基于模糊软时间窗的车间物料流路径优化方法

为解决实际生产过程中工位物料需求时间不确定的问题,提出基于模糊软时间窗的复杂机械装配车间配送路径优化方法。该方法以"以工位为中心"的物料配送模式为基础,考虑复杂机械装配实际生产中生产节拍波动所引起的物料需求时间变化,利用物料到达时间的模糊隶属度函数表征工位对物料到达时间的满意度。在此基础上,以工位对物料到达时间的平均满意度为约束条件,以最小化配送成本为目标,建立了带模糊软时间窗的物料配送路径优化模型,并采用动态规划和模拟退火遗传算法相结合的方法对模型进行了求解。通过实例验证了该模型的可行性和有效性。     

基于时间窗约束的车间物料配送路径优化方法

针对混流生产车间物料配送需求的准确性和及时性,综合考虑实时生产状态和不确定因素,以实时生产数据为依据,动态计算各工位配送时间窗,并用正态模糊数的隶属度表示工位满意度。在此基础上,建立以配送成本最低为目标,以时间窗、运载能力和持续能力为约束的物料配送路径优化模型。采用基于禁忌搜索的改进遗传算法求解模型,该算法将禁忌搜索的记忆功能融入遗传算法中,防止遗传算法陷入局部最优。最后,通过实例验证该方法的有效性和可行性。     

面向装配过程的物料配送路径优化研究

针对生产车间物料配送的实际需求,考虑车间工位缓存区有容量约束的限制,建立了面向装配过程的物料配送路径优化问题模型,针对遗传算法易早熟的缺陷,采用了一种基于预选择机制的遗传算法对模型进行了求解。得到的配送顺序及路线用于指导车间的物料配送,可有效降低车间的配送费用,提高配送效率。最后通过实例仿真验证了模型的实用性和有效性。     

基于启发式DCPM-FGA的产品装配序列规划

为有效获得优化的装配序列,提出了一种将比较比例方法与模糊遗传算法相结合,并加入启发式搜索策略的新方法。采用连接矩阵和干涉矩阵描述装配模型,并在此基础上通过计算得到装配序列的启发式信息。根据启发式信息设计了具有启发性的种群初始化算子、交叉变异算子、可行序列调整算子,以帮助比较比例方法和模糊遗传算法避开无效序列。通过实例分析表明了所提方法的高效性。     

洗衣机装配序列遗传优化建模及算法研究

为了研究装配序列遗传优化问题,以某洗衣机装配序列规划为例,讨论了面向装配序列遗传优化的建模方法。结合装配生产线布局、工位装配能力和工件连接关系的实际,给出了可装配性性能指标相关权重的一般性确定原则,建立了面向遗传优化的装配模型,并设计了遗传优化的编码方式和进化算子。为保证个体的有效性,提出了工位约束检验和以连接关系为依据的工件约束检验;为保持种群多样性、避免遗传算法早熟,提出了采用局部搜索策略进行扩展操作的方法。对洗衣机装配序列优化的结果验证了所建模型及所提算法的有效性。     

考虑时间窗和装载约束的装配线集成物流调度

针对电动工具装配车间物料配送的集成调度问题,考虑配送时间和配送效率,将集成调度方案划分为两个层次,以空间利用率最大化为目标构建基于标准化料箱的物料装载模型,并将物料装载约束与装配车间配送路径规划问题有机融合,结合装配流水线的动态需求时间窗信息,构建考虑时间窗和最优装载约束的车辆路径最优配置模型,保证配送及时性和成本优化双重目标要求,给出了基于遗传算法的模型求解方法,并通过不同规模问题的算例验证了模型和算法的有效性。以南京D公司电动工具装配车间实际背景为例,提出了物流调度方案,进一步表明该模型和算法能够有效提高车辆装载率并降低车间物料配送成本,具有实际应用价值。     

多模糊信息条件下的物料配送路径规划问题研究

混流装配线的物料配送是支撑装配线运作的复杂系统。配送准确、及时不仅能够保证生产不断线,还能大大提高生产效率,发挥混流装配的优势。但是配送环节中往往存在工位货物需求量,工位预约到货时间和车辆运输时间不确定等因素,使得传统路径规划模型不能真实地反映现场情况,反而因种种异常导致事倍功半。对不确定因素进行考虑,建立模糊信息条件下的机会约束规划模型,并改进传统混合智能算法去求解模型。算法设计上,采用轮盘赌启发式算法来缩小初始解的搜索范围,在交叉算子中提出用广义海明相似度概念来区分染色体的相似程度,在进化过程中采用双选择双变异流程来加快算法的收敛速度。通过实例证明该算法处理不确定因素的可行性和高效性,并对模糊参数中关键因子的置信度选择不同值进行对比分析,给出选择建议。     

模糊时间窗约束下的装配线物料配送方案优化

为解决装配线物料无法及时准确配送的问题,提出了一种动态的联合配送策略,在此基础上以最小化单个产品配送成本、最大化工位满意度为目标,建立模糊时间窗约束下的物料配送数学模型。利用NSGA-Ⅱ算法求解出最佳的工位组划分、小车出发时间和配送路径,并对配送小车容量及配送时间窗进行优化。利用Plant Simulation软件搭建某生产线仿真模型进行模拟,验证了配送方案的可行性。与一般配送策略进行对比,结果表明,在保证配送工位满意度的前提下,优化时间窗能进一步降低单个产品的配送成本。     

基于模糊机会约束规划的再制造装配车间调度优化方法

针对再制造零部件质量的不确定性导致工位装配时间波动范围大和调度模型难以准确描述的问题,采用基于可信性测度的模糊变量表示再制造零部件的装配时间,建立基于置信水平下的模糊机会约束规划调度模型,并提出求解该模型的混合智能优化算法：应用模糊模拟技术产生样本数据;利用反向传播算法训练多层前向神经网络逼近不确定函数;将训练后的神经网络与遗传算法相结合,以优化再制造装配车间调度问题。实例验证了该模型和算法的可行性。     

基于改进遗传模拟退火算法的刀具准时化配送路径规划

为了解决准时生产下的刀具准时化配送路径规划问题,在对数控车间刀具配送流程进行分析的基础上,建立以工序平均满意度和配送车辆数为优化目标的带模糊预约时间窗的刀具配送路径模型。采用改进遗传模拟退火算法对该模型进行求解,在标准遗传算法的基础上,使用模拟退火算法改进遗传算法的变异算子,通过最佳保存策略和排序选择法结合保护最优个体,并辅以自适应交叉概率。最后,通过具体实例证明了该方法解决刀具准时化配送路径优化问题的有效性与可行性。     

行驶时间区间不确定的装配线物料配送路径规划

为解决装配线物料配送中车辆行驶时间不确定导致物料不能及时送达的问题,提出行驶时间区间不确定的路径规划方法。不确定行驶时间由区间数表示,采取鲁棒优化方法,引入路径相关不确定参数,以最小化车辆行驶距离为目标,考虑三维装载和时间窗约束,建立装配线路径规划模型,并设计了一种混合遗传算法求解模型。算法中,采用锦标赛选择避免适应度值转换,设计一种离散莱维飞行提高算法搜索性能,通过与不同算法对比,表明了该算法的有效性。最后以变速器装配线物料配送路径规划问题为例,通过该方法得到了不同不确定程度下的路径方案,使用蒙特卡罗方法分析了不同方案抵抗不确定行驶时间的能力。     

基于遗传算法的飞机装配序列规划优化方法

在基于割集的装配顺序规划方法中,随着零件的增加,装配序列数呈指数增加,由此导致算法的组合爆炸问题。为此,提出了基于．遗传算法的装配序列规划优化方法,研究了零件装配信息的基因组表示方法,将参与装配的零件的基因组排列成序,实现装配顺序的染色体表示。采用模糊集理论建立了适应度函数,并对装配序列进行评价和优化。以某型飞机机翼产品为例,验证了技术的有效性。     

柔性作业车间多自动导引小车和机器的集成调度

针对含有AGV的柔性作业车间调度问题,提出基于时间窗和Dijkstra算法的混合遗传算法。建立了AGV/机器的双资源调度数学模型;采用3种解决策略处理多AGV路径规划冲突和碰撞;为了将机器和AGV调度集成考虑,设计了三链式编码结构及AGV编码链的交叉、变异算子,同时在遗传算法的解码操作中将Dijkstra算法与时间窗原理相结合,以精确地为任务小车规划出一条无碰撞无冲突的最短路径;算例对比验证了该算法的可行性、有效性和优越性。     

考虑双联卡箍约束的航空发动机多管成束敷设优化方法

为解决航空发动机多管路成束敷设问题,提出了一种基于双联卡箍约束和改进NSGA-Ⅱ的管路敷设优化方法。提出一种基于混沌反向学习机制和Levy变异算子的改进NSGA-Ⅱ算法,以改善算法收敛性和非支配解分布性。为解决管路和卡箍的装配约束和设计耦合关系,建立了基于双联卡箍约束的路径模式,生成卡箍和路径控制点,综合考虑管路敷设与卡箍布置规则,基于改进NSGA-Ⅱ设计管路-双联卡箍敷设算法,对卡箍位姿参数和管路路径同时求解。根据多管端口相对位置,提出基于聚类分析的管路分组及敷设序列规划方法,调用管路-双联卡箍敷设算法完成多管成束规划。所提敷设方法在管路设计阶段即考虑卡箍布置问题,实现了双联卡箍布置和多管成束敷设的同时自动规划,最后通过测试函数和敷设算例验证了所提方法的有效性。     

基于免疫遗传算法的工艺设计与调度集成

为实现工艺设计与调度的并行分布式集成，建立了工艺规程调度仿真优化的数学模型，确定了模型的决策空间、目标函数及约束条件。提出了一种协同进化免疫遗传算法，用以同时优化零件的备选工艺规程组合和调度方案，通过工艺种群及调度种群的相互促进，实现协同进化，依据抗体的亲和力及抗体浓度来保持群体的多样性，根据抗体的激励度来进行免疫选择，采用最优解保持策略，确保算法的收敛性，考虑编码特点，工艺抗体采用均匀交叉及随机扰动变异，而调度抗体采用均匀顺序交叉及倒位变异。通过对10台设备10种零件的实例仿真，验证了算法的有效性。     

Integrated knowledge-based assembly sequence planning

This paper presents a novel approach and system for the automatic generation, selection and evaluation, optimisation, and simulation of assembly plans. The information and knowledge about a product and its assembly (e.g. assembly constraints, solid model and CAD database, heuristic rules) are described using a hybrid approach and model with numeric and symbolic representation. A new methodology is presented to generate all feasible assembly sequences of the product by reasoning and decomposing the feasible subassemblies, and representing them by the assembly Petri net modelling. Qualitative strategic constraints are then used to evaluate the feasible assembly sequences. In order to obtain a good assembly sequence, some quantitative criteria such as assembly time and cost, workstation number, operator number, and part priority index are applied to select the optimal assembly sequence. Based on DFA analysis, MTM time analysis, and assemblability analysis, estimates are made of the assembly time and cost of the product when each of these sequences is used. A knowledge-based system KAPSS has been developed to achieve the integration of generation, selection evaluation, and visualisation of the assembly sequences.     

机械手时间最优轨迹规划方法研究

提出一种基于模糊遗传算法的机械手时间最优轨迹规划方案。该方案对简单遗传算法进行了改进，将模糊原理应用于遗传算法，形成了模糊遗传算法，对遗传算法中的交叉概率及变异概率进行模糊控制，提高了算法的收敛速度，有效地避免了初期收敛的发生，在进行时间最优轨迹规划时，综合考虑了机械手的运动学与动力学特性，采用罚函数方法来处理力矩约束。经仿真研究表明，该方法简单实用，适用于大范围空间的轨迹规划，克服了传统的非线性规划方法容易陷入局部极小的不足。     

基于实例的装配顺序规划技术研究

研究装配实例表示与重用技术，提出一种基于实例的装配顺序规划方法。通过对装配知识的组织来构造装配实例模型，采用基于相似度的实例检索算法，通过实例的检索获得符合设计要求的最佳匹配实例。以某机型机翼为例进行验证。     

受人观测启发的UUV前视声纳滤波方法

UUV依据前视声纳探测信息进行在线滚动路径规划。针对浅水环境下声纳探测信息受物理及声场环境干扰杂波较多的问题,提出了一种受人观测启发的前视声纳滤波方法。首先,建立了声纳视域模型,然后采用小波阈值法进行声纳信息的初步去噪;其次,引入仿人观测的真伪目标判别策略,提出了基于时间滑窗的探测目标模糊关联与真伪判别算法。湖试结果表明:该算法能够滤除浅水环境下声纳探测信息的杂波,可提供可信环境信息,并引导UUV避开岛屿、浮箱等典型障碍目标。