遗传帝国竞争混合算法在装配序列规划中的研究与应用

为了提高复杂产品的装配效率，对遗传帝国竞争混合算法进行了研究与改进，给出了混合算法的融合策略，以解决虚拟装配中的装配序列规划问题。建立考虑装配序列可行性、装配序列稳定性、装配重定向性以及装配聚合性四个评价指标的适应度函数，以适应度函数值最低为目标利用混合算法进行迭代。以某乘用车后桥减速器为实例进行试验，验证了混合算法在求解装配序列规划问题的可行性，并同单一的遗传算法、帝国竞争算法及粒子群算法进行比较，验证了混合算法在求解装配序列规划问题上的优越性。     

基于遗传算法的产品装配序列规划研究

为解决产品实际装配过程装配序列规划的问题,建立了描述装配过程中零部件间装配关系的几何干涉关系矩阵。设计了以装配换向次数、装配工具更换次数、装配体稳定性和基础件位置为目标函数的遗传算法,并改进了该遗传算法相应的交叉算子、变异算子和适应度函数,以确保算法的有效性。在初始种群生成时,输入由DELMIA软件虚拟拆卸得到的几何可行装配序列,改善种群的组成成份。将该遗传算法应用于某链轮的装配序列规划中,验证了该算法的有效性。     

基于拆卸法的SA-GA混合算法的装配规划研究

针对虚拟系统中的机械产品装配序列规划问题,为了提高产品装配效率,在传统的拆卸法基础上,对模拟退火算法(Simulated-annealing Algorithm, SA)和遗传算法(Genetic Algorithms, GA)进行算法研究和改进,提出两者的混合算法融合策略,有效避免了装配规划中的组合爆炸现象发生。基于拆卸干涉矩阵和接触矩阵判断序列的可行性,量化序列评价因素从而建立序列评价体系,以寻找最优目标函数为目标,利用混合算法进行迭代。以减速器为实例,验证该混合算法在装配序列规划研究中的可行性。并同单一算法进行比较,验证该混合算法的有效性,可以提升36.6%的收敛速率。     

基于递归循环的层次化爆炸图自动生成方法

提出以递归循环和深度优先搜索层次化装配序列的策略自动生成复杂产品层次化爆炸图的方法。为使设计结构符合装配规划的要求,设计了可方便定义子装配体和编辑装配树的装配结构重构功能。为避免重复的干涉检测,研究干涉矩阵合成方法,通过对原始装配关系信息的整合,柔性化生成面向层次化结构的装配关系矩阵。为降低大规模序列规划问题的复杂性,将整体规划任务分解为若干个及若干层级子任务,子任务内采用多规则筛选算法,以基于干涉矩阵的几何可行性为前提,并行性、连续性、稳定性和方向性等为优化筛选指标,循环构建序列。提出递归爆炸算法,循环对层次化装配序列进行深度优先搜索,实时计算已爆炸零部件的累积包围盒,从而确定待爆炸零件位移矢量,自动生成间隔均匀有序、结构紧凑且空间层次感强的爆炸图。开发了基于Siemens NX的装配规划系统Auto Assem,以减速器及汽车部件实例验证了方法的有效性。     

基于遗传算法的医疗显示器支架装配序列优化

针对医疗显示器支架实际装配过程中装配序列规划的问题,采用了基于遗传算法的装配序列优化方法。在虚拟装配过程中,通过拆卸法得到其干涉矩阵,并将遗传算法和干涉矩阵结合起来,以拆卸方向和拆卸工具的变化为目标函数,求得可行拆卸序列。最后以支架的装配为实例,证明了该方法的可行性。     

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。     

基于改进萤火虫算法的装配序列规划方法

针对装配序列规划问题的特点,重新定义了应用于连续空间优化的萤火虫算法的各种相关操作,并对萤火虫算法的迭代规则进行了改进,提出了面向装配序列规划问题的改进型离散萤火虫算法。将改进型离散萤火虫算法和标准型离散萤火虫算法的实验结果进行了比较,同时也将改进型离散萤火虫算法与在装配规划领域应用最广泛的遗传算法进行了比较,验证了改进型离散萤火虫算法的优越性。在适应度函数构造方面,对传统的装配序列规划研究进行了改进,提出了装配序列工具—零件干涉次数评价指标,并通过实例验证了该评价指标的可行性和合理性。     

基于改进粒子群算法的锂电池模块装配序列规划

根据电动汽车中用到的锂电池模块装配特点,提出了模块内部零件的编码规则,并综合几何可行性、装配方向改变次数、装配连续性、装配工具改变次数和装配优先性五个指标设计了目标函数,结合改进的粒子群算法迭代更新得出最优装配序列组.通过电池模块实例对该算法进行了验证,结果表明本文提出的改进粒子群算法可以有效地求解该锂电池模块的装配序列规划问题.     

基于混合蛙跳算法的复杂产品装配序列规划

为提高机械产品的装配效率,提出一种基于混合蛙跳算法的产品装配序列规划方法。该方法针对混合蛙跳算法中各个模因组内的最优样本容易出现趋同性的现象,引入遗传算法,提出最优样本的差异性控制策略,以改善种群的差异性。建立了以装配操作稳定性、惩罚函数、装配方向改变次数和装配工具改变次数为装配序列评价指标的适应度函数模型。以一个装配体实例分析该算法的特性,验证了改进混合蛙跳算法的可行性和稳定性,并将该算法与标准混合蛙跳算法和遗传算法相比较,证明了改进混合蛙跳算法更有效。     

基于改进粒子群算法的多工位装配序列规划

针对现有单工位装配序列规划结果难以满足工位需求的问题,提出一种基于改进粒子群算法的多工位装配序列规划方法。建立多工位装配模型来描述零部件的几何信息及其与工位的关系;用装配序列可行性、装配方向一致性、装配聚合性及工位间平衡性4个评价指标构建适应度函数。为解决一般粒子群算法易陷入局部最优解的问题,对惯性权重进行了改进,提出粒子相似度和相似度阈值的概念,并通过相似度阈值控制粒子的变异,提高了算法的全局搜索能力。以某型发动机为装配实例,验证了改进粒子群算法应用于多工位装配序列规划的可行性;同时将该算法和遗传算法、一般粒子群算法进行比较,证明了该算法的优越性。     

面向装配序列规划的模因算法研究

针对遗传算法在求解装配序列规划问题中收敛速度慢、产生重复解等问题,提出一种基于模因算法的装配序列规划方法。将模因算法中全局搜索与局部搜索相结合动态更新种群的策略引入,采用装配优先约束矩阵和干涉矩阵建立装配规划模型,并以装配单元之间的相异性之和构建适应度函数。在非干涉解空间中进行全局搜索,获得装配规划方案,再通过二叉树中序遍历调序算法将较优方案转化为可行解。通过交叉操作和变异操作后,在可行解空间内进行局部搜索,获得较优解。通过典型柱塞油泵装配规划验证了该算法的可行性和可靠性;并将其与遗传算法进行比较,证明其更有效。     

基于扩展干涉矩阵的几何可拆卸性判别方法

零部件的几何可拆卸性(Geometric dismountability,GD)是基于以拆卸序列求装配序列策略的装配序列规划的前提,干涉矩阵是对其进行判别的重要装配关系模型。为解决零部件在非标准正交轴向上的GD判别难题,提出扩展干涉矩阵(Extended interference matrix,EIM)模型,将现有干涉矩阵结构扩展到零部件局部坐标系轴向。为了便于分析具有复合拆卸路径方向的零部件GD,提出转折式干涉矩阵(Turning interference matrix,TIM)模型,以紧凑的结构描述转折点处完备的干涉信息。为了快速、准确地获取干涉矩阵,提出步进式精检测、基于包围盒的粗检测和加速式检测等自动检测方法,以及静态硬干涉自动屏蔽法。基于EIM和TIM,提出更全面的零部件GD判别算法及流程。开发基于UG NX的全自动装配规划系统AutoAssem,以实例验证各干涉检测措施的有效性,说明EIM和TIM丰富了拆卸方向的多样性和可变性,使GD判别具有面向复杂产品的通用性,为后续序列规划算法提供了有效依据。     

基于改进遗传算法的装配序列优化

针对虚拟装配序列规划过程的特点和要求,提出了使用装配体在空间坐标系中的干涉矩阵和添加装配零件的装配方向,装配工具和装配类型等约束信息的基因组片相结合的方法,通过几何约束和工艺约束,排除不可行的装配序列,缩小解空间,使算法快速收敛,实现最优序列,最后通过马铃薯种植覆膜机的减速器进行实例验证。     

基于干涉矩阵的装配序列规划

阐述了利用干涉矩阵进行装配方向可行性判断和应用遗传算法进行装配序列规划的方法.干涉矩阵可从三维CAD系统中得到,为减少搜索空间和更快得到能满足装配工艺性的最佳装配序列,可结合装配工艺性和装配的特点对干涉矩阵适当进行处理.该方法有利于实现从三维CAD系统到装配序列的自动规划,最后以实例通过MATLAB编程说明该方法的可行性.     

基于离散粒子群算法的装配序列规划

为解决复杂产品的装配序列规划问题,提出了一种基于离散粒子群算法的装配序列规划方法。针对装配序列规划问题的特点,对传统应用于连续空间的粒子群算法中的粒子位置、速度及其更新规则重新进行了定义,综合考虑产品装配过程中的重定向性、稳定性和聚合性,建立了多目标适应度函数。以汽车座舱模块总成的装配序列规划验证了算法的合理性和有效性。     

基于关联函数的复杂产品装配序列规划方法

针对复杂产品装配序列规划时出现组合爆炸的问题,将粒子群算法应用于求解复杂产品装配序列规划.基于可拓集合理论中关联函数的概念,提出了一种装配关联函数,由此结合各种联接关系的装配难易度构建装配联接函数.以发光二极管分拣机电极模块为例,说明了装配联接函数的计算方法.将装配联接函数、产品装配可行性和装配稳定性作为评价标准,构造装配序列规划的多目标模型.应用该方法,采用整数编码方式,对发光二极管分拣机进行了装配序列规划,并将粒子群算法与遗传算法进行对比分析,结果显示了粒子群算法的优越性.     

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。     

面向协同装配规划的装配单元规划方法

作为复杂产品装配规划的有效求解策略,协同装配规划将复杂产品的装配规划结构按照装配要求分解为简单的子装配规划结构,子装配规划结构的最优或次优装配序列采用成熟的装配规划方法求解,通过装配序列合并得到产品的整体装配序列。协同装配规划所要解决的首要问题是装配规划结构分解,针对这个问题,提出装配单元规划方法。首先从产品可装配性的角度分析了影响装配单元规划的装配设计和装配工艺约束,并对归类的部分装配约束进行量化;进而基于模糊层次分析法生成装配单元决策图,采用最小生成树算法生成候选装配单元。同时,建立装配关系干涉矩阵对候选装配单元进一步验证,生成装配过程中互不干涉的装配单元。以一款电动机装配体为例验证提出的方法,结果表明该方法是一种求解装配规划结构分解问题的有效方法。     

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。     

定位关系在装配序列规划中的应用研究

为提高产品仿真装配效率和满足装配工艺要求,提出一种基于定位关系分析的分类装配序列规划方法.首先对零件的装配特征属性进行预定义和分类,然后根据装配零件的联接关系,在可行拆装方向上建立所有邻接零件的定位关系链有向图;按照定位链顺序依次对零件进行干涉检测并更新其定位关系,最终获得可行装配序列.实例表明,该方法简化了模型的装配关系并有效缩小其装配序列解空间,在一定程度上提高了装配规划效率,并通过虚拟拆装仿真过程验证其生成序列的正确性和可行性.