【技术实现步骤摘要】
一种柔性装配多目标动态优化方法
本专利技术涉及一种装配线优化设计技术,特别是一种柔性装配多目标动态优化方法。
技术介绍
近年来,随着工业机器人、机器视觉以及物联网等信息技术的进步和普及,面向多品种变批量生产模式的柔性装配系统得到越来越多的应用。与此同时,个性化需求的发展,驱使工业品的细分度进一步增强,对产品高性价比、高质量一致性的追求,以及市场的动态性对装配生产过程快速响应的需求,都要求柔性装配系统在设计之初,就必须考虑产品装配质量、装配线的产能、装配线制造成本及其可重访性等多目标优化问题。随着装配线及现实环境等诸多变化,柔性装配线除了需要协调不同工作站配合完成零件的装配,还要应对环境因素和人为需求变化等诸多影响。如一些具有工作站重访的装配线中,初装配体装配完成,转送检测工作站,检测有不合格,需重访工作站进行调整,导致装配节拍不是一个定值。甚至有时候装配线的某个工作站故障,带来装配节拍的改变,且随着时间的推移,装配线装配能力波动,企业成本承受能力的变化等诸多因素,所以对于装配线的多目标优化还是一个动态优化的过程。
技术实现思路
本专利技术的目的在于提供一种柔性装配多目标动态优化方法,包括:构建柔性装配线多目标动态优化的模型:模型包括了变压器柔性装配线的定义、装配线多目标优化的前提条件、多目标动态优化函数的参数定义、多目标优化函数、函数参数的约束条件;设计基于种群迭代划分的遗传算法:通过双层基因编码,设计产品竞争力为指标的适应度函数,针对选择算子采用精英选择策略,针对交叉算子 ...
【技术保护点】
1.一种柔性装配多目标动态优化方法,其特征在于,包括:/n构建柔性装配线多目标动态优化的模型:模型包括了柔性装配线的定义、装配线多目标优化的前提条件、多目标动态优化函数的参数定义、多目标优化函数、函数参数的约束条件;/n设计基于种群迭代划分的遗传算法:通过双层基因编码,设计产品竞争力为指标的适应度函数,针对选择算子采用精英选择策略,针对交叉算子设计分阶段交叉,在进化早期选择间隔的个体随机交叉,在进化后期选择优秀的个体交叉,而变异算子则是在不同进化阶段设置不同的变异概率,共同实现算法的全局最优和快速收敛;/n利用设计的基于种群迭代划分的遗传算法,根据需求目标,求得柔性装配线规划的最优结果。/n
【技术特征摘要】
1.一种柔性装配多目标动态优化方法,其特征在于,包括:
构建柔性装配线多目标动态优化的模型:模型包括了柔性装配线的定义、装配线多目标优化的前提条件、多目标动态优化函数的参数定义、多目标优化函数、函数参数的约束条件;
设计基于种群迭代划分的遗传算法:通过双层基因编码,设计产品竞争力为指标的适应度函数,针对选择算子采用精英选择策略,针对交叉算子设计分阶段交叉,在进化早期选择间隔的个体随机交叉,在进化后期选择优秀的个体交叉,而变异算子则是在不同进化阶段设置不同的变异概率,共同实现算法的全局最优和快速收敛;
利用设计的基于种群迭代划分的遗传算法,根据需求目标,求得柔性装配线规划的最优结果。
2.根据权利要求1所述的方法,其特征在于,柔性装配线多目标动态优化的模型的具体步骤为:
步骤S101,根据变压器柔性装配线装配产品的工艺需求,确定装配线的工位和所能装配的同系列不同型号的产品种类;
步骤S102,确定装配线多目标优化的前提条件,包括工序在工作站上的分配、工序的装配极限速度、产品的单件价值、每种工作站的制造成本、装配线的投入成本上限、装配线每天投产的时间、市场对装配生产产品的需求量情况;
步骤S103,确定决策变量,包括各工作站的装配速度、各工作站的数量和各缓冲区的缓冲量设置;
步骤S104,确定柔性装配线多目标优化函数,包括
(1)装配线产能最大化函数
α=60Tdmax{n1S1,n2S2,...,njSj}
其中,Td为装配线每天工作时间,nj为工作站j的数量,Sj为工作站1到工作站j的实时装配速度;
(2)装配线制造成本最低函数
Ck=min(sum(njcj))
其中,cj为第j种工作站的制造成本;
(3)产品装配质量最佳函数
其中,a、b为常数
步骤S105,确定约束条件,包括
(1)各工序的装配速度约束方程
Ai=[a1a2...ai]
其中,ai为第i个工序;
(2)工序在工作站上分配的约束方程
其中,
(3)各工作站的装配速度约束方程
Sj<AiAm
Sj为包含s1,s2,...,sj的矩阵;
(4)设备成本约束方程
Ck<Cm
Cm为整条装配线的最高投入成本;
(5)柔性装配的装...
【专利技术属性】
技术研发人员:刘志,蔡峰,孔令聪,顾士晨,何傅侠,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。