一种基于蝙蝠算法的多头贴片机贴装效率优化方法及系统技术方案

本发明专利技术公开了一种基于蝙蝠算法的多头贴片机贴装效率优化方法及系统，S1：构建贴片机贴装的主体编码和隐层编码；S2：对主体编码采用随机整数编码方式初始化一组序列，得到初始化种群；S3：构建适应度函数，计算得到初始化种群中每个蝙蝠的适应度值，得到最优蝙蝠位置；S4：采用汉明距离调整速度更新，将第i只蝙蝠在t次迭代时的速度

【技术实现步骤摘要】
一种基于蝙蝠算法的多头贴片机贴装效率优化方法及系统
本专利技术涉及贴片装置
，尤其涉及一种基于蝙蝠算法的多头贴片机贴装效率优化方法及系统。
技术介绍
贴片机广泛应用于印刷电路板的装配生产线中，一条SMT生产线的生产速度是由贴片机来决定的，因此贴片机是整个生产线的核心技术部分，对贴片机的元器件贴装工艺进行优化、缩短贴装时间有着十分重要的现实意义和工程价值。在实际生产过程中，若贴装时间过长将导致丝印在PCB板上焊膏失效，从而使再流焊接的效果变差，并严重影响产品质量。目前关于多头拱架式贴片机贴装效率问题的算法应用大致分成两大类，一种是启发式算法，另一种是群智能优化算法。一般而言，群智能优化算法与启发式算法相比具有更好的求解质量，但采用常规的如遗传算法、蚂蚁算法等群智能优化算法求解，通常存在个体编程长度冗长的情况，导致计算效率低和最优解精度差的缺陷，随着元件数量的增加，计算量会成指数级增长，由此引起的缺陷将表现得更加突出，这使得仅使用群智能优化算法求解上述问题受到了一定限制。另一方面，群智能优化算法所解决问题的规模通常被限制在有限的结点数范围之内，这使得在实际应用中问题的最优解常常无法得到。而对于启发式算法来说，问题的规模一般没有限制，但该算法在大多数的情况下得不到最优解，只能是近似最优解。另一方面，遗传算法作为常用的群智能优化算法用于解决贴装优化问题的方法，但在实际应用中，遗传算法会有如下方面的不足：在遗传算法中，交叉算子通过模拟自然界生物的杂交过程对个体进行交叉操作，不断产生新个体、增加种群的多样性、扩大寻优范围，从而使得遗传算法具有较强的搜索能力，可是交叉算子在遗传算法扩展求解空间，并达到全局最优的过程中发挥着至关重要的作用。正是由于交叉算子对遗传算法的性能如此重要，交叉算子的设计和实现与所研究的问题密切相关。在实际的应该过程中，采用常用的整数交叉算子有PMX(Partial-MappedCrossover)、OX(OrderCrossover)、PBX(Position-basedCrossover)、OBX(Order-BasedCrossover)和CX(CycleCrossover)等，通过对比测试发现使用这几类交叉算子时，存在搜索能力改善不显著，收敛速度较慢，对解的破坏性大，难以达到预期的优化效果不足。这就导致工作人员会将大量时间花费在算法的改善，难以有更多的精力关注在实际的应用场景，在一定程度上偏移了工作重点。
技术实现思路
基于
技术介绍
存在的技术问题，为了提升求解贴装过程优化问题的计算效率和求解精度，本专利技术以蝙蝠算法作为贴装效率优化的主要算法，并结合启发式算法进一步提升求解贴装过程优化问题的计算效率和求解精度。一种基于蝙蝠算法的多头贴片机贴装效率优化方法，包括：S1：构建贴片机贴装的主体编码和隐层编码，所述主体编码包括送料槽分配和元件贴装序列，所述隐层编码包括贴装头分配和贴装头吸取顺序；S2：对主体编码采用随机整数编码方式初始化一组序列，得到初始化种群；S3：以贴装头完成贴装过程移动的总运动距离最短和贴装头最小吸取次数为目标建立贴片机贴装的适应度函数，计算得到初始化种群中每个蝙蝠的适应度值，得到最优蝙蝠位置；S4：采用汉明距离调整速度更新，将第i只蝙蝠在t次迭代时的速度与当前最优蝙蝠位置相联系；S5：通过位置更新计算当前蝙蝠位置，该当前蝙蝠位置作为局部最优的路径；S6：对主体编码进行变异，循环步骤S2至S5，得到贴片机贴装的全局最优路径，以优化贴片机贴装效率。进一步地，所述隐层编码利用启发式算法计算得到，具体步骤如下：S11：设定单次吸取元件组所在的送料槽编号序列为S＝{s1,s2,…,sk}(k≤H，H表示贴装头总数)；S12：对送料槽编号序列S按照由小到大的准则排序，得到S′＝sort(S)；S13：将S′拆分为(max(S′)-min(S′)+1)个长度的数组，对送料槽中是否有元件进行标记；S14：初始化滑动窗口，其长度为贴装头总数H，且每个子窗口可存储；S15：移动滑动窗口并依次扫描数组元数，记录当前滑动窗口下有元件的送料槽总数；S16：当扫描结束后，选择送料槽总数中的最大记录数，作为第一次吸取，记录吸取的送料槽，并将该滑动窗口位置设置为不可存储状态，将相应的数组元素更新设置为空；S17：重复步骤S14～S16，直至所有数组元素均为0；S18：输出对应贴装头吸取的元件类型和贴装头吸取顺序信息，所述贴装头吸取顺序信息包括贴装头吸取次数、吸取送料槽ID、贴装头分配、贴装头吸取顺序、贴装头吸取的开始位置和结束位置。进一步地，所述适应度函数的模型如下：其中，w＝C×Δd为权重系数，C为常数，Δd为相邻贴转头间距，D为取贴循环总数，pi为在i次贴装循环中，贴装头吸取完元件组的次数，w权重系数，l0,1为贴装头从初始位置移动到第1个待吸取元件所在的送料槽移动的距离，为在i次取贴循环中，贴装头在送料槽上吸取该组所有元件共移动的距离，为在i次取贴循环中，贴装头在PCB上贴装完成该组元件共移动的距离，为第i次取贴循环到第i+1次取贴循环中，贴装头移动的距离。进一步地，在步骤S4：采用汉明距离调整速度更新，将第i只蝙蝠在t次迭代时的速度与当前最优蝙蝠位置相联系中，汉明距离具体为：基于汉明距离所得到的每一个解是长度固定的一维数组，不同解之间特征为在长度相同的条件下，相对应位置的节点部分不同数目。进一步地，在步骤S5：通过位置更新计算当前蝙蝠位置，该当前蝙蝠位置作为局部最优的路径，具体包括：S51：计算当前蝙蝠个体与最优蝙蝠个体之间的汉明距离，所述最优蝙蝠个体是通过适应度函数计算得到的最优蝙蝠；S52：根据汉明距离计算当前蝙蝠速度；S53：若当前蝙蝠速度小于主体编码长度一半，通过2-opt位置更新公式更新当前蝙蝠的位置xi；S54：若当前蝙蝠速度大于等于主体编码长度一半，通过2-swap位置更新公式更新当前蝙蝠的位置xi。进一步地，在步骤S4中，当前蝙蝠xi在第t次迭代中，受最优蝙蝠xbest吸引而获得的速度vti为：在步骤S53中，2-opt位置对应的公式：在步骤S54中，2-swap位置对应的公式：其中，HammingDistance表示汉明距离，Random表示随机数，即速度为从1到两者汉明距离之间的随机数，为当前蝙蝠xi在第t+1次迭代的速度，为蝙蝠xi在第t+1次迭代中的位置。进一步地，在S6：对主体编码进行变异，循环步骤S1至S5，得到贴片机贴装的全局最优路径，以优化贴片机贴装效率中，包括：S61：预设变异机制的变异算子，所述变异算子包括翻转、插入和偏移；S62：通过变异算子对当前蝙蝠进行变异处理，得到变异后的蝙蝠；S63：若产生的随机数rand满足rand＞Ri，采用变异后的蝙蝠位置更新变异前对应的蝙蝠位置；S本文档来自技高网...

【技术保护点】
1.一种基于蝙蝠算法的多头贴片机贴装效率优化方法，其特征在于，包括：/nS1：构建贴片机贴装的主体编码和隐层编码，所述主体编码包括送料槽分配和元件贴装序列，所述隐层编码包括贴装头分配和贴装头吸取顺序；/nS2：对主体编码采用随机整数编码方式初始化一组序列，得到初始化种群；/nS3：以贴装头完成贴装过程移动的总运动距离最短和贴装头最小吸取次数为目标建立贴片机贴装的适应度函数，计算得到初始化种群中每个蝙蝠的适应度值，得到最优蝙蝠位置；/nS4：采用汉明距离调整速度更新，将第i只蝙蝠在t次迭代时的速度v

【技术特征摘要】
1.一种基于蝙蝠算法的多头贴片机贴装效率优化方法，其特征在于，包括：
S1：构建贴片机贴装的主体编码和隐层编码，所述主体编码包括送料槽分配和元件贴装序列，所述隐层编码包括贴装头分配和贴装头吸取顺序；
S2：对主体编码采用随机整数编码方式初始化一组序列，得到初始化种群；
S3：以贴装头完成贴装过程移动的总运动距离最短和贴装头最小吸取次数为目标建立贴片机贴装的适应度函数，计算得到初始化种群中每个蝙蝠的适应度值，得到最优蝙蝠位置；
S4：采用汉明距离调整速度更新，将第i只蝙蝠在t次迭代时的速度vit与当前最优蝙蝠位置相联系；
S5：通过位置更新计算当前蝙蝠位置，该当前蝙蝠位置作为局部最优的路径；
S6：对主体编码进行变异，循环步骤S2至S5，得到贴片机贴装的全局最优路径，以优化贴片机贴装效率。


2.根据权利要求1所述的基于蝙蝠算法的多头贴片机贴装效率优化方法，其特征在于，所述隐层编码利用启发式算法计算得到，具体步骤如下：
S11：设定单次吸取元件组所在的送料槽编号序列为S＝{s1,s2,…,sk}其中，k≤H，H表示贴装头总数；
S12：对送料槽编号序列S按照由小到大的准则排序，得到S′＝sort(S)；
S13：将S′拆分为(max(S′)-min(S′)+1)个长度的数组，对送料槽中是否有元件进行标记；
S14：初始化滑动窗口，其长度为贴装头总数H，且每个子窗口可存储；
S15：移动滑动窗口并依次扫描数组元数，记录当前滑动窗口下有元件的送料槽总数；
S16：当扫描结束后，选择送料槽总数中的最大记录数，作为第一次吸取，记录吸取的送料槽，并将该滑动窗口位置设置为不可存储状态，将相应的数组元素更新设置为空；
S17：重复步骤S14～S16，直至所有数组元素均为0；
S18：输出对应贴装头吸取的元件类型和贴装头吸取顺序信息，所述贴装头吸取顺序信息包括贴装头吸取次数、吸取送料槽ID、贴装头分配、贴装头吸取顺序、贴装头吸取的开始位置和结束位置。


3.根据权利要求1所述的基于蝙蝠算法的多头贴片机贴装效率优化方法，其特征在于，所述适应度函数的模型如下：



其中，w＝C×Δd为权重系数，C为常数，Δd为相邻贴转头间距，D为取贴循环总数，pi为在i次贴装循环中，贴装头吸取完元件组的次数，w权重系数，l0,1为贴装头从初始位置移动到第1个待吸取元件所在的送料槽移动的距离，为在i次取贴循环中，贴装头在送料槽上吸取该组所有元件共移动的距离，为在i次取贴循环中，贴装头在PCB上贴装完成该组元件共移动的距离，为第i次取贴循环到第i+1次取贴循环中，贴装头移动的距离。


4.根据权利要求1所述的基于蝙蝠算法的多头贴片机贴装效率优化方法，其特征在于，在步骤S4：采用汉明距离调整速度更新，将第i只蝙蝠在t次迭代时的速度与当前最优蝙蝠位置相联系中，汉明距离具体为：基于汉明距离所得到的每一个解是长度固定的一维数组，不同解之间特征为在长度相同的条件下，相对应位置的节点部分不同数目。


5.根据权利要求1所述的基于蝙蝠算法的多头贴片机贴装效率优化方法，其特征在于，在步骤S5：通过位置更新计算当前蝙蝠位置，该当前蝙...

【专利技术属性】
技术研发人员：唐学峰，邵云峰，李博川，董宁，曹桂平，
申请(专利权)人：合肥埃科光电科技有限公司，
类型：发明
国别省市：安徽;34