[发明专利]一种随机多产品机器人拆卸线平衡控制方法

说明书

本发明提供了一种随机多产品机器人拆卸线平衡控制方法，包括以下步骤：S1、建立以拆卸利润、平衡率最大化和能耗最小化为目标的数学模型；S2、种群初始化；S3、对初始种群进行解码；S4、评估步骤S3得到的每个可行解的目标函数值；S5、采用PIMBO算法计算得到非支配解集并存放于外部档案中，并对外部档案进行演进；S6、判断当前适应度值f_v是否达到预设的总适应度值f_tv，算法停止迭代，输出外部档案中的非支配解集；否则，重复S5。本发明根据多目标多产品机器人拆卸线平衡问题(MMRDP)的特征设计了一种基于Pareto改进的多目标头脑风暴优化算法(PIMBO)对其进行求解。本发明的控制方法可以解决多目标多产品机器人拆卸线平衡问题，并给出较优的解决方案。

技术领域

本发明属于信息与控制技术领域，特别涉及一种随机多产品机器人拆卸线平衡控制方法。

背景技术

随着工业的发展，大量的产品报废，造成了许多环境问题。回收利用是处理EOL产品(废旧产品)的有效方法之一。EOL产品回收再利用的价值体现在两个方面：1)有利于环境保护；2)节约资源，降低生产成本。拆卸是回收过程中的一个重要步骤。由于人类操作的灵活性，大多数拆卸操作仍然是手动进行的，但是拆卸成本很高。近年来，越来越多的研究集中在机器人辅助下的自动拆卸。它可以降低拆卸成本，提高拆卸效率，保证零件质量，防止人类接触危险零件。因此，有必要研究机器人拆卸线平衡(RDLB)问题。国内外一些学者对此进行了研究。例如，Zeynel Abidin Cil等人研究单产品的RDLB问题。刘佳宜等人解决了拆卸序列规划与RDLB的协同优化问题。然而，上述研究只集中在单个产品的拆卸上。在实际中，通常需要同时拆卸多个产品以满足客户的需求。因此，研究多产品拆卸方法具有重要意义。

为了解决该问题，研究者们探索了一些有效的方法。Zeynel Abidin Cil等人提出了一种区间搜索蚁群优化算法来求解RDLB问题，采用正反馈机制，使得搜索过程不断收敛，最终逼近最优解。刘佳宜等人提出一种改进的多目标离散蜜蜂算法来求解RDLB问题，结合非支配Pareto排序的方法对种群进行排序，并利用空间干扰矩阵法生成可行解。FangYilin等人开发了一个特定问题的双准则进化算法来求解具有多机器人工作站的混合模型的拆卸线平衡问题。

但是，我们发现，拆卸线平衡问题(DLB)问题通常是一个多目标优化问题，其目标是使总利润最大化，周期时间最小化，工作站和资源数量最小化，并尽早去除危险部件。在DLB中，平衡率是用来评估工作站之间的工作量，它是评价DLB求解性能的主要指标之一。因此，我们提出一个以最大化拆卸利润和平衡率以及最小化拆卸能耗为目标的多目标多产品机器人拆卸线平衡问题(MMRDP)，在这些目标之间做出良好的权衡是至关重要的。

近年来，本领域的学者们认为头脑风暴优化算法(BSO)是一种有前途的新群智能算法。它能平衡全局搜索和局部搜索，并已成功地应用于许多优化问题的求解。例如段海滨等人提出了一种捕食者-食饵BSO来解决直流无刷电机的优化问题，通过结合捕食者-食饵机制在BSO的基础上提高了种群的多样性。段海滨等人提出一种量子行为的BSO来解决Loney螺线管问题，通过结合量子行为来提高种群的多样性。但是，目前这些算法都不适用于求解RDLB问题，更不适用于解决MMRDP。因此，现在需要一种能够解决MMRDP的控制方法。

发明内容

本发明旨在克服上述问题，提供一种随机多产品机器人拆卸线平衡控制方法，本发明根据多目标多产品机器人拆卸线平衡问题(MMRDP)的特征设计了一种基于Pareto改进的多目标头脑风暴优化算法(PIMBO)对其进行求解。本发明的控制方法可以解决多目标多产品机器人拆卸线平衡问题，并给出较优的解决方案。

本发明建立了一个基于AND/OR图并考虑拆卸失败风险的随机多产品机器人拆卸线平衡模型，目的是使拆卸利润和平衡率最大化，能耗最小化。本发明建立的MMRDP的数学模型，其中考虑了拆卸过程的不确定性。在实际的拆卸过程中，由于废旧产品质量的差异和拆卸的难度，拆卸时间的不确定性导致拆卸操作无法按计划进行。因此，应考虑拆卸失败风险。