一种柔性装配多目标动态优化方法技术

本发明专利技术提供了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。

【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。本专利技术与现有技术相比，具有以下优点：(1)该方法构建柔性装配线多目标动态优化的模型及设计基于种群迭代划分的遗传算法求解，适应于设备的多目标优化设计，具有通用性。这种方法的应用，能够提前解决设备运行过程中可能发生的问题，节省企业成本，提高设备的质量；(2)设计基于工况变化的动态优化方法，这种方法使得对现有装配线进行资源整合的同时，将对设备生产的影响降到最小，提高设备的柔性。(3)本专利技术增强了装配设备的柔性，提高了产品装配质量的稳定性和企业应对市场变化的响应速度，降低设备成本，使得装配线利用率最大化。下面结合说明书附图对本专利技术作进一步描述。附图说明图1是柔性装配线设计图。图2是算法工作流程图。图3是基因串编码图。图4是基因串解码图。具体实施方式结合图1，本专利技术优化柔性装配线的设计。以变压器柔性装配线为例，设计五种功能的装配工作站，主要包括装配工作站、矫正搬运工作站、涂胶工作站、辅助调试工作站、加压锁紧测试工作站五种工作站。其中装配工作站主要完成产品组件的初装配，包含了铁芯推送、中柱放置、线圈放置、边柱套线圈、绝缘纸送夹、安装环氧板、铁芯压装一共七个工序；矫正搬运工作站主要是对初装配体进行矫正定位并翻转半成品，将顶部铁芯拆分放置；涂胶工作站负责对拆分下来的顶部铁芯单面涂胶，即非晶铁芯单面涂胶；辅助调试工作站则是负责拆分之后的另一部分中的三柱表面涂胶并放置气隙纸；加压锁紧测试工作站负责涂胶之后的装配组件整体的加压锁紧并测调电感。当工作站一完成产品组件的初装配后，通过输送机将初装配体运送到工作站二，工作站二通过定位夹具对初装配体进行矫正定位，并拆分顶部铁芯，分给工作站三，由工作站三完成顶部铁芯的涂胶工作，其余部分运往工作站四，工作站四对组件的三柱表面涂胶并放置气隙纸，当工作站四完成之后，借助输送机的智能控制可以后退往工作站三位置，由工作站三再装好涂完胶的顶部铁芯，最后组件整体到达工作站五，对产品组件整体进行加压测调电感，测试完成后再锁紧下料。结合图2，一种柔性装配线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、设计基于种群迭代划分的遗传算法和基于工况变化的动态优化方法。构建柔性装配线多目标动态优化的模型：该模型以工作站排布，缓冲区设置和装配速度为变量，同时考虑工作流程约束，设备成本约束和装配速度约束。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；柔性装配线多目标动态优化的模型的具体步骤为：步骤S101，定义柔性装配线，确定装配线的工位和所要装配的产品种类；步骤S102，确定产品装配的前提条件，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，给多目标优化函数的参数予以定义，以变压器装配为例，表1为变压器柔性装配线多目标动态优化模型参数定义表，再在参数中确定模型的决策变量；表1步骤S104，列写柔性装配线多目标优化函数，包括了装配线产能最大化函数、装配线制造成本最低函数和产品装配质量最佳函数α＝60Tdmax{n1S1,n2S2,...,njSj}(1)Ck＝min(sum(njcj))(2)步骤S105，列写多目标优化函数中的参数约束方程，包括Ai＝[a1a2...ai](4)Sj＜AiAm(6)Vj-1＝NjSj(9)n1S1＝n2S2＝n3S3＝...＝njSj(10)Ck＜Cm(11)步骤104和步骤105中，式(1)表示装配线产能最大化，式(2)表示装配线制造成本最小化，式(3)表示产品的装配质量最佳方程，式(4)表示各工序的装配速度，式(5)表示各工序在工作站上的分配，式(6)表示各工作站装配速度约束，式(7)表示各工作站的数量排布，式(8)表示各工作站的制造成本；式(9)表示缓冲区的缓冲量，式(10)表示装配流程约束，装配线上每种工作站的总装配能力相等或相近，式(11)表示装配线制造成本约束。获得柔性装配线的多目标优化模型之后，则根据设计的基于种群迭代划分的遗传算法对模型进行求解：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。设计基于种群迭代划分的遗传算法，算法流程为：步骤S301，对决策变量进行基因串双层编码；步骤S302，初始化种群和设置进化的代数Tmax，初始情况下T＝0；步骤S303，计算种群中个体的适应度；步骤S304，利用精英选择策略，从步骤S303中的种群中，选择出优秀的个体；步骤S305，对通过步骤S304选择算子操作后得到的个体进行交叉本文档来自技高网...

【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