基于图的子装配识别与装配序列规划

本文基于图建立了装配模型 ,并提出了一种基于配合关联图的子装配识别和装配序列规划方法 .直接从配合关联图出发识别出围绕箱体、轴和螺纹联接等典型零件所形成的子装配 ;对配合关联图进行了简化 。

基于子装配识别和有向割集的装配序列研究

基于图论和子装配识别,提出了装配序列规划方法。把有向图理论运用到装配建模,提出了用有向装配关联图来表示装配关系。通过对装配体的结构分析,定义了子装配体,并且将子装配体进行分类。然后通过子装配识别和有向图割集,实现了装配序列规划的生成。此方法比单独的有向割集计算量少、产生的序列少。最后将该算法运用到阀门装配体中,验证了其有效性。

在装配序列规划中子装配体识别方法研究

提出了基于关联图与基础零件识别子装配体的方法。首先从有向图识别基础零件。通过模糊数学理论建立几何和工艺优先约束因素相对于装配难度的隶属函数,以综合函数值作为权值得到赋权配合关联图。然后通过设置难度系数和以基础件为核心对节点进行合并与组装得到简化配合关联图。在此基础上通过一定的规则和基础零件识别子装配体。最后通过实例验证方法的可行性。

基于带权无向连接图的子装配体识别方法研究

子装配体识别是解决大规模装配序列规划问题的有效方法之一。为了高效、自动地识别子装配体,根据零件联接类型,建立了装配体的带权无向连接图模型。通过边权值的设定,使得装配体的带权无向连接图能够提供Ⅰ型和Ⅱ型子装配体识别所需的联接信息。将带权无向连接图与装配体的干涉矩阵和支撑矩阵相结合,设计并实现了Ⅰ型和Ⅱ型子装配体的识别算法。与有向连接图模型中子装配体识别算法相比,能够有效消除识别过程中对两种类型子装配体的冗余判断。实验结果表明,识别算法能够有效的进行两种类型子装配体的识别。

基于识别关键件的子装配体识别方法

为避免在复杂产品装配序列规划过程中出现过度的组合爆炸,同时基于产品无向连接图和子装配体约束要求,提出一种新的子装配体识别方法。通过产品零件的无向连接图,找出复杂产品中的"连接关键件"和"识别关键件",用于区分不同的零件连接集合;通过子装配体的稳定性检验及矫正、独立无冲突性检验及矫正,找出复杂产品中的有效子装配体;采用深度搜索策略生成每个子装配体的装配序列,得到复杂产品的装配树结构。通过某齿轮油泵模型的实例演示,证明了子装配体识别方法的有效性。

基于BP神经网络的装配序列规划

针对产品装配序列规划所面临的自动化和智能化不足、人工干预较多等问题,结合人工神经网络等智能算法,设计了一种基于反向传播(BP)神经网络的产品装配序列规划方法。首先使用装配参数信息表表达装配体零件信息与装配序列的映射关系,建立BP神经网络模型,进行神经网络训练并推理产品装配序列;然后利用子装配体识别算法进行子装配体划分,降低装配序列求解难度,实现基于子装配体识别的装配序列优化。最后分别以蜗杆减速器与圆柱齿轮减速器作为训练样本和验证样本,验证了所提方法的有效性。

集成化的装配顺序自动生成算法

指出提高产品装配顺序规划效率的关键是有效地减少规划时所考虑的零件数量·提出了将零件的工程语义信息引入到产品的装配顺序规划中 ,同时通过对装配体的干涉矩阵和连接矩阵的分析 ,对可能的子装配体进行识别 ,从而大大减少所规划的零件数量 ,弥补了一般算法的不足 ,且在装配顺序生成的同时对其进行优化和评价 。

机械产品装配顺序自动生成算法研究

提高产品装配顺序规划效率的关键是有效地减少规划时所考虑的零件数量 .本文提出了将零件的工程语义信息引入到产品的装配顺序规划中同时通过对装配体的干涉矩阵和连接矩阵的分析 ,对可能的子装配体进行识别 ,从而大大减少所规划的零件数量 ,使产品的装配顺序可以高效地自动生成 .

基于可拆卸性分析和图方法的目标拆卸序列规划

针对现有目标拆卸序列求解方法在拆卸并行性规划和计算效率上存在不足的情况,提出了一种目标拆卸序列优化算法。基于球面映射、非正交干涉矩阵以及复合拆卸路径判别等方法的运用与改进,研究了零部件可拆卸性分析方法;应用分层图方法,对目标零件进行定位,结合子装配体识别法,去除冗余拆卸步骤,并提高拆卸过程的并行性。通过实例对该方法的有效性进行了验证。