当前位置: 首页 > 公派出国 > 访学归来 > 正文

欢迎机电工程学院殷磊老师英国访学归来

信息来源: 时间:2015/04/01浏览次数:

      在英国一年访问学者期间,以“复杂产品智能装配规划与优化方法”为重点研究内容,完成研修工作如下:
      在英国访问学习一年以来,以先进制造技术领域为研究背景,对复杂产品智能装配规划问题展开相关研究,通过对国外该领域相关文献和技术成果的梳理和综合分析,重点对复杂产品装配过程中涉及的装配信息建模、装配序列分析、装配路径优化、装配系统开发等相关问题与技术进行了研究与探讨,探索出基于智能优化算法的装配路径序列评价方法,总结报告如下。
  1. 装配序列规划基本概念
      装配序列规划(Assemble Sequence Plannning,简称ASP)是虚拟装配中非常重要的一个环节。装配序列规划的优劣直接影响了产品的可装配性、装配的质量、装配的效率以及成本。装配序列规划可以分为三个阶段:(1)产品建模及组装,(2)生成装配序列,(3)装配评估及优化。在以往的研究中,一个典型的方式是将各个部件的几何信息转化为其相互间的空间位置信息以及其连接信息,用获得到的空间位置信息及连接信息来得出各个部件之间的装配优先级关系。根据优先级关系以及工装条件,即可得出可行的装配序列。再根据装配条件,装配成本,从多个可行的装配序列中找出最优的装配序列。
  1. 装配序列智能规划研究现状
      装配序列规划实质上是装配顺序的优化问题,一些启发式的算法也逐渐被提出并应用到实际中,来解决各种非线性问题优化。目前装配规划主要用到的智能算法有以下几种。

      模拟退火算法是指通过模拟固态的退火过程来求解组合优化问题的全局最优解,根据装配体的装配模型得出装配优先关系,运用多属性理论将装配过程中装配方向的重定向次数和总装配时间组合成单一目标函数,作为装配顺序优化的评价函数。

      遗传算法是一种借鉴自然界中生物进化机制的随机搜索算法,首先由设计专家预先给定的初始的可行装配顺序,并将装配顺序用装配树来表达,然后将这些装配顺序作为参加进化运算的染色体组成初始种群,利用交叉、变异两种简单遗传操作产生后代个体,在进化过程中通过一定的评价、选择机制生成子代种群。

      蚁群算法是一种基于群体的模拟进化算法,它的思想来源于自然界中蚂蚁的集体觅食行,正反馈和分布式计算的特点使得该算法与启发式相结合成为求解复杂组合优化问题的一种新方法。将蚁群算法用于装配拆卸序列优化的研究,可以从拆卸顺序的几何可行性出发的解决装配拆卸序列规划问题,但算法中没有考虑零件和子装配体的稳定性,因此生成的顺序不能全面反映工程情况。

      神经网络算法模拟人类形象思维,将优化计算问题的目标函数对应于网络能量函数,优化问题的求解过程就对应于网络动态向能量函数极小值方向移动的过程,稳态点则是优化问题的局部或全局最优解。基于人工神经网络技术可以对产品可装配性进行评价,通过神经网络学习建立评价模型,依此模型对表征装配体可装配性的装配时间等指标进行评价,为优选设计方案和改进设计提供决策支持。

  1. 基于粒子群算法的智能装配序列规划
      粒子群算法(Particle Swarm Optimization,PSO)由James Kennedy和Russ Eberhart根据鸟群捕食的行为模式于1995年提出。鸟群在一个有限的空间中,寻找空间内唯一的一个食物。每个鸟都知道自己与食物的距离,但不知道食物的方向。每只鸟在飞行的过程中,根据自身曾经距离食物最近的位置以及整个鸟群中最接近食物的位置,不断的调整飞行的方向。粒子群算法中的粒子即为某一只鸟,每一个粒子代表了一个潜在的最优解。在给定种群数量N,每个粒子的初始位置的情况下,经过T次的迭代,找出对应的适应度函数最小且满足约束条件的粒子。该粒子的位置即表示在给定条件下的最优解。
      装配序列规划中的每一条序列可视为PSO中的粒子。根据装配过程中影响成本和时间的因素,构建适应度函数值,作为序列的评判标准。根据几何关系构建数学模型,确保装配序列的可行性,对不满足的序列实行惩罚,降低其作为最优解的可能。
      装配序列规划是一个典型的多目标优化问题,其优化的目的在于使装配成本及装配时间尽可能的最小化。通常在大规模的自动化装配生产系统中,机械臂需要抓取工具对零部件进行装配,选择的工具取决于零件的几何形状、大小、重量等等。装配过程中装配方向或者装配工具的改变通常都会导致装配时间以及装配成本的增加。而且通常需要诸多不同类型的装配操作,如旋转、铆接等,同样也有可能造成装配工具的变换,导致装配成本和时间的增加。本文将工具变换次数、装配方向变换次数以及装配操作类型变换次数作为衡量一个装配序列的标准,加入到适应度函数之中。
      复杂产品装配智能规划本身是一个新的、多学科交叉的研究领域,涉及到产品设计、优化理论、智能算法等多方面的学科知识,需要从协同的高度建立适合的协作支持理论、技术与方法。可以相信,随着上述工作的进一步展开,将对我国产品设计与制造,对缩短研制周期、降低研制成本、提高产品质量,满足复杂产品研制发展的需求具有重要和深远意义。