基于蚁群算法的吸砂泵装配顺序优化设计

吸砂泵的装配序列直接影响其使用性能和生产效率。为了减低成本,提高吸砂泵的寿命,文章在蚁群算法的基础上对一款18寸的吸砂泵进行装配顺序优化设计。首先根据实物给出泵的三维模型,并基于有向关系图进行吸砂泵的装配建模,在此基础上用拆卸关系矩阵表示约束条件以方便计算机的识别。其次根据上述约束条件设计相应的蚁群算法系统,给出算法流程,完成吸砂泵装配顺序优化方案;再次利用MATLAB开发一个装配顺序优化系统,有助于实现人机交互,为装配顺序优化提供了平台;最后在虚拟环境中对优化的装配序列进行模拟和验证。     

基于最大-最小蚁群系统的装配序列规划

提出一种结合了蚁群系统与最大-最小蚂蚁系统优点的装配序列规划(Assembly sequence planning, ASP)方法。对近十年基于蚁群优化的ASP文献中采用的优化指标、装配信息模型、实例零件数等进行综述和比较。为提高序列的装配效率区分度,研究方向性、并行性、连续性、稳定性和辅助行程等5项指标的自动量化方法,将其融入到蚁群优化多目标启发式函数和适应值函数中。为提高对最优序列的搜索能力,以装配几何可行性为基础,从蚂蚁数量的确定、最大-最小信息素的界定、初始零件分配位置的绩效考核机制以及对并行零件组强制优化机制等方面,设计针对性解决方案,提出基于最大-最小蚁群系统的ASP算法。开发基于Siemens NX的装配规划系统AutoAssem。以阀门为实例,验证了算法内部各项优化措施的有效性,同时与优先规则筛选法、遗传算法及粒子群算法进行比较,分析该算法在运行效率和序列性能方面的优势。     

基于改进蚁群算法的装配序列规划

针对装配序列规划问题,分析了基本蚁群系统的不足,提出了面向装配序列规划的改进蚁群算法,来获得最优或次最优的装配序列.改进蚁群算法中,将装配操作约束作为启发式信息引入状态转移概率中,通过获取零部件之间的装配关系设定可行转移范围.通过信息素残留系数的动态变化和影响转移概率的α、β参数的动态设置,提高了蚁群的收敛速度并有效地避免了其陷入局部最优解.通过实例验证了改进算法的有效性.     

考虑工具操作空间的装配序列生成方法

介绍了基于有向图的装配模型,该模型记录了零件间的优先关系,并对普通零件、紧固件进行不同的描述。在UG环境中对装配工具进行建模,在完整装配体中对工具的安装动作进行仿真和干涉检查,记录下工具同周围零件的潜在干涉信息,利用该信息快速检查装配序列是否满足工具的操作空间要求。然后应用改进的蚁群算法,在优先关系的指导下求解装配序列。针对妨碍工具操作等不可行的序列,提出信息素的惩罚蒸发策略,帮助蚁群避开不可行解。最后通过实例验证了算法的实用性。     

微小卫星的自适应蚁群算法装配序列规划

介绍了复杂的卫星零件装配通过构造装配矩阵将改进蚁群算法用于生成装配序列的方法.但是蚁群算法容易陷入局部最优,为了避免算法陷入局部最优或者停滞,运用自适应伪随机比率选择规则,通过信息素的局部和全局更新,帮助"蚁群"快速的寻找全局最优解,最后通过实例验证了算法的实用性.     

基于约束蚁群算法的装配序列优化

针对装配序列优化问题,定义装配约束条件下的蚂蚁转移概率函数和启发式信息函数,提出了面向装配序列优化的约束蚁群算法,以获得相对较优的装配序列。改进了算法的参数设置,利用信息素残留系数的动态变化以及优化转移概率的公式,控制算法的迭代速度,避免了算法过快收敛导致的局部最优解。运用CATIA二次开发方式获取了干涉矩阵等装配信息模型,并以一个典型实例分析了约束蚁群算法的特性,验证了算法的可行性和可靠性,实例证明了约束蚁群算法的有效性。     

基亏蚁群算法的电子装配工艺优化研究

针对电子装配过程中效率低下的问题,提出了基于蚁群算法的电子装配过程中焊接工艺优化算法。该算法利用蚁群信息素反馈机制和概率选择机制,很好地解决了电子装配过程中不同特性元器件及其对应印制板焊盘操作顺序的优化问题,并应用C＋＋语言编制计算程序,实现对算法的快速求解,最后通过实例验证了该算法的可行性和有效性。通过蚁群算法在电子装配工艺优化中的合理应用,提高了电路板焊接速度与盾量,极大地提升了生产效率和高端电子产品装配的可靠性。     

基于模拟退火算法的装配序列生成与优化

分析了一个优良装配序列应满足的装配约束条件,从几何可行和工艺优良两方面对装配序列进行评价;介绍了影响装配序列工艺性能的四大因素及其量化方法。在此基础上,建立了基于模拟退火算法的装配序列优化规划模型,并对算法的性能和速度进行了分析、处理。最后通过齿轮泵的应用实例说明了该优化算法的有效性。     

多工位装配序列粒子群优化算法

针对传统单工位装配序列求解上的不足,将粒子群算法应用于多工位多目标装配序列优化的求解,提出一种面向复杂多工位产品的装配序列优化方法。采用优先序列图(Assembly precedence graph,APG)来描述零件间的优先约束关系,构建优先关系矩阵、装配干涉矩阵、工位能力表和装配信息表,描述装配部件干涉及工位之间的关系;给出粒子群算法编码体系和装配关系算法模型表达方法;综合考虑装配操作成本、装配工具更换成本和装配夹装变更成本和运输成本的影响,提出有工程意义的适应度函数的表达式;根据APG生成随机的可行初始装配序列,并利用粒子群算法(Particle swarm algorithm,PSO)对装配序列和装配工位进行优化。以飞机起落架装配序列规划实例验证多工位粒子群装配序列优化算法有效性。     

基于混合算法的反射面天线面板装配序列规划

为了改善反射面天线面板的装配变形,从装配工艺入手,基于蚁群算法和遗传算法,结合传统的天线反射面装配方法,提出一种天线装配序列规划的混合算法。该算法利用蚁群算法快速得到初始种群,随后使用遗传算法对初始种群进行优化,根据所得优化解生成蚁群算法中路径上的信息素,通过加速蚁群算法最优解信息的积累来更快地得到最优解;同时,建立反射面装配的有限元仿真模型,利用该模型及时对得到的最优解(即装配序列)进行面向装配过程的面板装配变形动态仿真,将仿真结果返回算法中,进一步校正算法并得到最优解。以某工程抛物面天线的面板装配为例,验证了所提混合算法的正确性。     

基于蚁群算法的选择装配

选择装配是一种由低加工精度零件获得高精度装配件的方法,可归纳为一个组合优化问题,蚁群算法是解决这类问题的有效方法.综合考虑选择装配中的匹配率和匹配精度,提出以综合装配质量指标为选择装配的目标函数.为了求解选择装配的组合优化问题,在蚁群算法的框架内提出一个考虑信息素分布为节点模式的蚁群算法解构造图模型,并详细讨论蚁群算法的实现过程.通过对实例的仿真计算,考证该方法的实效性.     

一种基于遗传算法的装配序列优化方法

基于遗传算法建立了装配序列生成模型,对装配序列进行优化生成。为提高优化效率,该算法将装配方向作为已知数据给出,并引入子装配体进行分层规划。最后,以蜗轮减速器装拆序列规划为实例验证该方法的有效性。     

航空精密偶件计算机辅助选择装配方法的研究

为了提高航空精密偶件的装配精度,通过分析航空精密偶件的生产装配现状,提出了一种考虑形状误差的计算机辅助选择装配方法。采用最小质量损失成本为匹配精度的优化目标函数,建立基于蚁群算法的优化选配模型,并详细讨论了蚁群算法的实现过程。通过实例,验证了该方法的有效性。     

基于虚拟现实和仿生算法的装配序列优化

针对自动装配规划和交互式规划都存在不足,将虚拟现实和仿生算法结合起来,提出一种生成优化装配序列的新方法.建立基于几何约束的虚拟装配环境,在该环境中根据经验和知识进行交互式拆卸,定义优先约束表来表达零件间的优先约束关系.应用蚁群算法规划出初始优化的装配顺序,再在虚拟环境下进行仿真、评价和优化,考虑装配位置可达性和工具操作等因素,识别新的优先约束和评价准则,重新规划出更优的装配顺序,不断反复和完善,直到得到满意的最佳装配顺序为止.通过实例验证该方法有效性.     

一种飞机装配作业批量排产的图解蚁群算法

为提高飞机装配现场作业效率、降低成本,提出了一种求解批量作业最优排产方案的图解蚁群算法.分析了作业经验对装配周期的影响.建立了装配批量作业的资源服务站网络模型,并以此为基础给出了图解蚁群算法求解的构造图生成方法.研究并建立了蚁群算法的状态转移规则、信息更新规则和快速求解附加策略,通过映射甬数实现了构造图路径向装配作业周期的转换.以某型飞机襟副翼装配为例,验证了算法的有效性.     

基于蚁群算法的异步并行装配序列规划方法

为了提高复杂产品的装配序列规划效率,利用蚁群算法的并行性及其搜索过程的独立性,对装配序列进行异步并行求解。首先,调整产品结构树的装配层次关系,并基于多色集合理论(PST)对装配层次结构进行形式化表达,建立PS层次结构树;其次,基于"分治"原则,建立"全局并行、区域线性"的蚂蚁搜索策略,对PS层次结构树进行逐层规划和整合计算,实现装配序列的异步并行求解,并提高求解效率;然后,为了解决非线性装配序列表达方式问题,建立装配序列树模型及其自相关矩阵。最后,通过实例验证了异步并行装配序列方法的可行性与有效性。     

基于改进蚁群算法的装配序列规划研究

装配序列规划能解决装配过程中所出现的速度和质量问题,降低生产成本。通过考虑装配影响因素,对装配体零件之间关系进行数学建模,提出一种解决该问题的改进蚁群算法。算法提出用加强装配关系矩阵来表示零件之间存在的强约束关系;用加强随机状态转移规则,使蚂蚁能更快地寻找到最优或者近优解;完善信息素更新规则,使算法能更好的利用正反馈机制。通过实例证明,该改进型算法能实际有效地解决装配序列规划问题。     

基于改进蚁群算法的汽车混流装配调度模型求解

针对某汽车总装车间混流装配过程涉及大量人工以及人机协同操作而导致工位过载、整车装配质量无法得到保证的问题,建立了瓶颈选装工位负载平衡化、考虑换装与提前作业时间的加工滞后次数最小化的分层序列双目标优化模型,同时设计了一种改进蚁群算法。该算法在信息素全局更新以及概率转移规则过程中,使用一种特定启发式函数,并更改迭代过程中最优解的评价方法。仿真对比实验结果表明,该算法在优化目标函数过程中的收敛速度、收敛精度、最优解质量等方面均优于传统蚁群算法和对比遗传算法,验证了模型和算法的有效性。此外,该算法还可反向求解加工滞后次数为零时的计划生产节拍,具有一定的生产指导意义。     

基于一种树模型的装配序列优化生成的研究

分析了装配序列评价的特点,提出了一种用于表达装配序列的树模型及其生成算法。阐述了装配序列二级分层综合评价与优化的方法,提出了利用熵权法来确定各评价指标的权重,利用模糊综合评价方法对该装配序列树模型中每层关系节点A或节点AP下的各数据子节点进行装配顺序的优化,最终生成优化的装配序列。该方法缩小了装配序列解空间,提高了装配序列的评价效率,并以齿轮减速器为例进行了验证。     

基于遗传退火算法的复杂产品装配序列规划方法

分析了可行装配序列的推理约束条件,建立了考虑装配体稳定性的优化评价模型。采用带记忆的遗传模拟退火算法进行复杂产品的装配序列规划,并通过大量试验分析确定了算法近优运行参数。最后以8E150ZLC柴油机机油泵为例验证说明该方法是一个行之有效的具有工程实际意义的产品装配序列规划方法。