一種基于聚類算法的衛(wèi)星組合加工技術(shù)

臧梓軼 程 澤 蔡朝陽(yáng)

一種基于聚類算法的衛(wèi)星組合加工技術(shù)

臧梓軼 程 澤 蔡朝陽(yáng)

（北京衛(wèi)星制造廠有限公司，北京 100094）

以通信衛(wèi)星太陽(yáng)翼及天線接口組合加工領(lǐng)域?yàn)檠芯勘尘?，分析了?dāng)前加工方法的弊端。首先基于圖元分析，對(duì)加工過(guò)程進(jìn)行增強(qiáng)模擬，利用空間坐標(biāo)系轉(zhuǎn)換原理構(gòu)建加工坐標(biāo)系與衛(wèi)星坐標(biāo)系的轉(zhuǎn)移矩陣，實(shí)現(xiàn)加工策略的整體輸出。在路徑規(guī)劃方面，提出了“一種基于聚類算法的加工路徑規(guī)劃方案”，通過(guò)隨機(jī)初始化聚類中心、“距離”判斷、自動(dòng)分類、矢量長(zhǎng)度累積求和等一系列流程，實(shí)現(xiàn)了最優(yōu)加工路徑的規(guī)劃。在該方法中，加工路徑與遷移路徑均由計(jì)算機(jī)規(guī)劃，減少了人工干預(yù)，提高了效率與預(yù)測(cè)的準(zhǔn)確度。為后續(xù)實(shí)現(xiàn)智能化、自動(dòng)化奠定了理論基礎(chǔ)。該方法在衛(wèi)星型號(hào)上得到驗(yàn)證，加工精度達(dá)到國(guó)內(nèi)先進(jìn)水平。

通信衛(wèi)星；圖元分析；聚類算法；路徑規(guī)劃

1 引言

通信衛(wèi)星是衛(wèi)星通信系統(tǒng)的空間部分，實(shí)現(xiàn)衛(wèi)星通信地球站之間或地球站與航天器之間的通信。以某型號(hào)東四平臺(tái)通信衛(wèi)星為例，其主體構(gòu)型是一個(gè)2100mm×3600mm×2360mm的長(zhǎng)方形箱體，由平臺(tái)結(jié)構(gòu)和通信艙結(jié)構(gòu)組成，另外還有作為次級(jí)結(jié)構(gòu)件的一套東饋源支撐結(jié)構(gòu)以及一塊饋源防護(hù)板。整個(gè)結(jié)構(gòu)分系統(tǒng)的組成示意圖見(jiàn)圖1。平臺(tái)結(jié)構(gòu)又分為推進(jìn)艙和服務(wù)艙。其中，推進(jìn)艙由中心承力筒、490NG發(fā)動(dòng)機(jī)支架、中板、背地板、推進(jìn)艙南北隔板和東西隔板組成；服務(wù)艙由服務(wù)艙南北板組成。通信艙由對(duì)地板、通信艙南北板和通信艙南北隔板組成。東饋源支撐結(jié)構(gòu)由饋源安裝板、±豎隔板和加強(qiáng)板組成。

圖1 衛(wèi)星分解示意圖

由于±太陽(yáng)翼安裝面、±及+對(duì)地天線安裝面等關(guān)鍵接口具有縱向跨度大（3m以上），點(diǎn)位多（102數(shù)量級(jí)）、分布離散的特點(diǎn)，為了保證太陽(yáng)翼及天線的安裝精度及可靠性，在研制過(guò)程中通過(guò)對(duì)其組合加工的工藝方法，保證其形位精度滿足設(shè)計(jì)要求。由于衛(wèi)星在該階段已實(shí)施管路等推進(jìn)分系統(tǒng)項(xiàng)目，故對(duì)生產(chǎn)環(huán)境要求極為嚴(yán)格，需在10萬(wàn)級(jí)凈化廠房?jī)?nèi)研制，另外加工過(guò)程不允許使用冷卻液，綜合以上需求，目前使用的加工設(shè)備為“三維立式加工中心（以下簡(jiǎn)稱ITP）”。

ITP最早于2003年引入衛(wèi)星結(jié)構(gòu)部裝領(lǐng)域。作為非接觸式測(cè)量設(shè)備，可以完成大尺寸結(jié)構(gòu)件高精度測(cè)量工作以及精測(cè)數(shù)據(jù)擬合工作，測(cè)量精度優(yōu)于0.05mm。根據(jù)組合加工的要求，原廠在測(cè)量功能的基礎(chǔ)上開(kāi)發(fā)了組合加工功能，通過(guò)測(cè)頭和加工頭的轉(zhuǎn)換實(shí)現(xiàn)功能切換，現(xiàn)已經(jīng)廣泛應(yīng)用于各平臺(tái)衛(wèi)星關(guān)鍵對(duì)外接口組合加工，ITP結(jié)構(gòu)如圖2所示。

圖2 設(shè)備實(shí)物圖

2 傳統(tǒng)加工方法及其弊端

由于ITP主要功能是三坐標(biāo)高精度測(cè)量，故其三維導(dǎo)軌的安裝精度經(jīng)過(guò)激光干涉儀的嚴(yán)格調(diào)校與補(bǔ)償，決定其移動(dòng)方向是基于機(jī)床坐標(biāo)系定義。而傳統(tǒng)意義上，對(duì)于大型五軸加工機(jī)床，可以通過(guò)基準(zhǔn)轉(zhuǎn)換的方式實(shí)現(xiàn)衛(wèi)星坐標(biāo)系與機(jī)床/加工坐標(biāo)系的重合，實(shí)現(xiàn)高精度路徑控制與加工，基于UG的程序編譯[1]衛(wèi)星在建立整星坐標(biāo)系時(shí)，要求裝配工裝上表面相對(duì)轉(zhuǎn)臺(tái)平行度≤0.03/1000mm，決定衛(wèi)星的絕對(duì)姿態(tài)必然會(huì)與ITP坐標(biāo)系存在一定的微小夾角，ITP設(shè)備無(wú)法實(shí)現(xiàn)與衛(wèi)星坐標(biāo)系的統(tǒng)一是實(shí)現(xiàn)自動(dòng)編程的一大癥結(jié)[2]。

目前由操作人員通過(guò)操作ITP手柄或面板獲取實(shí)際進(jìn)刀、出刀的機(jī)器坐標(biāo)，進(jìn)而編制加工程序，流程如圖3所示，具有以下難點(diǎn)：

圖3 組合加工流程圖

a. 效率十分低下，占用主線時(shí)間長(zhǎng)，各工序時(shí)間占比如表1所示。

表1 各工序占比分配表

b. 在程序驗(yàn)證時(shí)，通過(guò)旋轉(zhuǎn)刀尖與設(shè)備軸保持水平后，一名操作人員操控設(shè)備驗(yàn)證單步程序，另一名操作人員觀察刀尖位置及旋轉(zhuǎn)刀盤，判斷進(jìn)刀和出刀位置余量是否充分，該操作過(guò)程十分繁瑣，人眼很難精準(zhǔn)判斷相對(duì)位置，另外操作空間狹小，從正面和側(cè)面觀察得到的結(jié)果會(huì)存在偏差。

c. 處于衛(wèi)星+側(cè)分布的天線接口在驗(yàn)證時(shí)需要操作升降車高空作業(yè)，風(fēng)險(xiǎn)較大。

根據(jù)統(tǒng)計(jì)以上分析可以得出如下結(jié)論：

a. 在生產(chǎn)周期方面：由表1可以看出，整個(gè)組合加工的時(shí)間為8d，其中耗時(shí)最長(zhǎng)的為第5項(xiàng)組合加工，占比50%，其次是第3項(xiàng)獲取對(duì)刀坐標(biāo)，編譯程序，占比25%，此兩項(xiàng)就占據(jù)了全部項(xiàng)目的75%，耗時(shí)最長(zhǎng)，剩余項(xiàng)目占比時(shí)間幾乎相等。在剩余的項(xiàng)目里其中第1項(xiàng)“基準(zhǔn)坐標(biāo)系測(cè)量待加工區(qū)域”、第2項(xiàng)“測(cè)頭更換為加工頭”及第6項(xiàng)“加工后精度測(cè)量”為固定操作，無(wú)優(yōu)化空間。

b. 在程序可靠性方面：目前程序段的坐標(biāo)值主要依靠操作者操作設(shè)備手動(dòng)獲得，可能引入誤差的環(huán)節(jié)主要包括坐標(biāo)記錄正確性、程序段錄入正確性，由于全部由人工實(shí)施，不能確保程序編制100%正確，可能引入風(fēng)險(xiǎn)。

c. 在程序驗(yàn)證方法方面：目前的操作方法中需要兩名操作人員同時(shí)在升降車上高空作業(yè)，安全風(fēng)險(xiǎn)大，另外進(jìn)刀、出刀充分性判斷主要利用視覺(jué)確認(rèn)，手動(dòng)旋轉(zhuǎn)刀盤觀察刀尖是否進(jìn)、出充分與操作者的手法、目測(cè)情況都有關(guān)系，存在標(biāo)準(zhǔn)不一致的難點(diǎn)。

d. 在加工可靠性方面：根據(jù)以往型號(hào)的加工結(jié)果，存在局部超差的情況，再二次加工，這可能與刀具材料、切削參數(shù)有關(guān)，需要進(jìn)一步調(diào)研，如何提高加工穩(wěn)定性、可靠性也是提高加工質(zhì)量的重點(diǎn)方向。

本文重點(diǎn)從如何快速、準(zhǔn)確獲得加工坐標(biāo)及規(guī)劃加工路徑兩個(gè)方面分析。

3 加工原理

衛(wèi)星以部裝支架圓心為基準(zhǔn)點(diǎn)，±軸上的銷孔連線為基準(zhǔn)線，指向+，對(duì)接法蘭面為基準(zhǔn)面，如圖4所示，ITP機(jī)器坐標(biāo)定義如圖5所示，均符合右手坐標(biāo)系[3]。

圖4 衛(wèi)星坐標(biāo)系定義

圖5 機(jī)床坐標(biāo)系定義（由機(jī)床面向衛(wèi)星）

首先操作者通過(guò)ITP手柄或控制面板控制主軸移動(dòng)，ITP屬于單軸控制設(shè)備[4]，所以每次移動(dòng)均為→方向或↑方向。激光發(fā)射器發(fā)射的激光投影在星體側(cè)壁上，通過(guò)觀察進(jìn)入點(diǎn)及遠(yuǎn)離點(diǎn)是否處于待加工埋件的外圍，確定加工余量是否充分。根據(jù)確定的進(jìn)入點(diǎn)及遠(yuǎn)離點(diǎn)記錄相應(yīng)的坐標(biāo)值，用于后續(xù)的程序編譯。重復(fù)上述過(guò)程直到獲得全部加工坐標(biāo)。

程序示例如下：

X100 %軸移動(dòng)至坐標(biāo)100；

Z1600 %軸移動(dòng)至坐標(biāo)1600；

X40 %軸移動(dòng)至坐標(biāo)50；

此段程序可以解釋為加工面平行于平面，從坐標(biāo)（100, 1600）加工到坐標(biāo)（40, 1600），即沿-向加工60mm。

根據(jù)空間直角坐標(biāo)系轉(zhuǎn)換的基本原理，轉(zhuǎn)換坐標(biāo)[5]。

4 加工策略規(guī)劃及分析

在加工過(guò)程中主要分為慢速模式（用于切削）及快速模式（用于移動(dòng)），由于二者速度相差較大（大于10倍），故認(rèn)為影響加工效率的主要因素集中在慢速切削模式下。以±側(cè)天線板為例，待加工埋件具有局部集中，整體離散的特點(diǎn)。屬于同一“圖元”的埋件應(yīng)劃分為同一組別加工，這是由于對(duì)于每一個(gè)埋件，以橫向加工為例，其加工過(guò)程為：a.→慢速靠近進(jìn)入點(diǎn)；b.↓慢速到達(dá)加工高度；c.→慢速切削；d.↑慢速抬升至安全高度；e.快速遷移至下一點(diǎn)。兩點(diǎn)在距離很近的時(shí)候，如果采用單點(diǎn)加工的策略，會(huì)重復(fù)a～d的過(guò)程，效率低下。所以認(rèn)為可以定義“合適的距離”，以隨機(jī)的點(diǎn)為中心向四周輻射，搜索“距離”內(nèi)的點(diǎn)位作為分組原則，同組采取連續(xù)加工的策略[6]。該策略受“聚類算法”啟發(fā)并修正適應(yīng)性。聚類分析又稱群分析，是研究（樣品或指標(biāo)）分類問(wèn)題的一種統(tǒng)計(jì)分析方法，同時(shí)也是數(shù)據(jù)挖掘的一個(gè)重要算法。聚類[7]（Cluster）分析是由若干模式（Pattern）組成的，通常模式是一個(gè)度量（Measurement）的向量，或者是多維空間中的一個(gè)點(diǎn)。通過(guò)聚類算法將待加工埋件分類，用于后續(xù)加工向量長(zhǎng)度計(jì)算，對(duì)目標(biāo)函數(shù)求最優(yōu)解[8]。

5 聚類分組的過(guò)程及實(shí)現(xiàn)

利用Python編譯開(kāi)發(fā)程序。其基本思路為，首先遍歷孔表，利用最高點(diǎn)（激光跟蹤儀測(cè)量獲得）的標(biāo)號(hào)索引（該點(diǎn)有利于加工程序循環(huán)次數(shù)的最小化）獲得其及坐標(biāo)，將坐標(biāo)值作為初始化的“聚類”中心，從該中心出發(fā)向周圍“搜索”距離較近的點(diǎn)，判斷二者的距離，如果滿足向不超過(guò)30mm及向不超過(guò)1000mm（此兩項(xiàng)數(shù)據(jù)為自定義），則認(rèn)為第二點(diǎn)屬于“一號(hào)聚類”群，重復(fù)以上過(guò)程將符合條件的點(diǎn)歸集到群中，直至有不滿足條件的點(diǎn)位出現(xiàn)，將該點(diǎn)定義為“二號(hào)聚類群”的聚類中心，重復(fù)上述過(guò)程直至完成全部分組[9]，程序圖如圖6所示。程序代碼略。

圖6 程序邏輯圖

6 點(diǎn)位及路徑計(jì)算

圖7 路徑偏置示意圖

圖8 路徑補(bǔ)償示意圖

7 加工實(shí)例

圖9 分組散點(diǎn)圖

以XX-1(03)通信衛(wèi)星孔表為基礎(chǔ)，運(yùn)行上述分組程序段，可以得到分組情況（部分），將分組情況繪制散點(diǎn)圖，如圖9所示。從圖中可以看出分組精確度很高，與人工判斷分組情況完全一致，參數(shù)調(diào)校合理。

最終程序段如下（部分）：

X-1364.5

Y-720

Z3

G01 Z0

X-1382.5

G00 Z5

X-1534.5

Y-720

Z3

該程序完全滿足加工要求，順利完成了組合加工任務(wù)，產(chǎn)品各項(xiàng)精度指標(biāo)滿足要求，程序質(zhì)量可靠。

利用第6章公式計(jì)算路徑總長(zhǎng)度為15070mm，加工時(shí)常預(yù)測(cè)為1150s，經(jīng)過(guò)加工實(shí)際驗(yàn)證，路徑總長(zhǎng)度15180mm，加工時(shí)常1174s，經(jīng)比對(duì)數(shù)據(jù)一致性良好，預(yù)測(cè)準(zhǔn)確。與XX-1(02)衛(wèi)星組合加工比對(duì)，其路徑總長(zhǎng)度27136mm，加工時(shí)常2102s，加工效率提高了44.1%，單個(gè)循環(huán)縮短了15.46min，完成整面加工一般需要8個(gè)循環(huán)，共縮短123.73min，效率明顯提升。

8 結(jié)束語(yǔ)

新的加工思路與傳統(tǒng)方法相比發(fā)生了比較大的變化，具有以下優(yōu)勢(shì)：

a. 采用改進(jìn)的聚類算法，以加工總時(shí)間為目標(biāo)，將待加工點(diǎn)位分組，解析了最優(yōu)路徑，提高了生產(chǎn)效率。

b. 通過(guò)坐標(biāo)系轉(zhuǎn)換獲取全部加工點(diǎn)位的機(jī)器坐標(biāo)值，大大減少了對(duì)刀次數(shù)，提高了生產(chǎn)效率，降低了高空及狹窄空間作業(yè)時(shí)常和情況，提高了安全性。

c. 程序編譯全部由計(jì)算機(jī)完成，摒棄了人工輸入坐標(biāo)的操作，具有更高的可靠性，同時(shí)提高了生產(chǎn)效率。

d. 通過(guò)激光對(duì)刀裝置判斷加工路徑及余量，僅需一名操作員在地面即可完成，解放了生產(chǎn)力，降低了高空作業(yè)風(fēng)險(xiǎn)，可視化更加直觀，生產(chǎn)效率大幅提升。

下一步將根據(jù)“碰撞干涉[11]”的理論實(shí)現(xiàn)避障，根據(jù)幾何約束條件自動(dòng)完成干涉檢測(cè)。另外在刀具的調(diào)平環(huán)節(jié)可以攻關(guān)新的方法，比如設(shè)計(jì)工裝保證、快接接口設(shè)計(jì)等，縮短刀具調(diào)平的時(shí)間。程序驗(yàn)證輔助工裝進(jìn)行V2.0版本設(shè)計(jì)，進(jìn)一步提高激光點(diǎn)位精度，減小安全裕度設(shè)計(jì)量，通過(guò)以上細(xì)節(jié)進(jìn)一步提高ITP組合加工效率與可靠性。

1 Anil K J. Data clustering: 50 years beyond K-Means[J]. Pattern Recognition Letters, 2010, 31(8): 651～666

2 Likas A, Vlassis M, Verbeek J. The global K-means clustering algorithm[J]. Pattern Recognition, 2003, 36(2): 451～461

3 Selim S Z, Al-Sultan K S. Analysis of global K-means，an incremental heuristic for minimum sum-of-squares clustering[J]. Journal of Classification, 2005(2): 287～310

4 Bellman R, Dreyfus S. Applied dynamic programming[M]. New Jersey: Princeton University Press, 1962

5 Aloise D, Deshpande A, Hansen P, et al. NP-hardness of euclidean sum-of-squares clustering[J]. Machine Learning, 2009, 75(2): 245～248

6 Mahajan M, Nimbor P, Varadarajan K. The planar K-means problem is NP-hard[J]. Lecture Notes in Computer Science, 2009(5431): 274～285

7 Ball G, Hall D. ISODATA, a novel method of data analysis and pattern classification[M]. California: Technical rept. NTIS AD 699616. Stanford Research Institute, 1965

8 Wang Cheng, Li Jiaojiao, Bai Junqing, et al. Max-Min K-means Clustering Algorithm and Application in Post-processing of Scientific Computing[C]//Napoli: ISEM, 2011: 7～9

9 Pena J M, Lozano J A, Larranaga P. An empirical comparison of four initialization methods for the K -means algorithm[J]. Pattern Recognition Letters, 1999(20): 1027～1040

10 Lai J Z C, Tsung-Jen H. Fast global K -means clustering using cluster membership and inequality[J]. Pattern Recognition, 2010(43): 1954～1963

11 Mao J, Jain A K. A self-organizing network for hyper- ellipsoidal clustering（hec）[J]. IEEE Transactions on neural net- works, 1996(7): 16～29

A Satellite Combined Processing Technology Based on Clustering Algorithm

Zang Ziyi Cheng Ze Cai Zhaoyang

(Beijing Satellite Manufacturing Co., Ltd., Beijing 100094)

Based on the research background of the combined processing field of communication satellite solar wing and antenna interface, this paper analyzes the shortcomings of current processing methods. Firstly, based on the analysis of graphic elements, the machining process is enhanced and simulated, and the transition matrix between the machining coordinate system and the satellite coordinate system is constructed using the principle of space coordinate system conversion to realize the overall output of the machining strategy. In terms of path planning, this paper proposes “a processing path planning scheme based on clustering algorithm”, which achieves the optimal processing path planning through a series of processes such as random initialization of cluster centers, “distance” judgment, automatic classification, and vector length cumulative summation. In this method, both the processing path and the migration path are planned by the computer, which reduces manual intervention and improves the efficiency and accuracy of prediction. It laid a theoretical foundation for the subsequent realization of intelligence and automation. This method has been verified on the satellite model, and the processing accuracy has reached the domestic advanced level.

communication satellite；image element analysis；clustering algorithm；path planning

TH181

A

臧梓軼（1989），工程師，機(jī)械工程及自動(dòng)化專業(yè)；研究方向：航天器制造。

2021-07-20