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。     

基于改进蚁群算法的装配序列规划

针对装配序列规划问题,分析了基本蚁群系统的不足,提出了面向装配序列规划的改进蚁群算法,来获得最优或次最优的装配序列.改进蚁群算法中,将装配操作约束作为启发式信息引入状态转移概率中,通过获取零部件之间的装配关系设定可行转移范围.通过信息素残留系数的动态变化和影响转移概率的α、β参数的动态设置,提高了蚁群的收敛速度并有效地避免了其陷入局部最优解.通过实例验证了改进算法的有效性.     

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。     

基于改进蚁群算法的装配序列规划研究

装配序列规划能解决装配过程中所出现的速度和质量问题,降低生产成本。通过考虑装配影响因素,对装配体零件之间关系进行数学建模,提出一种解决该问题的改进蚁群算法。算法提出用加强装配关系矩阵来表示零件之间存在的强约束关系;用加强随机状态转移规则,使蚂蚁能更快地寻找到最优或者近优解;完善信息素更新规则,使算法能更好的利用正反馈机制。通过实例证明,该改进型算法能实际有效地解决装配序列规划问题。     

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。     

基于粒子群算法的产品拆卸序列规划方法

为求取复杂产品的最优拆卸序列,建立了一种产品拆卸赋权混合图模型.利用该模型可以有效地表达组件问的拆卸优先关系,将零件的拆卸序列规划转化为图模型寻优的问题.基于该模型,推导出可拆卸性条件,并通过几何推理的方法产生可拆卸序列.针对复杂产品拆卸序列规划的特点,为了将赋权混合图模型映射到粒子群模型,给出了粒子速度和位置公式以及粒子进化规则,构建粒子适应度,应用粒子群算法实现了复杂产品的最优拆卸序列规划.最后,通过一个实例验证了该方法的有效性.     

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.     

基于改进粒子群算法的移动机器人全局路径规划

在标准粒子群算法的基础上加入混沌初始化、变异以及杂交操作。改进算法在保持标准粒子群算法结构简单、收敛速度快等特点的同时增加了种群的多样性,扩大了粒子搜索空间,有效克服了算法的早熟收敛问题,获得了从起点到终点的最优路径,证明了该方法的有效性和实用性。     

基于改进粒子群算法的工业机器人轨迹规划

针对传统工业机器人轨迹规划效率低、运行不稳定的问题,提出了可以动态调节学习因子的粒子群算法(PSO).该方法通过分段多项式插值进行轨迹的拟合,并运用改进的粒子群算法以时间为适应度函数对工业机器人的轨迹进行优化,有效地将分段多项式插值函数与PSO相结合,避免了粒子群算法构造适应函数的复杂过程,对于传统的PSO初期较易落入...     

基于改进粒子群算法的无人直升机航路规划

针对山区环境下无人直升机航路规划的问题,提出了一种改进粒子群算法.首先建立航路规划数学模型,将路径长度、飞行高度和威胁指数引入适应度函数;然后采用惯性权重因子调节算法的全局和局部搜索能力,利用选择操作和杂交操作增加种群的多样性,避免陷入局部最优;最后当种群陷入局部极值时,采用变异算子跳出局部最优解.将该算法和传统粒子群算法比较,仿真结果表明,该算法可以避免陷入局部最优,缩短搜索时间,较快得到全局最优路径.     

基于改进粒子群算法的农业机械产品装配分组优化配置

针对当前方法对农业机械产品装配分组优化配置时未考虑相关的约束条件,存在算法收敛性差、农业机械产品产出率低和配置性能低的问题,提出基于改进粒子群算法的农业机械产品装配分组优化配置方法。设置关于农业机械产品零件装配的条件,分别为装配公差等级、尺寸链、质量损失公差函数以及成本控制函数,将所有条件进行融合构建装配约束函数,并将其作为农业机械产品装配分组配置模型。利用改进的粒子群算法对模型进行求解,即通过不断更新外部集保证数据完整性,并更新极值,最终经过多次迭代获取最优配置结果,实现农业机械产品装配分组优化配置。实验结果表明,该方法的收敛性好、农业机械产品产出率高和配置性能高,实际应用效果更好。     

基于改进的遗传算法的装配序列规划

针对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.并应用Boltzman变比技术对遗传算法进行了改进,提出了一种基于改进的遗传算法的装配序列规划的方法.通过使用精英选择技术,保证最优种群能进入到下一代中.提出了一种应用简化关联图生成遗传算法初始种群染色体的方法,应用该方法并结合人工输入的方法,可以保证初始种群染色体的质量.实际应用证明,该方法比传统方法更加有效.     

基于中国邮路算法的装配序列规划

基于中国邮路问题及其解法，提出装配序列规划的新方法。把网络图理论引入装配关系模型表达，提出无向装配网络图模型，使装配序列规划问题成为中国邮路问题；通过对装配网络图实施变换，装配模型转换为有向图，生成装配序列，同时给出变换为有向图的方法。该方法计算量小，产生的装配序列均为有效序列。最后，以一个装配实例验证算法的有效性。     

基于灰色粒子群算法的飞机装配公差多目标优化设计

为全面考虑公差对制造成本的影响,将装配成本引入飞机装配公差优化设计模型,针对典型的飞机装配工艺方法,提出一种基于制造成本和质量损失的公差多目标优化设计模型,进而实现不同装配方法约束下的公差优化设计。将灰色关联理论与粒子群优化算法相结合应用于公差优化设计,根据公差设计特点提出改进策略,使其能够有效实现模型的求解。以某飞机典型组件为例,验证了该方法的有效性,并对不同装配方法的公差设计结果进行了对比分析。     

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。     

基于粒子群算法的双工位切削参数优化

本文研究了多工位专用机床的切削用量优化问题.以双工位同时工作的钢轨整形机为实例,建立了以进给速度和主轴转速为优化变量,以最低能耗为优化目标的数学模型,并使用粒子群算法进行优化求解,最后通过与现场使用经验参数的实际加工能耗对比,表明该优化方法获取的加工参数具有明显的节能效果.     

基于改进粒子群算法的刨煤机多目标优化设计

针对刨煤机载荷波动率、刨削比能耗及生产能力问题,根据刨煤机刨削参数和刨头结构参数,并借助改进粒子群算法对刨煤机多目标进行优化设计。优化结果表明:刨煤机载荷波动率降低了20%、刨削比能耗降低了9.8%,生产能力升高了2.5%,极大地优化了上行刨削深度、下行刨削深度、上行刨速、下行刨速、刨刀数量和刨刀间距,有效地提高了刨煤机的整机工作性能。对比不同的优化算法,采用改进粒子群算法优化的刨煤机的综合性能优于其他算法。