基于知识的装配序列规划方法研究

为了解决装配序列规划的计算机辅助生成问题,对产品的装配CAD模型进行了分析,得到与装配规划相关的几个重要信息,并对其进行知识表示。通过建立产品的装配特征矩阵,确定了装配零、部件在各个方向的自由度。根据从CAD模型中得到的信息和零、部件的自由度信息,制定了产品拆卸序列规划的推理规则和求解算法;按照“可拆即可装”的原则,倒置拆卸序列得到产品的装配序列。以球阀产品为例,详细介绍了本文提出的装配序列规划方法的应用。     

装配建模及装配顺序分层规划方法研究

研究了利用基本装配信息建立能够较好地反映装配结构特性和内在关系的装配模型的算法 ,并提出了模型的抽象化简化方法和基于该模型的装配顺序分层规划方法     

面向装配序列规划的装配建模方法研究

为实现自动化的装配序列规划,提出了一种应用面向对象和Petri网技术定义的产品装配模型.该模型由静态模型和动态模型构成.基于模型定义,提出了局部装配可行性的判定依据,并据此建立了一种基于静态模型的动态模型构造算法.该算法通过逐层分析可能状态的变迁,最终获得装配体所有几何可行的装配序列.通过实例验证了该建模方法的有效性.     

装配建模及配顺序分层规划方法研究

研究了利用基本装配信息建立能够较好地反映装配结构特征和内在关系的装配模型的算法,并提出了模型的抽象化简化方法和在于该模型的装配顺序分层规划方法。     

基于连接结构知识的装配序列规划

通过分析组成装配体的零件特征,提出了连接结构的概念.采用面向对象技术,以连接结构作为装配信息的载体,对不同类型的连接结构的装配信息,采用相同的层次结构进行组织和存储.以连接结构作为基本装配单元,建立基于知识的装配Petri网模型,运用连接结构知识,构建装配Petri网模型,从而大大减少模型中的节点.在此基础上,利用Petri网点火原理,求解装配体的基于连接结构的可行装配序列.连接结构知识的引入可以降低装配序列规划的复杂性,提高装配顺序规划的效率.     

复杂产品装配实例表示技术研究

不合理的设计和装配规划会延长装配时间,为此,提出了基于分解树的装配实例表示方法,给出了基于分解树的装配结构表示和装配规划方案表示。采用邻接矩阵存储装配方案,分析了基于邻接矩阵的装配实例存储方法的4个特点,并给出了有效验证的实例。     

面向协同装配规划的装配单元规划方法

作为复杂产品装配规划的有效求解策略,协同装配规划将复杂产品的装配规划结构按照装配要求分解为简单的子装配规划结构,子装配规划结构的最优或次优装配序列采用成熟的装配规划方法求解,通过装配序列合并得到产品的整体装配序列。协同装配规划所要解决的首要问题是装配规划结构分解,针对这个问题,提出装配单元规划方法。首先从产品可装配性的角度分析了影响装配单元规划的装配设计和装配工艺约束,并对归类的部分装配约束进行量化;进而基于模糊层次分析法生成装配单元决策图,采用最小生成树算法生成候选装配单元。同时,建立装配关系干涉矩阵对候选装配单元进一步验证,生成装配过程中互不干涉的装配单元。以一款电动机装配体为例验证提出的方法,结果表明该方法是一种求解装配规划结构分解问题的有效方法。     

机器人自动装配的神经网络规划方法

讨论了一种用神经网络来实现自动装配规划的方法。这种方法首先利用优先约束知识来表示所有产品零件的装配先后关系，然后利用Ｈｏｐｆｉｅｌｄ神经网络来求解满足此优先约束条件的最佳的产品装配序列，最后给出仿真结果。     

有限元分析建模知识表示及重用技术研究

鉴于传统有限元建模过程对相关知识处理与组织能力上的不足,没有建立有效机制,保障这些知识的可重用性。本文结合UG/KF提出了基于工程规则的有限元分析建模知识表示及知识重用方法。该方法借助知识表示语言UG/KF,以类的形式对产品有限元分析建模中的工程规则进行表示,满足了分析建模过程中知识管理的需要,并对有限元分析建模过程中的知识重用提供支持。该方法能较好地重复利用以往的建模知识与专家经验,从而提高有限元分析建模效率和质量。     

面向大型产品装配序列规划的分类方法研究

讨论了在对大型产品进行装配序列规划时 ,为了简化装配序列产生过程 ,需要对待装配大型产品按操作复杂度分成两类 ,即复杂装配部分和简单装配部分 ,复杂部分进行虚拟装配规划 ,简单部分进行自动装配规划。分类时 ,首先对装配产品进行子装配体识别以得到组件 ,然后利用分类算法将组件分为两类。     

计算机辅助装配顺序生成方法研究

装配顺序生成是装配设计自动化中的一个重要而复杂的问题。本文在分析现有装配模型的基础上，引入虚拟子装配体的概念，提出了装配层状关系模型，采用割集法和与／或图产生可行装配顺序，给出了二级圆柱齿轮减速器装配工艺规划的应用实例。     

装配生产过程中装配序列调整研究

针对装配生产过程中由于装配环境发生变化而引起的原有装配序列调整问题 ,采用网络计划的理论和方法 ,对装配资源一定、时间最短约束条件下的两平行装配工序的串行调整进行了研究 ,解决了此类装配序列在线动态调整的问题     

改进的装配序列规划方法研究

分析了传统零件序列表达方法的不足，提出以装配体联系图的各边为序列的表示方法，进而展开对边序列几何可行性分析、边序列还原、零件可行直线装配方向推理及边序列精简的研究；从便于高效自动筛选的角度研究了影响边序列质量的工艺因素（发生冲突的边的个数，稳定性和聚合性的影响，直线装配方向的改变次数），在此基础上建立了边序列的优化目标函数。基于遗传模拟退火算法的实例验证表明，该方法是一种有效的产品装配序列规划方法．     

An Intelligent Computer-Aided Assembly Process Planning System

This paper presents an intelligent computer-aided assembly process planning system (ICAAPP) developed for generating an optimal assembly sequence for mechanical parts. The system employs a graph set technique for creating an assembly model. The set includes an attributed topological graph, an attachment constraint graph, a tolerance graph and a special process constraint graph. In the generation of assembly sequences for any product, the critical problems to be addressed include determining the base part, selection of subassemblies, defining all necessary constraints, and quantifying and solving these constraints. In the ICAAPP system, algorithms have been developed for the selection of the base part, defining of the subassemblies, and determination of the constraint values. A simple mechanical assembly is used to illustrate the feasibility of the proposed algorithms.     

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。