臧梓軼 程 澤 蔡朝陽

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

（北京衛(wèi)星制造廠有限公司，北京 100094）

以通信衛(wèi)星太陽翼及天線接口組合加工領(lǐng)域為研究背景，分析了當(dāng)前加工方法的弊端。首先基于圖元分析，對加工過程進(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”，通過隨機(jī)初始化聚類中心、“距離”判斷、自動分類、矢量長度累積求和等一系列流程，實現(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算機(jī)規(guī)劃，減少了人工干預(yù)，提高了效率與預(yù)測的準(zhǔn)確度。為后續(xù)實現(xiàn)智能化、自動化奠定了理論基礎(chǔ)。該方法在衛(wèi)星型號上得到驗證，加工精度達(dá)到國內(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。以某型號東四平臺通信衛(wèi)星為例，其主體構(gòu)型是一個2100mm×3600mm×2360mm的長方形箱體，由平臺結(jié)構(gòu)和通信艙結(jié)構(gòu)組成，另外還有作為次級結(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。整個結(jié)構(gòu)分系統(tǒng)的組成示意圖見圖1。平臺結(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±太陽翼安裝面、±及+對地天線安裝面等關(guān)鍵接口具有縱向跨度大（3m以上），點位多（102數(shù)量級）、分布離散的特點，為了保證太陽翼及天線的安裝精度及可靠性，在研制過程中通過對其組合加工的工藝方法，保證其形位精度滿足設(shè)計要求。由于衛(wèi)星在該階段已實施管路等推進(jìn)分系統(tǒng)項目，故對生產(chǎn)環(huán)境要求極為嚴(yán)格，需在10萬級凈化廠房內(nèi)研制，另外加工過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。作為非接觸式測量設(shè)備，可以完成大尺寸結(jié)構(gòu)件高精度測量工作以及精測數(shù)據(jù)擬合工作，測量精度優(yōu)于0.05mm。根據(jù)組合加工的要求，原廠在測量功能的基礎(chǔ)上開發(fā)了組合加工功能，通過測頭和加工頭的轉(zhuǎn)換實現(xiàn)功能切換，現(xiàn)已經(jīng)廣泛應(yīng)用于各平臺衛(wèi)星關(guān)鍵對外接口組合加工，ITP結(jié)構(gòu)如圖2所示。

圖2 設(shè)備實物圖

2 傳統(tǒng)加工方法及其弊端

由于ITP主要功能是三坐標(biāo)高精度測量，故其三維導(dǎo)軌的安裝精度經(jīng)過激光干涉儀的嚴(yán)格調(diào)校與補(bǔ)償，決定其移動方向是基于機(jī)床坐標(biāo)系定義。而傳統(tǒng)意義上，對于大型五軸加工機(jī)床，可以通過基準(zhǔn)轉(zhuǎn)換的方式實現(xiàn)衛(wèi)星坐標(biāo)系與機(jī)床/加工坐標(biāo)系的重合，實現(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，要求裝配工裝上表面相對轉(zhuǎn)臺平行度≤0.03/1000mm，決定衛(wèi)星的絕對姿態(tài)必然會與ITP坐標(biāo)系存在一定的微小夾角，ITP設(shè)備無法實現(xiàn)與衛(wèi)星坐標(biāo)系的統(tǒng)一是實現(xiàn)自動編程的一大癥結(jié)[2]。

目前由操作人員通過操作ITP手柄或面板獲取實際進(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：

圖3 組合加工流程圖

a. 效率十分低下，占用主線時間長，各工序時間占比如表1所示。

表1 各工序占比分配表

b. 在程序驗證時，通過旋轉(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，該操作過程十分繁瑣，人眼很難精準(zhǔn)判斷相對位置，另外操作空間狹小，從正面和側(cè)面觀察得到的結(jié)果會存在偏差。

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

根據(jù)統(tǒng)計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，整個組合加工的時間為8d，其中耗時最長的為第5項組合加工，占比50%，其次是第3項獲取對刀坐標(biāo)，編譯程序，占比25%，此兩項就占據(jù)了全部項目的75%，耗時最長，剩余項目占比時間幾乎相等。在剩余的項目里其中第1項“基準(zhǔn)坐標(biāo)系測量待加工區(qū)域”、第2項“測頭更換為加工頭”及第6項“加工后精度測量”為固定操作，無優(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，由于全部由人工實施，不能確保程序編制100%正確，可能引入風(fēng)險。

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

d. 在加工可靠性方面：根據(jù)以往型號的加工結(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)量的重點方向。

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

3 加工原理

衛(wèi)星以部裝支架圓心為基準(zhǔn)點，±軸上的銷孔連線為基準(zhǔn)線，指向+，對接法蘭面為基準(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ITP手柄或控制面板控制主軸移動，ITP屬于單軸控制設(shè)備[4]，所以每次移動均為→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，通過觀察進(jìn)入點及遠(yuǎn)離點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)入點及遠(yuǎn)離點記錄相應(yīng)的坐標(biāo)值，用于后續(xù)的程序編譯。重復(fù)上述過程直到獲得全部加工坐標(biāo)。

程序示例如下：

X100 %軸移動至坐標(biāo)100；

Z1600 %軸移動至坐標(biāo)1600；

X40 %軸移動至坐標(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

在加工過程中主要分為慢速模式（用于切削）及快速模式（用于移動），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。屬于同一“圖元”的埋件應(yīng)劃分為同一組別加工，這是由于對于每一個埋件，以橫向加工為例，其加工過程為：a.→慢速靠近進(jìn)入點；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。兩點在距離很近的時候，如果采用單點加工的策略，會重復(fù)a～d的過程，效率低下。所以認(rèn)為可以定義“合適的距離”，以隨機(jī)的點為中心向四周輻射，搜索“距離”內(nèi)的點位作為分組原則，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)）分類問題的一種統(tǒng)計分析方法，同時也是數(shù)據(jù)挖掘的一個重要算法。聚類[7]（Cluster）分析是由若干模式（Pattern）組成的，通常模式是一個度量（Measurement）的向量，或者是多維空間中的一個點。通過聚類算法將待加工埋件分類，用于后續(xù)加工向量長度計算，對目標(biāo)函數(shù)求最優(yōu)解[8]。

5 聚類分組的過程及實現(xiàn)

利用Python編譯開發(fā)程序。其基本思路為，首先遍歷孔表，利用最高點（激光跟蹤儀測量獲得）的標(biāo)號索引（該點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，判斷二者的距離，如果滿足向不超過30mm及向不超過1000mm（此兩項數(shù)據(jù)為自定義），則認(rèn)為第二點屬于“一號聚類”群，重復(fù)以上過程將符合條件的點歸集到群中，直至有不滿足條件的點位出現(xiàn)，將該點定義為“二號聚類群”的聚類中心，重復(fù)上述過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 點位及路徑計算

圖7 路徑偏置示意圖

圖8 路徑補(bǔ)償示意圖

7 加工實例

圖9 分組散點圖

以XX-1(03)通信衛(wèi)星孔表為基礎(chǔ)，運行上述分組程序段，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)品各項精度指標(biāo)滿足要求，程序質(zhì)量可靠。

利用第6章公式計算路徑總長度為15070mm，加工時常預(yù)測為1150s，經(jīng)過加工實際驗證，路徑總長度15180mm，加工時常1174s，經(jīng)比對數(shù)據(jù)一致性良好，預(yù)測準(zhǔn)確。與XX-1(02)衛(wèi)星組合加工比對，其路徑總長度27136mm，加工時常2102s，加工效率提高了44.1%，單個循環(huán)縮短了15.46min，完成整面加工一般需要8個循環(huán)，共縮短123.73min，效率明顯提升。

8 結(jié)束語

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：

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

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

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

d. 通過激光對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，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]”的理論實現(xiàn)避障，根據(jù)幾何約束條件自動完成干涉檢測。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)計工裝保證、快接接口設(shè)計等，縮短刀具調(diào)平的時間。程序驗證輔助工裝進(jìn)行V2.0版本設(shè)計，進(jìn)一步提高激光點位精度，減小安全裕度設(shè)計量，通過以上細(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)械工程及自動化專業(yè)；研究方向：航天器制造。

2021-07-20