考虑装配关系复杂性的多目标装配线平衡优化方法
发布时间：2021-06-08 05:12
针对装配关系复杂性影响工人工作效率,进而产生瓶颈工位的问题,提出一种考虑装配关系复杂性的改进型多目标装配线平衡优化方法。建立了一种合理测度作业元素装配关系复杂性的方法,继而定义装配关系复杂性平滑系数这一指标。以生产节拍、平滑系数和装配关系复杂性平滑系数为优化目标,工序优先关系和工作站数为约束,建立了多目标装配线平衡优化方法模型。采用遗传算法作为优化算法,并对遗传算法的交叉环节利用模糊聚类算法进行改进,判断选作交叉的两个个体的近亲概率,在一定概率上防止了近亲交叉,增加了种群繁衍的多样性。通过算例验证了所提平衡优化方法的有效性,为制定考虑装配关系复杂性的平衡方案提供了一种可行方法。
【文章来源】：计算机集成制造系统. 2019,25(07)北大核心EICSCD
【文章页数】：11 页
【部分图文】：
节拍优化过程圈
１６７２??计算机集成制造系统??第２５卷??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图４平滑系数优化过程图??２４?ｒ??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图３节拍优化过程图??滑系数ＳＩ以及装配关系复杂性平滑系数三个??目标的优化过程如图３？图５所示，其中图４、图５分??别表示每代种群中ＳＪ和ＨＳＪ的最优值。聚类类别??个数的设置没有统一标准，通常是凭借经验进行调??试，这里取３的目的是选取一个合理值，展示模糊聚??类改进的遗传算法对装配线实例的平衡优化效果。??１２６１，??１２４??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图５装配关系复杂性平滑系数优化过程图??续表２??１０??７??６??１３??１．４９７?９??１１??３??１０??１３??１．?３８９?７??１２??４??９??１３??１．４４５?２??１３??５??８??１３??１．４８０?６??１４??６??７??１３??１．４９７?９??１５??７??６??１３??１．４９７?９??１６??２??７??１７??１．?１９５?１??１７??３??６??１７??１．２４８?５??１８??１５??５??６??１．?４０３?４??１９??１６??４??６??１．?３３４?７??２０??１７??３??６??１．?２４８?５??２１??１??６??１９??０．?９９９?７??２２??２??５??１９??１．?０７２?７??２３??３??４??１９??１．?１０５?６??２４??４??３??
１６７２??计算机集成制造系统??第２５卷??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图４平滑系数优化过程图??２４?ｒ??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图３节拍优化过程图??滑系数ＳＩ以及装配关系复杂性平滑系数三个??目标的优化过程如图３？图５所示，其中图４、图５分??别表示每代种群中ＳＪ和ＨＳＪ的最优值。聚类类别??个数的设置没有统一标准，通常是凭借经验进行调??试，这里取３的目的是选取一个合理值，展示模糊聚??类改进的遗传算法对装配线实例的平衡优化效果。??１２６１，??１２４??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图５装配关系复杂性平滑系数优化过程图??续表２??１０??７??６??１３??１．４９７?９??１１??３??１０??１３??１．?３８９?７??１２??４??９??１３??１．４４５?２??１３??５??８??１３??１．４８０?６??１４??６??７??１３??１．４９７?９??１５??７??６??１３??１．４９７?９??１６??２??７??１７??１．?１９５?１??１７??３??６??１７??１．２４８?５??１８??１５??５??６??１．?４０３?４??１９??１６??４??６??１．?３３４?７??２０??１７??３??６??１．?２４８?５??２１??１??６??１９??０．?９９９?７??２２??２??５??１９??１．?０７２?７??２３??３??４??１９??１．?１０５?６??２４??４??３??
【参考文献】：
期刊论文
[1]结构件装配复杂性分析的框架及其在装配质量缺陷率预测中的应用[J]. 孔繁森,赵凯丽,陆俊睿,白小刚,孙琳琳. 计算机集成制造系统. 2017(12)
[2]基于模拟退火算法的装配线平衡方法[J]. 汪圆,刘婷婷,严金凤,郭华. 机械制造与自动化. 2017(04)
[3]基于工位复杂性测度的随机型装配线平衡优化[J]. 刘雪梅,陈佳炜,兰琳琳,范国良,李爱平. 计算机集成制造系统. 2018(05)
[4]基于物联熵的机械产品装配系统复杂性度量[J]. 马靖,刘明周,王强,凌琳,张淼. 计算机集成制造系统. 2016(01)
[5]改进遗传算法求解大规模混流U型装配线问题[J]. 张子凯,唐秋华,张利平,林斌. 机械设计与制造. 2016(01)
[6]基于改进遗传算法的混装线多目标优化[J]. 韩煜东,董双飞,谭柏川. 计算机集成制造系统. 2015(06)
[7]混合遗传算法在汽车混流装配线平衡中的应用研究[J]. 曹振新,许少华,朱建昌. 机械制造. 2014(07)
[8]基于人因的混流装配系统复杂性优化[J]. 赵小松,吴瑕,何桢. 计算机集成制造系统. 2013(06)
[9]基于遗传算法的装配线平衡问题研究[J]. 梁雨生,李向波. 价值工程. 2013(05)
[10]基于装配关系复杂性的装配线动态平衡问题[J]. 何非,饶运清,邵新宇. 计算机集成制造系统. 2013(01)
博士论文
[1]基于改进遗传算法的汽车装配生产线平衡问题研究[D]. 李险峰.北京科技大学 2017
硕士论文
[1]基于改进遗传算法的混流装配线多目标平衡优化研究[D]. 董双飞.重庆交通大学 2015
本文编号：3217770
【文章来源】：计算机集成制造系统. 2019,25(07)北大核心EICSCD
【文章页数】：11 页
【部分图文】：
节拍优化过程圈
１６７２??计算机集成制造系统??第２５卷??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图４平滑系数优化过程图??２４?ｒ??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图３节拍优化过程图??滑系数ＳＩ以及装配关系复杂性平滑系数三个??目标的优化过程如图３？图５所示，其中图４、图５分??别表示每代种群中ＳＪ和ＨＳＪ的最优值。聚类类别??个数的设置没有统一标准，通常是凭借经验进行调??试，这里取３的目的是选取一个合理值，展示模糊聚??类改进的遗传算法对装配线实例的平衡优化效果。??１２６１，??１２４??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图５装配关系复杂性平滑系数优化过程图??续表２??１０??７??６??１３??１．４９７?９??１１??３??１０??１３??１．?３８９?７??１２??４??９??１３??１．４４５?２??１３??５??８??１３??１．４８０?６??１４??６??７??１３??１．４９７?９??１５??７??６??１３??１．４９７?９??１６??２??７??１７??１．?１９５?１??１７??３??６??１７??１．２４８?５??１８??１５??５??６??１．?４０３?４??１９??１６??４??６??１．?３３４?７??２０??１７??３??６??１．?２４８?５??２１??１??６??１９??０．?９９９?７??２２??２??５??１９??１．?０７２?７??２３??３??４??１９??１．?１０５?６??２４??４??３??
１６７２??计算机集成制造系统??第２５卷??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图４平滑系数优化过程图??２４?ｒ??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图３节拍优化过程图??滑系数ＳＩ以及装配关系复杂性平滑系数三个??目标的优化过程如图３？图５所示，其中图４、图５分??别表示每代种群中ＳＪ和ＨＳＪ的最优值。聚类类别??个数的设置没有统一标准，通常是凭借经验进行调??试，这里取３的目的是选取一个合理值，展示模糊聚??类改进的遗传算法对装配线实例的平衡优化效果。??１２６１，??１２４??２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０?２００??遗传代数??图５装配关系复杂性平滑系数优化过程图??续表２??１０??７??６??１３??１．４９７?９??１１??３??１０??１３??１．?３８９?７??１２??４??９??１３??１．４４５?２??１３??５??８??１３??１．４８０?６??１４??６??７??１３??１．４９７?９??１５??７??６??１３??１．４９７?９??１６??２??７??１７??１．?１９５?１??１７??３??６??１７??１．２４８?５??１８??１５??５??６??１．?４０３?４??１９??１６??４??６??１．?３３４?７??２０??１７??３??６??１．?２４８?５??２１??１??６??１９??０．?９９９?７??２２??２??５??１９??１．?０７２?７??２３??３??４??１９??１．?１０５?６??２４??４??３??
【参考文献】：
期刊论文
[1]结构件装配复杂性分析的框架及其在装配质量缺陷率预测中的应用[J]. 孔繁森,赵凯丽,陆俊睿,白小刚,孙琳琳. 计算机集成制造系统. 2017(12)
[2]基于模拟退火算法的装配线平衡方法[J]. 汪圆,刘婷婷,严金凤,郭华. 机械制造与自动化. 2017(04)
[3]基于工位复杂性测度的随机型装配线平衡优化[J]. 刘雪梅,陈佳炜,兰琳琳,范国良,李爱平. 计算机集成制造系统. 2018(05)
[4]基于物联熵的机械产品装配系统复杂性度量[J]. 马靖,刘明周,王强,凌琳,张淼. 计算机集成制造系统. 2016(01)
[5]改进遗传算法求解大规模混流U型装配线问题[J]. 张子凯,唐秋华,张利平,林斌. 机械设计与制造. 2016(01)
[6]基于改进遗传算法的混装线多目标优化[J]. 韩煜东,董双飞,谭柏川. 计算机集成制造系统. 2015(06)
[7]混合遗传算法在汽车混流装配线平衡中的应用研究[J]. 曹振新,许少华,朱建昌. 机械制造. 2014(07)
[8]基于人因的混流装配系统复杂性优化[J]. 赵小松,吴瑕,何桢. 计算机集成制造系统. 2013(06)
[9]基于遗传算法的装配线平衡问题研究[J]. 梁雨生,李向波. 价值工程. 2013(05)
[10]基于装配关系复杂性的装配线动态平衡问题[J]. 何非,饶运清,邵新宇. 计算机集成制造系统. 2013(01)
博士论文
[1]基于改进遗传算法的汽车装配生产线平衡问题研究[D]. 李险峰.北京科技大学 2017
硕士论文
[1]基于改进遗传算法的混流装配线多目标平衡优化研究[D]. 董双飞.重庆交通大学 2015
本文编号：3217770
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3217770.html
