基于蚁群算法的改进装配序列规划方法研究

《基于蚁群算法的改进装配序列规划方法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于蚁群算法的改进装配序列规划方法研究摘要：机械产品的装配序列直接影响到产品质量和成本，装配序列规划是产品设计的重要内容。为快速实现产品装配序列规划，根据零部件间的装配优先关系，提出了一种改进的装配序列规划方法，并基于蚁群算法予以实现。该方法充分考虑装配过程中的几何约束关系，并引入稳定性、装配经验等因素的影响，以稳定性、装配经验、装配工具和方向的改变次数为影响因子构建优化目标评价体系，使所得解更具有实际指导意义。在求解过程中，根据几何约束关系运用动态候选集合策略限制蚁群的搜索空间，提高了搜索效率；考虑稳定性因素的影响改进了蚁群的状态转移规则，同时

2、引入局部-全局信息素更新规则，保证了蚁群获得最优或近优解。最后，通过实例研究验证了算法的可行性和高效性。关键词：装配序列规划；蚁群算法；稳定性；装配经验；优先关系中图分类号：TH122；TP391文献标识码：AANovelApproachforAssemblySequencePlanningBasedonAntColonyAlgorithmAbstract：Assemblysequenceaffectsthequalityandcostofmechanicalproducts,anditisimportantinproductdesign.Ino

3、rdertoobtaintheassemblysequencerapidly,precedencerelationsamongcomponentswereintroducedandanimprovedapproachforassemblysequenceplanningbasedonantcolonyalgorithmwasproposed.Consideringthegeometricconstraint,components’stabilityandassemblingexperienceinassemblyprocess,theapproa

4、chcanbemorepracticalthanbefore.Dynamicalcandidatessetstrategybasedonprecedencerelationswasadoptedtoconstrainthesearchingspaceofassemblysequence;statetransitionrulewasimprovedbasedonassemblystabilityandlocal-globalupdatingruleofpheromonewereintroducedtoensureobtainingtheoptima

5、lornear-optimalsolutions.Finally,thefeasibilityandcalculationefficiencyoftheproposedapproachwereverifiedbyacasestudy.Keywords:Assemblysequenceplanning;Antcolonyalgorithm;Precedencerelation;Stability;Experience11.引言1装配序列规划（Assemblysequenceplanning，ASP）是先进制造技术中的一个研究热点。产品装配序列规1划

6、是指在满足一系列设计约束（如几何特征、配合关系等）的条件下，来确定产品合适的装配顺序。它对产品的装配效率和成本有着直接的影响[1]。长久以来，许多学者致力于装配序列规划问题的研究。Bourjault[2]首先将装配关系联接图引入装配序列规划，此后DeFazio和Whitney[3]等在此基础上进行了一系列研究，但问题规模始终是此类方法的瓶颈[1]。随着研究的深入，专家系统、模拟退火算法、Petri网及神经网络等人工智能技术，也被应用于装配序列规划中，并有不少研究成果出现。遗传算法作为一种有效的算法也被广泛应用于序列规划[4-8]。1991年M.D

7、origo[9]等提出蚁群算法，1999年Failli和Dini[10]首次将之用于装配序列规划后，蚁群算法就被广泛用于序列规划研究中[11-15]。8这些方法从不同的角度取得了不少研究成果，但多数在于对算法本身的改进，而对装配序列规划方法本身的关注不够。在装配序列规划中通常考虑较多的是装配体本身的几何约束关系，而对重力作用下影响装配顺序的装配稳定性考虑不多，仅有少数涉及到[6,14]，且多仅在评价指标中给予了一定的体现；对在实际生产过程具有重要指导意义的装配经验更是甚少关注。为使所求序列更贴近实际生产过程，本文将装配过程稳定性、装配经验，纳入序

8、列规划影响因素中；并基于此改进了蚁群的搜索策略、转移规则、信息素更新策略，将稳定性、装配经验等影响因素直接用于指导蚁群转移，使得算法更适