[发明专利]一种基于粒子群算法的焊接生产线工类分配系统与方法

说明书

本发明一种基于粒子群算法的焊接生产线工类分配系统与方法，涉及粒子群算法和平衡规划求解算法，通过利用粒子群优化算法对多工位平衡规划问题求解，完成对多工位的合理安排，属于人工智能及控制技术领域。本发明主要包括如下内容：步骤1:获取多工位平衡规划模型信息；步骤2:将焊接的前后顺序用前驱图表示，并且用邻接表进行存储；步骤3：用粒子群优化算法对多工位平衡规划问题进行求解，得到给定节拍下的最小工位数；步骤4：根据步骤3的寻优过程与结果，得到分配的可行方案，然后再根据工时标准差得出最终方案。从结果中可以看出，各工位的焊接任务分配比较平衡，最大限度地提高了各台焊接机器人的利用率，从总体上缩短了工位工时，并且满足了生产节拍的要求。

技术领域

本发明一种基于粒子群算法的焊接生产线工类分配系统与方法，涉及粒子群算法和平衡规划求解算法，通过利用粒子群优化算法对多工位平衡规划问题求解，完成对多工位的合理安排，属于人工智能及控制技术领域。

背景技术

焊接机器人生产线是把多个工作单元用工件输送线连接起来组成的一条生产线，在设计和规划焊接生产线时，通常沿着焊接生产线依次排列多个工位，通过焊接机器人在特定工位上准确、快速地按顺序完成所有部件的焊接作业。工件的传递方式一般选择流水线，这就要求各工件在加工过程中同步移动，因此各工位的工作节拍要保持一致，以免造成某些工位作业过多无法按时完成，而某些工位却没有工作，使机器人闲置从而降低资源的使用率。各工位间作业负荷的不平衡现象有时会造成作业的积压，不仅会使当前节拍内的作用无法顺利完成，而且会对后面的生产环节产生影响，甚至导致整条生产线不能顺畅运行。在现代化大规模大批量的流水装配制造业中，数量众多的作用分配和多工位的合理安排使符合平衡问题显得更为突出。据美国有关资料统计，即使在美国这样工业发达的国家，在工业装配生产中平均要有5％～10％的装配时间是浪费在平衡延迟中。从装配线产生之日起，其平衡问题就一直受到人们的重视。

自然界很多生物都是以群体形式出现。人工智能研究的主要方向之一是探索以群体形式存在的自然生物如何生存和发展，并想在计算机中建立这种模型。很早以前就有很多研究者对鱼群和鸟群的群体行为使用计算机去模拟，其中比较突出的有Hepper、Grenander和Reynolds对生物群体的模拟。Hepper是生物学家，他通过对鸟群的观察，发现了鸟群行为的内在规律。Grenander和Boyd]研究了人类决策过程，得出文化传递与个体学习的概念。人们的决策过程经常会综合他们自己的经验和其他人的经验这两种重要信息。这个想法也是粒子群算法的一个基本特点。1986年Reynolds通过模型模拟了鸟群的复杂群体行为，他构造这个行为是采用了三个基本准则：远离最近邻居；尽量靠近目标；尽量靠近群体中心。这些都为粒子群算法的提出奠定了基础。粒子群优化算法最先由1995年Knenedy和Kennedy一起提出，在他们早期对鸟类群体行为研究模型和仿真研究结果的基础上得出。粒子群算法模拟鸟群通过集体协作来觅食的行为，来达到最优。该算法是一种进化算法，同遗传算法相似，是基于迭代的一种优化方法。系统初始化为一组随机的解，通过迭代来寻找最优值。

粒子群算法的优势在于算法的简洁性，易于实现，不需要调整很多参数，且不需要梯度信息。从被提出到现在，许多研究者依据标准粒子群优化算法提出了很多改进算法，来应对各种不同的问题，例如混合粒子群算法、不同拓扑结构的粒子群算法、离散粒子群优化算法等。目前已经广泛应用于函数优化、计算机应用、交通运输和任务分配等领域。

发明内容

为了解决上述问题，本发明将粒子群优化算法应用到多工位平衡规划问题中，完成对多工位的合理分配，最大限度地提高了各台焊接机器人的利用率，使得焊接机器人在特定工位上准确、快速地按顺序完成所有部件的焊接作业，来提高生产效率。

为实现上述目的，本发明包括如下步骤：

步骤1:获取多工位平衡规划模型信息；

步骤2:将焊接的前后顺序用前趋图表示，并且用邻接表进行存储；