基于遗传算法的一体式3D打印自动化控制技术_屈瑞娜.pdf

收稿日期:2022-10-31基金项目:省教育厅科技项目基于机器视觉的微型镜头缺陷检测与识别方法研究(20JK0857)作者简介:屈瑞娜(1978-),女,河南人,本科,讲师,主要研究方向为计算机自动控制。通讯作者:颜翠翠(1989-),女,陕西人,研究生,讲师,主要研究方向为控制科学与工程。基于遗传算法的一体式 3D 打印自动化控制技术屈瑞娜,颜翠翠(西安思源学院,西安 710038)摘 要:针对传统 3D 打印机存在打印自动化控制效果不佳,导致打印时间和打印成本增加的问题,提出基于改进遗传算法的一体式 3D 打印自动化控制技术。首先构建基于 3D 打印任务多目标优化调度模型,并确定优化调度的约束条件和目标函数;然后基于传统遗传算法的 3D 打印任务多目标优化调度问题,基于遗传算法的子代选择,引入浓度平衡机制和抑制条件,将三轮迭代缩减至一轮,得到基于改进遗传算法的 3D 打印任务多目标优化调度方法。仿真结果表明,改进后的遗传算法在 47 次、88 次、86 次和 95 次时即可实现收敛,收敛速度明显优于粒子群优化算法和传统遗传算法,寻优求解效率更高。实际应用发现,3D 打印机的总打印时间由 16.8 小时降低至 9 小时,打印成本由 2 759.3 元下降至 1 762.4 元。由此说明,改进的遗传算法可减少 3D 打印机的打印时间和打印成本、提高打印效率,可实现 3D 打印自动化控制。关键词:遗传算法;3D 打印;多目标任务;优化调度;自动化控制 中图分类号:TP392 文献标识码:A DOI 编码:10.14016/ki.1001-9227.2023.01.085Automatic Control Technology of the Integrated 3D Printing Based on Genetic AlgorithmQU Ruina,YAN Cuicui(Xian Siyuan university,Xian 710038)Abstract:In view of the problem that the traditional 3D printer has poor printing automatic control effect,which leads to the increase of printing time and printing cost,the integrated 3D printing automatic control technology based on the improved genetic algorithm is proposed.Firstly,construct the multi-objective optimal scheduling model based on 3D printing task,and determine the constraints and objective functions for optimal scheduling based on traditional genetic algorithm,introduce the concentration balance mechanism and suppression condition,reduce the three rounds of iteration to one round,and obtain the multi-objective optimal scheduling method for 3D printing tasks based on improved genetic algorithm.The simulation results show that the improved genetic algorithm can achieve convergence in 47,88,86 and 95 times,the convergence rate is obvious-ly better than the particle swarm optimization algorithm and the traditional genetic algorithm,and the optimization solution ef-ficiency is higher.Practical application shows that the total printing time of 3D printers has been reduced from 16.8 hours to 9 hours,and the printing cost has decreased from 2,759.3 yuan to 1,762.4 yuan.This shows that the improved genetic algo-rithm can reduce the printing time and cost of 3D printers,improve the printing efficiency,and realize the automatic control of 3D printing.Key words:genetic algorithm;3D printing;multi-objective task;optimized scheduling;automatic control0 引言 随着 3D 打印市场规模的不断扩增,3D 打印的未来逐渐趋向于自动化控制方向发展。制造企业通过 3D 打印生成技术进行科学合理的生产和管理,是当前大部分制造企业想要长期发展并平稳运行的必要前提。也是提升企业竞争力的关键性因素。然而,要实现集群式3D打印的系统化和自动化,对该技术的生产任务进行多目标优化调度是当前亟待解决的问题。但目前市场上的3D 打印技术存在多任务优化调度效果差、打印时间长、打印成本高的问题,无法满足当前日益增长的高效率、低成本的 3D 打印自动化控制需求。因此,采取一种合理科学的任务调度方法可提升打印机的智能化和自动化控制效果,并可有效控制打印成本和打印时间。王丽娟等1提出了在竞争搜索算法(Competitive search algo-rithm,CSA)的基础上,加入粒子群优化算法(PSO),通过两种算法结合实现打印机的多目标优化任务调度;李航等2构建了一个基于改进的 BP 神经网络 PID 控制器,通过该控制器对打印机的气体浓度进行精确控制;王祎等3提出了通过改进 Q 学习方法对 3D 打印机的薄壁结构进行学习和控制,从而实现了该打印机的局部路径规58自动化与仪器仪表2023 年第 1 期(总第 279 期)划。以上研究在多目标任务调度方面,仍旧无法对打印机打印时间和成本进行有效控制,无法实现一体化 3D打印机自动化控制。基于此,提出一种基于改进遗传算法的一体式 3D 打印轨迹自动化控制技术,通过该技术对 3D 打印机进行多目标任务优化调度,从而提升打印效率,降低打印成本,为工业制造行业提供一种有效的打印制造方法。1 3D 打印多目标优化任务调度1.1 3D 打印多目标优化任务调度过程3D 打印过程中,打印任务与打印机间的合理匹配度难度较大,当打印任务较多和计算量过大时,可能导致打印机出现负载过高现象。因此,对 3D 打印任务进行精准调度,可提升打印系统的功能性和匹配度4。其中,3D 打印多目标优化任务调度过程如图 1 所示。图 1 3D 打印多目标优化任务调度过程 1.2 3D 打印多目标优化任务调度模型 3D 打印多目标优化任务调度首要条件是确定可执行 3D 打印任务的 3D 打印机和该打印机的打印方式、打印材料、打印成本、打印时间等信息;之后再确定 3D 打印任务要求;然后以最低打印时间和打印成本为优化目标进行任务调度,并得到任务调度方案5;最后根据任务调度方案将打印任务分配至相应的打印机进行打印。若存在 M 台打印机和 N 个打印任务,第 i 台打印机的打印速度和打印成本分别表示为 vi、pi;第 j 个打印任务的任务量表示为 lj,则第 i 台打印机打印第 j 个打印任务的时间 ti,j()和成本 ci,j()的表达式分别为:ti,j()=ljvi(1)ci,j()=pilj(2)由此得到任务调度方案矩阵 X,具体表达式为:X=x1,1()x1,2()x1,N()x2,1()x2,2()x2,N()xM,1()xM,2()xM,N()(3)上式中,xi,j()表示0-1 决策变量,当 xi,j()=1 时,即可将第 j 个打印任务在第 i 台打印机上进行打印;若 xi,j()=0时,第 j 个打印任务则不在第 i 台打印机上进行打印6。1.3 约束条件基于一体式 3D 打印轨迹控制需求,使每个打印任务匹配一台打印机,由此可得到约束条件:j 1,N,Mi=1xi,j()=1(4)打印任务与打印机完成匹配工作后。若存在第 j 个打印任务和第 i 台打印机,则其对应的打印材料、打印方式、打印精度、空间大小和总匹配值分别表示为 dci,j()、dfi,j()、dji,j()、dsi,j(),dzi,j(),得到多目标优化任务调度过程中的整体约束条件可表示为:i 1,M,j 1,N,dzi,j()=dci,j()dfi,j()dji,j()dsi,j()=1(5)1.4 目标函数 打印机完成一次打印任务,可获得其打印时间矩阵T1和每台打印机完工时间矩阵 T2;完成打印任务的总打印时间和打印总成本可表示为 fTx()和 fCx(),任务调度最终目标为将总打印时间和总打印成本控制到最小值,由此可得到打印时间和打印成本优化的目标函数7。具体表示为:fT=min fTX()()=min maxjt1,j()x1,j()+TS1jt2,j()x2,j()+TS2jtM,j()xM,j()+TSM(6)fC=min fCX()()=min ijc i,j()x i,j()()(7)完成打印任务时,为达到打印时间和打印成本的优化目标,提出通过 n 范数加权方法为两个优化目标分配相应的权重,得到一个基于打印时间和打印成本的组合目标优化模式。该组合目标函数 H:H=min H X()()=min1fCX()-fCfC()+2fTX()-fTfT()()(8)1+2=1(9)上式中,H X()表示打印时间和打印成本的综合评价指标;1、2分别表示打印时间和打印成本的权重8。2基于改进遗传算法的 3D 打印多目标优化任务调度2.1 遗传算法 遗传算法(Genetic Algorithm,GA),属于机器学习68基于遗传算法的一体式 3D 打印自动化控制技术 屈瑞娜,等中的一种智能优化算法。该算法的工作原理为在某一空间即可内,从种群中找出最佳个体并得到最优解9。基于遗传算法求解具体流程如下:图 2 传统遗传算法流程由图 2 可知,遗传算法主要分为四个步骤,分别为编码处理、适应度函数设置、遗传操作和运行参数设置。由于 3D 打印多目标优化主要易陷入局部最优求解,其主要以最短打印时间和最低打印成本作为优化任务的调度目标。遗传算法具备扩展性、并行性和鲁棒性等优点,具备较强的全局搜索能力,可有效提升各种算法搜索速度,可有效解决 3D 打印的多目标优化局部最优问题,因此,提出将遗传算法应用到 3D 打印多目标优化任务调度中。基于遗传算法的 3D 打印多目标优化任务调度的具体步骤为:(1)初始设置编码长度、种群规模、交叉、变异概率和组合目标优化最大迭代次数等运行参数10;(2)基于约束条件,随机生成决策矩阵组成初始种群;(3)采用均匀交叉法进行交叉操作。进行交叉概率和编码长度位置交换后,得到新个体 Xe1。重复以上操作进行个体遍历,直至生成 Z1个新个体,并将其保留到下一代种群中;(4)采用非均匀变异法进行变异操作,变异操作后,可得到新个体 Xe211。重复以上操作进行个体