一种基于混合离散粒子群算法的机器人装配线平衡方法技术

本发明专利技术涉及装配线平衡技术领域，特别是涉及一种基于混合离散粒子群算法的机器人装配线平衡方法，其包括以下具体步骤：1、获取机器人装配线的参数信息；2、给出机器人装配线总成本的计算公式；3、设计离散粒子群优化算法获取最佳的工序和机器人分配方案；本发明专利技术采用路径重连、多片段交叉机制、片段变异机制更新粒子的工序和机器人分配向量，设计出专门用于搜索离散可行解空间的搜索机制，有利于提高算法搜索效率和命中全局最优解的概率。本发明专利技术采用混合离散粒子群算法，结合精确方法动态规划与粒子群的优点，在解决机器人装配线分配问题时，计算和收敛速度快，全局搜索能力强，可以在较短的时间内取得高质量的工序和机器人分配解决方案。决方案。决方案。

【技术实现步骤摘要】
一种基于混合离散粒子群算法的机器人装配线平衡方法


[0001]本专利技术涉及装配线平衡
，特别是涉及一种基于混合离散粒子群算法的机器人装配线平衡方法。

技术介绍

[0002]机器人能够协助或者替代工人完成重复性、危险性的工作，并显著提高生产线效率和产品质量，因此广泛地安装在装配线中并用于组装大宗商品。但是建造机器人装配线的费用较高，机器人的选择和分配直接影响到总成本，对企业的竞争力和长期发展至关重要。
[0003]由于装配线平衡问题属于NP难问题，目前有关装配线平衡问题求解的方法，专利中多为元启发式算法，如现有专利CN107316107B采用粒子群算法解决面向多目标优化的经编机装配线平衡问题，专利CN112686474B采用改进的水波优化算法解决并行装配线平衡问题，专利CN113901728A提出一种基于迁移遗传算法的电脑第二类装配线平衡优化方法，专利CN109146136A提出一种基于免疫遗传算法求解第一类装配线平衡问题的方法。以上专利都是采用元启发式算法，虽然能够在较短的时间内寻找到解，但往往比精确方法获得的解要差。
[0004]由于机器人的装配线平衡问题也属于NP难问题，启发式和元启发式算法得到广泛应用。但是随着计算机计算能力的提高，用户更倾向于寻找最优解或接近最优解，而不是追求极短的计算时间。结合精确方法和元启发式算法优点的混合算法在寻找高质量的解决方案方面可能有明显的优势。
[0005]在求解NP难问题的元启发式算法中，粒子群算法具有收敛速度快和计算效率高等优点。但是在现有专利中，针对装配线平衡问题而设计的离散粒子群算法功能单一，并未结合精确方法快速获得最优解。因此，亟待对基本连续粒子群算法进行改进，设计出一种在离散可行空间进行搜索的离散粒子群算法以解决面向成本的装配线平衡问题。

技术实现思路

[0006]本专利技术目的是针对
技术介绍
中存在的问题，提出一种基于混合离散粒子群算法的机器人装配线平衡方法。
[0007]本专利技术的技术方案，一种基于混合离散粒子群算法的机器人装配线平衡方法，包括以下具体步骤：
[0008]S1、获取机器人装配线的参数信息：包括工序的数量、工序的优先关系，机器人的数量、种类、每种机器人执行每个工序的工作时间、每种机器人执行每个工序的工作成本；
[0009]S2、给出机器人装配线总成本的计算公式:
[0010]机器人装配线的总成本，包括机器人的购买成本和机器人执行工序的工作成本，其算式如下：
[0011][0012]其中，W表示最大工作站数量，w表示工作站序号，w＝{1,2,...,W}；R表示机器人的种类,r表示机器人序号，r＝{1,2,...,R}；T表示工序的数量,t表示工序的序号，t＝{1,2,...,T}；yrw表示机器人r是否分配到工作站w上,y
rw
＝{0,1}；x
irw
表示工序i分配到工作中w上，并由机器人r执行,x
irw
＝{0,1}；PC
r
表示机器人r的购买成本；OC
ir
表示工序i由机器人r执行的工作成本；
[0013]S3、设计离散粒子群优化算法获取最佳的工序和机器人分配方案，包括如下具体步骤：
[0014]S31、初始化参数；设置算法中种群包含的个体总数NP，最大迭代次数gen
max
，粒子的最大速度v
max
，个体学习因子C1，社会学习因子C2，惯性因子的最大值w
max
和最小值w
min
，个体极值和当前全局最优解被选择的概率pc，变异概率pm，位置更新比例pe；路径重连被选择的概率px，最小汉明距离D
min
；
[0015]S32、初始化种群；采用排列数直接编码的方式随机生成NP个粒子，形成初始种群，并随机初始化粒子的速度；
[0016]S33、计算目标函数值和适应度值；
[0017]S34、记录个体极值和当前全局最优解；
[0018]S35、以概率px进行路径重连，在局部最优解附近进行细致地搜索；
[0019]S36、以概率(1
‑
px)选择进行多片段交叉或者变异操作；
[0020]S37、计算经过路径重连或者多片段交叉或者片段变异得到的个体的适应度值，对比更新每个个体极值P
i
和当前全局最优解P
g
；
[0021]S38、更新种群，将更新得到的粒子作为新一代种群，并将迭代次数加1；
[0022]S39、判断是否满足终止条件，若满足，则输出最优解P
g
并结束，否则，回到步骤S35。
[0023]与现有技术相比，本专利技术具有如下有益的技术效果：
[0024]1、本专利技术采用路径重连、多片段交叉机制、片段变异机制更新粒子的工序和机器人分配向量，设计出专门用于搜索离散可行解空间的搜索机制，该机制使粒子能达到可行解空间任意一点，有利于提高算法搜索效率和命中全局最优解的概率。
[0025]2、本专利技术采用混合离散粒子群算法，结合精确方法动态规划与粒子群的优点，在解决机器人装配线分配问题时，计算和收敛速度快，全局搜索能力强，可以在较短的时间内取得高质量的工序和机器人分配解决方案。
[0026]3、本专利技术在优化目标方面，结合机器人装配的特点，以最小化成本为目标进行工序和机器人类型的分配，更加贴近实际情况，从而降低装配线总成本。
[0027]4、本专利技术提出的算法除了应用在机器人的装配线上；对于其他机械设备的装配线同样适用。
附图说明
[0028]图1为本专利技术中混合离散粒子群算法流程示意图。
[0029]图2为本专利技术具体实施例的机器人装配线平面结构示意图。
[0030]图3为本专利技术离散粒子群算法中粒子的位置向量示意图。
[0031]图4为本专利技术混合离散粒子群算法中路径重连机制流程示意图。
[0032]图5为本专利技术混合离散粒子群算法中多片段交叉机制流程示意图。
[0033]图6为本专利技术混合离散粒子群算法中片段变异机制流程示意图。
[0034]图7本专利技术具体实例中25工序的优先关系图。
[0035]图8为本专利技术具体实施例中300节拍下的搜索迭代曲线示意图。
[0036]图9为本专利技术具体实施例中350节拍下的搜索迭代曲线示意图。
[0037]图10为本专利技术具体实施例中400节拍下的搜索迭代曲线示意图。
具体实施方式
[0038]本申请的一种基于混合离散粒子群算法的机器人装配线平衡方法，首先确定机器人装配线平衡问题的参数，并给出装配线总成本计算方法和公式，然后设计离散粒子群优化算法获取装配线平衡方案。具体地，根据工序的优先关系，采用排列数直接编码的方式对工序和机器人进行编码，利用动态规划进行解码，并随机生成初始种群；以一定的概率选择路径重连、多片段交叉、片段变异更新机制对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合离散粒子群算法的机器人装配线平衡方法，其特征在于，包括以下具体步骤：S1、获取机器人装配线的参数信息：包括工序的数量、工序的优先关系，机器人的数量、种类、每种机器人执行每个工序的工作时间、每种机器人执行每个工序的工作成本；S2、给出机器人装配线总成本的计算公式:机器人装配线的总成本，包括机器人的购买成本和机器人执行工序的工作成本，其公式如下：其中，W表示最大工作站数量，w表示工作站序号，w＝{1,2,...,W}；R表示机器人的种类,r表示机器人序号，r＝{1,2,...,R}；T表示工序的数量,t表示工序的序号，t＝{1,2,...,T}；y
rw
表示机器人r是否分配到工作站w上,y
rw
＝{0,1}；x
irw
表示工序i分配到工作中w上，并由机器人r执行,x
irw
＝{0,1}；PC
r
表示机器人r的购买成本；OC
ir
表示工序i由机器人r执行的工作成本；S3、设计离散粒子群优化算法获取最佳的工序和机器人分配方案，包括如下具体步骤：S31、初始化参数；设置算法中种群包含的个体总数NP，最大迭代次数gen
max
，粒子的最大速度v
max
，个体学习因子C1，社会学习因子C2，惯性因子的最大值w
max
和最小值w
min
，个体极值和当前全局最优解被选择的概率pc，变异概率pm，位置更新比例pe；路径重连被选择的概率px，最小汉明距离D
min
；S32、初始化种群；采用排列数直接编码的方式随机生成NP个粒子，形成初始种群，并随机初始化粒子的速度；S33、计算目标函数值和适应度值；S34、记录个体极值和当前全局最优解；S35、以概率px进行路径重连，在局部最优解附近进行细致地搜索；S36、以概率(1
‑
px)选择进行多片段交叉或者片段变异操作；S37、计算经过路径重连或者多片段交叉或者片段变异得到的个体的适应度值，对比更新每个个体极值P
i
和当前全局最优解P
g
；S38、更新种群，将更新得到的粒子作为新一代种群，并将迭代次数加1；S39、判断是否满足终止条件，若满足，则输出最优解P
g
并结束，否则，回到步骤S35。2.根据权利要求1所述的一种基于混合离散粒子群算法的机器人装配线平衡方法，其特征在于，S33中采用动态规划方法对工序序列进行解码，计算每个粒子的目标函数f，并计算粒子的适应度值。3.根据权利要求1所述的一种基于混合离散粒子群算法的机器人装配线平衡方法，其特征在于，S34中将初始化形成的个体记录为粒子的个体极值，粒子i的个体极值表示为P
i
，并将目标函数值最小的个体记录为当前全局最优解P
g
。4.根据权利要求1所述的一种基...

【专利技术属性】
技术研发人员：张灿然，窦建平，王帅，赵超丹，王平远，
申请(专利权)人：东南大学，
类型：发明
国别省市：