基于改进蚁群算法的激光切割加工路径优化研究

针对激光切割加工全局路径优化采用传统蚁群系统算法时,存在收敛速度慢、易陷入局部最优的问题,对蚁群系统算法进行了改进研究。利用激光加工图元的起点和终点信息,建立了图元等价TSP问题的数学模型,提出了通过最邻近插入算法对蚁群系统算法路径规划结果进行了再优化的改进算法;详细阐述了改进蚁群系统算法的实现步骤,分析了传统蚁群系统算法和改进蚁群系统算法的迭代次数和优化效果。研究结果表明:该改进蚁群系统算法加快了收敛速度,迭代次数减少了约30%,缩短了激光加工所走路径的总长度,并成功应用到自主开发的高速激光切割加工系统中。     

基于蚁群算法的钣金件数控切割路径规划

在熟悉钣金件数控切割方法与工艺的基础上,根据切割工程图,提取工程图中的几何信息,将几何信息转化为工艺信息,建立钣金件数控切割加工路径数学模型,选择蚁群算法,合理规划切割加工路径,为工艺设计、工时定额与成本估算提供基础。     

基于蚁群算法塑模孔群加工路径优化

孔群加工是塑料模具制造中的重要工艺。针对塑模型芯孔群加工问题,提出了一种基于蚁群算法的改进优化方法,通过正交试验优选初始化参数,利用改进后的蚁群算法对塑料模具型芯孔群加工进行路径优化,以解决大规模不规则孔群加工时,空行程过多,加工效率低等问题。与标准遗传算法和蚁群算法相比,孔群加工路径平均值分别降低了6.0%和2.4%。与传统分批加工路径相比缩短了50.1%。实际路径优化效率较好,提高了加工效率。     

基于遗传蚁群混合算法的激光切割机路径优化

激光切割机的路径优化问题是激光切割行业的一个关键问题,针对其特点将其归纳为广义旅行商问题,利用改进的遗传蚁群算法来求解该问题。算法以时间距离最短为目标函数,对轮廓切割顺序及轮廓切割起始点同时进行优化。为了让算法所得解能够快速聚集在最优解附近而又不至于陷入局部最优解,利用遗传算法快速随机的全局搜索能力来产生蚁群算法初期的信息素分布,蚁群算法采用最大最小蚂蚁算法同时在其加入变异因子。仿真结果表明取得了非常好的效果。     

单模单冲数控冲床加工路径优化方法研究

金属板上各孔冲裁顺序直接影响数控冲床冲裁加工时的生产效率。针对目前传统数控冲床加工路径算法单一、加工时间长及路径长度偏大等问题,提出一种基于有选择的最近邻算法和改进蚁群算法的加工路径优化方法。该方法对常见的矩形高密度冲孔板采用最近邻算法,对非矩形阵列分布的孔形采用改进的蚁群算法。实验结果表明,优化后的加工路径在长度及计算时间上取得了较好的效果,提高了冲床加工的效率。     

基于蚁群算法的机器人切割轨迹规划

针对机器人切割软件开发过程中出现的切割轨迹规划问题,提出基于基本蚁群算法求解多轮廓混合轨迹加工路径规划方法。分析了机器人切割轨迹以及规划目标,并设计了符合机器人切割加工实际的改进蚁群算法。通过与图元顺序以及按最近距离求解的算例仿真结果对比,表明了蚁群算法应用于机器人切割轨迹规划的有效性。     

基于图像处理和改进A*算法的激光切割路径生成方法

为了提高纸类异形吸塑包装激光切割系统的自动化程度,实现加工路径智能生成功能,提出一种将图像处理与改进的A*算法相结合的激光切割路径自动生成方法。该方法以工业摄像机采集到的底板纸排料图像为基础,通过图像处理方法获得吸塑包装底板纸的轮廓轨迹路径,对各个轮廓轨迹进行排序,并获得各个轮廓加工的起始点,最后应用改进的A*算法生成各个轮廓间的辅助连接路径,实现激光头的自动避障,最终实现全部切割路径的自动生成,既进行了切割路径优化,又实现了加工路径的智能避障。详细介绍了该方法的原理及实现步骤,并进行了实际加工验证,效果良好。     

三维激光切割编程的研究

针对三维激光切割离线编程问题,利用Visual C++开发工具对SolidWorks 2012进行二次开发,给定精度要求,提取SolidWorks中加工零件CAD模型的切割路径,利用基于弧长参数的二分法对曲线进行离散逼近,得到离散切割路径;针对零件上多段离散切割路径,提出了基于包容盒的多安全平面路径规划算法,根据激光束的方向,将所有环路归类到5个安全平面上,在每个平面上分别用蚁群算法和最邻近算法进行排序;根据获取的离散点位信息,利用变换矩阵驱动的方法,实现了在SolidWorks平台上的三维激光切割加工仿真;同时,在各个离散点位置,调用干涉检查API函数,在实现了激光切割仿真的同时,完成其干涉检查。     

基于蚁群算法的工艺路线生成及优化

针对计算机辅助工艺规划中的工艺路线的决策问题,提出了一种基于蚁群算法的工艺路线生成及优化算法.该算法将被加工零件划分为若干特征元,并由各个特征元的加工链得到该零件的加工元;根据加工元的属性,用加权海明距离表示加工元之间的相似度;根据加工元之间的约束条件,确定其优先加工关系并得到各自的前趋加工元;对基本蚁群算法进行改进,在禁忌准则和约束条件的限制下对解空间进行搜索,从而得到优化的零件加工工艺路线.通过实例验证了该算法的可行性和有效性.     

基于改进蚁群算法的机器人末端路径排序优化

建立了针对机器人加工时的末端运动路径排序优化问题的数学模型,将该模型转化为广义旅行商问题并用蚁群算法求解。同时对经典的蚁群算法进行了改进,即采用多阶段搜索策略、邻域搜索策略及多蚁种搜索策略,使改进后的蚁群算法能为机器人求取一条更优的末端运动路径。计算机仿真与机器人加工实验结果表明,改进蚁群算法所得的末端运动路径比基本蚁群算法所得结果缩短了3%以上。     

机械臂工作路径的改进蚁群-顺序局部搜索规划

为了减少机械臂末端路径长度和关节转动角度之和，提出了改进蚁群-顺序局部搜索的路径规划策略。建立了机械臂路径规划问题模型，对机械臂关节空间节点进行了离散化。使用顺序局部搜索方法确定下一节点待选集合，依据蚁群算法原理确定优化意义下的下一路径节点。考虑到传统蚁群算法收敛慢、求解质量不高的问题，构造了局部信息素随蚂蚁聚集度自适应更新方法，进而提出了局部信息素自适应蚁群算法。经实验验证，在无障碍物环境下，与传统蚁群算法相比，自适应蚁群算法规划路径长度减少了15.27%，关节转角和减少了0.78%。在障碍物环境下，与传统蚁群算法相比，自适应蚁群算法规划路径长度减少了3.26%，关节转角和减少了2.21%。在实物机械臂上进行验证，实验结果与仿真结果一致，验证了这里提出的路径规划方法的有效性。     

改进ACO在移动机器人路径规划中的研究

针对基本蚁群算法(ACO)易陷入局部最优和收敛速度慢的特点,提出了一种在复杂静态环境下移动机器人路径规划的蚁群优化改进算法。该算法通过限制信息素的范围,扩大了搜索范围,避免了算法的过早收敛,同时还提出了一种自适应调节信息素挥发系数的改进蚁群算法方略,旨在通过自适应的调整信息素挥发系数来提高算法的全局性和算法的收敛速度。算法还利用粒子群优化算法对蚁群算法中的关键参数进行优化,从而避免了参数选择的随机性和盲目性,提高了最优路径的搜索效果。仿真结果显示,改进蚁群算法在移动机器人路径规划中的有效性和普遍应用性,在任意随机给定的环境中,算法能够迅速找出最优路径。     

一种复杂图形加工工艺路径优化方法研究

针对当前复杂图形加工中存在加工轨迹之间空行程多,导致加工过程耗时很长等缺陷,提出一种简单、易于实现的加工轨迹切换优化方法。分析了复杂图形加工轨迹切换控制方法,给出了缩短总空行程的优化思想。基于双向蚁群算法原理,推导了双向最大最小蚁群算法（Bidirectional maxmin ant colony system,BMMAS）,结合加工轨迹之间轨迹切换特点,对复杂图形加工工艺路径进行规划设计,给出了算法实现流程及加工工艺路径优化的实现要点。最后利用该方法对平面复杂图形进行了优化加工实验。实验结果表明,该加工方法计算简单,加工效率高,空行程路径长度较其它方法短,加工平稳。研究结果对相似复杂图形加工具有参考价值。     

基于改进蚁群算法激光导航轮式机器人路径规划

针对激光导航轮式机器人在复杂环境中路径规划原始算法存在路径较长和收敛速度较慢的问题,提出了一种改进蚁群算法。在实际算法中,先利用MAKLINK图论建立AGV运行环境的空间模型,接着用Dijkstra算法搜索优化路径;然后,在Dijkstra算法的基础上采用蚁群算法搜索最优路径;紧接着,在改进蚁群算法中,优先选择搜索前后两节点同起点到终点夹角一致或相差不大的后一个搜索节点,获取新的信息素更新策略,并进行角度的初始化和信息素计算;最后,在Matlab上完成算法的编写并得到仿真结果。结果表明,改进蚁群算法路径优化性能更好,对实际环境中机器人的路径规划具有指导意义。     

基于装夹选择的缸体零件柔性机加工生产线平衡优化

针对缸体零件柔性机加工生产线工艺规划中的装夹选择和线平衡问题,提出一种基于不同装夹约束的生产线平衡优化算法,在机床总数确定的情况下,选择规划的装夹进行组合,对不同装夹组合下不同构型的生产线进行优化分析。该算法以加工元描述每个加工操作的属性,并在工艺约束的基础上引入不同装夹组合下的装夹约束和工位时间约束。综合考虑加工中心换刀、转位时间和不同构型下的工位数量,以节拍、工位数量和平衡率为目标建立优化模型。对基本蚁群算法进行改进,采用贪婪策略计算概率,利用精英保留,最终获得多个装夹组合方案下的生产线构型和最优解集。通过复杂实例验证了该方法的可行性和高效性。     

基于改进蚁群算法的立体仓库三维空间路径优化

拣货作业作为在制造企业仓储系统中重要环节,其工作效率直接影响整个仓储系统的运行速度和工作成本.首先基于现有蚁群搜索算法,研究了将原有的二维平面搜索路线空间扩展到三维空间的改进蚁群算法;其次对改进蚁群算法进行仓储三维空间路径优化研究,针对现有仓库货架模型,将蚁群算法中两点间的直线路径转化成水平与垂直的折线路径将概率模型与禁忌表方法加入到改进蚁群算法,避免局部最优解的情况;最后将改进蚁群算法与其他代表性优化算法比较.实例验证结果表明,改进蚁群算法方法能有效地提高在仓储系统三维空间内路径规划的效率与速度.     

考虑客户拖期厌恶行为的4PL路径优化问题

针对不确定环境下的第四方物流(4PL)路径优化问题,考虑到人们在不确定环境下的决策常常受到心理因素的影响,基于累积前景理论建立了4PL路径优化模型。根据4PL选择路径过程需要同时选择第三方物流(3PL)供应商的特点,采用蚁群算法和改进蚁群算法对模型进行求解,并通过算例分析验证了算法的有效性。通过实例将基于累积前景理论的模型与基于期望值理论和期望效用理论的模型进行对比。结果表明,基于累积前景理论的模型能够更有效地刻画客户的心理行为特征,有助于提升客户满意度。     

蚁群优化在移动机器人路径规划上的研究

本文将蚁群优化算法应用于移动机器人的路径规划问题上,介绍了蚁群优化的原理,并根据路径规划的具体要求,对算法中的路径选择策略、信息素更新策略等进行了相应的改进,得出具体的算法流程,最后在Matlab平台上进行了实验仿真。此方法较传统算法具有正反馈性和协同性,实验证明可以更快的得到较优的结果。     

分步求解切割路径的优化算法研究

为实现切割路径优化,提升加工效率,提出了分步求解切割路径的思想。第一步:引用坐标中心点概念,确定所有图案切割点,实现切割路径优化问题向旅行商问题的转化。第二步:设计遗传算子,在MATLAB下实现遗传算法对旅行商问题的仿真求解。与采用最邻近算法确定切割点方法的结果对比,前者最优路径(8 845.2 mm)为后者最优路径(9 652.0 mm)的91.6%,证明了提出算法的可行性。     

基于ACGA的虚拟制造单元重构中资源选择与分配问题研究

在虚拟制造单元可重构的环境下,制造资源选择策略是决定制造系统生产性能的关键因素之一。在保证按时完成所有加工任务的前提下,尽可能有效地利用系统的制造资源,对制造资源进行优化组合,降低制造费用,缩短加工任务的完成时间,从而根据产品开发的需要进行单元重构。本文建立了以满足工件交货期为前提,在产品多工艺路径的制造方式下,制造费用最小,直接利润最大化的资源选择与分配问题的数学模型,引入蚁群遗传算法。这种资源选择首先产生若干个多工艺路径中可能的资源配置,再以此为初始解空间,采用基于动态信息素更新策略的蚁群优化算法,进行寻优搜索,并应用遗传算法中的交叉和变异策略,拓展可行解空间,直至得到满意解。通过实例表明,与遗传算法相结合的蚁群资源优化选择算法收敛速度快,适用于规模较大的计算,并能得到最优解。