基于改进粒子群算法的薄板件定位策略优化

发布时间：2017-09-22 08:39

  本文关键词：基于改进粒子群算法的薄板件定位策略优化

  更多相关文章： 柔性薄板 定位策略优化 装配偏差分析 粒子群算法

【摘要】：金属薄板类零件在汽车制造、飞机制造和各种家用电器制造工业中被广泛应用,焊接为薄板装配非常重要的制造工艺,影响装配尺寸质量主要有零件偏差、夹具偏差及其夹具配置,而夹具偏差及定位策略对产品装配偏差的影响往往超过零件偏差的影响,因此夹具定位策略优化的研究有重要意义。本文建立薄板零件夹具定位策略优化模型,提出改进粒子群算法进行定位点位置布局优化。其主要研究内容如下:(1)建立薄板零件夹具定位策略优化模型本文建立了适用于粒子群算法的定位策略优化模型,提出了以零件关键测点变形量和夹具定位偏差为目标函数的定位点布局优化策略。通过薄板件案例验证了该方法的有效性。在完成以测点变形量为目标函数的夹具定位策略优化的基础上,建立以夹具装配公差为目标函数的优化模型,基于影响系数方法,重点分析了以测点偏差为基础的定位策略优化模型的建立方法。(2)提出改进粒子群算法进行定位策略优化在传统粒子群算法的基础上,提出了一种改进的粒子群算法。该算法主要是对惯性权取值方式的改进,并通过DeJong、Rosenbrock等函数验证了改进粒子群算法的有效性。然后通过改进粒子群算法进行薄板零件装配夹具定位策略优化。为了进一步提高优化效率,应用MATLAB对ABAQUS进行二次开发,最后应用薄板零件夹具定位策略设计验证了该算法的有效性。(3)应用前翼子板案例进行夹具定位策略优化设计应用本文所建立优化模型和提出定位策略优化方法对某车型前翼子板进行了定位策略优化,分别分析了不同定位策略下以翼子板零件的关键测点变形和装配偏差,并将所得结果与传统粒子群算法优化所得结果进行了对比,进一步说明了本文所提出优化方法的有效性。
【关键词】：柔性薄板 定位策略优化 装配偏差分析 粒子群算法
【学位授予单位】：上海工程技术大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U466
【目录】：

• 摘要6-7
• ABSTRACT7-12
• 第一章 绪论12-23
• 1.1 研究背景和研究意义12-14
• 1.1.1 研究背景12-13
• 1.1.2 研究意义13-14
• 1.1.3 课题来源14
• 1.2 薄板夹具定位策略优化研究现状14-17
• 1.2.1 夹具的分类14
• 1.2.2 柔性薄板零件焊装夹具设计理论14-15
• 1.2.3 薄板零件装配偏差分析模型研究现状15-17
• 1.3 粒子群算法的研究现状17-20
• 1.3.1 粒子群算法的产生17
• 1.3.2 粒子群算法的改进综述17-20
• 1.4 目前存在的问题20
• 1.5 本文研究内容及章节安排20-23
• 第二章 柔性薄板夹具定位策略优化模型23-28
• 2.1 引言23
• 2.2 以测点变形为目标函数的定位策略优化模型23-25
• 2.2.1 优化变量23-24
• 2.2.2 约束条件24-25
• 2.2.3 目标函数25
• 2.3 以测点偏差为目标函数的定位策略优化模型25-27
• 2.3.1 模型建立基础25-26
• 2.3.2 夹具定位偏差的建模26-27
• 2.4 本章小结27-28
• 第三章 基于惯性权值的粒子群算法改进方法研究28-40
• 3.1 引言28
• 3.2 粒子群优化算法28-30
• 3.2.1 粒子群算法的基本原理28-29
• 3.2.2 粒子群算法模型29
• 3.2.3 粒子群算法流程29-30
• 3.3 粒子群算法的改进30-32
• 3.3.1 基于惯性权值的改进30-31
• 3.3.2 离散化改进31-32
• 3.4 粒子群算法改进结果分析32-39
• 3.4.1 DeJong函数32-34
• 3.4.2 Rosenbrock函数34-36
• 3.4.3 Rastrigin函数36-37
• 3.4.4 Griewank函数37-39
• 3.5 本章小结39-40
• 第四章 夹具定位点布局优化40-51
• 4.1 引言40
• 4.2 基于MATLAB的ABAQUS二次开发方法40-45
• 4.2.1 MATLAB与ABAQUS的交互方法40-42
• 4.2.2 MATLAB对ABAQUS的二次开发42-45
• 4.3 定位点布局优化45-50
• 4.3.1 定位点布局优化流程45-46
• 4.3.2 以测点变形为目标函数的定位点布局优化46-48
• 4.3.3 以测点偏差为目标函数的定位点布局优化48-50
• 4.4 本章小结50-51
• 第五章 前翼子板定位策略优化案例51-60
• 5.1 引言51
• 5.2 翼子板模型描述51-55
• 5.2.1 模型信息51-53
• 5.2.2 定位点信息53-54
• 5.2.3 关键测点54-55
• 5.3 前翼子板的有限元分析计算55-59
• 5.3.1 以翼子板测点变形为目标函数的有限元分析55-56
• 5.3.2 以翼子板测点偏差为目标函数的有限元分析56-59
• 5.4 本章小结59-60
• 第六章 结论与展望60-63
• 6.1 主要研究内容及结论60-61
• 6.2 本文创新点61
• 6.3 不足及展望61-63
• 参考文献63-68
• 攻读硕士学位期间发表的学术论文及取得的相关科研成果68-69
• 附录69-77
• 1. 第四章薄板件INP文件69-72
• 2. 第五章案例中前翼子板INP文件72-75
• 3. 定位点编码及测点数据读取的MATLAB程序75-77
• 致谢77-78

【相似文献】

中国期刊全文数据库 前10条

1 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期

2 吴军;李为吉;;改进的粒子群算法及在结构优化中的应用[J];陕西理工学院学报(自然科学版);2006年04期

3 段海涛;刘永忠;冯霄;;水系统优化的粒子群算法分析[J];华北电力大学学报(自然科学版);2007年02期

4 王伟;;混合粒子群算法及其优化效率评价[J];中国水运(学术版);2007年06期

5 付宜利;封海波;孙建勋;李荣;马玉林;;机电产品管路自动敷设的粒子群算法[J];机械工程学报;2007年11期

6 蒋荣华;王厚军;龙兵;;基于离散粒子群算法的测试选择[J];电子测量与仪器学报;2008年02期

7 周苗;陈义保;刘加光;;一种新的协同多目标粒子群算法[J];山东理工大学学报(自然科学版);2008年05期

8 姚峰;杨卫东;张明;;改进粒子群算法及其在热连轧负荷分配中的应用[J];北京科技大学学报;2009年08期

9 张大兴;贾建援;张爱梅;郭永献;;基于粒子群算法的三轴跟瞄装置跟踪策略研究[J];仪器仪表学报;2009年09期

10 王丽萍;江波;邱飞岳;;基于决策偏好的多目标粒子群算法及其应用[J];计算机集成制造系统;2010年01期

中国重要会议论文全文数据库 前10条

1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集（上）[C];2009年

3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

中国博士学位论文全文数据库 前10条

1 王芳;粒子群算法的研究[D];西南大学;2006年

2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

4 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

5 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

7 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年

9 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

10 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年

中国硕士学位论文全文数据库 前10条

1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年

2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年

3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年

4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年

5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年

6 杨伟;基于粒子群算法的氧乐果合成过程建模研究[D];郑州大学;2015年

7 李程;基于粒子群算法的AS/RS优化调度方法研究[D];陕西科技大学;2015年

8 樊伟健;基于混合混沌粒子群算法求解变循环发动机数学模型问题[D];山东大学;2015年

9 陈百霞;考虑风电场并网的电力系统无功优化[D];山东大学;2015年

10 戴玉倩;基于混合动态粒子群算法的软件测试数据自动生成研究[D];江西理工大学;2015年

，

本文编号：899849