[发明专利]装配线多目标建模方法、粒子群算法及优化调度方法

说明书

技术领域

本发明属于机械设计自动化领域,具体涉及一种装配线多目标建模方法、粒子群算法及优化调度方法。

背景技术

近年来，随着云制造技术的发展以及市场需求的日趋个性化，制造企业都面临着许多变化，为了增强在竞争激烈的市场的适应能力，他们必须通过减少转换所需的准备工作和制造设备的投入来提高产品的质量。因此，迫切的需要一种制造组装线来提供快速，有效的可重新配置的功能.但目前针对可重构装配线调度优化研究较少，且传统的装配系统调度大多考虑单个目标优化，难以达到整体优化的目标。因此研究多目标优化调度问题更加具有应用价值。

发明内容

本发明的目的是提供一种可重构装配线优化调度方法，以根据装配线自身特点建立相应模型，通过改良的粒子群算法进行优化计算，达到对装配线重构的目的。

为了解决上述技术问题，本发明提供了一种可重构装配线优化调度方法，包括如下步骤：

步骤S1，构建装配线多目标优化模型；

步骤S2，运用粒子群算法对所述装配线多目标优化模型进行多目标优化设计，并筛选优化结果，以重构装配线。

进一步，所述步骤S1中建立装配线多目标优化模型的方法，包括如下步骤：

步骤S11，选取影响装配的若干影响因素；

步骤S12，针对各影响因素分别构建相应模型，并给出相应约束条件。

进一步，通过Matlab语言实现所述步骤S2中运用粒子群算法对所述装配线多目标优化模型进行多目标优化设计，并筛选优化结果，以重构装配线；即包括步骤如下：

步骤S21，编写M-文件来定义步骤S1所构建装配线多目标优化模型的函数；

步骤S22，初始化包括A个个体的内部种群Q，并创建空的外部种群M；

步骤S23，将内部种群Q中非支配个体拷贝至外部种群M，并排除外部种群M中个体的重复个体与被支配个体；

步骤S24，计算外部种群M中个体的拥挤距离并按降序排列，并更新全局最优解和个体最优解；

步骤S25，对内部粒子进行小概率变异，变异概率为1/d，其中d为变量维数，并更新位置公式；

步骤S26，判断是否达到最大迭代次数，达到则输出外部种群；否则迭代次数加1，并回到步骤S23继续运行，否则输出外部种群M，获得最优解集，再从最优解集中选择合适的结果，对装配线进行重构。

进一步，所述步骤S2中还包括：步骤S27，输入现场数据对装配线进行数值分析与仿真。

又一方面，本发明还提供了一种装配线多目标优化模型的构建方法，以实现针对装配线各影响因数进行建模。

为了解决上述技术问题，本发明提供了一种装配线多目标优化模型的构建方法，包括如下步骤：

步骤S11’，选取影响装配的若干影响因素；

步骤S12’，针对各影响因素分别构建相应模型，并给出相应约束条件。

进一步，所述步骤S11’中选取影响装配的若干影响因素，其中

若干影响因素分别为：最小化装配线重构费用、生产负荷均衡化、最小化延误工作量。

进一步，所述步骤S12’中针对各影响因素分别构建相应模型，并给出相应约束条件的方法包括：

根据最小化装配线重构费用构建最小化装配线重构费用模型，并给出相应约束条件；即