孔群分类加工路径的优化算法

柔性钣金加工中心采用钻削或攻丝加工孔群时,为缩短刀具空走行程并提高孔群加工效率,针对孔群中圆孔需分类使用不同刀具加工问题,提出蚁群算法与贪心算法相结合的混合算法对孔群加工路径进行优化。该混合算法对同一种类孔群中的孔采用蚁群算法优化路径,不同种类孔群间的过渡应用贪心算法优化。通过在自主开发钣金刻铣加工CAD/CAM软件中,将所提出的混合算法与X向路径法、Y向路径法、贪心算法、蚁群算法进行实验对比。对分布无序的3类41个圆孔的孔群加工实验,结果表明:混合算法优化后路径长度比X向路径法优化后缩短42.84%,比Y向路径法优化后缩短48.93%,比贪心算法优化后缩短11.10%,比蚁群算法优化后缩短6.19%。由此可见,本文所提出的混合算法能够更有效缩短分类孔群加工路径,提高加工效率。     

孔群加工路径规划问题的进化求解

孔群加工路径规划对于提高多孔类零件的加工效率和质量具有重要意义。建立了两个孔群加工路径规划问题的数学模型,分别归纳为单目标和多目标组合优化问题,并引入进化蚁群系统算法和人工免疫算法求解单目标组合优化问题。这两种算法均能有效防止解空间的“组合爆炸”问题,计算复杂度的阶次低于Hopfield神经网络算法,且性能优于Hopfield算法。采用多目标解的快速排序技术分别对进化蚁群系统算法和人工免疫算法加以改进,开发出多目标进化蚁群系统算法和多目标人工免疫算法。分析表明,改进算法不增加原算法的计算复杂度,能直接用于求解多目标组合优化问题而无需事先给出目标权值向量,并能一次运行求得问题的多个Pareto最优解。     

基于蚁群算法的孔群加工路径优化研究

需要在零件上钻多个孔时,关键是选择选择一条科学合理的刀具路径。引用蚁群算法解决旅行商问题的方法来解决零件TSP(Traveling Salesman Problem)孔群加工路径的优化问题,并分析蚁群算法中各个变量对最优路径的影响,找到最合适的参数规划出一条科学的加工路径,从而减小刀具的运动路程,缩短加工时间,对提高生产效率有重要意义。     

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。     

启发式算法的孔群加工路线模糊多目标优化

研究一类在加工中广泛存在的孔群加工(Hole Group Machining,HGM)优化问题。孔群加工是多孔类零件加工中重要的工艺过程,研究其加工路线优化方法对于提高多孔类零件的加工效率、降低加工成本有重要意义。与传统的多孔加工点位优化不同,综合考虑了刀具选择、加工参数、加工次序及刀具路径的影响,以加工效率和成本为目标,建立优化问题数学模型。采用改进启发式算法克服了传统算法早熟、爬山能力弱,以及收敛性能不理想等缺点,并引入交互式多优先级控制,对加工工艺进行模糊多目标优化,提高了算法实用性。最后通过实例计算证明了算法的有效性。     

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。     

基于TSP和塑料模具顶针板孔群加口工路径优化问题的研究

塑料工业的迅猛发展给塑料模具制造技术带来严峻挑战和剧烈的市场竞争.针对塑料模A脱模机构的重要部件一塑料模具顶针板的孔位加工所急需解决的效率问题,提出了一种塑料模具顶针拐孔群加工刀具轨迹优化技术,即利用图论中经典的"旅行商问题"--TSP数学模型,对塑料模具顶针板孔消加工进行了优化处理,以解决由于孔多、空行程现象严重而带来的加工时间浪费问题.实际应用效果较好提高了加工效率,取得了较好的经济效益.     

孔群加工路径优化方法的研究

孔群加工路径规划对于提高多孔类零件的加工效率和质量具有重要意义。通过对多点位加工优化和工序优化方法的研究，针对孔群在尺寸、形状、分布位置等特点上的不同，合理地选择加工路径规划方法。通过实例验诅：此优化方法在孔群加工中明显提高了数控加工的效率、降低了加工成本。     

基于遗传算法的孔群加工路径优化

为提高孔群加工的效率,采用遗传算法对孔群加工空行程路径进行了优化。对遗传算法的实施过程进行了细致的描述,通过实例演示了遗传算法的孔群路径优化性能,并对遗传算法的运行效率及影响因素进行了研究。实验表明,运用遗传算法对孔群路径进行优化能提高孔群加工的效率,减小孔群加工中空行程的消耗;遗传算法运行中可以根据最佳个体的保持时间在一个代中加入活性因子,防止早熟的出现;遗传算法的各个参数对遗传算法的运行有一定的影响。选用合适的运行参数,本程序可应用于工程中,提高少批量孔加工的生产效率。     

一种改进蚁群算法的移动机器人路径规划研究

针对蚁群算法在大型、复杂环境下全局搜索效率差且收敛速度慢的问题,提出一种改进的蚁群路径规划算法。该算法通过引入目标方向函数作为启发因子,构建距离与目标方向的融合启发函数,以提高算法的收敛速度;采用一种基于有效拐点的路径优化策略,以减少规划路径的转弯次数;在输出路径的基础上采用三次B样条曲线进行路径平滑处理,以提高路径平滑性。通过梯度实验和2种不同规模对比实验表明,该算法与传统蚁群算法相比,2种规模下转弯次数分别减少41.67%和70.18%,最短路径迭代次数分别减少72.73%和63.24%,验证了该算法的优越性与可行性。     

改进蚁群算法下激光切割加工工艺优化研究

针对传统算法下激光切割加工工艺速度慢的问题,提出改进蚁群算法下激光切割加工工艺优化设计,根据激光切割加工工艺原理,选择激光切割加工工艺参数,在此基础上对穿孔点进行确定,并引用蚁群算法,确定激光切割加工路径,选择出最短路径,以此实现对激光切割加工工艺的优化。为保证此次设计的优化方法具有一定的实际应用意义,与改进前的加工工艺进行了对比,结果表明,该优化方法能减少激光器在每个加工轮廓之间移动所需要的时间,并且通过蚁群算法能够更快得到最优加工路径。     

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。     

基于参数优化蚁群算法的机器人路径规划研究

采用蚁群算法(Ant Colony Optimization,ACO)求解棉花搬运机器人全局路径规划时,会出现规划效率低、蚁群算法参数的改变对规划效果影响大等问题。提出了一种粒子群参数优化的改进蚁群算法,该算法能够根据地图情况的不同智能地调节参数组合,从而在各种地图中能够发挥蚁群算法的最佳性能。通过实验数据分析蚁群算法重要参数对规划效率的影响,进行参数优化;针对改进后算法耗时大的问题,提出粒子群算法的动态惯性权重调整策略和改进的蚁群算法信息素更新策略,保证求解质量的同时,提高了优化效率,在障碍物分布不同的地图中进行仿真实验,通过与蚁群算法路径规划结果的对比,证明了粒子群参数优化的改进蚁群算法能够发挥蚁群算法最佳性能,可提高移动机器人到达目标点的速度并降低机器人运动过程中的损耗。     

改进蚁群算法在焊接机器人路径规划中的应用

路径规划是机器人研究的核心内容之一。为了解决针对于白车身生产线焊接机器人路径规划效率低下的问题,提出了一种改进的焊接机器人路径规划的方法,分析了焊接机器人路径规划问题的构成。并针对基础蚁群算法在解决焊接机器人路径规划时,容易出现搜索时间过长、效率低、容易陷入局部最优等问题,引用了粒子群算法。利用粒子群算法对蚁群算法随机产生的若干组较优解进行交叉和变异操作,得到了更有效的解。最后在MATLAB中利用优化后的蚁群算法计算最佳焊接路径,并与基础蚁群算法的结果对比。对比情况表明:优化的蚁群算法在解决焊接机器人路径规划问题上能得到更优的焊接路径和稳定性。     

堆垛机式密集仓储系统复合作业三维空间路径优化

为提高堆垛机式密集仓储系统的运作效率,提出混合蚁群算法,利用该算法有效地解决了复合作业三维空间路径规划问题。在堆垛机和穿梭车配置比为1∶2情况下,分析堆垛机和穿梭车在三维空间内的实际调度路径,并考虑其运动过程中的加速度建立数学模型。针对该系统复合作业的特点,设计了一种三维启发函数来改进蚁群转移概率,将遗传算法生成的初始解转变为蚁群算法的初始信息素,通过粒子群算法对蚁群算法参数进行优化,避免蚁群算法为寻求最优参数组合而进行大量盲目实验。实例分析表明,所提出的混合蚁群算法与遗传和蚁群算法相比,具有更好的全局性,能够有效地缩短密集仓储系统复合作业的时间、优化三维空间路径、提高进出库调度效率。     

轮式机器人路径规划的改进蚁群算法

针对轮式机器人在多窟障碍地形图中的路径规划问题,为了克服基本蚁群算法的局部最优问题,提高算法的收敛速度,以及节约找寻最优路径的时间,提出了一种基于多维信息素及模糊集的改进蚁群算法。在栅格化地图上,通过模糊集将某一点距离障碍物以及接受目标的信息程度表达出来,重新更新栅格化地图,从而减少地图中搜索空间,节约搜索时间。其次把传统蚁群算法中的一维信息素改进为多维信息素,得到满足多个约束条件下的路径。通过多组仿真实验的结果表明,验证了改进算法的可行性和有效性,提高了基本蚁群算法对最优路径问题的优化性能与收敛速度。与现有算法相比较,迭代次数节约了70%左右,缩小了20%的蚁群数量。     

轮式机器人路径规划的改进蚁群算法CSCD

针对轮式机器人在多窟障碍地形图中的路径规划问题,为了克服基本蚁群算法的局部最优问题,提高算法的收敛速度,以及节约找寻最优路径的时间,提出了一种基于多维信息素及模糊集的改进蚁群算法。在栅格化地图上,通过模糊集将某一点距离障碍物以及接受目标的信息程度表达出来,重新更新栅格化地图,从而减少地图中搜索空间,节约搜索时间。其次把传统蚁群算法中的一维信息素改进为多维信息素,得到满足多个约束条件下的路径。通过多组仿真实验的结果表明,验证了改进算法的可行性和有效性,提高了基本蚁群算法对最优路径问题的优化性能与收敛速度。与现有算法相比较,迭代次数节约了70%左右,缩小了20%的蚁群数量。     

基于改进蚁群算法的机器人路径规划问题研究

针对基本蚁群算法前期搜索效率低下以及在寻优的过程中会穿过障碍物等问题,提出改进的蚁群算法,即采用动态调整启发因子、信息素初始化改进策略、可选节点的筛选机制方案进行改进工作。通过对基本蚁群算法和改进蚁群算法的仿真结果分析可知,改进后算法的最优路径长度虽然有所增加,但减少了蚂蚁前期到达最优路径的迭代次数,得到一条无碰撞、没有穿过障碍物的路径,且耗时与基本蚁群算法相持平,保证了机器人路径的安全性,提高了算法的前期搜索效率。     

熔融沉积式3D打印切片轮廓路径优化算法

在研究3D打印切片过程中,针对当前存在打印效率低、加工时间长等问题,提出一种熔融沉积式3D打印切片轮廓路径优化算法.该算法采用一种改进的最短距离法确定各个轮廓的打印起始点,并将蚁群算法与遗传算法有效结合,形成一种改进的蚁群算法模型,最后应用到3D打印切片轮廓路径规划中,求出单层轮廓的最优打印顺序.通过与传统切片软件Cura和Slic3r进行打印实验对比,采用本文提出的优化算法打印实验零件的单层轮廓打印路径长度分别减少了 18.68％和17.53％,打印时间缩短了 13.83％和13.15％.结果表明,本文提出的一种熔融沉积式3D打印切片轮廓路径优化算法的打印效率更高,打印时间更短.