CN104462705A - 一种基于微粒群算法的夹具装配序列规划方法 - Google Patents

Abstract

一种基于微粒群算法的夹具装配序列规划方法，先利用面向装配规划的层次装配模型中联接关系属性表中的信息来生成装配体的初始联接关系图；根据联接关系图和装配层次关系树中各零部件之间的层次包含关系，构造整个装配体及每个子装配体的对应的联接关系图；根据装配联接关系图确定装配过程中所需工具，构造装配工具约束矩阵M；确定装配过程各工序所需时间，最终生成时间约束矩阵T；应用微粒群算法生成可行的装配序列规划；判断所生成的装配序列正确性；输出用甘特图表示的整体装配序列规划结果，本发明在满足生产的工艺性、使用的可靠性和安全性，且费用最省、误差最小的条件下使所设计的产品具有较好的性能。

Description

一种基于微粒群算法的夹具装配序列规划方法

技术领域

本发明涉及夹具装配序列规划领域，具体涉及一种基于微粒群算法的夹具装配序列规划方法。

背景技术

在数字化产品装配规划中，装配序列生成确保生成可行的装配序列，不同的装配序列会直接影响装配工具夹具的选择、装配过程效率以及装配成本，对于复杂产品的装配，可以从上万条装配序列中找到最佳方案，同时在产品设计阶段，根据装配序列规划反馈的信息，帮助产品设计者改进设计。装配序列是决定装配过程的复杂性和可靠性的重要因素，利用产品设计中的数字化信息，在计算机内进行产品装配序列生成，选择适合装配环境的较好的装配序列，对于改进产品设计、确保装配可行性、提高装配效率、降低装配成本、缩短产品的开发周期具有非常重要的意义。装配序列生成逐渐成为制造自动化过程中的一个重要任务和CIMS研究的一个重要组成部分。

尽管微粒群算法已经成功应用于工程领域，但如何应用微粒群算法有效的解决装配序列规划问题，以及微粒群算法中各个参数的变化对装配序列规划有何影响都没有文献进一步讨论过。现阶段将微粒群算法应用于求解装配序列规划问题的主要困难是微粒群算法的连续性。标准的微粒群算法不能直接用来求解离散的装配序列规划问题。然而，在标准微粒群算法基础上改进的离散微粒群算法中，每一个粒子都可以用一条离散的装配序列来表示，在离散空间中确定微粒的位置和速度。微粒群优化算法作为一种通用的优化算法，对特定问题的局部搜索能力较差，容易陷入局部极小解，这点与遗传算法类似，因此，将基于模拟退火的搜索方法与微粒群算法相结合，有利于提高微粒群算法的整体优化质量和效率。微粒群算法为模拟退火搜索提供了一组具有较好质量和分散度的初始解，然后采用模拟退火机制对这些解进行局部邻域搜索，有利于对优良解的局部改良，同时赋予算法一种概率突跳能力。因此本论文把微粒群算法引入装配规划领域，通过合理的操作设计和改进，以提供一种新的、有效的装配规划方法，具有重要的研究意义。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于微粒群算法的夹具装配序列规划方法，在满足生产的工艺性、使用的可靠性和安全性，且费用最省、误差最小的条件下使所设计的产品具有较好的性能。

为了达到上述目的，本发明采取的技术方案为：

一种基于微粒群算法的夹具装配序列规划方法，包括以下步骤：

第一步，利用面向装配规划的层次装配模型中联接关系属性表中的信息来生成装配体的初始联接关系图；

第二步，根据联接关系图和装配层次关系树中各零部件之间的层次包含关系，构造整个装配体及每个子装配体的对应的联接关系图，确定各零件之间的位置关系、干涉关系；

第三步，根据装配联接关系图确定装配过程中所需工具，构造装配工具约束矩阵M；

第四步，利用装配知识，确定装配过程各工序所需时间，最终生成时间约束矩阵T；

第五步，应用微粒群算法生成可行的装配序列规划；

第六步，利用装配知识，以及由各零件之间的位置关系、连接关系所生成的干涉矩阵，判断所生成的装配序列正确性；

第七步，输出用甘特图表示的整体装配序列规划结果。

本发明的有益效果为：

微粒群算法相对于传统的优化算法不是对于个体使用进化算子，而是将每个个体看做是在n维搜索空间中的一个没有重量和体积的微粒，并在搜索空间中参照群体的飞行经验和粒子本身的飞行经验以一定的速度飞行。微粒群算法作为一种有效的并行搜索算法保留了基于种群的全局搜索策略，不需要依赖问题本身的特征信息，采用简单的速度位移进化模型，避免了复杂的遗传操作，且仅有少量的参数需要调整，同时它特有的记忆能力使其可以动态跟踪当前的搜索情况用以调整其搜索策略，因此具有较强的全局收敛能力和鲁棒性，非常适合于求解复杂的优化问题。具体的用微粒群算法解决装配序列优化问题有以下优势：

1）对于问题特征不敏感，不要求目标函数和约束函数是解析的，不要求是连续的或者高阶可微的。

2）是一种随机的迭代算法。

3）寻优过程是种群进化过程而不是一个点的迭代过程，一个种群包含多个个体，这使得算法能以较大的概率找到全局最优解。

4）很容易执行和使用。

5）对初始点的选取不敏感。

附图说明

图1为装配序列生成的整体的流程图。

图2为层次装配模型信息图。

图3为微粒群算法流程图。

图4为应用微粒群算法进行装配序列规划其中一个最优解的甘特图。

具体实施方式

下面结合附图和实例对本发明做详细描述。

具体实例如下，假设某一夹具体完成各个装配过程所需的时间及所需装配工具，本程序以所有机器的完工时间最短为优化目标来对该问题进行优化，其优化模型为

                                                 

式中：M_J为最优装配序列方案；T_E为各装配方案每台机器的加工结束时间。

参照图1，一种基于微粒群算法的夹具装配序列规划方法，包括以下步骤：包括以下步骤：

第一步，利用如图2所示的层次装配模型信息图表示中包含的个装配体中各零件之间内在的、隐含的约束关系，采用一种面向装配规划的层次装配模型来完整的表示装配序列生成中所需的装配信息。面向装配规划的层次装配模型将装配信息分成两层存储，低层存储具体的零件几何形状与位置信息，高层存储零件之间抽象的接触和联接关系信息，总体框架如图2所示。利用层次装配模型中联接关系属性表中的信息来生成装配体的初始联接关系图；

第二步，根据联接关系图和装配层次关系树中各零部件之间的层次包含关系，构造整个装配体及每个子装配体的对应的联接关系图，确定各零件之间的位置关系、干涉关系；

第三步，根据装配联接关系图确定装配过程中所需工具，构造装配工具约束矩阵；

第四步，利用装配知识，确定装配过程各工序所需时间，最终生成时间约束矩阵；

第五步，如图3所示，应用微粒群算法生成装配序列规划；

第六步，利用装配知识，以及由各零件之间的位置关系、连接关系所生成的干涉矩阵，判断所生成的装配序列正确性，如本例中夹具体由6个零件组成，则可生成一组6×6的干涉矩阵；

如图4所示，输出用甘特图表示的整体装配序列规划结果，其中横坐标代表所需时间，纵坐标代表所用机器。由图4可以看出装配所需时间为55s，由此得出此次装配所需的最短时间。由于计算公式中存在0到1平均分布的随机函数，每次运行所得结果不可能完全相同，要得到可靠的数据，需多次运行取最小值。

Claims (1)

1.一种基于微粒群算法的夹具装配序列规划方法，包括以下步骤：

第一步，利用面向装配规划的层次装配模型中联接关系属性表中的信息来生成装配体的初始联接关系图；

第二步，根据联接关系图和装配层次关系树中各零部件之间的层次包含关系，构造整个装配体及每个子装配体的对应的联接关系图，确定各零件之间的位置关系、干涉关系；

第三步，根据装配联接关系图确定装配过程中所需工具，构造装配工具约束矩阵M；

第四步，利用装配知识，确定装配过程各工序所需时间，最终生成时间约束矩阵T；

第五步，应用微粒群算法生成可行的装配序列规划；

第六步，利用装配知识，以及由各零件之间的位置关系、连接关系所生成的干涉矩阵，判断所生成的装配序列正确性；

第七步，输出用甘特图表示的整体装配序列规划结果。