测模块，被配置为获取待喷涂的自由曲面，根据孔洞检测算法采用扫描面扫描的方式对自由曲面上的自由曲面进行孔洞检测，标记孔洞临界点和进出孔洞的截交平面；
36.粗分割模块，被配置为根据进出孔洞的截交平面，将自由曲面粗分割为多个子区域；
37.细分割模块，被配置为将含孔洞的子区域根据孔洞临界点的不同类型进行细分割，分为多个不含孔洞的子区域；其中，每一个不含孔洞的子区域都包含由多个截交平面与自由曲面相截得到的截交点；将由同一个截交平面截得的一组截交点抽象为一条截交线，记为特征线，并记录每一条特征线的两个端点；
38.光栅型路径规划模块，被配置为采用光栅型路径根据特征线的端点对每个子区域的路径内特征线的连接方式进行规划，得到多条可能的全覆盖路径；
39.多染色体粒子群算法优化模块，被配置为考虑不同类型光栅型路径和各子区域的连接顺序，采用多染色体粒子群算法对多条可能的全覆盖路径进行优化，得到最优喷涂路径。
40.以上一个或多个技术方案存在以下有益效果：
41.本发明公开了一种基于多染色体粒子群的复杂曲面喷涂路径规划方法及系统，提出了一种复杂曲面的区域分割方法，通过三维孔洞检测算法对复杂曲面进行分层分割，基于粗分割和细分割，将复杂的曲面分割成不含孔洞，几何和拓扑形状简单的子区域。相比于
现有方法，本发明能够更加细致地将三维复杂曲面进行划分，解决了现有的复杂曲面分割方法中对小孔洞的忽略问题。
42.本发明根据子区域的截线数量获得子区域路径连接组合，实现局部规划。使用截交平面截交复杂曲面，得到一系列截交点，每组截交点抽象成一条特征线。根据不同子区域内特征线数量不同得到不同路径连接组合情况。本发明提出一种基于多染色体的粒子群算法解决复杂曲面的喷涂路径规划问题。通过引入三条染色体，保留粒子群算法核心机制，采用交叉变异操作更新子代。结合不同路径连接组合情况的局部规划进行全局最优规划，获得最优路径。本发明从局部规划和全局规划两方面入手，考虑子区域与子区域间的曲率变化和形状变化，能够得到更优的喷涂路径，提升了喷涂质量。
43.本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
44.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
45.图1为本发明实施例一中四种相邻子路径的连接方式示意图；
46.图2为本发明实施例一中三维复杂自由曲面分层分割示意图；
47.图3为本发明实施例一中孔洞检测算法示意图；
48.图4为本发明实施例一中客车后围分层分割示意图；
49.图5为本发明实施例一中奇数情况下的特征线连接方式示意图；
50.图6为本发明实施例一中偶数情况下的特征线连接方式示意图；
51.图7为本发明实施例一中染色体x、y1和y2结构示意图；
52.图8为本发明实施例一中染色体y上基因的不同取值对应的进出端点选择示意图；
53.图9(a)为本发明实施例一中不使用内部路径长度奖励的覆盖路径示意图；
54.图9(b)为本发明实施例一中使用内部路径长度奖励的覆盖路径示意图。
具体实施方式
55.应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
56.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合；
57.实施例一：
58.喷涂路径规划问题类似于旅行商(traveling salesman problem，tsp)问题，是一个组合优化问题，但有两个明显的不同点：(1)在喷涂路径组合规划问题中，访问完所有子路径后，不需要返回出发点。(2)tsp问题中每个点视为一个访问城市，喷涂路径组合规划中每条路径有两个端点可以选择，从一个端点进入，必然从另一个端点离开，不同的端点进出
选择会使连接线(城市与城市间的连线)的长度不同，从而导致喷涂路径长度的变化。
59.因此，本发明将喷涂路径的组合规划问题定义为广义旅行商问题(generalized traveling salesman problem,gtsp)，像tsp问题一样，gtsp问题也是一个np难题，其复杂度是阶乘级的。本发明将两个端点连接成的一条直线定义为一条特征线，即一个城市，每个城市包含两个端点。广义旅行商问题便是遍历所有的子路径(城市)，并且每条子路径能且只能访问一次，以找到最短的喷涂路径的问题，用图论方法数学表示如下：
60.在一个完全覆盖图g＝(v,e)中，v＝{vi,i＝1,2,...,n}表示顶点集，代表n条子路径，每条子路径有两个端点，即vi＝{ai,bi}；e＝{(vi,vj):i≠j,vi,vj∈v}是图中的边集，代表第i条和第j条子路径间的连接线；w＝{w(vi,vj):i≠j,vi,vj∈v}是图中的权重集，代表第i条和第j条子路径间的连接线长度。由于每条子路径有两个端点，因此子路径vi,vj的连接线有四种情况，相对应的w(vi,vj)有4个不同取值。
61.引入二值变量l＝{li:i＝1,2,...,n}表示第i条子路径vi的喷涂方向，当li＝1时，表示vi的喷涂起点是ai，喷涂终点是bi；当li＝-1时，表示vi的喷涂起点是bi，喷涂终点是ai。
62.子路径vi,vj的连接线如图1所示，其相应的权重w(vi,vj)，即vi,vj连接线长度可表示为：
[0063][0064]
其中，|b
iaj
|代表端点bi到端点aj间的距离，|a
iaj
|代表端点ai到端点aj间的距离，|b
ibj
|代表端点bi到端点bj间的距离，|a
ibj
|代表端点ai到端点bj间的距离。gtsp问题的求解目标就是求解各个子路径间连接线长度之和最短的路径，因此，喷涂路径组合规划问题可以描述如下：
[0065][0066][0067][0068]
with x
ij
＝0 or 1 (3)
[0069]
其中，n是子路径的数量，w(vi,vj)是第i条子路径和第j条子路径的连接线的距离，x
ij
为定义的决策变量，x
ij
＝1表示喷枪从子路径vi移动到子路径vj。公式(3)确保每条子路径能且只能被访问一次。
[0070]
具体实施例的详细步骤如下：
[0071]
本发明实施例一提供了一种基于多染色体粒子群的复杂曲面喷涂路径规划方法，包括以下步骤：
[0072]
步骤1，获取待喷涂的自由曲面，根据孔洞检测算法采用扫描面扫描的方式对自由曲面上的自由曲面进行孔洞检测，标记孔洞临界点和进出孔洞的截交平面。
[0073]
步骤1.1，对三维曲面而言，扫描线无法标记单元，因此本实施例用扫描面代替扫
描线完成分层分割。如图2所示，以切平面为扫描平面对自由曲面进行扫描，扫描方向沿z轴方向，采用孔洞检测算法在检测到孔洞时，记录切平面与曲面的临界交点为孔洞临界点，并标记当前切平面为进出孔洞区域的截交平面，直到完成扫描。本实施例中，标记进出孔洞的切平面，即检测到孔洞的切平面，是特殊的切平面，以此为界可进行(粗)分割，因此将其命名为临界的截交平面。
[0074]
步骤1.2，孔洞检测算法的具体步骤为：如图3所示，令当前切平面与截交的自由曲面进行求交计算，得到一组截交线段，对截交线段从小到大进行排序；在非孔洞区域，截交线段的首尾是连通的，在孔洞区域，截交线段首尾是不连通的，根据截交线段的首尾连通情况进行孔洞检测。
[0075]
步骤1.2.1，求切平面与曲面相交的一组截交线段{l:li＝(pi,qi),i＝1,2,...k}，其中pi,qi分别是截交线段端点，k为截交线段的个数，若三角面片只有一个顶点与平面相交，则将其看作是线段长度为0的线段，即pi＝qi。
[0076]
步骤1.2.2，对每对(pi,qi),i＝1,2,...,k进行调整，若pi的y轴坐标大于qi的y轴坐标，则令tmp＝pi,pi＝qi,qi＝tmp。
[0077]
步骤1.2.3，对li＝(pi,qi),i＝1,2,...,k进行排序，排序规则是pi的y轴坐标依次增大。
[0078]
步骤1.2.4，设置孔洞检测阈值e，令di＝pi+1-qi,i＝1,2,...,k，若di》e，则说明端点pi+1和端点qi为满足阈值大小的孔洞边界上的临界点，记录端点pi+1和端点qi的值。累计di》e的个数，即为当前平面截交的满足阈值的孔洞个数。特别的，当e＝0时，可识别所有孔洞，调大阈值e，则可忽略一些小孔洞。
[0079]
三维复杂曲面的喷涂路径的组合规划问题则更为困难，复杂曲面的几何特征一般来说比较复杂，首先，三维的自由曲面是不连续的并且曲面的曲率是变化的；其次，三维复杂曲面上可能含有多个孔洞，给覆盖路径规划带来了困难。针对复杂曲面这两个特征，本发明首先对曲面进行了预处理操作，提出了一种三维孔洞检测算法将复杂曲面分割成多个简单子区域。随后，多个子区域根据孔洞临界点被进一步分为多个不含孔洞、曲率变化小的子区域。
[0080]
步骤2，以所有进出孔洞的截交平面为分界线，将自由曲面粗分割为多个子区域。
[0081]
根据进出孔洞的截交平面，将自由曲面粗分割为多个子区域，如图2中子区域1、子区域2和子区域3所示。截交平面沿z轴以固定间距与曲面相截，得到一系列截交点，间距宽度近似等于喷枪模型半径。在得到一系列截交点后，采用孔洞检测算法，得到孔洞边界的临界点和进出孔洞区域的截交平面。以此临界的截交平面为分界线，将整个自由曲面粗分割为多个子区域。
[0082]
步骤3，将含孔洞的子区域根据孔洞临界点的不同类型进行细分割，分为多个不含孔洞的子区域；其中，每一个不含孔洞的子区域都包含由多个截交平面与自由曲面相截得到的截交点。
[0083]
步骤3.1，对孔洞临界点进行分类，分为孔洞左侧临界点和孔洞右侧临界点，标记孔洞左右侧临界点，如图4所示；沿y轴方向对截交线段从小到大扫描，根据第一个截交点与最后一个截交点的孔洞临界点判断情况分为不同类型，根据不同类型进行细分割，得到多个不含孔洞的子区域。
[0084]
其中，根据第一个截交点与最后一个截交点的孔洞临界点判断情况分为以下四种类型：
[0085]
(1)第一截交点为非临界点，最后一个截交点为左侧或右侧临界点；(2)第一截交点为右侧临界点，最后一个截交点为左侧临界点；(3)第一截交点为左侧临界点，最后一个截交点为右侧临界点；(4)第一截交点为左侧或右侧临界点，最后一个截交点为非临界点。
[0086]
本实施例中，同一类型的临界点利用非均匀有理b样条(nurbs)技术拟合成一条曲线，称为临界曲线，以此曲线为分界进行(细)分割，得到不含孔洞的子区域。
[0087]
经过上述分层分割，自由曲面可被分为多个不含孔洞的简单子区域，其中每一个子区域都包含由多个截交平面与自由曲面相截得到的截交点。
[0088]
步骤4，将由同一个截交平面截得的一组截交点抽象为一条截交线，记为特征线，并记录每一条特征线的两个端点。因此，每一个子区域都可以看成由多条特征线覆盖，完成对这些特征线的组合规划即可完成对整个曲面的覆盖路径规划，本实施例以客车后围喷涂为例，采用本发明的分层分割方法进行分割，如图4所示，得到s1-s8的子区域。
[0089]
步骤5，在子区域的路径规划中，常用的路径类型有光栅型和螺旋型。与螺旋型路径相比，光栅型路径具有形式简单、适用性强的特点，因此本实施例选取光栅型路径对各子区域进行规划。采用光栅型路径根据特征线的端点对每个子区域的路径内特征线的连接方式进行规划，得到多条可能的全覆盖路径。
[0090]
步骤5.1，根据包含特征线的条数将子区域分为含奇数条特征线的子区域和含偶数条特征线的子区域。不同子区域包含的特征线数量不同，但都可以分为两种情况，即包含奇数条特征线的子区域和包含偶数条特征线的子区域。含奇数条特征线的子区域有四种不同的连接方式，同样，含偶数条特征线的子区域也有四种不同的连接方式，如图5和图6所示。一个子区域所包含特征线的数量是奇数还是偶数所对应的连接方式是不同的。
[0091]
步骤5.2，采用光栅型路径基于含奇数条特征线的子区域和含偶数条特征线的子区域确定不同的路径规划方式。
[0092]
步骤5.2.1，沿z轴从小到大作为截交平面的扫描方向，每个子区域用两条特征线和四个端点抽象表示，选取第一条和最后一条特征线代表该子区域，并标记第一条特征线的两个端点分别为ai,aj，最后一条特征线的两个端点分别为bi,bj。该子区域中其余特征线光栅型连接方式随首尾特征线的端点进出方式不同而不同。
[0093]
步骤5.2.2，当子区域包含奇数条特征线时，连接线从该子区域的一个端点进入时，必定会从该子区域中这个端点的对角端点离开。以一个子区域包含三条特征线为例，如图5所示，(a)当连接线从ai进入时，必定会从bj离开；(b)当连接线从bi进入时，必定会从aj离开；(c)当连接线从aj进入时，必定会从bi离开；(d)当连接线从bj进入时，必定会从ai离开。
[0094]
步骤5.2.2，当子区域包含偶数条特征线时，连接线从该子区域的一个端点进入时，必定会从该子区域中这个端点的同侧端点离开。以一个子区域包含两条特征线为例，如图6所示，(a)当连接线从ai进入时，必定会从aj离开；(b)当连接线从bi进入时，必定会从bj离开；(c)当连接线从aj进入时，必定会从ai离开；(d)当连接线从bj进入时，必定会从bi离开。
[0095]
步骤5.2.3，特别的，当一个子区域只包含一条特征线的时候，连接线从该子区域
的一个端点进入，从另一个端点离开。
[0096]
通过对子区域中连接方式的分析可知，每一个子区域都有四种路径连接方式。对于所有子区域来说，完成一个全覆盖路径规划(cpp)则有非常多的可能。如何进行子区域与子区域间的连接以及各子区域中特征线的连接，形成一条全局最优路径，成为本实施例接下来要解决的问题。
[0097]
步骤6，标准的粒子群算法，每个粒子拥有一个位置矢量和一个速度矢量，通过当前的速度矢量、个体的历史经验和群体的历史经验进行迭代更新；具有实现简单、参数少、易于收敛的特点。标准的粒子群算法适用于连续函数的最优值求解，而gtsp问题是基于离散变量的优化目标函数。因此本实施例提出的mcpso算法保留粒子群算法中根据个体经验和群体经验信息更新位置的核心机制，引入遗传中的交叉变异操作，用来替换标准pso中的位置更新函数，顺利地解决了该gtsp问题。种群中的个体与全局最优进行交叉操作产生新种群，相当于繁衍当代的优秀基因而优化后代种群；变异操作则是为了避免陷入局部最优。
[0098]
具体的，考虑不同类型光栅型路径和各子区域的连接顺序，采用多染色体粒子群算法对多条可能的全覆盖路径进行优化，得到最优喷涂路径。
[0099]
步骤6.1，基于不同类型的光栅型路径定义个体，本实施例中，每个个体代表一条全局(整个曲面)喷涂路径解，即一条全局光栅型喷涂路径。该路径由一系列截交点组成，这些截交点按优化后的顺序依次连接形成全局路径。具体的，每个个体包括x、y染色体，染色体y是由染色体y1和染色体y2组成，因此每个个体包含三条染色体。采用x、y染色体的基因表示不同类型的光栅型路径，其中，x染色体上的基因代表子区域的遍历顺序，y染色体上的基因表示各子区域内光栅型路径的不同连接方式。
[0100]
本实施例中，y染色体由y1染色体和y2染色体组成，即每个个体包含三条染色体，如图7所示。
[0101]
步骤6.1.1x染色体上的基因代表子区域的遍历顺序，可由函数π1如下表示：
[0102]
π1:o
x
＝{o1,o2,...,on} (4)
[0103]
其中，oi(i＝1,2,...n)表示子区域的序列号，n代表子区域的个数。例如，o
x
＝{4,5,3,1,2}表示复杂曲面被分为5个子区域，并且按照4-5-3-1-2的顺序进行遍历。
[0104]
步骤6.1.2，染色体y是由染色体y1和染色体y2组成，其上面的基因表示各子区域内光栅型路径的不同连接方式。染色体y上的基因数量同染色体x一致。染色体y上的基因取值为二值vi＝{1,-1},i∈(1,2,...,n)。因此染色体y可以由函数π2表示如下：
[0105]
π2:
[0106][0107][0108][0109]
其中，o
y1
和o
y2
分别表示染色体y1和染色体y2上的基因序列，n代表子区域的数量。如图8所示，表示光栅型路径从第i个子区域的第一条特征线的一个端点进入，从第i个子区域的最后一条特征线的一个端点离开。相反地，表示光栅型路径从
第i个子区域的最后一条特征线的一个端点进入，从第i个子区域的第一条特征线的一个端点离开。表示光栅型路径从第j个子区域的第一条或最后一条特征线的右侧端点进入，从第j个子区域的第一条或最后一条特征线的左侧端点离开。相反地，表示光栅型路径从第j个子区域的第一条或最后一条特征线的左侧端点进入，从第j个子区域的第一条或最后一条特征线的右侧端点离开。
[0110]
综上所述，染色体y1和染色体y2上基因的不同取值对应了4种不同类型的光栅型路径。例如，即(1，-1)表示第m个子区域中的光栅型路径从第一条特征线的左侧端点开始，从最后一条光栅型路径的其中一个端点离开。至于从哪个端点离开则取决于第m个子区域包含的特征线的数量是奇数还是偶数。
[0111]
步骤6.2，距离矩阵表示子区域间的连接路径的距离。子区域间的距离长度是影响总路径长度的一个重要因素，可以用如下公式表示：
[0112][0113]
其中，d
ij
是点pi(xi,yi,zi)与点pj(xj,yj,zj)之间的欧氏距离。
[0114]
步骤6.3，个体初始化阶段。
[0115]
在初始化阶段，个体矩阵被初始化，局部最优值p_best和全局最优值g_best被赋值为个体值。
[0116]
步骤6.3，迭代阶段。
[0117]
步骤6.3.1，对个体进行交叉和变异操作。
[0118]
本实施例中使用的交叉算子是有序交叉算子(order crossover operator,ox)。有序交叉方法能够尽可能保留亲本基因的相对顺序。本实施例中使用的变异操作为交换突变方式，即随机选择父本中相同位置的两个基因并且相互交换基因。
[0119]
步骤6.3.2，通过计算奖励函数值获取当前最优个体，当前最优个体的奖励函数计算值作为适应度函数值。
[0120]
喷涂质量受多种因素影响，如路径长度、漆膜厚度均匀性、覆盖率等。因此，本实施例设置了一个奖励函数来衡量喷涂质量的好坏。本实施例中的奖励函数由四部分组成，分别为子区域内路径长度奖励l(pi)、子区域间路径长度奖励l(pc)、路径转折次数奖励t(θ)和覆盖率奖励cr。最后经过给定次数的迭代后，获得全局最优值和最优个体，得到最优路径。
[0121]
更为具体的，(1)子区域内路径长度奖励l(pi)
[0122]
喷涂覆盖路径规划中一个重要的目标便是路径长度最短。总的路径长度分为子区域内路径长度和子区域间路径的连接长度。子区域内的路径长度奖励函数如下所示：
[0123][0124]
其中，表示在第j个子区域中起始路径点到起始路径点后的第一个路径点的距离，表示第j个子区域的起始路径点，p
j1
表示第j个子区域中起始路径点后的第一个路径点。n和nk分别是子区域的个数和第j个子区域中路径点的数量。||
·
||表示欧
氏距离。该奖励最小化每个区域的路径长度，这使得全局覆盖路径更短。例如，图9(a)展示了不采用内部路径长度奖励的覆盖路径，其包含许多重叠和转弯路径。在图9(b)中，在相同的环境中采用了内部路径长度奖励，生成更短和更平滑的路径。
[0125]
(2)子区域间路径长度奖励l(pc)
[0126]
子区域间连接路径的长度是另一个衡量覆盖路径总长度的重要指标。子区域间路径长度越短，机械臂从一个区域移动到另一个区域行走的路程越短，能量消耗越少。子区域间路径长度奖励函数如下所示：
[0127][0128]
其中，n是子区域的个数，表示从第j个子区域中离开的路径点，表示进入第(j+1)个子区域的路径点。代表相邻子区域间的路径长度。
[0129]
(3)路径转折次数奖励t(θ)
[0130]
在喷涂过程中，机械臂的转折次数对漆膜厚度有着重要的影响。频繁的转折运动通常会使喷涂表面出现缺陷。因此转折次数越少，喷涂的质量越好。在本实施例中，将非平角的路径视为一个转折运动。例如，路径点p1,p2和p3如图9(a)中按顺序连接成一个角度∠p1p2p3∈(0
°
,180
°
)，该角度为非平角则被视为一个转折运动。因此，路径转折次数奖励函数便可转化为非平角的路径点数量与总路径点数量的比值，如下式所示：
[0131][0132][0133]
其中，p是总路径中路径点的总个数，θi(i＝1,2,...,p)表示由向量(p
i-1-pi)和向量(p
i-p
i+1
)组成的夹角∠p
i-1
pip
i+1
∈(0
°
，180
°
]。用于判断是否是非平角的函数。
[0134]
(4)覆盖率奖励cr
[0135]
覆盖率是衡量覆盖路径质量的重要指标。覆盖率的定义为生成的路径覆盖的面积与需要覆盖的面积的比值。覆盖率奖励函数可如下所示：
[0136][0137]
其中，aerai表示第i个子区域中生成的路径所覆盖的面积，aera
all
表示整个曲面需要覆盖的面积。
[0138]
综述所述，复杂曲面覆盖路径规划的总奖励函数如下所示：
[0139][0140]
其中，ω
l
,ω
t
和ω
cr
分别是路径长度奖励、转折次数奖励和覆盖率奖励的权重因子。这些权重因子能够影响对应奖励函数的重要程度，其取值由多次实验优化后决定。在获得奖励函数最优值后，最优的覆盖路径便可以得到。最优覆盖路径由一些列路径点w
*
组成，如下式所示：
[0141]w*
＝arg min(r) (14)
[0142]
步骤6.3.3，经过给定次数的迭代后，获得全局最优值和全局最优个体，进而得到最优喷涂路径。
[0143]
其中，当前最优个体的获得方式为：如果适应度函数值比当前代局部最优值更优，则将该个体作为当前代局部最优个体；如果适应度函数值比全局最优值更优，则将该个体作为全局最优个体；
[0144]
实施例二：
[0145]
本发明实施例二提供了一种基于多染色体粒子群的复杂曲面喷涂路径规划系统，包括：
[0146]
三维孔洞检测模块，被配置为获取待喷涂的自由曲面，根据孔洞检测算法采用扫描面扫描的方式对自由曲面上的自由曲面进行孔洞检测，标记孔洞临界点和进出孔洞的截交平面；
[0147]
粗分割模块，被配置为根据进出孔洞的截交平面，将自由曲面粗分割为多个子区域；
[0148]
细分割模块，被配置为将含孔洞的子区域根据孔洞临界点的不同类型进行细分割，分为多个不含孔洞的子区域；其中，每一个不含孔洞的子区域都包含由多个截交平面与自由曲面相截得到的截交点；将由同一个截交平面截得的一组截交点抽象为一条截交线，记为特征线，并记录每一条特征线的两个端点；
[0149]
光栅型路径规划模块，被配置为采用光栅型路径根据特征线的端点对每个子区域的路径内特征线的连接方式进行规划，得到多条可能的全覆盖路径；
[0150]
多染色体粒子群算法优化模块，被配置为考虑不同类型光栅型路径和各子区域的连接顺序，采用多染色体粒子群算法对多条可能的全覆盖路径进行优化，得到最优喷涂路径。
[0151]
以上实施例二中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
[0152]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

技术特征：
1.基于多染色体粒子群的复杂曲面喷涂路径规划方法，其特征在于，包括以下步骤：获取待喷涂的自由曲面，根据孔洞检测算法采用扫描面扫描的方式对自由曲面上的自由曲面进行孔洞检测，标记孔洞临界点和进出孔洞的截交平面；以所有进出孔洞的截交平面为分界线，将自由曲面粗分割为多个子区域；将含孔洞的子区域根据孔洞临界点的不同类型进行细分割，分为多个不含孔洞的子区域；其中，每一个不含孔洞的子区域都包含由多个截交平面与自由曲面相截得到的截交点；将由同一个截交平面截得的一组截交点抽象为一条截交线，记为特征线，并记录每一条特征线的两个端点；采用光栅型路径根据特征线的端点对每个子区域的路径内特征线的连接方式进行规划，得到多条可能的全覆盖路径；考虑不同类型光栅型路径和各子区域的连接顺序，采用多染色体粒子群算法对多条可能的全覆盖路径进行优化，得到最优喷涂路径。2.如权利要求1所述的基于多染色体粒子群的复杂曲面喷涂路径规划方法，其特征在于，采用扫描面扫描的方式对自由曲面上的自由曲面进行孔洞检测的具体步骤为：以切平面为扫描平面对自由曲面进行扫描，扫描方向沿z轴方向，采用孔洞检测算法在检测到孔洞时，记录切平面与曲面的临界交点为孔洞临界点，并标记当前切平面为进出孔洞区域的截交平面，直到完成扫描。3.如权利要求1所述的基于多染色体粒子群的复杂曲面喷涂路径规划方法，其特征在于，所述孔洞检测算法的具体步骤为：令当前切平面与截交的自由曲面进行求交计算，得到一组截交线段，对截交线段从小到大进行排序；在非孔洞区域，截交线段的首尾是连通的，在孔洞区域，截交线段首尾是不连通的，根据截交线段的首尾连通情况进行孔洞检测。4.如权利要求1所述的基于多染色体粒子群的复杂曲面喷涂路径规划方法，其特征在于，将含孔洞的子区域根据孔洞临界点的不同类型进行细分割，分为多个不含孔洞的子区域的具体步骤为：对孔洞临界点进行分类，分为孔洞左侧临界点和孔洞右侧临界点，标记孔洞左右侧临界点；截交平面沿z轴以固定间距与自由曲面相截，得到一系列截交点；沿y轴方向对截交线段从小到大扫描，根据第一个截交点与最后一个截交点的孔洞临界点判断情况分为不同类型，根据不同类型进行细分割，得到多个不含孔洞的子区域。5.如权利要求4所述的基于多染色体粒子群的复杂曲面喷涂路径规划方法，其特征在于，根据第一个截交点与最后一个截交点的孔洞临界点判断情况分为以下四种类型：(1)第一截交点为非临界点，最后一个截交点为左侧或右侧临界点；(2)第一截交点为右侧临界点，最后一个截交点为左侧临界点；(3)第一截交点为左侧临界点，最后一个截交点为右侧临界点；(4)第一截交点为左侧或右侧临界点，最后一个截交点为非临界点。6.如权利要求1所述的基于多染色体粒子群的复杂曲面喷涂路径规划方法，其特征在于，采用光栅型路径根据特征线的端点对每个子区域的路径内特征线的连接方式进行规划，得到多条可能的全覆盖路径的具体步骤为：根据包含特征线的条数将子区域分为含奇数条特征线的子区域和含偶数条特征线的子区域；
采用光栅型路径基于含奇数条特征线的子区域和含偶数条特征线的子区域确定不同的路径规划方式。7.如权利要求1所述的基于多染色体粒子群的复杂曲面喷涂路径规划方法，其特征在于，基于不同类型的光栅型路径定义个体，每个个体包括x、y染色体，采用x、y染色体的基因表示不同类型的光栅型路径，其中，x染色体上的基因代表子区域的遍历顺序，y染色体上的基因表示各子区域内光栅型路径的不同连接方式。8.如权利要求7所述的基于多染色体粒子群的复杂曲面喷涂路径规划方法，其特征在于，采用多染色体粒子群算法对多条可能的全覆盖路径进行优化，得到最优喷涂路径具体步骤为：对个体进行初始化，将局部最优值和全局最优值赋值为个体值；对个体进行交叉和变异操作；通过计算奖励函数值获取当前最优个体，当前最优个体的奖励函数计算值作为适应度函数值；如果适应度函数值比当前代局部最优值更优，则将该个体作为当前代局部最优个体；如果适应度函数值比全局最优值更优，则将该个体作为全局最优个体；经过给定次数的迭代后，获得全局最优值和全局最优个体，进而得到最优喷涂路径。9.如权利要求1所述的基于多染色体粒子群的复杂曲面喷涂路径规划方法，其特征在于，所述奖励函数由四部分组成，分别为：子区域内路径长度奖励、子区域间路径长度奖励、路径转折次数奖励和覆盖率奖励。10.基于多染色体粒子群的复杂曲面喷涂路径规划系统，其特征在于，包括：三维孔洞检测模块，被配置为获取待喷涂的自由曲面，根据孔洞检测算法采用扫描面扫描的方式对自由曲面上的自由曲面进行孔洞检测，标记孔洞临界点和进出孔洞的截交平面；粗分割模块，被配置为根据进出孔洞的截交平面，将自由曲面粗分割为多个子区域；细分割模块，被配置为将含孔洞的子区域根据孔洞临界点的不同类型进行细分割，分为多个不含孔洞的子区域；其中，每一个不含孔洞的子区域都包含由多个截交平面与自由曲面相截得到的截交点；将由同一个截交平面截得的一组截交点抽象为一条截交线，记为特征线，并记录每一条特征线的两个端点；光栅型路径规划模块，被配置为采用光栅型路径根据特征线的端点对每个子区域的路径内特征线的连接方式进行规划，得到多条可能的全覆盖路径；多染色体粒子群算法优化模块，被配置为考虑不同类型光栅型路径和各子区域的连接顺序，采用多染色体粒子群算法对多条可能的全覆盖路径进行优化，得到最优喷涂路径。

技术总结
本发明公开了一种基于多染色体粒子群的复杂曲面喷涂路径规划方法及系统，涉及复杂曲面喷涂路径规划技术领域。包括对待喷涂的自由曲面，根据孔洞检测算法对自由曲面上的自由曲面进行孔洞检测；对自由曲面分别进行粗分割和细分割，分为多个不含孔洞的子区域；采用光栅型路径根据特征线的端点对每个子区域的路径内特征线的连接方式进行规划，得到多条可能的全覆盖路径；考虑不同类型光栅型路径和各子区域的连接顺序，采用多染色体粒子群算法对多条可能的全覆盖路径进行优化，得到最优喷涂路径。本发明合理的避开了复杂自由曲面中大小、形状不一的孔洞从而得到最优喷涂路径，提高了喷涂的质量。喷涂的质量。喷涂的质量。


技术研发人员：马昕 高辉 李贻斌
受保护的技术使用者：山东大学
技术研发日：2023.04.17
技术公布日：2023/7/7