【技术实现步骤摘要】
基于混合粒子群算法的混流装配线排序方法及系统
[0001]本专利技术属于车间生产调度
，涉及一种混流装配线生产排序的方法及系统，具体涉及一种基于混合粒子群算法的混流装配线排序方法及系统。
技术介绍
[0002]随着生产模式的不断发展和科学技术的广泛应用，个性化的消费趋势使传统刚性生产线面临严峻挑战，促使制造企业必须转向多品种、小批量的柔性生产模式，从而适应多元的市场需求。柔性化的生产方式增加制造过程的管理、调度难度。如何制定合理的生产计划和作业计划，提高交货满意度、提升产品质量，实现精益生产，是制造企业必须解决的关键问题之一。
[0003]混流装配生产是现代企业普遍采用的生产方式，运作方式是根据产品装配工艺的标准，零部件以固定的生产节拍依次通过各个装配工作站，直至完成成品下线的过程。混流装配线排序属于组合优化问题，已被证明是NP难题，传统的数学解析方法如分支定界法、动态规划法等很难求解。近年来，粒子群优化算法的出现及不断发展，为解决此问题提供了全新的思路。粒子群优化算法隐含的并行性、群体性，处理NP难题有显著优势。
技术实现思路
[0004]本专利技术的目的在于提供一种混流装配生产线的排序方法及系统，解决运用现有方法所得的调度方案目标值较差，效率低下的问题。
[0005]本专利技术的方法所采用的技术方案是：一种基于混合粒子群算法的混流装配线排序方法，其特征在于，包括以下步骤：
[0006]步骤1：混合粒子群算法初始化设置，包括粒子群算法与模拟退火算法两部分初始化设置；
【技术保护点】
【技术特征摘要】
1.一种基于混合粒子群算法的混流装配线排序方法，其特征在于，包括以下步骤：步骤1：混合粒子群算法初始化设置，包括粒子群算法与模拟退火算法两部分初始化设置；所述粒子群算法初始化设置包括设置种群规模，粒子初始空间位置；设混流装配线有J个工位，每个工位区间是封闭的，L
j
表示工位j的区间长度，1≦j≦J；装配线以恒定速率V
c
移动，且每隔长度W投放一个工件；采用最小生产循环(Minimal Production Set,MPS)模式，即整个生产是由一系列重复MPS组成。设共用M种产品，生产总量分别是：D1，D2，
…
，D
m
，
…
，D
M
；则一个MPS中各产品的生产量记作：d1，d2，
…
，d
m
，
…
，d
M
＝(D1/h，D2/h，
…
，D
m
/h
…
，D
M
/h)，其中，h是D1，D2，
…
，D
M
的最大公约数，也是MPS循环次数。首先产生由n个粒子X
i
组成的种群P＝{X1…
X
i
…
X
n
}，其中1≤i≤n，n为种群规模；种群的粒子X
i
的初始空间位置随机产生，满足最小生产循环MPS中产品数量约束；粒子X
i
初始速度设置为0，粒子X
i
个体历史最优解设置为初始位置；所述模拟退火算法初始化设置包括初始温度T0，温度下降系数α，终止温度T
end
设置；步骤2：令当前温度T
n
＝T0，粒子X
i
当前速度V
n
＝0，粒子X
i
当前位置Z
n
等于初始位置Z0，Z
n
＝Z0；令粒子X
i
个体历史最优解Z
pbest
与种群全局最优解Z
gbest
等于Z0；步骤3：种群中粒子X
i
移动一步，计算粒子X
i
移动后的速度V
n+1
与空间位置Z
n+1
；步骤4：计算X
i
移动后空间位置Z
n+1
的三个目标值，包括目标值f1，为期望超载时间；目标值f2，为零部件消耗波动率；目标值f3，为产品切换次数；步骤5：获得当前种群中的最优粒子；在步骤4计算出的三个目标值的基础上，依据多目标优化问题中非支配解集概念，找出当前种群中的最优粒子；多目标优化问题的解若多于一个，则是一个解集合，在该集合中的最优粒子的三个目标值不受其它粒子支配；步骤6：采用模拟退火算法，运用Metropolis准则更新粒子个体历史最优解Z
pbest
；步骤7：设置粒子全局最优解Z
gbest
；将步骤5最优粒子所在空间位置作为种群粒子的全局最优解；种群中各粒子的全局最优解从中随机选取；步骤8：种群粒子移动一步后更新温度T，令T
n+1
＝αT
n
；步骤9：判断更新后温度T
n+1
是否小于终止温度Tend；若更新后的温度T
n+1
小于设定终止温度Tend，则执行步骤10；否则回转执行步骤3；步骤10：经步骤5得当前种群中的最优粒子的空间位置，即所求最小化多目标问题的最优解集，以此调度混流装配生产线排产顺序，使三个排产目标f1，f2，f3最小化，从而获得最优混流装配线的排产顺序。2.根据权利要求1所述的基于混合粒子群算法的混流装配线排序方法，其特征在于：步骤3中，标准粒子群算法可以用如下公式表示为：骤3中，标准粒子群算法可以用如下公式表示为：骤3中，标准粒子群算法可以用如下公式表示为：
其中，w表示惯性权重，c1与c2是加速因子；Z
pbest
表示粒子个体历史最优解，是粒子目前搜索出的最好位置；Z
gbest
表示种群全局最优解，是目前种群搜索出的最优位置；r1与r2是0到1之间的随机数；n是种群目前的迭代次数；Z
n
与Z
n+1
分别表示粒子当前位置与移动一步后的位置；V
n
表示粒子当前移动速度；V
n+1
表示粒子移动一步后的速度；Z
n+1
通过当前位置Z
n
与更新后的速度V
n+1
相加得到；参数T
n
与T0分别为当前温度和初始温度。3.根据权利要求1所述的基于混合粒子群算法的混流装配线排序方法，其特征在于：步骤4中，构建加工时间服从正态分布的混流装配线生产排序模型，在模型中，产品在工位的加工时间是一个随机变量，并以目标值f1期望超载时间为优化目标；Minimize：Subject to:to:to:to:to:to:to:式(4)是所求目标的数学表达式，其中U
ij
是超载时间，Z
(i+1，j)
/V
c
是开始时间；t
jm
表示产品m在工位j的加工时间，是一个随机变量，是一个变化的值；Z
ij
表示位于产品加工序列第i位的产品在工位j的初始加工位置；U
ij
表示位于产品加工序列第i位的产品在工位j的超载时间，I表示加工序列总位数；式(5)表达了产品加工序列的任意位置有且只有一个产品；式(6)说明了在一个MPS循环中产品m的产量为d
m
；式(7)表达了序列i+1的产品在工位j的初始加工位置，其值与前一个产品序列i的产品在工位j的生产情况紧密相关。m型产品在工位j的装配操作时间记为t
jm
；W表示产品投放间距；式(8)表示产品序列i的产品在工位j加工的超载时间，与初始加工位置有关；产品的加工顺序用数学变量表示为x
im
，式(9)表达x
im
的值与生产序列有关；若处于第i位的产品是型号m产品，则x
im
等于1，否则为0；式(10)指出第一个投放的产品在所有工位的初始加工位置均为0，且任意产品在全部工位的初始加工位置是大于或等于0；式(11)说明了任意产品在全部工位的超载时间是大于或等于0。4.根据权利要求1所述的基于混合粒子群算法的混流装配线排序方法，其特征在于：步骤4中，基于蒙特卡洛模拟计算期望超载时间；具体过程为：首先依据概率随机产生零件加
工时间的样本，然后以此样本计算出超载时间；重复这个过程n次，计算出超载时间...
【专利技术属性】
技术研发人员：刘炜琪，胡新宇，严明霞，魏琼，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：
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。