[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

摘要

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。

主权项

一种基于粒子群遗传算法的再制造装配过程的选配方法，其特征在于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，同时结合粒子群算法与遗传算法各自的优点，该方法以最小成本为目标，同时选配出尽可能多的合格产品，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：式,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，并通过式计算出剩余件成本,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(3)式,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式，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。