第2期 2017年2月
组合机床与自动化加工技术
ModularMachineTool&Automatic ManufacturingTechnique
文章编号：10012265(2017)02003004
D0I : 10. 13462/j. cnki. mmtamt. 2017. 02. 008
基于VPS-PSO算法的装配序列规划方法
刘冬，张卫，陆宝春
（南京理工大学机械工程学院，南京210094）
No.2 Feb.2017
（VariousPopulationStrategy-ParticleSwarmOptimization，VPS-PSO）算法。针对粒子群算法容易陷入局部最优的缺点，采用变种群策略，缩短进化停滞时间，提高粒子群算法进化效率，增强算法的寻优能力。并结合装配几何可行性、装配过程连续性、装配工具改变次数3个评价指标构建适应度函数，实现多自标优化。以经编机成圈传动机构装配序列规划实例验证VPS-PSO算法比较PSO算法具有更好的全局搜索能力。
关键词：装配序列规划：粒子群算法；变种群策略：多目标优化
中图分类号：TH162TG506
文献标识码：A
AssemblySequencePlanningBased onVariousPopulation
Strategy-Particle Swarm Optimization Algorithm
LIU Dong,ZHANG Wei,LU Bao-chun
(School of Mechanical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) Abstract: Aiming at the problem of assembly sequence planning, the Various Population Strategy- Particle Swarm Optimization (VSP-PSO) algorithm which is applied to solve the problem of the assembly sequencc planning- To rise above the deficiency that PSO algorithm is easy to fall into local optimization, using the various population strategy, which is taken up to improve the optimizability of PSO algorithm to shorten the stagnancy of time in evolution, and enhance the ability of the algorithm optimization. Realizing the multi-objective optimization by designing the objective function based on the geometrical feasibility,the process continuity and assembly tools change times.An exemplification as the loop-forming transmission mechanism assembly application of the warp knitting machine demonstrates that global searching ability of VSP-PSO al-gorithm is more efficient compared with PSO algorithm.
Key words: assembly sequence planning; particles swarm optimization; various population strategy; multi-objective optimization
引言 0
产品的装配序列规划（AssemblySequencePlan-ning，ASP)是装配过程中的重要环节，是在给定产品设计的前提下，基于装配体电各个零部件之间的几何和约束关系，寻找合理的装配序列，指导实际的产品装配。装配序列规划是装配工艺规划的核心，然而装配序列规划问题实质上是一个NP（Non-deterministicPol-ynomial，即非确定性多项式）的组合优化问题。为此，国内外学者对ASP问题进行了大量的研究，研究方法主要分为两大类：精确计算方法和启发式方法。精确计算方法如树搜索和图搜索方法[1-2]，运用割集算法，对零件数目较少的产品能够确保得到全局最优解：对零件数目较多的产品，装配序列数量与零部件数量呈现指数增长，将会出现装配序列的组合爆炸问题，运用
精确计算方法难以解决。将智能启发式算法运用到 ASP问题中，这类方法主要有遗传算法3]、模拟退火算法4]、神经网络方法(3]和蚁群算法["]，能够有效地解决较复杂产品的ASP问题。
粒子群优化（ParticleSwarmOptimization，PSO）算法[刀也是一种群体智能的优化算法，通过对鸟类捕食行为的研究，鸟群通过集体协作进行寻优的启发，提出的一种全局优化进化算法。最初粒子群算法用于解决连续优化问题，近年来，粒子群算法也被成功地应用到离散性组合优化ASP问题中。王敏[8]等将粒子群算法运用到ASP研究中；王丰产[9] 等将粒子群算法应用于多工位多目标ASP的求解；于宏[10]等在基本粒子群算法中增加新的学习机制，增强了算法装配序列的寻优能力；刘海江[11]等在基本粒子群算法基础上将速度进行两步更新，并
收稿日期：2016-04-21修回日期：2016-05-18
作者简介：刘冬（1992—），男，吉林长岭人，南京理工大学硕士研究生，研究方向为CAD/CAE，（E-mail）andylau_dong@126.com。
万方数据