基于遗传蚁群混合算法的孔群加工路径优化

为了提高孔群的数控加工效率,以孔群加工路径最短为目标函数,采用遗传蚁群混合算法对孔群加工路径规划问题进行研究。该混合优化算法的前期采用遗传算法、后期采用蚁群算法。在遗传算法向蚁群算法转换过程中,提出一种GSA遗传解到信息素转化策略。该策略以在遗传解endpop中选取前90%个个体和再随机产生的10%个个体合并后组成的新矩阵作为信息素值的转化依据;同时探讨了遗传算法中遗传算子的最佳组合问题。实例计算结果表明:与传统分批按编号加工的路径相比较,采用最佳组合算子和GSA转化策略后的遗传蚁群混合算法求解问题所获得的孔群加工路径缩短了70.9%,比单一遗传算法具有更高的求解精度,理论上可以明显地提高孔群的数控加工效率。     

基于Plant Simulation的多机器人协作分拣系统仿真分析

为了分析并提升多机器人协作分拣系统的效率,构建了其仿真模型并提出对应的路径规划与避碰交通管理方法。首先根据多机器人协作分拣流程,构建了对应的仿真模型;然后,为了提升多机器人路径分布的均衡性,提出了一种多目标优化路径规划算法;其次,设计了一种基于栅格点动态分配的交通管理方法以兼顾多机器人间的避碰及作业区共享需求;最后,利用构建的仿真模型对提出的方法进行分析,仿真结果表明所提出的多目标优化路径规划算法,能够显著提升多机器人路径分布的均衡性,从而提升多机器人系统的分拣效率。     

工业机器人分拣技术的实现

以MOTOMAN-UP6机器人为基础,构建了一个基于机器视觉的机器人分拣实验系统.该分拣实验系统由机器人、PC机、相机、图像采集卡、传送带和自开发的分拣控制软件组成.系统的工作原理和工作过程为:当目标对象源源不断地进入分拣作业区时,通过相机连续自动地获取作业对象图像,然后由软件对采集到的图像进行运算分析、变换目标对象坐标、识别目标对象分类信息、维护分拣目标的运动踪迹,最终控制机器人实现分拣动作."单目标跟踪--抓取--搬运"实验和"多目标跟踪--抓取--搬运"实验证明了该技术的意义和实用价值.     

基于带精英策略的NSGA-Ⅱ遗传算法的车间作业调度研究

研究了带精英策略的非劣前沿分级遗传算法，优化了算法终止条件。针对多目标车间作业调度优化无法找到唯一最优解的问题，提出了基于带精英策略的非劣前沿分级遗传算法的多目标车间作业调度的优化策略和实现方案。仿真结果表明，基于带精英策略的非劣前沿分级遗传算法是求解多目标车间作业调度问题的有效算法。     

基于机器视觉的机器人分拣系统的设计与实现

传统的分拣作业一般采用示教或离线编程方式,当工作环境发生改变时系统无法即时的作出相应的调整,针对传统分拣方式中存在的不足,以并联型机器人和康奈视In-Sight7000型工业智能相机为基础,搭建一个基于机器视觉的工业机器人分拣系统。该分拣系统结合了并联型机器人和机器视觉两方面的技术优势,对经典的Canny边缘提取算子做出了相应的改进,通过提取图象边缘信息作为匹配的特征,克服了光照变化对视觉系统造成的影响,实现了当分拣对象由传送带运送进入相机视野时,系统可以高速的对分拣对象进行识别和分拣工作。该系统显著提升了机器人对工作环境的适应能力,提高了生产效率和系统柔性。同时,实验结果证明了该系统软硬件设计正确,分拣成功率高。     

多目标遗传算法下焊接机器人焊接路径规划方法研究

为了提高焊接机器人的工作效率,需要获取最优焊接路径。为此,提出多目标遗传算法下焊接机器人路径规划方法。通过建立防碰撞模型,计算其安全距离,使机器人在运行过程中自行躲避障碍物,安全完成作业;在符合生产节拍的情况下,运用旅行商问题描述机器人焊接路径规划问题;采用多目标遗传算法对焊接路径规划模型进行求解,使焊接机器人规划出最短路径。试验结果表明,所提方法在有障碍物环境的路径规划结果与理想轨迹相比,其误差小,可避免碰撞障碍物,且规划的路径长度短。     

基于混合遗传算法的多目标柔性作业车间调度问题研究

针对柔性作业车间调度问题,提出一种改进的遗传算法,该算法考虑车间生产实际,使交货期短、成本降低、生产效率提高、资源利用率提高等建立多目标优化模型。对传统遗传算法进行一系列改进,在遗传算法的基础上,改进编码方式和遗传算子,结合精英保留策略和小生境技术,使算法的收敛性和多样性进一步优化,采用权重系数变化法计算染色体的适应度。仿真分析表明,提出改进后的混合遗传算法能有效解决柔性作业车间多目标调度优化问题。     

基于四自由度视觉机器人的织物分拣方法

针对人工分拣织物效率低,劳动成本高,而且对工人身体产生危害的问题,提出机器视觉与机器人相结合代替人工分拣织物的方法,从而解决了人工分拣织物存在的缺陷。构造RBF神经网络的颜色分类器将不同颜色织物分类,利用阈值分割对目标织物进行分割;使用遍历中心扩散法求取机器人抓取织物的抓取点;经过摄像机标定和机器人轨迹规划实现机器人对纯色织物的自主分拣。实验结果表明,该方法分拣织物的准确率能够满足纺织业的实际应用需求。     

无线传感器网络在车间调度优化应用研究

针对车间生产因少量员工缺勤而造成生产效率大幅度降低的问题,利用RFID和Zig Bee建立数据采集和信息传输的传感器网络;采用自适应遗传算法对无线传感器网络采集到的数据进行数据优化,建立了优化调度的设计模型;并将优化后的结果应用于生产调度。在人员调动较少的前提下,达到了生产效率最大化的预期目标。经仿真实验验证,优化后的结果能使产量提高10%。     

柔性作业车间鲁棒调度与预防性维护集成优化

对柔性作业车间生产过程中预防性维护难以有效避免机器故障的发生,并且还存在各种无法预测的随机事件的问题进行了研究。为了有效应对这种情况,提出了多目标柔性作业车间鲁棒性调度与预防性维护的集成优化模型和在空闲时间进行预防性维护的策略,同时优化加工周期、机器可用性和调度方案的鲁棒性。应用多目标遗传算法NRGA对模型求解,并针对柔性作业车间调度问题的特点,采用三层编码方法。采用有效的交叉和变异操作避免产生非法解。最后通过模拟随机事件的发生进行仿真实验,结果表明提出的模型、维护策略和求解算法能够有效地提高生产效率、维护机器可用性、避免实际调度性能的恶化。     

基于遗传算法的高速永磁电机联合仿真优化

为提升高速永磁同步电机(HSPMSM)优化效率与电磁性能，提出一种基于遗传算法和TOPSIS法的HSPMSM联合仿真优化方法。首先，借助ANSYS Maxwell有限元仿真软件对HSPMSM进行参数化建模，进一步建立4极30槽HSPMSM的Maxwell&Workbench&Optislong联合仿真模型；其次，运用遗传算法对电机进行全局多目标优化得到Pareto解集，使用优劣解距离法(TOPSIS)从解集中客观选取最优高速永磁同步电机设计方案；最后，对比优化设计前后高速电机的各项性能，仿真结果表明采用遗传算法和TOPSIS法不但提升了高速电机多目标优化效率，且有效削弱电机转矩脉动和齿槽转矩，电机转矩脉动从6.21%降低至2.96%,电机齿槽转矩从0.341 N·m降低至0.052 N·m,降低了85%。     

基于嵌套分区算法的堆垛机作业路径优化

对嵌套分区算法在堆垛机作业路径优化问题中的应用展开研究。利用嵌套分区算法能有效利用问题本身信息的优点,对堆垛机单一出(入)库作业和入(出)库复合作业路径进行优化。通过计算机仿真证实:该算法对作业点较少的堆垛机路径优化问题有较高的优化精度和效率,特别是在小型立体仓库的堆垛机作业路径优化领域应用前景广阔。     

基于NX MCD的工业机器人视觉分拣数字孪生系统设计

针对制造业中多类型、多颜色工件人工重复分拣出错率高的问题，设计一个基于工业视觉的工业机器人自动分拣物理控制系统和数字孪生系统。提出融合工业视觉、工业机器人、PLC等设备的以太网通信控制方案；基于视觉检测原理，应用视觉检测工具，结合PLC程序能够正确识别工件信息；基于NX MCD软件构建了工业机器人、输送带、工件等数字孪生系统；最后，对工业机器人和PLC进行联合编程，实现视觉分拣虚实系统同步作业。实验结果证明：该系统工件识别正确率高，工件分拣效率高，数字孪生系统能够实现虚实同步，为系统的动态监控、维护管理与虚拟调试提供了便利。     

视觉引导下机器人拆垛场景识别定位抓取方法

针对2D图像识别缺乏3D姿态信息，而传统的3D视觉需要处理大量点云，运算时间较长等问题，提出一种基于改进Mask R-CNN与局部点云迭代优化相结合的机器人拆垛、分拣及码垛策略。对Mask R-CNN网络进行改进，在其ROIAlign结构之后加入空间变换网络模块，提升识别准确率；利用改进的Mask R-CNN网络对目标进行实例分割，结合场景点云分割得到物体感兴趣区(ROI)场景局部点云；采用加入K维树邻域搜索的迭代最近点算法将物体ROI场景局部点云与模板点云进行配准，最终得到位姿估计的结果。UR5协作机器人根据此结果解决拆垛、分拣及码垛问题，实验结果表明：利用改进的Mask R-CNN网络提升了目标识别的准确率，使用ROI局部点云法减少了场景点云与模板点云配准的迭代次数，提高了工业机器人的拆垛、分拣及码垛效率。     

基于CS优化深度学习卷积神经网络的目标检测算法

目前对于形状比较复杂且密集摆放的工件,传统的工业机器人视觉分拣技术已经无法有效检测和识别。因此,为了提高生产线上分拣工件检测的准确率,提出了一种基于布谷鸟搜索算法(Cuckoo Search,CS)优化深度学习卷积神经网络(Convolutional Neural Network,CNN)的目标检测算法。首先对视觉分拣系统的组成进行了分析。然后采用经典的Faster R-CNN的模型结构来实现目标检测,并将CS优化算法应用到CNN模型的参数训练中,解决了反向传播的局部最优问题,同时提高了迭代速度。工件检测实验结果表明:相比于传统的CNN模型,提出CS-CNN模型具有更好的目标检测的准确率,提高了网络的收敛速度。     

一种求解柔性作业车间调度问题的混合智能算法

提出了一种将蚁群算法、遗传算法和粒子群算法优化融合的混合智能算法,并将其应用于解决多目标柔性作业车间调度问题.采用蚁群算法寻径生成初始群体,利用遗传算法进行调度路径的优化,利用粒子群算法对蚁群算法中的信息素进行优化,优势互补.最后通过仿真实例验证了该算法的可行性和有效性.     

基于TSP和GA孔群加工路径优化问题的研究

研究应用TSP数学模型和路径优化方法，建立了以最小化加工成本为目标函数的孔群加工路径单目标优化数学模型。研究应用遗传算法对孔群加工路径模型进行参数优化求解。由最佳加工条件。计算得出优化结果。通过优化前后的对比，验证了所建模型和优化算法的准确性和实用性。     

基于遗传算法的发动机冷却液泵优化及数值模拟研究

针对某型号发动机冷却液泵建立扬程最大、效率最高、汽蚀余量最小的多目标优化数学模型。以扬程曲线无驼峰及叶轮参数为约束条件,利用多目标遗传算法对目标模型进行优化求解,获得全局最优解。运用Fluent仿真软件对优化前后冷却液泵内部流场进行数值模拟,结果表明:优化后叶轮内部压力分布更均匀,叶片间回流现象明显减少,能量损失降低;在额定工况下,优化后冷却液泵扬程提高0.86 m、效率提升6.6%、汽蚀余量降低0.09 m。仿真结果验证了该方法对发动机冷却液泵优化较有效,为冷却液泵的结构优化提供参考。     

基于尺寸路径图的组合夹具装配方法研究

文章提出了一种组合夹具通过尺寸路径图进行自动装配的方法。这种方法是采用尺寸路径图的标注原理，将其运用到计算机辅助夹具装配当中。尺寸路径图中的不同字母和数字分别表示元件和元件所含要素，以此确切描述出元件之间的装配关系。目前阶段得出的结果表明：这种新方法的应用将有效提高组合夹具的装配效率。通过VB对Pro/E进行二次开发，完成了本系统实验原型设计，证实了本系统的可行性。     

融合视觉和以太网技术的工业机器人分拣装配控制系统设计

针对制造业中多类型、多工位、无规则、有残次工件人工分拣出错率高与装配效率低下的问题,设计一个融合视觉和以太网技术的工业机器人分拣装配控制系统.应用工业以太网构建一个包含视觉、PLC、HMI和工业机器人的硬件系统;提出结合图像匹配、圆孔识别算法的工件检测与识别方法;基于坐标偏移的方法设计了一个PLC控制工业机器人的优化算法;并对工业机器人进行示教与编程,实现工件正确分拣与高效装配.测试证明:该系统工件识别正确率达100％,工业机器人的示教位置大大减少,工业机器人的控制程序明显简化,工件分拣正确率与装配效率显著提高.