一种反射面天线面板装配优化方法

为提高大型反射面天线形面装配精度及装配效率,提出一种反射面天线面板装配优化方法。该方法从装配工艺入手,基于传统遗传算法的思想,建立了天线装配序列规划的遗传算法数学模型,其适应度函数包含了对装配变形、装配周期及装配人工消耗等方面的评价,考虑到装配精度和装配过程中的功耗,为相应的项赋予权重使其达到多目标优化的目的;同时,建立了天线装配的有限元仿真模型,对遗传算法得到的装配序列结果进行了面向装配过程的面板装配变形动态仿真,并将仿真结果反馈于装配序列规划模型的评价中,及时对遗传算法所求得最优解作出准确评估。以某工程9 m圆抛物面天线的面板装配为例,讨论了不同目标函数时的算法结果和仿真结果,分别求得了精度最高的装配序列、经济度最好的装配序列,以及考虑同时提高装配精度和增强经济度的装配序列。从而证明了所建立的反射面装配遗传算法数学模型的正确性及所提天线装配序列规划方法的高效性。     

装配序列规划问题求解的一种混合算法

基于蚂蚁算法和的遗传算法特点,给出了一种解决装配序列规划问题的遗传和蚂蚁混合算法.混合算法中利用蚂蚁的每一次周游,快速生成问题的一组可行解,用遗传算法对得到的可行解进行快速优化,并根据优化解的质量,生成路径上的信息素分布,以加速蚂蚁最优路径上信息素的积累,从而引导蚂蚁更快地搜索到问题的最优解.实验结果表明,混合算法在装配序列规划问题求解上具有更好的性能.     

一种大型反射面天线面板装配变形仿真方法

为了保证大型反射面天线的表面精度、有效控制面板的装配误差,提出一种面板装配变形仿真和控制方法。该方法从装配工艺入手,基于"单元生死法"建立天线装配的仿真模型,考虑装配顺序、装配预紧力和重力对面板装配的影响,进行面向装配过程的面板装配变形动态仿真,计算装配过程每块面板的实时装配变形及其引起的装配误差,并对装配顺序和装配预紧力进行优化。通过仿真某工程9m圆抛物面天线的面板装配过程,研究了装配顺序和装配预紧力对面板变形的影响,对比实际工程装配结果,证明了所提方法的正确性。     

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。     

基于遗传算法的装配序列规划研究

分析了传统装配序列规划的不足,建立了考虑子装配体稳定性的目标函数,采用带记忆的遗传算法进行装配序列规划;在初始种群生成时,可以输入带专家知识的可行装配序列改善种群的组成成份;在各种群的生成过程中,始终保留所获得的当前最优可行装配序列,确保算法最终收敛到最优或近优解。最后以实例说明该方法的有效性。     

基于改进遗传算法的装配序列优化

针对机械产品的装配序列优化问题,利用产品装配优先关联矩阵,生成可行装配序列作为初始种群。在遗传算法中加入参考集,并结合分散搜索算法的"分散,收敛,集聚"的智能迭代机制,避免了搜索的随机性,以装配的连续性为目标进行优化,不断更新参考集,最终求得最优解。通过特定的交叉和变异使解不断向最优方向发展。最后,以三级减速器为实例分析,验证了改进遗传算法的有效性和可行性。     

求解车间调度问题的一种新遗传退火混合策略

综合了遗传算法和模拟退火算法的优点,提出了一种新的遗传退火混合优化策略。该算法引入模拟退火算法作为遗传算法种群的变异算子,增强和补充了遗传算法的进化能力,同时将机器学习原理引入混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度,使系统能够在很短的时间内得到最优解。针对车间调度的典型问题进行了仿真,结果证明了新算法的有效性。     

基于分布估计—蚁群混合算法的柔性作业车间调度方法研究

针对柔性作业车间调度问题,对其优化方法进行了研究,建立了多目标柔性作业车间调度问题的函数模型,提出了分布估计—蚁群混合算法。该算法首先采用分布估计算法快速得到了全局较优解,然后通过选择部分较优解对蚁群算法信息素初始化进行了改进,最后利用蚁群算法正反馈机制快速寻找到了全局最优解;在改进的分布估计算法中,结合了多种方法进行机器选择和工序排序的初始化,给出了相应概率模型和种群更新方式;在改进的蚁群算法中,通过建立两个路径节点集合进行了状态转移规则的描述,并对信息素更新机制进行了分阶段局部更新和全局更新,有利于蚁群算法快速收敛到全局最优解;通过两个柔性作业车间调度实例进行了仿真分析以及和其他算法的对比。研究结果表明:分布估计—蚁群混合算法在求解柔性作业车间调度问题具有较好优化效果和高效求解能力。     

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。     

基于混合量子进化算法的自动化制造单元调度

为解决传统智能优化算法在求解自动化制造单元调度问题时易出现早熟、陷入局部最优等问题,提出了混合量子进化算法.该算法采用序列染色体和量子染色体相结合的混合编解码策略,利用构造启发式算法生成初始种群,避免了不可行解的大量产生;为提高算法的优化性能,进化过程中采用序列染色体和量子染色体同步交叉变异策略,并引入了基于图论的不可行解修复策略.通过与遗传算法、基本量子进化算法的对比实验,验证了算法的有效性.     

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。     

改进DE算法求解混合流水车间负荷平衡问题

为解决混合流水车间不相关并行机负荷平衡排产优化问题,建立了混合流水车间负荷平衡优化问题数学模型,以并行工位加工时间负荷平衡代价与总工位等待时间加权求和之值作为负荷平衡评价指标。全局优化算法采用双种群自适应差分进化算法,该算法设计了新的双种群结构和协同进化方式,并引入随停止代数自适应调整进化参数的策略,以增强跃出局部极值、保持进化活力的能力。为进一步提高算法搜索最优解效率,设计了一种基于负荷平衡选择概率的初始种群建立方法,以提高初始种群中初始解的质量、缩小有效解空间。基于汽车生产中的实例数据,将双种群自适应差分进化算法与遗传算法、差分进化算法、自适应差分进化算法进行仿真比较,结果表明,双种群自适应差分进化算法的负荷平衡评价指标有显著的降低。     

遗传蚁群融合算法求解多项目资源能力平衡问题

为探索更高效的多项目资源能力平衡优化方法,提出了一种基于遗传蚁群融合算法的求解方法。建立了以单位时间内所有项目的总资源消耗方差为优化目标的问题模型,并设计了模型求解的遗传蚁群融合算法。该算法前过程采用遗传算法进行迭代求解,充分利用遗传算法的快速性和全局收敛性,生成初始信息素分布;后过程采用蚁群算法,充分利用蚁群算法的正反馈性和求精解效率高等特点收敛到最优解。通过具体算例验证了算法的可行性和有效性。     

基于混沌混合算法的装配序列规划

针对遗传算法在求解装配序列规划问题中速度慢、产生重复解等问题,提出一种将蚂蚁算法、混沌算法和遗传算法结合,加入动态更新种群数目这一策略的新方法。利用拆卸干涉矩阵获取零件之间的信息,建立评优指标的信息矩阵。算法前期采用蚂蚁算法进行局部搜索,后期运用混沌—遗传算法进行全局搜索。在全局搜索中,采用Logistic映射生成子代装配序列以避免产生重复解,并设置一定的比例筛选搜索结果,动态更新种群数目。为进一步提高序列优劣的区分度,将装配工具的运用次数与装配方向的改变次数合并为连贯性,同时引入辅助工具这一指标。以齿轮油泵为例,将所提算法与蚂蚁算法、遗传算法和混合算法进行比较,从适应度值、运行时间和收敛速度方面进行分析,验证了该算法的有效性。     

一种基于遗传算法的装配序列规划新方法

装配序列规划的实质是NP组合优化问题,应用遗传算法来解决装配序列规划问题可以得到较好的结果.但是使用传统的遗传算法则收敛速度较慢,通过应用Boltzman变比技术来调整遗传算法在不同时期的选择压力,则可以较好的改善遗传算法的收敛速度较慢的问题.因此提出了一种应用Boltzman变比技术的遗传算法来解决装配序列规划问题的方法.通过使用精英选择技术,保证上一代种群中的最优个体能够顺利的进入到下一代中,以防止种群中优良个体的丢失.并提出了一种基于简化关联图来生成遗传算法初始种群染色体的新方法,该方法结合人工输入的方法,可以保证了初始种群染色体的质量.根据装配序列规划问题的特点,设计了具有针对性的杂交算子和变异算子.在实际应用中,该方法取得了良好的效果.     

堆垛机式密集仓储系统复合作业三维空间路径优化

为提高堆垛机式密集仓储系统的运作效率,提出混合蚁群算法,利用该算法有效地解决了复合作业三维空间路径规划问题。在堆垛机和穿梭车配置比为1∶2情况下,分析堆垛机和穿梭车在三维空间内的实际调度路径,并考虑其运动过程中的加速度建立数学模型。针对该系统复合作业的特点,设计了一种三维启发函数来改进蚁群转移概率,将遗传算法生成的初始解转变为蚁群算法的初始信息素,通过粒子群算法对蚁群算法参数进行优化,避免蚁群算法为寻求最优参数组合而进行大量盲目实验。实例分析表明,所提出的混合蚁群算法与遗传和蚁群算法相比,具有更好的全局性,能够有效地缩短密集仓储系统复合作业的时间、优化三维空间路径、提高进出库调度效率。     

基于影响系数法的薄板电阻点焊定位点优化

定位点的布置会在很大程度上影响薄板焊接装配在法向的变形。针对传统定位点布置优化仅仅研究薄板在外力作用下的变形,利用有限元分析理论,构建了考虑薄板在外力作用的变形和定位点位置两方面影响的薄板装配模型。采用影响系数法构建了偏差源对装配误差的影响系数矩阵,并创建以影响系数的绝对值最小为目标函数的数学优化模型。利用遗传算法求解模型最优解,提出了考虑边界与夹紧点的新型抽样方法来提高该算法初始点的均布性,计算结果表明偏差源对装配误差的影响系数与优化前相比减小了90%。     

融合帝国竞争与遗传算法的零件加工工艺排序方法

针对计算机辅助工艺规划中的零件加工工艺排序问题,以最小化机床、装夹以及刀具变更次数为优化目标,构建了工艺排序的数学模型,并提出了融合帝国竞争与遗传算法的优化求解方法,将帝国竞争算法输出的较优加工序列作为遗传算法的初始种群,通过融合帝国竞争算法不受初始种群影响的特性和遗传算法的快速收敛能力提升算法求解性能。实验结果表明:混合算法寻找最优解的效果比采用单一算法的效果更好,并且收敛速度更快。     

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。