基于蚁群算法的引信装配序列优化

蚁群算法作为模拟进化算法具有正反馈和分布式计算的特点,可解决由于经验法确定的装配序列较多考虑几何约束条件,难以兼顾其他影响因素的问题,但是迄今未见应用于引信,为此,将蚁群算法引入引信机械机构进行装配序列优化。为了应用蚁群算法,需要依据引信产品的具体情况调整状态转移概率和信息素更新规则。仿真结果表明:通过评价指标引导算法生成的优化序列能较好地满足预期使用功能,装配方案合理、适用。     

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.     

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。     

基于蚁群算法的异步并行装配序列规划方法

为了提高复杂产品的装配序列规划效率,利用蚁群算法的并行性及其搜索过程的独立性,对装配序列进行异步并行求解。首先,调整产品结构树的装配层次关系,并基于多色集合理论(PST)对装配层次结构进行形式化表达,建立PS层次结构树;其次,基于分治原则,建立全局并行、区域线性的蚂蚁搜索策略,对PS层次结构树进行逐层规划和整合计算,实现装配序列的异步并行求解,并提高求解效率;然后,为了解决非线性装配序列表达方式问题,建立装配序列树模型及其自相关矩阵。最后,通过实例验证了异步并行装配序列方法的可行性与有效性。     

基于约束解除的装配序列并行化优化

为了提高产品装配的效率,提高装配序列的并行性,提出了基于约束解除和简化配合关联图的装配序列并行优化方法。给出了装配效率的评价指标一并行性评价因子的数学模型。将模糊逻辑用于装配约束的量化过程,通过约束归约方法将无约束条件下可自由运动零件的自身约束与零件间通过点、线、面之间几何约束关系所表达的装配约束进行求交,建立零件间的等价约束评价值即联接度,联接度概念的提出清晰地表达了配合关联图中的薄弱环节;在此基础上,建立装配体的赋权配合关联图,并根据联接度值的大小对零件间的虚联接进行简化,给出了一个基于阈值的追求装配最高并发度的配合关联图分解与重组策略,实现了装配序列并行优化,并通过实例说明了该算法的有效性。     

基于蚁群算法的选择装配

选择装配是一种由低加工精度零件获得高精度装配件的方法,可归纳为一个组合优化问题,蚁群算法是解决这类问题的有效方法.综合考虑选择装配中的匹配率和匹配精度,提出以综合装配质量指标为选择装配的目标函数.为了求解选择装配的组合优化问题,在蚁群算法的框架内提出一个考虑信息素分布为节点模式的蚁群算法解构造图模型,并详细讨论蚁群算法的实现过程.通过对实例的仿真计算,考证该方法的实效性.     

微小卫星的自适应蚁群算法装配序列规划

介绍了复杂的卫星零件装配通过构造装配矩阵将改进蚁群算法用于生成装配序列的方法.但是蚁群算法容易陷入局部最优,为了避免算法陷入局部最优或者停滞,运用自适应伪随机比率选择规则,通过信息素的局部和全局更新,帮助"蚁群"快速的寻找全局最优解,最后通过实例验证了算法的实用性.     

基于虚拟现实和仿生算法的装配序列优化

针对自动装配规划和交互式规划都存在不足,将虚拟现实和仿生算法结合起来,提出一种生成优化装配序列的新方法.建立基于几何约束的虚拟装配环境,在该环境中根据经验和知识进行交互式拆卸,定义优先约束表来表达零件间的优先约束关系.应用蚁群算法规划出初始优化的装配顺序,再在虚拟环境下进行仿真、评价和优化,考虑装配位置可达性和工具操作等因素,识别新的优先约束和评价准则,重新规划出更优的装配顺序,不断反复和完善,直到得到满意的最佳装配顺序为止.通过实例验证该方法有效性.     

基于模拟退火算法的装配序列生成与优化

分析了一个优良装配序列应满足的装配约束条件,从几何可行和工艺优良两方面对装配序列进行评价;介绍了影响装配序列工艺性能的四大因素及其量化方法。在此基础上,建立了基于模拟退火算法的装配序列优化规划模型,并对算法的性能和速度进行了分析、处理。最后通过齿轮泵的应用实例说明了该优化算法的有效性。     

基于蚁群算法的电梯导轨选择装配

电梯运行的舒适度很大程度上取决于电梯导轨安装质量,由于标准导轨长度为5 m,因此导轨间的配合间隙大小就会影响电梯轿厢运行过程的振动程度。如何进行选择装配导轨,以使导轨间的间隙均匀且满足国标要求,是一个非常重要的课题。提出一种基于蚁群算法的计算机辅助选择装配导轨的方法,能够很好地解决该问题。蚁群算法(ACO)是一种新型的基于种群的模拟进化算法,属于随机搜索算法。为了对各导轨进行组合优化,提出一个以装配质量综合指标为优化目标的数学模型,作为厂家在包装之前的调配依据。通过实际项目应用,验证了该方法的实效性。     

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。     

基于遗传模拟退火融合算法的船舶分段装配序列优化

针对复杂船舶分段装配序列规划问题,提出基于遗传模拟退火算法的分段装配序列规划求解方法,综合考虑分段装配中的工艺约束和几何约束,建立以分段装配所需时间和消耗成本为优化目标的问题模型,并为模型求解设计了遗传模拟退火融合算法,将模拟退火算法的局部搜索能力与遗传算法的快速全局搜索能力相结合,达到快速收敛到全局最优解的目的.通过实例验证了该算法的有效性.     

基亏蚁群算法的电子装配工艺优化研究

针对电子装配过程中效率低下的问题,提出了基于蚁群算法的电子装配过程中焊接工艺优化算法。该算法利用蚁群信息素反馈机制和概率选择机制,很好地解决了电子装配过程中不同特性元器件及其对应印制板焊盘操作顺序的优化问题,并应用C＋＋语言编制计算程序,实现对算法的快速求解,最后通过实例验证了该算法的可行性和有效性。通过蚁群算法在电子装配工艺优化中的合理应用,提高了电路板焊接速度与盾量,极大地提升了生产效率和高端电子产品装配的可靠性。     

基于蚁群算法的吸砂泵装配顺序优化设计

吸砂泵的装配序列直接影响其使用性能和生产效率。为了减低成本,提高吸砂泵的寿命,文章在蚁群算法的基础上对一款18寸的吸砂泵进行装配顺序优化设计。首先根据实物给出泵的三维模型,并基于有向关系图进行吸砂泵的装配建模,在此基础上用拆卸关系矩阵表示约束条件以方便计算机的识别。其次根据上述约束条件设计相应的蚁群算法系统,给出算法流程,完成吸砂泵装配顺序优化方案;再次利用MATLAB开发一个装配顺序优化系统,有助于实现人机交互,为装配顺序优化提供了平台;最后在虚拟环境中对优化的装配序列进行模拟和验证。     

基于改进遗传算法的装配序列优化

针对虚拟装配序列规划过程的特点和要求,提出了使用装配体在空间坐标系中的干涉矩阵和添加装配零件的装配方向,装配工具和装配类型等约束信息的基因组片相结合的方法,通过几何约束和工艺约束,排除不可行的装配序列,缩小解空间,使算法快速收敛,实现最优序列,最后通过马铃薯种植覆膜机的减速器进行实例验证。     

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。     

基于优先约束关系的装配序列规划研究

利用联结图方法建立设备的装配关系模型,生成联结矩阵,并利用子装配体的概念对模型进行简化.利用联结图模型分析零件间的优先约束关系生成优先关系矩阵,利用优先约束矩阵生成设备的可行装配序列,为设备装配序列选优提供基础.     

基于配合约束的装配序列规划的遗传算法研究

为提高装配序列规划问题的寻优效率,提出了一种将装配约束条件和遗传算法相结合的求解方法.对配合约束进行了分类并给出每种类型特征尺寸的定义.在此基础上,引入特征标签的概念,用于描述零件的装配特征信息和配合约束关系.根据零件间特征标签的相似程度设计了可装配度函数,以度量装配的可行程度,并以该函数为基础构建了遗传算法的适应度函数.另外,为减少无用个体的数目,提出了基于配合约束的子代个体的保留策略,并以此为指导进行子代的有效性检验.最后,通过实例说明了该算法的有效性.     

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。