基于蚁群优化算法的组串选配技术制造技术

本发明专利技术公开了一种基于蚁群优化算法的组串选配技术，该技术主要解决人工选配存在直接安全隐患；装配效率低；装配质量一致性得不到保障等问题。本发明专利技术通过分析零部件尺寸及重量关系，确定特制零部件的尺寸、形状、位置等几何参数的允许变动量，针对选配模型的特殊性，采用基于相似度的蚁群聚类算法实现组串选配技术。主要步骤有：根据当前选配盘上配件的重量(横坐标)和长度(纵坐标)，产生一个分布图；求解K个分组的思路转换为对该图中的点进行聚类，基于蚁群聚类算法得出分类；以类为单位，在每一类中寻找合适的组件，寻找方法可以是先找某一类的重心点，然后再以此重心点开始向外扩张寻找符合条件的M个组串；通过数据统计分析，结合选配历史形成预测，提高下一轮的选配效率。率。率。

【技术实现步骤摘要】
基于蚁群优化算法的组串选配技术


[0001]本专利技术涉及装配生产线中的选配技术，尤其涉及基于蚁群优化算法的装配生产线中组串选配技术。

技术介绍

[0002]组串选配作为装配环节的重要手段，已经有许多国内外学者进行了研究。组串选配技术针对多质量特性的零件装配，将不同零件按照质量特性进行分组，采用蚁群算法，寻找组件装配间隙变化最小的装配方案。
[0003]但是现有的选配优化算法主要是针对大批量制造模式下的分组选配，研究分组策略上的最优化。选配需要对一定数量且没有库存备件的螺柱，螺孔，螺母等零配件进行一对一配对。目前组串装配环节都是由人工操作完成，没有采用选配技术，先进行试装，出现问题后再采用换装、再挑选装配等辅助手段，主要存在的问题有：人工火工品装配，存在直接安全隐患；装配效率低；装配质量一致性得不到保障等。
[0004]本专利技术基于蚁群优化算法提出组串选配技术，通过分析零部件尺寸及重量关系，确定特制零部件的尺寸、形状、位置等几何参数的允许变动量，针对选配模型的特殊性，采用基于相似度的蚁群聚类算法实现组串选配技术。

技术实现思路

[0005]本专利技术所要解决的技术问题是针对
技术介绍
中所涉及到的缺陷，提供一种基于蚁群优化算法的组串选配技术，该技术从N个子组串中，寻找K个符合尺寸匹配条件的分组(N>M)，所以该问题的求解空间是2
N
。装配过程中仓库内待装配配件的重量和长度参数指标应符合二维正态分布：N(u1,u2,δ1,δ2,ρ)。其中均值u1,u2，方差δ1,δ2虽然未知，但数据系统可以借助流水线上的传感器读数，通过分析实时获取到。
[0006]一种基于蚁群优化算法的组串选配技术，求解K个分组的思路转换为对零配件尺寸及重量参数进行聚类：根据蚁群聚类算法，在每一类中寻找合适的组件，寻找方法可以是先找某一类的重心点，然后再以此重心点开始向外扩张寻找符合条件的M个组串。
[0007]本专利技术为解决上述技术问题采用以下技术方案：
[0008]一种基于蚁群优化算法的组串选配技术，其数学描述为：当前选配盘上有N个子dan串，并且每个子dan串可编号为1,2,
…
,N，符合装配要求(即重量差和长度差)的分组可能有K组：{a1,a2,
…
,a
l1
},{b1,b2,
…
,b
l2
},{c1,c2,
…
,c
l3
},
…
.,{k1,k2,
…
,k
lk
}，注意一个子dan串编号可能会被选到多个分组中，并且分组K的值最小为1(此时表示选配盘所有子dan串都可成为一组)，K最大为N(表示选配盘所有子dan串两两均差异较大，彼此之间均不符合要求)。
[0009]根据数学描述，组串选配步骤为：
[0010]步骤1：根据当前选配盘上配件的重量(横坐标)和长度(纵坐标)，产生一个分布图；
... s
n1
]＝[1 2 ... n]。
[0029]一种基于蚁群优化算法的组串选配技术，其概率转换函数为：
[0030][0031]其中c为常数。
[0032]Sigmoid函数是一种非线性单调函数，同时在零点时导数最大，这样极大的区分出了在数据相似度很接近时捡起或者放下的概率。
[0033]这样，蚂蚁的捡起和放下概率可以由以下公式(3.5)和(3.6)计算得出：
[0034]p
p
＝1
‑
Sigmoid(f(e
i
))
[0035]p
d
＝Sigmoid(f(e
i
))
[0036]其中f(e
i
)是数据项e
i
的相似函数。
[0037]一种基于蚁群优化算法的组串选配技术，依据相似度矩阵提高蚂蚁移动的目的性和关联数据的目的性，降低蚂蚁随机移动和随机关联导致的时间的浪费，从而提高聚类的效率。
[0038]据相似度移动算法的伪代码如下所示：
[0039][0040][0041]对于每一个蚂蚁，如果它在当前背负着数据项并需要移动数据时，按照序列遍历搜索相似矩阵序列，并判断是否搜索到的数据序列是否在邻域中。如果在则将数据移动到该数据项附近并返回，否则继续进入下一次循环，直达找到为止。
[0042]按照相似度序列矩阵找到和当前数据项最不相似的数据项并映射到该蚂蚁，伪代码如下所示：
[0043][0044]本算法是按照相似度序列矩阵的反向来遍历搜索矩阵。由于相似度矩阵是按照相似度从小到大的顺序排列，所以反向则是按照从大到小的顺序排列。然后判断当前数据项o
k
是否被占用。如果没有被占用，则将蚂蚁和该数据项关联并返回当前的序列，否则继续循环。
附图说明
[0045]图1是本专利技术基于蚁群聚类算法流程；
[0046]图2是本专利技术基于蚁群优化选配系统功能模型图；
[0047]图3是本专利技术数据项领域范围；
[0048]图4是本专利技术蚁群聚类算法并行实现。
具体实施方式
[0049]下面结合附图对本专利技术的技术方案做进一步的详细说明：
[0050]1)如图1所示为蚁群聚类算法流程，在将实际场景中的模型映射到数据分析中时，首先要解决数据之间相似度或者距离的定义问题，即利用任何可用的范数在数据y
a
和y
b
之间定义一个可以表示数据间距离或者相似度的d(e
i
，e
j
)。对于之际的应用中，最常见的时选择两个向量间的欧几里德距离作为相似度的度量，所以相似度可以表示为：
[0051][0052]其中，e
i
表示数据点i，m是数据项的维度。
[0053]在LF模型中，将蚂蚁的尸体建模为需要聚类的数据项，蚂蚁建模为在环境中随机移动的代理，蚂蚁移动的平面建模为一个具有边界条件的二维网格。
[0054]首先，将N个数据项随机地映射到一个M
×
M的二维平面中，并将E只蚂蚁分散到数据平面中并为每只蚂蚁e
i
关联一个数据项，即形成蚂蚁到数据项映射：
[0055]F：E
→
N
[0056]其中E是蚂蚁集合，N是数据项集合，F是蚂蚁到数据项的随机映射函数。
[0057]再计算出当前数据项与邻域内其它数据项的相似度f(e
i
)，按照公式计算相似度：
[0058][0059]其中α是自定义的参数，用来调节蚂蚁间的相似度。V定义了蚂蚁的移动速度，v
max
代表了最大速度，V随机分布在[1，v
max
]中。s是自定义的蚂蚁的搜索长度。Neigh
s
×
s
(r)代表位置r的周围s本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于蚁群优化算法的组串选配技术，其特征在于，组串选配步骤为：步骤1：根据当前选配盘上配件的重量(横坐标)和长度(纵坐标)，产生一个分布图；步骤2：求解K个分组的思路转换为对该图中的点进行聚类，基于蚁群聚类算法得出分类；步骤3：以类为单位，在每一类中寻找合适的组件，寻找方法可以是先找某一类的重心点，然后再以此重心点开始向外扩张寻找符合条件的M个组串；步骤4：通过数据统计分析，结合选配历史形成预测，提高下一轮的选配效率。2.如权利要求1，蚁群算法的执行步骤为：步骤1：初始化种群，蚂蚁随机出生于任一节点；步骤2：所有蚂蚁开始访问其他所有节点，最终返回起始节点，此时在访问路径上留下信息素；步骤3：判断最优路径是否满足问题需求，满足则输出结果并停止运行，不满足则继续运行，执行步骤4；步骤4：从本次运行和往期存留的信息素中选取较好的部分信息素予以保留，其他较差的信息素删除；步骤5：将删除的信息素加入禁忌表，转第2步骤。3.如权利要求2，蚁群算法中余弦相似度来计算数据项间的距离，其定义如下：其中e
i
，e
j
...

【专利技术属性】
技术研发人员：邱修林，叶磊，杨余旺，王吟吟，张保良，张宛俭，马金海，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：