[发明专利]复杂结构件加工路径优化方法、装置、终端及存储介质

说明书

本发明公开了复杂结构件加工路径优化方法、装置、终端及存储介质。本发明采用强化学习的方法，无需预先采集大量的训练数据，可以快速实现加工路径的优化。解决了现有技术中的基于机器学习模型的加工路径优化方法，需要提前采集大量的训练数据对机器学习模型进行训练，难以快速完成加工路径优化任务的问题。

技术领域

本发明涉及数控加工领域，尤其涉及的是一种复杂结构件加工路径优化方法、装置、终端及存储介质。

背景技术

在加工生产领域利用数控机床对工件进行加工时，需要将工件按照预定的图样加工成不同的成品工件。优化数控机床的加工路径实现加工效率的大幅提高。其次对应具有批量化加工生产需求或者零件加工路径十分复杂的加工任务而言，还能显著减少加工误差、提高工件质量，让企业能够获得可观的经济利润。现有技术中存在基于机器学习模型的加工路径优化方法，然而这种方法需要提前采集大量的训练数据对机器学习模型进行训练，难以快速完成加工路径优化任务。

因此，现有技术还有待改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种复杂结构件加工路径优化方法、装置、终端及存储介质，旨在解决现有技术中的基于机器学习模型的加工路径优化方法，需要提前采集大量的训练数据对机器学习模型进行训练，难以快速完成加工路径优化任务的问题。

本发明解决问题所采用的技术方案如下：

第一方面，本发明实施例提供一种复杂结构件加工路径优化方法，其中，所述方法包括：

获取目标工件对应的初始加工路径，其中，所述初始加工路径用于反映刀具的运动轨迹；

根据所述初始加工路径确定若干刀位点分别对应的矢量参数，其中，所述矢量参数包括坐标矢量和走刀方向矢量；

根据若干所述刀位点分别对应的矢量参数，确定刀位点序列，其中，所述刀位点序列包括若干元素，若干所述元素与若干所述刀位点一一对应，每一所述元素的值包括第一分值和第二分值，每一所述元素的第一分值基于该元素对应的所述坐标矢量确定，每一所述元素的第二分值基于该元素对应的所述走刀方向矢量确定；

将所述刀位点序列输入智能体，通过所述智能体对所述刀位点序列中各元素分别对应的所述第一分值和所述第二分值进行调整，得到更新刀位点序列和所述更新刀位点序列对应的奖励值；

根据所述奖励值更新所述智能体对应的网络参数；

将所述更新刀位点序列重新作为所述刀位点序列，继续执行将所述刀位点序列输入所述智能体得到更新刀位点序列和所述更新刀位点序列对应的奖励值，根据所述奖励值更新所述智能体对应的网络参数的步骤，直至所述奖励值达到预设目标值时，将最后一次得到的所述更新刀位点序列作为目标刀位点序列；

根据所述目标刀位点序列，确定所述目标工件对应的目标加工路径。

在一种实施方式中，所述获取目标工件对应的初始加工路径，包括：

获取目标工件对应的结构特征和工艺特征；

获取数控机床的历史加工信息，根据所述结构特征和所述工艺特征从所述历史加工信息中确定若干候选历史加工路径；

根据若干所述候选历史加工路径分别对应的加工路径，确定所述初始加工路径。

在一种实施方式中，所述根据若干所述候选历史加工路径分别对应的加工路径，确定所述初始加工路径，包括：

根据若干所述候选历史加工路径，确定历史刀位点集合，其中，所述历史刀位点集合中包括若干所述候选历史加工路径中的所有刀位点；

对所述历史刀位点集合中的所有刀位点进行数据拟合，得到拟合曲线；