Lexicographic optimization for real-time CNC feedrate planning with coupled orientation handling

Dieses Paper schlägt ein abstimmungsfreies Echtzeit-lexikographisches Optimierungsframework für die 5-Achsen-CNC-Vorschubplanung vor, das die Werkzeugposition und -orientierung synchron behandelt und gleichzeitig die Bearbeitungszeit durch sparsamkeitsnutzende Formulierungen und sequenzielles Windowing signifikant reduziert.

Das Wesentliche

Stellen Sie sich vor, Sie fahren ein Hochleistungs-Rennauto auf einer komplexen, kurvenreichen Rennstrecke. Ihr Ziel ist es, die Runde so schnell wie möglich zu absolvieren, ohne zu verunfallen oder das Auto zu beschädigen. Dabei verfolgen Sie jedoch zwei gegensätzliche Ziele:

1. Geschwindigkeit: Sie wollen so schnell fahren, wie es der Motor und die Reifen zulassen.
2. Geschmeidigkeit: Sie wollen das Lenkrad nicht ruckartig bewegen oder voll in die Bremsen treten, da dies die Fahrt unkomfortabel macht und das Auto beschädigen kann.

Dieses Paper präsentiert einen neuen „Co-Piloten“ für Industriemaschinen (speziell für 5-Achsen-CNC-Maschinen, die komplexe Formen ausarbeiten), der genau dieses Problem löst. So funktioniert es, erklärt in Alltagssprache:

Das Problem: Der alte Weg vs. der neue Weg

Der alte Weg (Industriestandard):
Aktuelle Industriemaschinen nutzen einen „Voreinstellungs-Menü“-Ansatz. Sie betrachten den Pfad vor ihnen und versuchen, die Fahrt in eine starre, vordefinierte Form einzupassen (wie eine Treppe oder eine einfache Kurve). Es ist, als würde man versuchen, ein Rennauto zu steuern, indem man nur drei spezifische Gänge verwendet: langsam, mittel und schnell. Das ist sicher und schnell zu berechnen, aber nicht wirklich optimal. Die Maschine muss oft mehr abbremsen als nötig, weil sie nicht die perfekte Geschwindigkeit für jede Kurve finden kann.

Der neue Weg (Die Lösung dieses Papers):
Die Autoren schlagen einen „intelligenten Navigator“ vor, der die perfekte Geschwindigkeit für jeden einzelnen Millimeter des Pfades berechnet. Er rät nicht einfach; er löst ein komplexes mathematisches Rätsel, um die absolut schnellste Route zu finden, die dennoch die physikalischen Grenzen der Maschine respektiert (wie etwa, wie schnell ihre Motoren drehen können oder wie stark sie drücken können).

Die drei großen Innovationen

1. Das „Zweistufige“ Prioritätssystem (Lexikographische Optimierung)

Normalerweise, wenn man versucht, sowohl schnell als auch geschmeidig zu sein, muss man an einem „Balance-Regler“ drehen. Dreht man zu weit Richtung Geschwindigkeit, wird die Fahrt holprig. Dreht man zu weit Richtung Geschmeidigkeit, verliert man Zeit.

Dieses Paper führt ein zweistufiges Prioritätssystem ein, das das Raten überflüssig macht:

• Schritt 1: Der Computer fragt zuerst: „Wie schnell können wir absolut sein?“ Er ermittelt diese Grenze.
• Schritt 2: Dann fragt er: „Jetzt, wo wir die maximale Geschwindigkeit kennen, wie können wir die Fahrt so geschmeidig wie möglich gestalten, ohne die Geschwindigkeit um mehr als einen winzigen, akzeptablen Betrag (z. B. 1 %) zu drosseln?“

Die Analogie: Stellen Sie sich vor, Sie packen einen Koffer.

• Der alte Weg: Sie versuchen, Kleidung unterzubringen, während Sie das Gewicht ausbalancieren, aber Sie packen ständig zu voll oder lassen Lücken, weil Sie das Limit nicht genau kennen.
• Der neue Weg: Zuer Sie packen den Koffer erst bis zu seiner absoluten Maximalkapazität. Danach ordnen Sie die Kleidung vorsichtig neu an, damit sie flach und ordentlich liegt, und zwar so, dass Sie keinen Platz verloren haben. Sie erhalten die maximale Kapazität und die ordentlichste Anordnung, ohne raten zu müssen, wie viel man einpacken darf.

2. Die „Fenster“-Strategie (Sequenzielle Fensterung)

Die Berechnung der perfekten Geschwindigkeit für einen sehr langen Pfad (wie eine 10 Meilen lange Strecke) auf einmal ist so, als würde man versuchen, ein 10.000-Teile-Puzzle sofort im Kopf zu lösen. Das dauert zu lange und bringt den Computer zum Absturz.

Die Autoren verwenden eine sequenzielle Fensterungsstrategie.
Die Analogie: Anstatt zu versuchen, die gesamten 10 Meilen auf einmal zu sehen, betrachtet der Computer nur die nächsten 500 Meter (ein „Fenster“). Er plant die perfekte Geschwindigkeit für diesen kurzen Abschnitt, führt ihn aus und verschiebt das Fenster dann sofort um die nächsten 500 Meter weiter.

• Warum es funktioniert: Es ist wie ein Fahrer, der gerade weit genug nach vorne blickt, um die nächste Kurve zu sehen. Dies ermöglicht es dem System, auf älteren, langsameren Computerchips (wie sie in vielen bestehenden Fabrikmaschinen zu finden sind) zu laufen und dennoch schnell genug für den „Echtzeitbetrieb“ zu sein.

3. Die „Einheitliche Karte“ (Gekoppelte Orientierung)

Bei der 5-Achsen-Bearbeitung bewegt sich die Maschine nicht nur das Werkzeug nach links/rechts/vorne/hinten, sondern sie neigt und rotiert das Werkzeug auch, um komplexe Winkel zu schneiden.
Die Analogie: Stellen Sie sich einen menschlichen Arm vor. Wenn Sie Ihre Hand nach vorne bewegen, müssen sich Ellbogen und Schulter auf eine bestimmte, koordinierte Weise mitbewegen. Wenn Sie die Bewegung der Hand und die Bewegung des Ellbogens getrennt planen, könnten sie aus dem Takt geraten.
Dieses Paper behandelt die Position des Werkzeugs und seinen Winkel als einen einzigen, einheitlichen Pfad. Es plant die Bewegung der „Hand“ und des „Handgelenks“ gleichzeitig, wodurch sichergestellt wird, dass sie perfekt zusammenarbeiten, ohne dass zusätzliche Schritte zur Synchronisation nötig sind.

Die Ergebnisse: Was haben sie bewiesen?

Die Autoren testeten dieses System an einer komplexen, freiformigen Gestalt (wie einem skulpturierten Autoteil).

• Geschwindigkeit: Im Vergleich zu einem Standard-Industrie-Maschinensteuerungssystem erledigte ihre Methode die Arbeit 15 % schneller.
• Effizienz: Das System konnte einen Pfad mit einer Million Kontrollpunkten (extrem detailliert) in etwa 50 Sekunden auf einem leistungsstarken Computer und in 14 Sekunden auf einem älteren Computer verarbeiten.
• Geschmeidigkeit: Durch die Verwendung ihres „Zweistufen“-Systems reduzierten sie das „Zittern“ (Vibrationen) in der Bewegung der Maschine um 24 %, ohne die Geschwindigkeit signifikant zu verringern.

Zusammenfassung

Dieses Paper gibt Fabrikmaschinen ein klügeres Gehirn. Anstatt sich auf starre, vordefinierte Regeln zu verlassen, berechnet es die perfekte Geschwindigkeit für jeden Moment, wobei Geschwindigkeit zuerst und Geschmeidigkeit als zweites priorisiert wird – und das alles, während der lange Pfad in handhabbare Stücke unterteilt wird, damit er sofort auf Standard-Hardware laufen kann. Das Ergebnis sind schnellere Produktionszeiten und präzisere, hochwertigere Schnitte.

Technische Zusammenfassung

Technisches Resümee: Lexikographische Optimierung für die Echtzeit-Vorschubplanung bei gekoppelter Orientierungshandhabung

Problemstellung
Obwohl optimierungsbasierte Vorschubplanungen das Potenzial bieten, die Bearbeitungsproduktivität durch die vollständige Ausnutzung der Servodynamik erheblich zu steigern, wird ihre industrielle Anwendung durch hohe Rechenkosten und den hohen Abstimmungsaufwand für Multi-Objective-Trade-offs behindert. Aktuelle industrielle CNC-Kernel verlassen sich auf profilbasierte Methoden (z. B. Sieben-Phasen-Profile), die feste, stückweise lineare Trajektorienstrukturen erzwingen. Diese heuristischen Ansätze erfassen die krümmungsabhängige, freiformartige Natur zeitoptimaler Vorschubprofile nicht präzise, was die Zeitoptimalität inhärent beeinträchtigt. Zudem mangelt es bestehenden Optimierungsalgorithmen (z. B. konische quadratische Programmierung, sequentielle quadratische Programmierung) oft an der für die Echtzeitausführung auf langen Werkzeugbahnen erforderlichen Effizienz, insbesondere wenn gekoppelte Werkzeugpositions- und Orientierungsbeschränkungen in der Fünf-Achsen-Bearbeitung vorliegen.

Methodik
Die Arbeit schlägt ein umfassendes Framework vor, das drei Kernkomponenten integriert, um diese Einschränkungen zu adressieren:

1. Lexikographisches Optimierungsprinzip:
   Anstatt die Zeitoptimalität (Minimierung der Endzeit) und die Bewegungsglattheit (Minimierung von Chattering) in einer einzigen gewichteten Zielfunktion zu kombinieren – was eine schwierige, geometrieabhängige Abstimmung der Gewichtungsfaktoren erfordert – verwenden die Autoren einen lexikographischen Ansatz.

• Schritt 1: Das primäre Ziel ist die Maximierung der Vorschubgeschwindigkeit (Minimierung der Endzeit), um eine optimale Lösung $b^*(u)$ zu erhalten.
• Schritt 2: Das sekundäre Ziel ist die Minimierung der Variation des Vorschubprofils (Glätte) unter der Bedingung, dass die Endzeit um nicht mehr als eine kleine, vordefinierte relative Toleranz $\epsilon$ abweicht.
  Dies balanciert die Ziele adaptiv aus, ohne manuelle Parameterabstimmung, und entspricht eher der ingenieurtechnischen Intuition.

2. Vereinheitlichte Werkzeugbahnparametrisierung:
   Das Framework nutzt ein vereinheitlichtes Parametrisierungsschema, bei dem die Werkzeugbahn durch einen normierten Pfadparameter $u \in [0, 1]$ definiert ist. Dies ermöglicht die synchrone Handhabung von Werkzeugposition ($p$) und Orientierung ($o$) innerhalb einer einzigen Optimierungsvariablen. Durch die analytische Ableitung der kinematischen Jacobis und Geschwindigkeitstransformationen erzwingt die Methode kartesische Beschränkungen (Position und Orientierung) direkt im Maschinenkoordinatensystem (MCS), ohne separate Bogenlängen- oder Bogen-Radiant-Parametrisierungen zu benötigen, wodurch eine inhärente Bewegungsynchronisation gewährleistet wird.

3. Sparse Discretization und Sequential Windowing (SeWin):
   Um die Echtzeitfähigkeit zu erreichen, wird das kontinuierliche Optimierungsproblem in ein großskaliges lineares Programmierproblem (LP) diskretisiert, das die Sparsity (Dünnbilchigkeit) ausnutzt.

• Sparse Formulierung: Das Problem wird unter Verwendung stückweise linearer Repräsentationen und Hilfsvariablen neu formuliert, um Absolutwertterme zu linearisieren, wodurch eine dünnbilchige Matrixstruktur entsteht, die durch effiziente LP-Solver (z. B. HiGHS) lösbar ist.
• Sequential Windowing: Um lange Werkzeugbahnen zu handhaben, ohne Speicher- oder CPU-Ressourcen zu überlasten, wird die Optimierung sequenziell auf überlappenden Fenstern durchgeführt. Die Anfangsbedingungen jedes nachfolgenden Fensters werden aus der Lösung des Überlappungsbereichs des vorherigen Fensters abgeleitet. Diese Strategie eliminiert die Notwendigkeit mehrerer CPU-Kerne oder großer Speicherpuffer und macht sie kompatibel mit Legacy-CNC-Hardware.

Wesentliche Beiträge
Die Arbeit identifiziert zwei primäre Beiträge:

1. Adaptive Glättung: Ein lexikographisches Design, das eine Vorschubglättung ohne manuelle Abstimmung von Gewichtungsfaktoren ermöglicht und so die Beschleunigungs-Chattering effektiv reduziert, während nahezu optimale Endzeiten bewahrt werden.
2. Skalierbare Echtzeitausführung: Eine Sparse-Formulierung kombiniert mit einer Sequential-Windowing-Strategie, die verifiziert wurde, Werkzeugbahnen mit bis zu einer Million Kontrollpunkten auf Single-Core-CPUs, einschließlich Legacy-Hardware, zu verarbeiten.

Ergebnisse
Die vorgeschlagene Methode (LexLP + SeWin) wurde durch Simulationen und Experimente an einer Fünf-Achs-Werkzeugmaschine validiert:

• Rechenleistung: Auf einem Intel i5-3470 CPU optimierte die Methode Vorschubprofile für eine Werkzeugbahn mit 100.000 Kontrollpunkten in 14 Sekunden. Auf einer Hochleistungs-AMD 9950X CPU verarbeitete sie eine Million Kontrollpunkte in 52 Sekunden. Die Rechenlast skaliert linear mit der Werkzeugbahnlänge, im Gegensatz zur polynomiellen Skalierung von One-Shot-Lösungen.
• Zeitoptimalität: Im Vergleich zu einem industriellen CNC-Kernel reduzierte die vorgeschlagene Methode die Endzeit um mehr als 15 % (z. B. von 20,24 s auf 16,86 s in einem Freiform-Testfall).
• Glätte vs. Zeit-Trade-off: In der lexikographischen Optimierung reduzierte das Setzen einer relativen Toleranz von $\epsilon = 1 \%$ das Beschleunigungs-Chattering um 24 % bei nur 1,3 % Erhöhung der Endzeit im Vergleich zur rohen zeitoptimalen Lösung.
• Experimentelle Validierung: In physischen Experimenten auf einer 3,7-Meter-Freiformtrajektorie erreichte die Methode eine 15%ige Reduktion der Endzeit im Vergleich zum industriellen CNC-Kernel, während die Tracking-Fehler auf einem ähnlichen Niveau blieben. Die Steuersignale waren während der Transientenphasen aufgrund der weniger konservativen Handhabung der Beschleunigungsgrenzen im Vergleich zum profilbasierten Kernel etwas größer.

Bedeutung und Ansprüche
Die Autoren behaupten, dass diese Arbeit die Lücke zwischen theoretischer Vorschaboptimierung und praktischer CNC-Anwendung signifikant verringert. Durch den Nachweis der verifizierten Echtzeitleistung auf Legacy-Hardware für ultra-lange Werkzeugbahnen legt die Arbeit nahe, dass das vorgeschlagene Framework ein lebensfähiger Kandidat für die Integration in zukünftige industrielle CNC-Kernel ist. Die Methode adressiert erfolgreich den inhärenten Trade-off zwischen Zeitoptimalität und Bewegungsglätte ohne die Notwendigkeit einer fallspezifischen Abstimmung und handhabt gleichzeitig die komplexen, gekoppelten Beschränkungen der Fünf-Achs-Orientierung und -Position. Die Autoren merken an, dass sich zukünftige Arbeiten auf die Erweiterung dieses Frameworks auf parallele Kinematik konzentrieren werden, um eine direkte Formulierung im kartesischen Raum zu ermöglichen.