基于乌鸦搜索算法的装备并行拆卸任务规划

针对装备维修性试验验证过程中拆卸任务难以有效规划的问题,提出了一种基于乌鸦搜索算法的装备并行拆卸任务规划方法。分析了拆卸任务的流程关系,建立了拆卸任务流程关系的数学模型。将维修时间作为评价并行拆卸任务规划结果的适应度函数模型,结合乌鸦搜索算法的计算步骤,引入遗传算法的交叉操作方式和变异操作方式,实现了对乌鸦搜索算法的离散化处理,满足了装备并行拆卸任务规划问题的求解需求。实例应用结果表明:相比遗传算法,乌鸦搜索算法的寻优能力和搜索能力更优,适用于装备并行拆卸任务规划工程实践。

基于分布估计算法的并行拆卸序列规划研究

针对目前并行拆卸效率低的问题,对产品的拆卸模型的构建方法、编码与解码以及分布估计算法进行了研究,提出了一种基于分布估计算法的并行拆卸序列的规划方法。通过构建层次拆卸任务图,表达了零件间的拆卸优先关系,并存储了层次拆卸任务图的邻接矩阵;以邻接矩阵为依据,采用自然数编码方法进行了编码,并运用了扫描解码方法进行解码;建立了合适的分布估计算法的概率模型和更新方法,以最小化拆卸完工时间为优化目标,通过不断迭代获取了并行拆卸的最优解,通过实例验证了算法的正确性。研究结果表明:该方法在求解的质量和效率之间取得了很好的平衡。

复杂产品拆卸层次模型与构建方法研究

针对目前复杂产品拆卸序列规划过程中拆卸信息模型复杂、构建困难等问题,对拆卸信息模型的约束含义、表示方式、构建方法等方面进行了研究,提出了一种基于拆卸部件几何约束关系同步解除的拆卸层次模型及其构建方法。定义了拆卸层次模型,以描述零部件间的接触、空间、拆卸优先级等约束信息;提出了子拆卸体的获取方法,通过复杂产品拆卸任务分层,逐层获得了子拆卸体,生成了初始拆卸层次图模型,给出了拆卸约束简化规则,去除了模型中的冗余信息,形成了拆卸层次模型;最后,利用某一发动机对所提模型和构建方法的可行性进行了验证。研究结果表明:该方法充分结合了复杂产品的模块化设计的特点,提高了建模效率,为复杂产品自动化拆卸问题的计算机求解提供了支持。