A virus-evolutionary, multi-objective intelligent tool path optimization methodology for sculptured surface CNC machining

Abstract

Today’s production environment faces multiple challenges involving fast adaptation to modern technologies, flexibility in accommodating them to current industrial practices and cost reduction through automating repetitive tasks. At the same time the requirements for manufacturing functional, aesthetic and versatile products, turn these challenges to clear and present industrial problems that need to be solved by delivering at least semi-optimal results. Even though sculptured surfaces can meet such requirements when it comes to product design, a critical problem exists in terms of their machining operations owing to their anisotropic nature and complex geometrical features as opposed to prismatic surfaces. Current approaches for generating tool paths in computer-aided manufacturing (CAM) systems are still based on human intervention as well as trial-and-error experiments. These approaches neither can provide optimal tool paths nor can they establish a generic approach for an advantageous and profitable sculptured surface machining (SSM). Major goal of this PhD thesis is the development of an intelligent, automated and generic methodology for generating optimal 5-axis CNC tool paths to machine complex sculptured surfaces. The methodology considers the toll path parameters “cutting tool”, “stepover”, “lead angle”, “tilt angle” and “maximum discretisation step” as the independent variables for optimisation whilst the mean machining error; its mean distribution on the sculptured surface and the minimum number of tool positions are the crucial optimisation criteria formulating the generalized multi-objective sculptured surface CNC machining optimisation problem. The methodology is a two-fold programming framework comprising a virus-evolutionary genetic algorithm as the methodology’s intelligent part for performing the multi-objective optimisation and an automation function for driving the algorithm through its argument-passing elements directlyrelated to CAM software, i.e.; tool path computation utilities, objects for programmatically retrieving tool path parameters’ inputs, etc. These two modules (the intelligent algorithm and the automation function) interact and exchange information as needed towards the achievement of creating globally optimal tool paths for any sculptured surface. The methodology has been validated through simulation experiments and actual machining operations conducted to benchmark sculptured surfaces and corresponding results have been compared to those available from already existing tool path generation/optimisation approaches in the literature. The results have proven the methodology’s practical merits as well as its effectiveness for maintaining quality and productivity in sculptured surface 5-axis CNC machining.

Η σημερινή βιομηχανική παραγωγή αντιμετωπίζει πολλαπλές προκλήσεις που περιλαμβάνουν μεταξύ άλλων τη γρήγορη προσαρμογή τους στις σύγχρονες τάσεις-τεχνολογίες, την ευελιξία στις τρέχουσες καταναλωτικές απαιτήσεις και τη μείωση του κόστους μέσω της αυτοματοποίησης επαναλαμβανόμενων διεργασιών. Ταυτόχρονα, οι απαιτήσεις για την κατασκευή λειτουργικών και αξιόπιστων προϊόντων υψηλής αισθητικής μετατρέπουν αυτές τις προκλήσεις σε πρακτικά βιομηχανικά προβλήματα που πρέπει να επιλυθούν με την εφαρμογή μη-συμβατικών μεθόδων κατεργασιών που θα παρέχουν τουλάχιστο ημι-βέλτιστα αποτελέσματα. Παρόλο που οι γλυπτές επιφάνειες μπορούν να ανταποκριθούν σε τέτοιες απαιτήσεις όσον αφορά το σχεδιασμό του προϊόντος, υπάρχει ένα κρίσιμο πρόβλημα όσον αφορά τις κατεργασίες τους λόγω των πολύπλοκων γεωμετρικών τους χαρακτηριστικών σε αντίθεση με τις πρισματικές επιφάνειες. Οι προσεγγίσεις που ακολουθούνται και εφαρμόζονται για τη δημιουργία διαδρομών εργαλείων σε συστήματα παραγωγής με τη βοήθεια υπολογιστή (CAM) εξακολουθούν να βασίζονται στην ανθρώπινη παρέμβαση καθώς και σε πειράματα δοκιμής-σφάλματος. Είναι λοιπόν αμφίβολο εάν αυτές οι προσεγγίσεις μπορούν να συμβάλλουν στο σχεδιασμό βέλτιστων διαδρομών των κοπτικών εργαλείων παρέχοντας μια γενική προσέγγιση για αξιόπιστες, ανταγωνιστικές και ευέλικτες κατεργασίες γλυπτών επιφανειών. Κύριος στόχος αυτής της διδακτορικής διατριβής είναι η ανάπτυξη μιας ευφυούς, αυτοματοποιημένης και γενικευμένης μεθοδολογίας για τη δημιουργία βέλτιστων διαδρομών κοπτικών εργαλείων για κατεργασίες σύνθετων γλυπτών επιφανειών σε εργαλειομηχανές CNC 5 αξόνων. Η μεθοδολογία λαμβάνει τις παραμέτρους “cutting tool”, “stepover”, “lead angle”, “tilt angle” and “maximum discretisation step” ως ανεξάρτητες μεταβλητές για το βέλτιστο σχεδιασμό τροχιάς-διαδρομής κοπτικών εργαλείων, ενώ ως στόχοι βελτιστοποίησης λαμβάνονται οι παράμετροι "mean machining error", "mean distribution" και "minimum number of tool positions" διατυπώνοντας με τον τρόπο αυτό, ένα γενικευμένο πολυκριτηριακό πρόβλημα βελτιστοποίησης των κατεργασιών CNC γλυπτών επιφανειών. Η μεθοδολογία περιλαμβάνει έναν γενετικό-εξελικτικό αλγόριθμο βασισμένο στη θεωρία της βιολογικής εξέλιξης των ιών για την εκτέλεση της βελτιστοποίησης, και μια ρουτίνα ελέγχου του αλγόριθμου που αυτοματοποιεί τις ενέργειες του λογισμικού CAM. Αυτά τα δύο συστήματα της μεθοδολογίας αλληλεπιδρούν και ανταλλάσσουν πληροφορίες για την επίτευξη της δημιουργίας βέλτιστων διαδρομών εργαλείων για οποιαδήποτε γλυπτή επιφάνεια. Η μεθοδολογία εφαρμόστηκε τόσο σε πειράματα προσομοίωσης όσο και σε πειράματα πραγματικών μηχανουργικών εξαρτημάτων και τα αποτελέσματα συγκρίθηκαν με άλλα αντίστοιχα που προέκυψαν από την εφαρμογή συναφών μεθόδων και που είναι διαθέσιμα στην ευρύτερη βιβλιογραφία.