一种板材并行铆接任务分配与路径规划协同优化方法与流程

本发明涉及装配工艺优化，尤其涉及一种板材并行铆接任务分配与路径规划协同优化方法。

背景技术：

1、铆接作为机械零部件连接的三种主要方式之一，对装备的整体性能具有重要影响。当前，铆接工艺主要依靠人工操作铆接机完成，完全自动化的铆接作业尚不多见。为了提高铆接质量和效率，减少漏铆和重复铆接等缺陷，针对复杂多样的铆接工况，研发智能化的铆接机替代传统的人工或大型铆接设备完成铆接任务，具有重要的研究意义。

2、为了满足批量定制化生产的需求，提高铆接机的生产效率和柔性生产能力显得尤为重要。对铆接路径进行优化是提高铆接效率的重要手段之一，通过优化铆接路径可以缩短工件在铆接过程中的移动距离，从而节省时间和能源。最短铆接路径问题可以类比为不返回起点的旅行商问题(travelling salesman problem，tsp)，即寻找一条经过所有铆接点但不返回起点的最短路径。旅行商问题属于典型的组合优化问题,其可能的路径数目与节点数目呈指数型增长，节点数目增多后会出现组合爆炸现象，难以在合理时间内求出精确最优解，需采用有效的近似求解算法。

3、为了进一步提升铆接机的生产效率，可以设置多工位铆接台，实现并行铆接加工。在多工位并行铆接加工过程中，铆接任务的合理分配至关重要，可以降低生产周期，均衡各工位的作业负荷。并行铆接任务分配问题属于极小化零件加工全长问题，由于这类问题是np-完备问题，不存在有效的解析算法，需要迭代求解最佳铆接任务分配方案。

4、经大量研究表明，遗传算法在求解离散组合优化问题中有着优异的表现，可用于求解最短铆接路径问题和并行铆接任务分配问题。然而，传统遗传算法在解决此类问题时仍存在一些缺点，例如容易陷入局部最优，难以找到全局最优解；收敛速度较慢，尤其在问题规模较大时。另外，若将多工位并行加工的板材铆接优化问题分解为最短铆接路径和并行铆接任务分配两个子问题进行求解，可能导致局部最优问题。因此，针对多工位并行加工的板材铆接优化问题，需要建立协同优化模型，并用改进的遗传算法求解，以提高计算精度和收敛速度。

技术实现思路

1、本发明意在提供一种板材并行铆接任务分配与路径规划协同优化方法，以解决智能化的铆接机在复杂工况下提高铆接质量和效率，减少漏铆和重复铆接的问题。

2、为达到上述目的，本发明提供如下技术方案：

3、一种板材并行铆接任务分配与路径规划协同优化方法，包括以下步骤：

4、s1、获取铆钉孔坐标集合和工位数量信息；

5、s2、剔除引起夹具干涉的铆钉孔，获取可加工铆钉孔集合；

6、s3、计算所有可加工铆钉孔之间的切比雪夫距离；

7、s4、建立协同优化模型；

8、s5、基于改进自适应遗传算法求解协同优化模型；

9、s6、根据求解的铆钉孔最优基因编码序列进行并行铆接加工。

10、进一步的技术特征，在步骤s1中，通过cad解析自动识别加工产品图纸中的铆钉孔，由坐标变换统一各铆钉孔的坐标系，再根据实际夹具的基准位置，将图纸中铆钉孔坐标变换为参考实际夹具基准的坐标值。

11、进一步的技术特征，在步骤s3中，铆钉孔i到j的最短铆接路径可用切比雪夫距离表示为

12、dij＝max(xi-xj|,yi-yj|)

13、其中i,j为铆钉孔编号；(xi,yi)和(xj,yj)分别为铆钉孔i和j的坐标；i,j＝1,2,…,n；n为铆钉孔总数。

14、进一步的技术特征，在步骤s4中，设δij为路径规划决策变量，表达式如下

15、

16、当δij＝1时，就可以实现从节点i到节点j的路径；否则,在所考虑的行程中,节点之间没有直接连接，则最短铆接路径模型可表示为

17、find:x＝{δij}

18、

19、其中x为待求的最短铆接路径，f1表示铆接路径距离，第一、二个约束条件限制每个节点仅有一条边进入和离开，第三个约束用于消除子路径，s为节点集{1,2,...,n}中所有非空真子集，|s|为集合s包含的节点数；

20、用一个0-1整数规划描述板材并行铆接任务分配涉及的极小化零件加工全长问题，令f2表示铆接加工全长，定义0-1整型变量λjk为铆接任务分配决策变量，表达式如下

21、

22、当λjk＝1时，则将铆钉孔j分配到工位k上加工；否则铆钉孔j不在工位k上加工。加工铆钉孔j所需时间tj由设备移动时间和铆接时间两部分组成，可表示为

23、

24、其中v为设备沿xy轴的移动速度，dijδij/v表示设备从铆钉孔i移动到j的可变移动时间；t0为常数值，表示设备除移动外的固定铆接时间，包括拍照、穿销、拉铆的时间；

25、铆接加工全长等于加工时间最长的工位所需加工时间，板材并行铆接任务分配优化模型可表示为

26、find:x＝{λjk}

27、

28、其中x为待求的最短加工时间的并行铆接任务分配方案，m为工位总数；

29、板材并行铆接任务分配与路径规划协同优化模型为

30、find:x＝{δij,λjk}

31、

32、其中x为待求最优解，包括最短铆接路径和最短加工时间的并行铆接任务分配方案。

33、进一步的技术特征，在步骤s5中，基于改进自适应遗传算法求解协同优化模型，具体步骤如下：

34、s101、建立铆钉孔个体编码方式，并初始化种群；

35、s102、建立适应度函数；

36、s103、根据个体适应度值进行选择操作；

37、s104、计算种群样本标准差，自适应调整交叉和变异操作的顺序；

38、s105、计算种群的自适应交叉和变异概率，进行交叉和变异操作；

39、s106、判断是否满足停止条件。

40、进一步的技术特征，在步骤s101中，所述铆钉孔个体编码方式为：

41、采用编码序列1,2,…,n给各工位加工的铆钉孔随机编码，每个铆钉孔仅被加工一次；采用断点序列表示各工位在编码序列中的加工终止点，该序列以升序排序，序列长度等于m-1，m为工位总数。

42、进一步的技术特征，在步骤s102中，所述适应度函数为：

43、f＝w1f1+(1-w1)f2

44、其中w1和1-w1分别为目标函数f1和f2的权重系数，其取值大小体现了各目标函数在适应度计算中的重要程度。

45、进一步的技术特征，在步骤s104中，所述种群样本标准差表示如下：

46、

47、上式中r为种群样本标准差,fi为个体适应度,favg为种群平均适应度；若种群样本标准差r小于临界值r，种群较为集中，先进行变异操作改变个体基因型,再通过交叉操作提高种群多样性，跳出局部最优；若种群样本标准差r大于临界值r，种群较为发散，有很好的种群多样性基础,不会陷入局部最优，则先进行交叉操作，再进行变异操作。

48、进一步的技术特征，在步骤s105中，所述自适应交叉概率和变异概率计算公式如下：

49、

50、其中pc和pm分别表示自适应交叉概率和变异概率，据此对种群进行交叉和变异操作；和分别为初始设定的交叉概率的最大值和最小值,fc为交叉双方的适应度最大值，和分别为初始设定的变异概率的最大值和最小值,fm为变异个体的适应度,favg为当前种群平均适应度,fmax为当前种群最大适应度,g为当前种群迭代次数,g为种群最大迭代次数。

51、本技术方案的原理及有益效果：

52、本发明针对多工位并行加工的板材铆接优化问题，提出铆接任务分配与路径规划协同优化方法，能够根据工位数量信息和从加工产品图纸中自动获取的铆钉孔坐标，自动分配各工位的最佳铆接任务以及最短铆接路径，实现生产效率、产品质量和生产柔性的全面提升，为智能化的铆接机研发提供技术支撑。