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。     

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。     

一种混合算法在装配序列规划中的应用研究

基于现有复杂产品装配序列的特点,建立了装配体的几何可行性、零件的重新定向次数及装配体稳定性的目标函数。在原有离散粒子群算法的基础上,引入改进的进化方向算子,该算子可较为突出的改进离散粒子群算法的局部搜索能力。提出了一种混合算法,该算法在不牺牲粒子群算法的局部搜索能力和搜索速度的同时,提高其全局搜索能力,减少算法平均迭代的步数。算例表明:该混合算法具有优良的局部搜索特性及全局搜索特性,算法可快速收敛至全局最优解,可有效解决装配序列规划问题。     

面向订单的混流装配线多目标调度研究

针对面向订单的混流装配线车间组装过程中出现堆叠的问题,对该类生产线特点进行了分析,提出了一种理论调度优化模型及其算法。建立了以车间交货时间的准时度和组件完工的同时度为目标函数的车间多目标调度优化模型;对粒子群算法进行了改进,设计了基于吸引子与自然选择的社会粒子群算法来求解多目标优化模型;研究了粒子群的信息描述方法,提出了兼有工序和工件信息的二维编码,将生产信息转化为编程语言,利用MATLAB进行了编程迭代计算和仿真,并对比分析了标准粒子群算法、社会粒子群算法、混合粒子群算法仿真的适应度值、最优解迭代次数,验证了所提算法的优越性。研究结果表明:该多目标调度优化模型在面向订单的混流装配调度问题方面具备有效性和合理性;所设计的社会粒子群算法寻优速度快,寻优效果好;调度方案机器最低利用率可达72.49%,很好地解决了装配的堆叠问题。     

基于改进粒子群算法的机器人路径规划

为了提高移动机器人路径规划的质量,提出了基于改进粒子群算法的机器人路径规划方法。对障碍物进行膨化处理,简化了障碍物模型;通过坐标变换,将二维优化问题简化为一维优化问题;建立了包含路径长度和路径平滑度的适应度函数;分析了传统粒子群算法及缺陷,引入了跳出机制和牵引操作,跳出机制保持了种群多样性和全局搜索能力,牵引操作加快了算法收敛速度,从而提出了改进粒子群算法;经仿真实验验证,改进算法规划的路径在长度、平滑度、规划时间上均具有优势。     

粒子群算法在装配顺序规划中的应用

装配顺序规划是计算机辅助工艺设计的一个重要环节,影响着轿车车身的装配质量和效率.针对当前装配顺序规划易产生组合爆炸等问题,提出了基于粒子群算法的装配顺序规划算法.装配偏差是影响装配质量的重要因素,因此应用装配体的装配偏差评价装配顺序.在装配顺序规划过程中,首先将装配顺序编码为粒子,根据所建立的判断规则进行识别粒子的可行性,并通过装配偏差评估可行粒子的适应度值,然后根据粒子群算法过程规划装配顺序,最后采用前翼子板案例阐述装配顺序的生成和优化过程.     

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。     

粒子群算法在抽油机装配序列规划中的应用研究

在石油机械的产品的装配过程中,此类机械产品的装配顺序优化具有多目标和非线性的特点,针对传统算法在该问题求解上的不足,以及根据此类产品实际的装配规划问题的特点和要求提出一种新的通过粒子群优化算法进行抽油机的装配顺序优化。该方法重新定义了微粒的位置和速度以及相关的各种操作,综合考虑零件装配几何性、装配稳定性以及装配方向改变次数等信息对装配序列的影响,建立了适应度函数,并对装配序列进行了优化。以抽油机产品的装配为例,验证了技术的有效性。     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

双机械臂协作最优装配位置及多目标轨迹优化

为了解决以传统人工示教方式确定双机械臂协作装配位置的局限性和随机性,以双机械臂轴孔协调装配为工程背景,针对协作装配过程中机械臂的整体运动灵活性和轨迹规划,采用粒子群算法进行多次寻优,求解整体全局灵活性最优的装配位置,并基于最优位置进行了多目标轨迹优化。分析了双机械臂协调装配过程中的运动约束关系,以可操作度为灵活性评价指标,提出了双机械臂协作装配系统的可操作度评价方法,以此构建优化目标函数,采用粒子群算法,在双机械臂协作空间中求取系统全局可操作度最优的装配位置;基于灵活性最优位置,采用多目标粒子群算法,以时间、能耗、冲击为目标进行了轨迹优化,并在Matlab机器人仿真平台进行了仿真分析。结果表明,将灵活性指标运用到轨迹规划中,能提高机械臂作业效率,降低能耗与冲击损耗;且整个运动过程可维持较高可操作度,能有效规避传统人工示教方式的随机性,实现双机械臂协作装配的最优灵活性轨迹规划。     

帝国竞争算法在装配序列规划中的应用与改进

对帝国竞争算法进行了研究与改进以解决虚拟装配过程中装配序列规划问题。利用有向图法获得了表达装配关系的邻接矩阵、干涉矩阵、接触-连接矩阵、优先关系矩阵、工具集矩阵,建立了以装配稳定性、连续性及干涉性为评价标准的稳定性函数、连续性函数及干涉函数,并依据层次装配的基本思想,将其与帝国竞争算法融合并引入微分进化算法,通过Matlab编程,以减速器为例进行试验,验证了该算法在装配序列规划方面的可行性,并同帝国竞争算法、遗传算法及蚁群算法进行比较,验证了该改进算法的优越性,为虚拟装配技术的研究奠定了基础。     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

基于改进粒子群优化算法的混流装配线演进平衡

随着产品需求的多样化、装配工艺及技术进步、设备更新等动态变化,装配线平衡方案需不断调整,甚至重新规划与演进平衡。为了探究上述因素对混流装配线演进平衡的影响,提出了实现装配线演进平衡的方法,建立了以最小化装配线的生产节拍、站间平滑指数、演进平衡调整成本为优化目标的混流装配线演进平衡数学模型,并通过改进粒子群优化算法进行优化。在该算法中,为增加粒子的多样性和搜索能力,克服传统粒子群优化算法快速收敛等问题,以粒子进化的成功率来更新算法中的惯性因子,将群体中非最优粒子中的有利信息迁移到群体中的最优粒子上,从而加快算法的搜索速度。结合某企业的生产实例验证了该方法的有效性和可行性。     

基于改进离散粒子群算法的炼钢连铸最优炉次计划

提出了炉次数未知的炼钢连铸一体化生产的组炉模型.对该模型直接求解存在大量不可行解的困难进行分析,提出将该模型转化为伪旅行商问题的方法,并提出采用离散粒子群优化算法求解该问题.针对离散粒子群优化收敛速度和精度低的缺点,提出了一种基于序列倒置的改进离散粒子群优化算法.引入学习选择概率来选择学习粒子,利用运行代数阈值常数确定当前粒子何时向全局最优粒子学习,并通过局部最优子粒子群比决定局部最优子群的规模.讨论了这些参数的选择原则,并给出了相应参考选择范围.实验研究表明,所提模型是合适的,所提改进算法是有效的.     

车辆前纵梁封板冲压的聚集度自适应粒子群优化

为了提高车辆前纵梁封板的冲压件质量,提出了基于聚集度自适应粒子群算法的冲压工艺优化方法。介绍了前纵梁封板的三维模型、坯料设计结果和冲压成形原理。基于成形极限曲线,以减小冲压件的减薄率、增厚率、回弹量为目标,建立了多目标优化模型。使用复合中心实验法设计了5因素5水平的32组实验,基于Autoform软件获得了实验数据。使用BP神经网络拟合了输入输出间的回归关系,并验证了回归模型的精度。在粒子群算法基础上,依据粒子相似度和种群聚集度,将Levy飞行融入到粒子群算法中,提高粒子多样性和算法优化能力,从而并提出了聚集度自适应粒子群算法。将改进粒子群算法应用于多优化模型求解,改进粒子群算法收敛速度早于传统算法,且改进粒子群算法搜索的目标函数值比传统算法减小了3.71%,说明了改进算法的优越性。经验证,优化后的试制件外观合格,减薄率、增厚率及回弹量均满足质量要求,可以进行批量生产。     

第二类双边装配线平衡的混合粒子群算法

双边装配线广泛用于汽车、卡车等大型产品的装配过程中。为有效解决第二类双边装配线平衡问题(TALBP-II),提出了一种新的混合粒子群算法(HPSO)。该算法利用粒子群进行全局搜索,使用遗传算法中的交叉算子增强全局搜索,同时利用变邻域搜索进行局部搜索。结合TALBP-II的特点,提出一种解码方式,减少由于操作关系导致的空闲时间。提出工位时间判断策略,缩小搜索空间,提高局部搜索效率。实验结果表明所提出的混合粒子群算法能有效解决第二类双边装配线平衡问题。     

多工位多机器人装配过程的分布式点焊任务分配方法

整车焊装过程中多工位多机器人的任务分配与工艺规划是影响装配效率的关键问题。该问题涉及到多工位多机器人的层级化任务分配、单机器人点焊次序规划以及多机器人协同等子问题，是一个高度耦合且具有复杂工程约束的优化问题。传统任务分配方法往往以分步优化方式进行求解，在多工位多机器人系统中难以获得有效任务规划结果。为了解决该问题，考虑了机器人可达性、碰撞检测、工位内焊接周期等多重约束，构建了面向层级化任务分配与焊接次序协同规划的多工位-多机器人任务分配(MS-MRTA)问题的综合优化模型，提出改进的自组织神经网络及循环优化策略，获得了MS-MRTA问题的优化求解方案。通过整车侧围案例对所提出方法进行应用验证，结果表明，所提出算法将多工位焊装周期平均下降14.49%,工位内多机器人运行时间一致性提升54.22%。