[发明专利]一种基于粒子群遗传算法的再制造装配过程的选配方法

说明书

本发明公开了一种基于粒子群遗传算法的再制造产品装配过程的选配方法。本方法能够对再制造零件的装配过程进行优化选配，以最小成本为目标，同时选配出尽可能多的合格产品。本发明结合田口质量法的质量损失成本函数及剩余件成本函数作为模型基础，以封闭环尺寸链作为模型约束，构成了再制造选配综合模型。将再制造装配过程采集到的零件参数导入到模型中，并将遗传算法中的交叉及变异算子融入到粒子群算法中作为最优优化算法对该模型进行优化。并最终给出再制造装配过程的最优选配优化方案。本发明不仅解决了再制造零件选配过程中匹配成功率低的问题，而且大大提高了选配过程的再制造资源利用率，降低企业成本。

技术领域

本发明为一种选配方法，具体涉及一种机床主轴箱再制造装配过程的选配方法。

背景技术

我国自一九八零年以来生产应用了大量机床设备，目前我国机床保有量逾700万台，其中服役超过10年的机床占60％，大量老旧机床仍在使用或将面临报废。这就使得近些年逐渐到达了机床更新换代的高峰期，同时产生了大量的废旧机床，如何处理这些废旧机床对我国循环经济的发展具有重大影响。

机床再制造是一种基于废旧资源循环利用的机床制造新模式，是解决我国量大面广的退役机床处理过程所存在问题的最有效途径，符合当前我国发展循环经济、实施节能减排、应对气候变化的战略需要。

对于再制造过程中机床精度差、精度寿命短、可靠性差的现象，除了设计原因外，更主要是由于装配引起的。可见，装配过程是影响再制造机床质量的关键。再制造装配过程相比于传统装配过程，所需要的零件包括再制造件、再利用件和新件，由于零件差异大，所以远比传统装配难度要大。因此，如何降低废旧机床再制造装配的难度，提高装配质量，是目前亟待解决的难题。

发明内容

本发明是为了避免工厂企业现有技术的不足之处，提供一种机床装配过程的选配方法，以便能够有效的降低机床再制造的装配成本，提高再制造装配质量和再制造资源利用率。

本发明是这样实现的，一种基于粒子群遗传算法的再制造装配过程的选配方法,其用于将新件、再利用件和再修复件三类零件进行选择装配，节约装配成本，提高装配质量及再制造资源利用率。该再制造机床选配方法包括以下步骤：

首先建立再制造综合的选配模型，根据田口质量方法的多元装配质量损失成本函数，建立以装配成本最小化为目标的再制造选配模型，计算出每一个参与装配的零部件i的质量损失成本，并计算总成本L，再制造质量损失成本函数模型可表示为：

再通过剩余件成本函数C来衡量衡量各选配方案的再制造资源利用情况，将方案中未参与到装配中的再制造零件j的成本进行统计为F，并计算出方案中参与装配的再制造件i的加工成本J，并通过计算出剩余件成本。

其次，通过封闭环尺寸链对选配方案中的零件进行质量约束，首先计算封闭环的所有增环标准尺寸再计算出所有减环的标准尺寸从而得到封闭环标准尺寸同理可计算出封闭环的实际尺寸T，为了保证零件装配后的精度要求，满足T≤ΔT₀。

最后通过粒子群遗传算法，将遗传算法GA中的选择、交叉和变异算子嵌入到标准粒子群算法PSO中，初始化粒子x，v设置初始的参数、粒子群规模(种群规模)、惯性权重、最大迭代次数、收敛精度和搜索空间等参数及粒子的初始速度和位置。并计算各个粒子适应度并根据适应度进行排序，计算出Pbest和Gbest，进行尺寸链约束比较是否符合条件，对符合条件的粒子进行选择交叉变异的运算，重新计算粒子的适应度值，并对适应度进行排序，更细粒子的位置和速度，之后对算法的收敛次数进行计算，把当前粒子作为种群的个体最佳pbest，把粒子群中适应度最小的粒子作为全局最优gbest，更新pbest和gbest，达到最大迭代次数后输出最优解。

本发明的再制造机床装配过程的选配方法的有益效果体现在：建立了再制造装配过程选配综合模型，提高了装配精度和匹配成功率，降低了装配成本，资源利用率得到明显提高，这对于机床领域的再制造发展而言，具有重大的技术和经济意义。