表面贴装工艺中的点胶路径规划研究
发布时间：2021-01-05 10:35
PCB（Printed Circuit Board）行业是全球性的大行业,预计2019年全球PCB市场的产值将达660亿美元。PCB是电子产业中的重要部件。表面贴装工艺是PCB生产中的重要工艺,其中的点胶工艺主要由高端制造业中的点胶机实现,工艺中的点胶路径对生产效率有较大的影响。目前,表面贴装工艺中的点胶路径规划算法存在求解时间长、容易陷入局部最优解的缺点。本课题针对这些问题,提出了一种改进蚁群算法,并将其应用于三轴点胶机平台,开展点胶路径优化实验研究。针对点胶中的路径优化,提出一种k-means自适应信息挥发素动态调整蚁群算法。本课题构建点胶路径优化问题模型,搭建三轴点胶实验平台,通过Mark圆检测算法实现生产中PCB板定位,完成点胶位置的坐标变换。通过对用于点胶路径规划中的蚁群算法的分析,分别针对蚁群算法求解大规模TSP问题存在求解时间较长和容易陷入局部最优解的主要问题,提出算法改进的方向。在求解时间优化上,采用分而治之的思想,利用k-means聚类算法将数据分组,再分别对子问题进行路径优化求解,并进行子问题的类间连接,得出最终优化路径。在求解质量的改进上,本课题提出对蚁群算法进行...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
016-2021年中国PCB市场规模及预测
哈尔滨工业大学工学硕士学位论文-2-长生产时间，降低PCB板的生产效率。图1-2表面贴装工艺中的点胶工艺点胶过程中的路径规划问题实际上属于TSP（TravellingSalesmanProblem旅行商）问题，如图1-3所示。TSP问题代表一类组合优化问题，已经被证明无法找到一个多项式时间算法来求解其最优解。因此，大多采用智能优化算法求解其近似解，常用的包括蚁群算法[1-3]、遗传算法[4-6]、粒子群算法[7-9]、模拟退火算法[10]、禁忌搜索算法[11]、Hopfield神经网络优化算法[12,13]等。基于遗传算法的路径规划、基于模拟退火算法的路径规划，存在可行解构造困难、计算代价过大的问题，在复杂环境中往往很难设计出合适的遗传算子。蚁群算法具有强鲁棒性、自组织、无需人工调整、设置简单的优点，但存在易陷入局部最优的缺点。本课题拟采用分治的思想，将蚁群算法和k-means[14,15]聚类算法相结合，并对蚁群算法进行信息挥发素自适应动态调整，提出一种改进蚁群算法，进行点胶路径规划以提高表面贴装工艺中PCB板的生产效率。图1-3旅行商问题对点胶机器人表面贴装工艺中的点胶过程进行路径规划，可以合理地减
待点
【参考文献】：
期刊论文
[1]基于Hopfield神经网络求解较大规模TSP的新方法[J]. 石红国,饶煜,郭寒英. 综合运输. 2018(10)
[2]一种基于Mark点的点胶机器人视觉目标定位方法[J]. 彭刚,熊超,夏成林,林斌. 智能系统学报. 2018(05)
[3]Dynamic strategy based parallel ant colony optimization on GPUs for TSPs[J]. Yi ZHOU,Fazhi HE,Yimin QIU. Science China（Information Sciences）. 2017(06)
[4]基于ACO-PSO算法的点胶路径规划与分析[J]. 张铁虎,俞经虎,王琨. 计算机应用. 2016(S2)
[5]自适应蚁群算法求解最短路径和TSP问题[J]. 易正俊,李勇霞,易校石. 计算机技术与发展. 2016(12)
[6]一种高速贴片机在线贴装优化方法研究[J]. 邢星,贾志淳,孙乙铭,陈进. 计算机工程与应用. 2017(09)
[7]交通网络旅行商路径优化的遗传禁忌搜索算法[J]. 余丽,陆锋,杨林. 测绘学报. 2014(11)
[8]基于改进粒子群的焊点检测路径规划方法[J]. 朱霞,陈仁文,徐栋霞,毛世杰. 仪器仪表学报. 2014(11)
[9]一种面向对象的多角色蚁群算法及其TSP问题求解[J]. 杜鹏桢,唐振民,孙研. 控制与决策. 2014(10)
[10]改进的遗传算法求解旅行商问题[J]. 于莹莹,陈燕,李桃迎. 控制与决策. 2014(08)
博士论文
[1]表面组装生产过程中PCB组装时间优化问题研究[D]. 刘海明.华南理工大学 2010
硕士论文
[1]蚁群算法的改进及其在若干优化问题中的应用[D]. 许凯波.江南大学 2018
[2]SMT生产线双机系统的贴装过程优化与系统实现[D]. 高晋升.北京交通大学 2017
[3]改进蚁群算法及其在TSP中的应用研究[D]. 马振.青岛理工大学 2016
[4]基于机器视觉定位的自动点胶控制系统的研究与开发[D]. 刘币币.华南理工大学 2016
[5]点胶机器人运动控制系统设计与路径规划研究[D]. 石星星.南京航空航天大学 2012
[6]四自由度点胶机器人控制系统设计与路径规划研究[D]. 马俊.中国科学技术大学 2009
本文编号：2958508
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
016-2021年中国PCB市场规模及预测
哈尔滨工业大学工学硕士学位论文-2-长生产时间，降低PCB板的生产效率。图1-2表面贴装工艺中的点胶工艺点胶过程中的路径规划问题实际上属于TSP（TravellingSalesmanProblem旅行商）问题，如图1-3所示。TSP问题代表一类组合优化问题，已经被证明无法找到一个多项式时间算法来求解其最优解。因此，大多采用智能优化算法求解其近似解，常用的包括蚁群算法[1-3]、遗传算法[4-6]、粒子群算法[7-9]、模拟退火算法[10]、禁忌搜索算法[11]、Hopfield神经网络优化算法[12,13]等。基于遗传算法的路径规划、基于模拟退火算法的路径规划，存在可行解构造困难、计算代价过大的问题，在复杂环境中往往很难设计出合适的遗传算子。蚁群算法具有强鲁棒性、自组织、无需人工调整、设置简单的优点，但存在易陷入局部最优的缺点。本课题拟采用分治的思想，将蚁群算法和k-means[14,15]聚类算法相结合，并对蚁群算法进行信息挥发素自适应动态调整，提出一种改进蚁群算法，进行点胶路径规划以提高表面贴装工艺中PCB板的生产效率。图1-3旅行商问题对点胶机器人表面贴装工艺中的点胶过程进行路径规划，可以合理地减
待点
【参考文献】：
期刊论文
[1]基于Hopfield神经网络求解较大规模TSP的新方法[J]. 石红国,饶煜,郭寒英. 综合运输. 2018(10)
[2]一种基于Mark点的点胶机器人视觉目标定位方法[J]. 彭刚,熊超,夏成林,林斌. 智能系统学报. 2018(05)
[3]Dynamic strategy based parallel ant colony optimization on GPUs for TSPs[J]. Yi ZHOU,Fazhi HE,Yimin QIU. Science China（Information Sciences）. 2017(06)
[4]基于ACO-PSO算法的点胶路径规划与分析[J]. 张铁虎,俞经虎,王琨. 计算机应用. 2016(S2)
[5]自适应蚁群算法求解最短路径和TSP问题[J]. 易正俊,李勇霞,易校石. 计算机技术与发展. 2016(12)
[6]一种高速贴片机在线贴装优化方法研究[J]. 邢星,贾志淳,孙乙铭,陈进. 计算机工程与应用. 2017(09)
[7]交通网络旅行商路径优化的遗传禁忌搜索算法[J]. 余丽,陆锋,杨林. 测绘学报. 2014(11)
[8]基于改进粒子群的焊点检测路径规划方法[J]. 朱霞,陈仁文,徐栋霞,毛世杰. 仪器仪表学报. 2014(11)
[9]一种面向对象的多角色蚁群算法及其TSP问题求解[J]. 杜鹏桢,唐振民,孙研. 控制与决策. 2014(10)
[10]改进的遗传算法求解旅行商问题[J]. 于莹莹,陈燕,李桃迎. 控制与决策. 2014(08)
博士论文
[1]表面组装生产过程中PCB组装时间优化问题研究[D]. 刘海明.华南理工大学 2010
硕士论文
[1]蚁群算法的改进及其在若干优化问题中的应用[D]. 许凯波.江南大学 2018
[2]SMT生产线双机系统的贴装过程优化与系统实现[D]. 高晋升.北京交通大学 2017
[3]改进蚁群算法及其在TSP中的应用研究[D]. 马振.青岛理工大学 2016
[4]基于机器视觉定位的自动点胶控制系统的研究与开发[D]. 刘币币.华南理工大学 2016
[5]点胶机器人运动控制系统设计与路径规划研究[D]. 石星星.南京航空航天大学 2012
[6]四自由度点胶机器人控制系统设计与路径规划研究[D]. 马俊.中国科学技术大学 2009
本文编号：2958508
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2958508.html
