改进布谷鸟算法在装配序列规划中的应用研究

针对装配序列规划问题,建立考虑装配序列的几何可行性、稳定性、聚合性、重定向性的装配关系模型以及基于适应度函数的装配序列优化数学模型。提出一种改进布谷鸟算法对装配序列规划问题进行求解,采用随机键和最小位置规则的方法设计基于零件编号、装配方向、装配工具的3层编码方案;设计基于最小装配成本的初始化策略与随机初始化策略相结合的混合种群初始化策略,提高种群质量;改进种群进化和搜索方式,将种群分为3个子群,并分别采用自适应步长飞行、标准步长飞行和交叉、变异的方式进行种群更新,提高算法的收敛速度和求解精度。最后通过实例应用及与其他算法的比较,验证了所提出的改进布谷鸟算法在求解装配序列规划问题上的有效性和优越性。

基于语义工艺知识的驱动桥装配序列规划研究

针对工程机械驱动桥装配序列规划中缺乏基于知识的推理决策,难以实现复杂产品智能化装配的问题,提出一种基于语义工艺知识的装配序列规划方法。构建了驱动桥装配语义工艺知识信息模型,表达子装配体层级结构信息、属性信息和装配语义信息。通过建立装配序列规划本体,并将SWRL规则引入装配本体,研究了工艺知识的语义表示和推理决策。采用Neo4j构建驱动桥工艺知识图谱,实现了典型结构子装配体装配序列快速识别。通过量化零件几何、物理属性和装配工艺信息对装配效率的影响,生成装配权重序列,并利用SWRL规则迭代修正形成非典型结构子装配体装配序列。以某型号压路机驱动桥装配序列生成与仿真,验证了该方法的可行性,为知识驱动的复杂产品装配序列规划提供参考。

基于知识图谱的直升机部件装配序列规划方法

由于直升机组件数量多且组件之间约束关系复杂,传统的装配序列规划方法存在指数爆炸和易陷入局部最优解的问题。为了应对装配序列求解时间随组件数量指数增长和多约束关系矩阵运算复杂的难点,引入知识图谱(KG)建立直观的语义装配信息模型,并提出了一种基于KG的直升机部件装配序列规划方法。首先,基于三维模型解析和知识推理技术实现结构信息和约束关系等关键装配信息的提取。其次,基于本体构建KG形式的装配信息模型。最后,利用带反馈的图规划算法从KG中求解直升机部件的装配序列。KG提供的优先关系减少了算法搜索空间,在优先关系的约束下,带反馈的图规划算法以装配方向改变次数最小和装配工具变化次数最少为目标,逐步规划序列并反馈规划结果以避免重复搜索。直升机的中机身中段部件被作为实验对象以验证该方法的有效性,对比启发式算法能获得更高适应度值的装配序列且求解时间更短。

基于GWO-IWD算法的装配序列规划研究

针对复杂装配体装配序列规划问题,提出一种基于灰狼优化的智能水滴算法。综合考虑零件的属性特征及几何约束,构建装配体的装配信息模型,将装配成本作为优化的目标函数,以装配序列的几何可行性、装配方向改变次数以及装配工具改变次数为约束条件,建立面向装配体的优化模型。采用智能水滴算法对装配体优化模型进行求解,并利用灰狼优化算法来改善智能水滴算法的搜索能力,提高算法求解精度。以柱塞泵装配体单元为例,验证了该算法的可行性及有效性。

基于改进人工蜂群算法的装配序列规划技术研究

针对复杂产品装配序列规划耗时、效率低且错误率高等问题,提出了一种基于改进人工蜂群算法的装配序列规划解决方案。首先,综合考虑装配序列的可行性、复杂性、稳定性、重定向性、聚合性等多个因素,构建基于矩阵的装配关系模型及适应性评价函数;其次,通过调用SolidWorks中的应用程序接口(application program interface, API)获取装配对象的相关数据,生成装配关系矩阵,以求装配序列规划问题;最后,以冷藏车的典型零件为对象,验证该方法的可行性。该技术显著缩短了检查时间和减小了错误率,同时提高了效率。

基于蚁群算法的立式行星齿轮传动装置并行装配序列规划研究

装配体中零部件的增加导致装配流程与工艺趋向于复杂化,装配序列的规划需要更加严谨,计算机辅助装配序列规划成为虚拟装配的重要方向。以复杂立式人字齿行星齿轮传动装置为例,通过子装配体和聚族零固件的识别,采用装配连接无向关系图确定装配连接关系,将装配关联矩阵转化成数学信息,采用蚁群算法进行了装配路线规划。结果表明,立式行星齿轮传动装置的装配时间减少了约20%,人力资源节省1/3。

基于CAD模型数据的产品装配序列规划

为了提高产品的装配效率,本文提出了一种基于CAD模型数据的产品装配序列规划方法。首先,根据产品的CAD模型文件提取装配信息;然后,以装配方向改变次数最小和装配稳定性最高为优化目标,采用改进的多目标人工鱼群算法实现了装配序列的多目标优化;最后,对提出的改进多目标人工鱼群算法进行了分析,并通过实例验证了本文所提出方法的有效性和可行性。

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。

基于遗传算法的飞机装配序列规划优化方法

在基于割集的装配顺序规划方法中,随着零件的增加,装配序列数呈指数增加,由此导致算法的组合爆炸问题。为此,提出了基于遗传算法的装配序列规划优化方法,研究了零件装配信息的基因组表示方法,将参与装配的零件的基因组排列成序,实现装配顺序的染色体表示。采用模糊集理论建立了适应度函数,并对装配序列进行评价和优化。以某型飞机机翼产品为例,验证了技术的有效性。

基于萤火虫算法的装配序列规划研究

将应用于连续空间优化的萤火虫算法扩展到装配序列规划领域。针对装配序列规划问题的特点,重新定义萤火虫算法的各种相关操作,提出面向装配序列规划问题的离散萤火虫算法。建立装配体的十进制干涉矩阵,提高干涉矩阵的输入效率。建立考虑装配序列稳定性、装配方向改变次数以及装配工具变换次数三个评价指标的适应度函数。在适应度函数构造方面,对传统的装配序列规划研究进行改进,提出更加完善的装配序列稳定性量化方式以及更加合理的装配工具变换次数求解算法。以一个典型的、包含19个零部件的机械臂装配实例分析该算法的特性,验证萤火虫算法的可行性和可靠性;并将萤火虫算法与在装配序列规划领域应用最广泛的遗传算法进行比较,试验证明萤火虫算法更有效。

基于粒子群算法的复杂产品装配序列规划

根据复杂产品装配规划问题的特点和要求,提出了一种求解装配序列规划(assembly sequenceplanning,ASP)问题的粒子群优化算法,将通常用于连续空间优化的粒子群算法成功扩展到ASP领域.算法根据ASP问题决策解的特点,在排序空间定义了微粒的位置和速度以及相关的各种操作.针对基本粒子群算法容易陷入局部最优的缺点,采用新的学习机制,增强了算法的寻优能力.基于干涉矩阵、连接矩阵和支撑矩阵建立了以装配可行性、装配体稳定性和装配方向改变为评价指标的目标函数.最后通过实例分析验证了该算法的有效性.

基于优先规则筛选的装配序列规划方法

针对现有装配序列规划方法在多目标优化求解准确性和效率等方面存在的不足,提出了新的装配模型及序列优化算法.首先构造了结构紧凑、包含更多装配关系信息的接触-连接矩阵,以及能有效解决非正交方向装配问题的扩展干涉矩阵,研究了通过干涉检测自动提取矩阵信息的方法.从自动化和量化角度研究了影响装配效率的若干规则,提供定制各规则及其优先顺序的柔性.提出了根据以上信息逐级筛选最优解,以构造最优序列的优化算法.最后以UG为平台开发了原型系统,以阀门为例,验证了本方法的可行性、高效性及其良好的可视化仿真效果.

基于改进遗传编程的并行装配序列规划

针对遗传算法只能生成线性装配解的局限,提出采用遗传编程来求解并行装配序列规划问题的方法。对传统的遗传编程算法进行改进,由于各零件间只有装配的动作,删除了遗传编程符号集内容,只保留了终端集;对遗传编程算法中有关算子及参数进行了设计与改进,使算法最终能够处理并行装配序列规划问题。该方法使用树型解结构代替串型解结构,转变了装配方式,提高了零件的装配效率和自动化装配水平。结合生产实际需求,给出了一种新的装配适应度衡量因子———装配总重,结合其他传统适应度衡量因子,共同评判装配解的优劣。

基于混合蛙跳算法的复杂产品装配序列规划

为提高机械产品的装配效率,提出一种基于混合蛙跳算法的产品装配序列规划方法。该方法针对混合蛙跳算法中各个模因组内的最优样本容易出现趋同性的现象,引入遗传算法,提出最优样本的差异性控制策略,以改善种群的差异性。建立了以装配操作稳定性、惩罚函数、装配方向改变次数和装配工具改变次数为装配序列评价指标的适应度函数模型。以一个装配体实例分析该算法的特性,验证了改进混合蛙跳算法的可行性和稳定性,并将该算法与标准混合蛙跳算法和遗传算法相比较,证明了改进混合蛙跳算法更有效。

产品分层分级的交互式拆卸装配序列规划

为降低产品装配序列规划的难度,提出一种可行且实用的基于分层分级的交互式拆卸装配序列规划方法。通过对产品装配数据集的合理分类,装配工艺信息可以被产品工艺资源树有效地组织和管理;根据所提装配体分层分级思想,定义了共轴线约束和共平面约束法则两种分层分级法则;在产品工艺资源的基础上,采用一种遍历迭代算法重组装配结构层次和更新装配位姿矩阵;按照产品的层次级别,实现了交互式的拆卸装配序列规划方法,该方法同时可以规划装配所需的工装或工具信息。通过一个典型的机械产品验证了该方法的有效性和实用性。

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。

基于图论和启发式搜索的装配序列规划算法

将装配序列规划中成熟的割集法和人工智能中启发式搜索方法相结合，提出一个高效的装配序列生成算法。此算法在启发函数的指导下，直接产生所需的最佳装配规划，避免了单独采用割集法产生装配AND/OR图而导致的组合爆炸的问题。同时省去了在选择装配规划时，对整个装配AND/OR图进行再次搜索。此算法与其它算法相比具有效率高、智能性强的特点。最后给出了一个实例。

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。

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。

运用有向联接件知识求解装配序列规划

在分析联接件特征的基础上 ,提出了有向联接件的概念 ,建立基于联接件知识的零件表达式 ;运用有向联接件知识求解装配序列规划 ,实现了知识推理算法和几何约束推理算法的有机结合 ,有效地降低了装配规划的计算复杂度 ,保证规划所得装配序列的合理性和实用性 此外 ,还建立了装配体的自由空间图 。