学位论文 > 优秀研究生学位论文题录展示

基于智能计算的虚拟装配工艺规划及相关技术研究

作　者: 杨东梅
导　师: 印桂生
学　校: 哈尔滨工程大学
专　业: 计算机应用技术
关键词: 虚拟装配工艺规划层次信息模型蚁群算法遗传算法场景调度虚拟化身
分类号: TP18
类　型: 博士论文
年　份: 2010年
下　载: 90次
引　用: 0次
阅　读: 论文下载

内容摘要

虚拟装配技术为制造业带来了全新的设计理念,从本质上将传统制造从设计到生产的不断修改、多次试制的过程中解脱出来。装配工艺规划是虚拟装配最核心的部分,本文侧重基于智能计算的虚拟装配工艺规划进行深入研究,主要包括两部分：装配序列规划和装配路径规划。论文的主要工作如下：针对虚拟装配过程的复杂性,提出面向装配规划的产品层次信息模型,将零件模型信息依次存储在零件属性层、面片显示层、装配关系层及过程信息层,各个层次间通过零件索引号进行数据间的约束与映射,从而实现模型信息层级间的相互关联。以装配语义形式描述装配过程中零件间的配合约束,建立干涉矩阵和线性自由度矩阵描述零件间的联接关系；同时,为装配模型引入过程信息描述,以得到装配序列、路径等动态描述信息,并借助过程信息,对零件模型的装配关系进行精确的评价。层次信息模型利于装配系统依据不同的装配任务对各个层级的模型信息进行读取,从而提高装配效率。针对虚拟装配序列求解过程中出现的“组合爆炸”现象,在建立拆卸干涉矩阵的基础上,提出改进蚁群算法进行装配序列求解,只有在一次迭代循环中找到最优拆卸序列的蚂蚁在相应的路径上增加全局信息素；选取蚂蚁的个数等于初始可行拆卸操作的数目。对于具有较强约束的零部件,强约束条件减少了算法初始可行的拆卸操作,局限了选择问题的解空间,算法效率明显提高。针对结构较复杂的装配体,结合遗传算法和蚁群算法求解装配序列的特点,提出遗传蚁群混合算法求解最优装配序列。算法的主要思想：每当蚂蚁完成一次漫游后,将蚂蚁构建的可行序列加入遗传算法的初始种群,遗传算法对该可行装配序列进行全局优化,并依据优化后生成解的质量在对应的蚂蚁爬行路径上释放相应浓度的信息素,如此循环交叉调用遗传算法和蚁群算法,使遗传蚁群算法求精能力显著增强。提出遗传算法与栅格法结合进行装配路径规划,采用栅格表示装配体的初始位置及装配空间环境地图,栅格路径的序号而不是传统的二进制作为种群个体的编码,适应度函数转换为寻找装配体的最优装配路径,保证了虚拟装配过程中装配体的路径为最优安装路径,提高算法的搜索效率,同时有效避免了传统搜索算法的局部极小值问题。构建一个舱段虚拟装配原型系统,提出该系统的构建思想和体系结构,并采用内存调度策略、多线程的运动控制完善装配系统性能。采用基于相对位置的碰撞干涉剔除,由装配体当前位置、移动方向、相对位置之间的关系来约束装配体的位置变换,从而完成装配体安装；提出基于径向基神经网络的场景调度策略,将虚拟化身当前视点状态作为网络的输入样本,利用径向基神经网络预测当前视点的后续状态。获得当前视点的后续状态后,结合视锥体进行取景,即可进行场景调度。漫游过程中化身以“沉浸”方式身临其境体验装配工艺规划方案,使装配过程更真实地回溯。

全文目录

摘要  5-7
Abstract  7-12
第1章绪论  12-27
  1.1 课题的研究背景和意义  12-13
  1.2 虚拟装配工艺规划国内外研究现状  13-20
    1.2.1 经典的虚拟装配规划系统  13-15
    1.2.2 虚拟装配工艺规划  15-18
    1.2.3 基于智能计算的虚拟装配工艺规划  18-20
  1.3 装配工艺规划的智能计算方法  20-24
    1.3.1 蚁群算法  20-21
    1.3.2 遗传算法  21-24
  1.4 论文组织结构及主要研究内容  24-27
第2章面向装配规划的产品层次信息模型  27-44
  2.1 装配模型的现存问题  27-29
  2.2 产品层次信息模型的主要内容  29-41
    2.2.1 基于属性表的零件属性层信息描述  31-32
    2.2.2 基于三角小面片的面片显示层信息描述  32-33
    2.2.3 装配关系层表达零件间配合约束和关联关系  33-40
    2.2.4 过程信息层表达零件的动态信息  40-41
  2.3 产品层次信息模型的建立过程  41-43
  2.4 本章小结  43-44
第3章基于改进蚁群算法的装配序列规划  44-59
  3.1 装配序列规划的现存问题  44-45
  3.2 虚拟拆装的运动描述及转换  45-48
    3.2.1 装配体的位置表示及变换  45-46
    3.2.2 虚拟拆装的十一元组表示  46
    3.2.3 装配体的运动变换  46-48
  3.3 拆卸序列规划问题描述  48
  3.4 蚁群算法模型  48-50
  3.5 拆卸序列蚁群规划算法  50-54
    3.5.1 建立拆卸干涉矩阵  50-51
    3.5.2 生成可行拆卸操作集合  51
    3.5.3 蚁群算法求解拆卸序列的优化  51-53
    3.5.4 拆卸序列蚁群规划步骤  53-54
  3.6 蚁群序列规划算法实例  54-58
  3.7 蚁群算法与遗传算法之比较  58
  3.8 本章小结  58-59
第4章基于遗传蚁群算法的装配序列规划  59-74
  4.1 遗传蚁群算法的思想提出  59-60
  4.2 GAACA中遗传算法的结构原理  60-67
    4.2.1 遗传算法的原理及优势  60-61
    4.2.2 基因组编码及染色体的表示  61-62
    4.2.3 初始种群的产生  62
    4.2.4 选择算子的选取及对模式生存数量的影响  62-64
    4.2.5 交叉算子的设计及对模式生存数量的影响  64-65
    4.2.6 变异算子的设计及对模式生存数量的影响  65-66
    4.2.7 装配序列规划的适应度函数构造  66-67
    4.2.8 遗传算法求解装配序列规划的局限  67
  4.3 GAACA中蚁群算法的结构原理  67-69
    4.3.1 蚁群算法的寻优模型  67
    4.3.2 蚁群的路径选取  67-68
    4.3.3 信息素更新  68-69
  4.4 装配序列规划遗传蚁群算法的实现  69-70
  4.5 遗传蚁群序列规划实例  70-73
  4.6 本章小结  73-74
第5章遗传算法和栅格相结合的装配路径规划  74-85
  5.1 装配路径规划的现存问题  74-75
  5.2 A~*算法结合栅格的装配路径规划  75
  5.3 A~*算法结合栅格的装配路径规划实验  75-76
  5.4 遗传算法进行装配路径规划的改进  76-78
  5.5 遗传算法和栅格结合的装配路径规划  78-84
    5.5.1 装配空间模型的建立  78-79
    5.5.2 最优装配路径的生成  79-80
    5.5.3 装配路径规划的遗传操作  80-82
    5.5.4 遗传算法和栅格相结合的装配路径规划流程  82
    5.5.5 遗传算法结合栅格的装配路径规划实验  82-84
  5.6 遗传算法与A~*算法之比较  84
  5.7 本章小结  84-85
第6章舱段虚拟装配原型系统  85-97
  6.1 舱段装配系统的构建思想及体系结构  85-86
  6.2 舱段装配体模型的数据转换及映射机制  86-88
    6.2.1 CADDS5系统与虚拟装配系统数据转换机制  86-88
    6.2.2 层次信息模型与OpenFLT模型数据间的映射机制  88
  6.3 内存调度及多线程运动控制完善系统性能  88-89
    6.3.1 内存调度  88-89
    6.3.2 多线程运动控制  89
  6.4 基于相对位置的碰撞干涉剔除  89-92
    6.4.1 局部坐标系与世界坐标系转换  89-90
    6.4.2 确定干涉的相对位置及约束关系  90-91
    6.4.3 干涉剔除描述  91
    6.4.4 碰撞干涉剔除实例  91-92
  6.5 基于径向基神经网络的场景调度策略  92-95
    6.5.1 构造径向基神经网络模型  93-94
    6.5.2 基于径向基神经网络的场景调度  94
    6.5.3 场景调度效果  94-95
  6.6 舱段虚拟装配原型系统仿真  95-96
  6.7 本章小结  96-97
结论  97-99
参考文献  99-109
攻读博士学位期间发表的论文和取得的科研成果  109-110
致谢  110-111
个人简历  111

基于智能计算的虚拟装配工艺规划及相关技术研究

内容摘要

全文目录

相似论文