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.     

线缆虚拟布线与敷设过程仿真技术

为提高复杂机电产品中线缆布线的质量和装配可靠性,结合机电产品中的线缆研制流程,提出一种虚拟环境下的线缆布线设计、装配工艺规划和安装仿真集成方法,重点对虚拟环境下基于图论的线缆数字化模型建立、交互式线缆布线与敷设过程仿真、基于逆运动学和能量优化法的线缆运动仿真方法等关键技术进行阐述。所开发的线缆虚拟布线与敷设仿真系统已在航天产品的研制中得到局部应用,初步实现了线缆的数字取样和敷设过程仿真。     

虚拟环境中线缆建模及布线的研究与实现

针对虚拟环境中因线缆柔性可变特性而引起的难以表达及操作不便的问题，提出线缆的离散控制点建模方法以及基于离散控制点线缆模型的单控制点局部布线、多控制点局部布线和整体布线方法，达到了在虚拟环境中对线缆进行快速布线的目的；通过实时跟踪和记录线缆控制点的空间位姿，实现了布线过程及结果数据的存储，为后续的布线工艺规划奠定了基础。     

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。     

基于变异粒子群算法的过程挖掘

为实现过程挖掘,克服标准粒子群算法易陷入局部极值的缺点,提出基于变异操作的粒子群过程挖掘方法。在标准粒子群算法进化中,所有粒子追随最优粒子在解空间搜索,导致种群多样性迅速下降,出现早熟收敛。受遗传算法启发,通过对进化中的粒子增加变异操作,使算法摆脱易于陷入局部极值点的束缚,增强算法跳出局部最优的能力。仿真结果表明,基于变异粒子群算法的过程挖掘在求解的精度和速度方面都得到了好的效果。     

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。     

基于速度扰动项的多目标粒子群算法研究

通过系统研究多目标粒子群算法,对于标准粒子群使用的线性惯性权重或常值惯性权重方法进行分析,发现粒子后期收敛速度的不足,针对这一问题,采用非线性递减指数函数的惯性权重取值方法,对粒子群速度更新公式进行分析研究,发现在算法迭代后期许多粒子速度停滞为零,易使粒子陷入局部最优,无法找到全局最优解,进而又提出了添加二次函数类速度扰动项的改进粒子群算法,该改进算法避免了粒子在迭代后期的停滞,使粒子在迭代后期仍具有较小的飞行速度,从而避免了粒子后期陷入局部最优。通过试验对比,改进后算法在收敛性和分布性能上均提高(30~50)%左右。     

虚拟环境下基于离散控制点的线缆装配规划技术

在对虚拟环境下的线缆装配规划的特点进行分析的基础上,提出虚拟环境下的线缆离散控制点建模以及虚拟环境下基于离散控制点的线缆装配规划方法。该方法通过对线缆离散控制点的单点、多点控制,可实现对整个线缆的可视化交互操作,能够比较清楚地描述线缆的空间位置、走向和装配路径,同时让规划人员直观地观察线缆与零部件之间的干涉情况,实现线缆的实时空间布置和装配过程仿真,为线缆的装配规划提供了一条有效的途径。目前该线缆装配规划软件系统已经在航天产品的装配工艺设计中得到试用,取得了良好效果。     

基于变异粒子群算法的产品模块划分研究

模块化设计能有效满足大批量定制生产的需要,模块划分是模块化设计的关键技术之一。在模块划分过程中使用智能优化算法,易于计算机编程实现且划分效率较高。首先在粒子群优化(Particle Swarm Optimization, PSO)算法中引入遗传算法(Genetic Algorithm, GA)的变异思想,通过C++语言将变异粒子群优化算法进行编程实现,并对粒子类编码、设计结构矩阵生成、适应度函数计算和变异策略技术进行了深入分析研究;然后在减速器的模块划分实例中进行了多次验证,并着重比较了2种变异PSO算法和标准PSO算法的划分效率,结果表明了变异粒子群算法的划分高效性;最后在模块划分过程中详细分析研究了种群规模和变异概率2个参数对模块划分效率的影响,找到了实现最优划分效率的参数组合范围,为产品模块数值划分方法以及关键参数的选取提供了一定的参考价值。     

面向机器人路径规划的改进粒子群算法

针对复杂地图环境下的机器人路径规划问题提出一种聚类融合交叉粒子群算法,以避免传统粒子群算法(Parti-cle Swarm Optimization,PSO)容易陷入早熟且搜索精度差的问题.首先,根据粒子的适应度值对粒子进行k均值聚类,使较多的良性群体极值位置得到保存,从而增强粒子的探索能力;其次,用交叉、变异算子增加粒子多样性,避免在迭代前期粒子陷入早熟导致算法停滞;然后,采用自适应粒子群参数设置,减少粒子走入局部最优概率.最后,对比不同复杂度的地图算例结果发现,改进后的算法最终在安全避开障碍物的同时,具有搜索精度高、稳定性好且路径更优的效果,在路径规划上具有一定的实用价值.     

自适应变异粒子群算法实现的回转支承运动控制系统优化

以提高回转支承运动控制系统响应性能和速度跟随性能为目的,提出了一种自适应变异粒子群算法来优化系统内部速度环PI控制器参数,从而优化系统运动控制性能的方法。将遗传算法中的变异操作引入粒子群算法中,加入粒子变异环节,形成自适应变异粒子群算法,该算法能够克服普通粒子群算法易陷入局部最优的缺陷,同时消除控制器初始参数选择不当对系统性能的影响。将仿真所得PI控制器参数输入所搭建的系统中,实验结果显示该控制策略取得了满意的控制效果。     

基于混合粒子群算法的混流装配线投产顺序研究及仿真

针对混流装配线投产顺序的优化问题,提出两个目标函数.针于这种多目标优化问题,提出了一种混合粒子群算法.该算法结合最优解评估选取方法和遗传算法编码和交叉的思想,对粒子的全局极值和个体极值的选取做了改进.给出发动机混流装配线的一个实例,用该算法求投产顺序,按照求得的投产顺序在AutoMod仿真平台上建立仿真模型.通过仿真运行,证明了该算法求解混流装配线投产顺序的有效性以及AutoMod仿真混流装配线投产顺序的可行性.     

基于改进粒子群算法的多分支电缆自动布线技术

以多分支电缆的总质量作为优化目标,考虑电缆敷设相关的工艺约束,基于Steiner最小树建立多分支电缆自动布线的优化数学模型.提出了电缆布局优化的改进粒子群优化算法,采用一维定长度数组对多分支电缆布局进行粒子编码,在电缆分支点处引入引力算子,指导粒子的运动方向,并通过飞机舱段布线实例验证了所提方法的有效性.     

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.     

基于改进量子粒子群算法的PID参数优化

受遗传算法中变异机制的启发,提出一种引入变异因子的改进量子粒子群算法(MQPSO),粒子以不同的概率在种群最优解的位置附近进行变异。在典型函数的测试中,MQPSO算法的收敛精度要好于QPSO算法。应用于电厂主汽温控制系统PID参数优化,仿真结果表明,系统获得了较好的控制效果。     

基于改进粒子群的焊点检测路径规划方法

针对电路板的焊点检测路径优化问题,提出一种改进的粒子群优化算法。在粒子进化过程中,根据时间函数的变化,调整粒子进化参数组合。在焊点空间路径规划过程中,将最小时间函数作为移动准则。在当前焊点检测点,建立路径规划时间函数,利用改进粒子群算法求取时间函数最小点,作为下一路径点,从而逐步得到焊点移动路径。仿真结果表明,利用所提方法可以规划出一条有效最优路径,进行完成焊点路径规划任务。同时实验结果表明,相对于其他粒子群算法,该算法具有较好的收敛精度,且收敛速度可控。     

增加算子扰动项的粒子群优化算法研究

为了提高粒子群算法的稳定性,改善陷入局部最优的弊端,提出了一种增加算子扰动且对惯性权重进行正弦调整的粒子群优化算法。该方法首先利用差分方程对粒子的速度与位置变化过程进行深入分析,然后找到粒子群算法收敛的约束条件,进而获得改进后的惯性权重。最后在粒子群算法的速度公式中引入算子扰动项,其对粒子施加扰动,能够有效的抑制算法陷入局部最优问题,使算法在迭代后期也拥有一定的搜索能力。利用4个典型测试函数对算法进行验证,实验结果表明改进的惯性权重及速度更新公式使得该算法具备了较快的收敛速度和较佳的全局收敛性能,与标准粒子群算法相比,改进后的粒子群算法收敛精度高、鲁棒性强。     

产品装配顺序规划方法的研究

计算机辅助装配顺序规划是有关产品装配研究的重要内容。在提高装配顺序规划质量的条件下，综合拆分法与优先约束法的优点，提出了一种装配顺序规划的新方法。在子装配、组件预识别的基础上，采用割集法将产品进行拆分。基于装配城信息建立零件几何优先关系，基于产品共性特征及个性特征建立工艺优先关系，最终生成合理可行的装配顺序，并对实例进行分析。     

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.