[发明专利]基于聚类分析与遗传算法的多吸嘴贴片机贴装工艺优化方法

摘要

基于聚类分析与遗传算法的多吸嘴贴片机贴装工艺优化方法，属于电气技术及电气工程领域。为了解决现有贴片机表面贴装工艺优化算法所获得的解仅是局部最优解，并不是全局最优的元件调度方案因此限制了生产速度和工艺的效率的进一步提高的问题，通过使用聚类分析算法，将不同种类的元件进行分类；对分类的元件集合建立元器件贴装循环次数数学模型；采用遗传算法得到贴装顺序及供料器位置配置最优解；贴装顺序及供料器位置配置最优解分别提供给贴片机运动控制子系统和供料器分配子系统，实现贴装工艺的优化。本发明用于多吸嘴贴片机贴装工艺优化。

主权项

基于聚类分析与遗传算法的多吸嘴贴片机贴装工艺优化方法，其特征为按照如下步骤进行：步骤一、使用聚类分析算法，将不同种类的元件进行分类；步骤二、对步骤一中分类的元件集合建立元件贴装循环次数数学模型；步骤三、根据步骤二中建立的元件贴装循环次数数学模型，采用遗传算法得到贴装顺序及供料器位置配置最优解；步骤四：将步骤三得到的贴装顺序及供料器位置配置最优解分别提供给贴片机运动控制子系统和供料器分配子系统，实现贴装工艺的优化；步骤一中使用聚类分析算法，将不同种类的元件进行分类，得到优化贴片数据的方法具体步骤如下：步骤一一：贴片机的贴片数据包含即将生产的电路板上所有必要的元件信息：元件在电路板上的位置、元件的类型、元件的规格，建立一个元件属性向量表示：X＝[x1,x2,x3,x4]x1表示元件是否需要上视检测，取值为0时表示不需要，取值为1时表示需要；x2表示元件的类型，取值为0时表示该元件为电阻，取值为1时表示该元件为电容，取值为2时表示元件为发光二极管，其它类型依次类推；x3表示元件的值大小，当取值为0时表示元件无值大小，如发光二极管或者运算放大器，当取值为10时表示电阻阻值为10K，取值为0.1时表示电容大小为0.1μF；x4表示元件的封装类型和规格，取值为0时表示为CHIP_0805，取值为1时表示CHIP_0604，其余依次类推；步骤一二：根据步骤一一中建立的元件属性向量，采用聚类算法将元件进行分类处理，将提取的属性向量与群特性的向量比较，若两者距离范数最小则该元件归属这一群聚类；d(xi,Cq)＝＝Θd(xi,Cq)=(Σn=14(xin-Cqn)2)14]]>i＝2至N其中N代表元件的总数；q代表聚类数；Cq代表第q个聚类集合；Θ表示距离的最小值且Θ＝0；d(xi,Cq)表示从向量X到聚类Cq的距离；步骤一三：根据步骤二可将全部元件分成q类，并给出每个聚类中的元件个数；通过聚类分析算法将贴片数据根据不同的属性划分为可数个类型集合；根据不同的类型集合按照不同的贴片流程处理；步骤三根据步骤二中建立的元件贴装循环次数数学模型，采用遗传算法得到贴装顺序及供料器位置配置最优解的具体过程是：Ⅰ、不同类别的元件贴片循环次数数学建模后产生初始种群，Ⅱ、依次进行适应度计算、选择、交叉、变异、产生新种群并循环以上五个过程计算得到每个种类元件的最优贴片顺序及供料器配置位置；采用遗传算法获得取件过程中各类型元件的供料器个数和安放位置，针对整个贴片过程而言能够在取件总次数一定的情况下路径最少，取件过程遵循以下条件：一、最大化多个吸嘴同时取件次数；二、供料器的个数最少为1个，三、距离PCB板最近的供料器位置为1号库位，其余库位距离依次增加。