基于蚁群算法的产品拆卸序列规划方法研究

发布时间：2020-05-17 06:51

【摘要】： 回收是指通过对一些废旧产品进行材料回收或零部件重新利用等方式来解决能源和减少环境污染。拆卸是回收的前提,是实现环境保护,资源和能源节约的有效途径。本文通过总结国内外研究学者的研究成果和新的研究进展,分析了现有的拆卸规划方法的优缺点。并对产品拆卸模型的建立、完全拆卸序列生成算法及其优化、选择性拆卸序列生成算法及其优化等拆卸关键技术进行了深入的研究。本文主要内容如下: 首先,对产品装配体模型进行深入分析,建立了产品拆卸模型。本文采用图论中的混合图建立产品拆卸模型,混合图模型表示了产品零部件之间的装配连接关系和优先关系。同时,混合图还隐含了产品的基本信息,包括拆卸方向和拆卸工具等。 其次,通过图论算法推理出所有可行的完全拆卸序列,然后基于回收拆卸利润最大化,必须得到拆卸时间最少的拆卸序列,所以本文分别采用蚁群算法和遗传算法进行拆卸序列优化。并对两种算法优缺点进行了分析和比较。 再次,根据选择性拆卸的特点,研究了选择性拆卸序列生成算法。通过对拆卸混合图循环递推的方式得到选择性拆卸序列,并将蚁群算法用于序列优化,得到综合代价最少的选择性拆卸序列。 最后,详细介绍了基于上述原理和方法实现拆卸过程规划原型系统,并通过对实例计算得到的数据,分析了蚁群算法参数对面向拆卸序列优化的蚁群算法的性能的影响。同时,对全文进行总结,指出进一步需要做的工作。
【图文】：

实例 2-4 为手电筒的零件图，根据拆卸混合图的建立方法。首先，零件 1 与零螺纹连接，故零件 1 与 4 之间用无向边连接。零件 3 与零件 4 之间螺纹连边连接 3 与 4。而零件 1 和零件 2 必须优先于零件 3 拆卸，所以 1 与 3 之间用有向边连接。依此方法最终建立手电筒的拆卸混合图如图 2-5 所示。名称在图中已经标出。

随着零件拆卸的完成而变化，即每次有零件被拆卸后可拆卸零件集合就有所改变。定义一个动态数组 sequence 表示拆卸序列，它是不断的递增的数组，直到得到一条完整的拆卸序列为止。例如：假设图 3-1 为要拆卸产品对象，图 3-2 为装配体的拆卸混合图，混合图的两个矩阵为 GA1 和 GA2。p0p1 p2p3p4p0p1p2p3p4图 3-1 简单装配体 图 3-2 装配体拆卸混合图首先根据公式 3.8 和 3.9 可判断 allowed={p0}，p0 为可拆卸零件，应该拆卸 p0 并放入 sequence 中使 sequence={p0}，更新混合图使 p0 变成孤立点，同时，更新混合图矩阵GA1 和 GA2 ；然后根据同样的方法判断 allowed={p1} ，， p1 为可拆卸零件
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TH162

【相似文献】

相关期刊论文 前10条

1 高尚;武器-目标分配问题的蚁群算法[J];计算机工程与应用;2003年03期

2 杨燕,靳蕃,Mohamed Kamel;一种基于蚁群算法的聚类组合方法[J];铁道学报;2004年04期

3 叶文,范洪达;基于改进蚁群算法的飞机低空突防航路规划[J];飞行力学;2004年03期

4 许志红,张培铭;基于蚁群算法的智能交流接触器优化设计[J];电工电能新技术;2005年03期

5 王俊峰,朱庆保;基于蚁群算法的知识约简[J];南京师范大学学报(工程技术版);2005年02期

6 胡燕海,叶飞帆;基于蚁群算法的平行流水作业计划方法[J];机械制造;2005年09期

7 宋红英;纪威;李波;;基于蚁群算法的神经网络在发动机故障诊断中的应用研究[J];小型内燃机与摩托车;2006年01期

8 宋雪梅;李兵;;蚁群算法及其应用[J];河北理工学院学报;2006年01期

9 许刚;张土乔;吕谋;吴小刚;;给水管网管径组合优化的极大极小蚁群算法[J];哈尔滨工业大学学报;2006年05期

10 王得胜;王占奎;高咏涛;原军令;;基于蚁群算法的圆柱齿轮优化设计[J];机械设计与制造;2006年06期

相关会议论文 前10条

1 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

2 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年

3 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年

4 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年

5 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年

6 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年

7 宋春峰;侯媛彬;赵圣刚;;蚁群算法在陀螺温控系统中的应用研究[A];第十四届全国煤矿自动化学术年会暨中国煤炭学会自动化专业委员会学术会议论文集[C];2004年

8 张如伟;黄捍东;赵迪;;一种新的地震非线性反演方法[A];中国地球物理学会第二十四届年会论文集[C];2008年

9 师凯;蔡延光;邹谷山;王涛;;运输调度问题的蚁群算法研究[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

10 陈峻;沈洁;秦玲;;蚁群算法进行连续参数优化的新途径[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（下册）[C];2002年

相关重要报纸文章 前2条

1 惠永辉　徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年

2 本报记者 张巍巍;瞧瞧“机器游侠”特种兵[N];科技日报;2011年

相关博士学位论文 前10条

1 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年

2 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年

3 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年

4 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年

5 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年

6 唐连生;突发事件下的车辆路径问题研究[D];西南交通大学;2008年

7 何荥;用信息法研究天空亮度分布[D];重庆大学;2008年

8 闫博;基于蚁群算法的集装箱港口选择与网络均衡分析[D];大连海事大学;2008年

9 吕雄伟;邮政物流车辆路径问题研究[D];西南交通大学;2009年

10 刘波;蚁群算法改进及应用研究[D];燕山大学;2010年

相关硕士学位论文 前10条

1 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年

2 潘鹏竹;协同制造调度问题的蚁群算法研究[D];沈阳工业大学;2010年

3 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年

4 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年

5 吕海鹏;改进蚁群算法在YKK系列中型高压电机优化设计中的应用[D];哈尔滨理工大学;2010年

6 刘志勇;基于蚁群算法与竞选算法的作业车间调度求解及比较研究[D];广东工业大学;2011年

7 张守年;改进的蚁群算法及其在QoS中的应用[D];华南理工大学;2010年

8 林时来;基于蚁群算法的呼吸信号情感识别研究[D];西南大学;2011年

9 孙莹;无底柱分段崩落法矿山生产调度系统优化研究[D];西安建筑科技大学;2010年

10 李旭;应用点着色聚类改进蚁群算法[D];四川师范大学;2010年

本文编号：2668115