一種基于貓群算法的輻射部件遙控維護裝配序列設計方法
【專利摘要】本發(fā)明涉及一種基于貓群算法的輻射部件遙控維護裝配序列設計方法，其特征在于包括以下幾個步驟：步驟1、對輻射部件進行三維建模，并從三維模型判斷零部件之間的幾何干涉情況，同時獲取裝配現(xiàn)場的裝配工具情況；步驟2、運用貓群優(yōu)化算法對待裝配的輻射部件裝配順序進行優(yōu)化，以求得一滿足要求的遙控維護裝配序列；步驟3、對貓群算法求得的最優(yōu)解在三維軟件中進行裝配過程仿真，進行驗證其是否存在幾何干涉情況；步驟4、從所得的結果中選擇最優(yōu)的裝配序列作為最終的遙控維護裝配序。該方法針對輻射部件遙控維護設定的適應度函數(shù)可以較好地評估裝配序列的質量，從而可以指導貓群算法尋找潛在的優(yōu)秀裝配序列。
【專利說明】一種基于貓群算法的輻射部件遙控維護裝配序列設計方法

【技術領域】
[0001] 本發(fā)明涉及核電站、高能物理研究設備裝配序列的設計方法，尤其涉及一種基于 貓群算法的輻射部件遙控維護裝配序列設計方法。

【背景技術】
[0002] 核電站、高能物理研究裝置等核能裝備一般具有大型、高速、強載、連續(xù)運轉以及 結構復雜的特點，特別是裝備本身或其運行環(huán)境具有放射性，考慮到輻照損傷核心部件壽 命的影響，裝備的核心設備發(fā)生故障的機率必然大大提高。若裝備的關鍵設備或部件發(fā)生 故障，輕則影響裝備實驗的結果和造成裝置的非計劃停機，重則引起嚴重核污染和核事故， 給社會造成巨大的損失。因此已建和在建的核能裝備都將設備維護作其運行管理的關鍵環(huán) 節(jié)，通過對設備進行嚴格的監(jiān)測和維護，及時發(fā)現(xiàn)并更換老化、故障設備和部件，并對廢棄 的設備和部件進行去污和拆卸等處理，以確保設備正常、安全的運行。
[0003] 核能裝備具有系統(tǒng)組成復雜、技術復雜、制造過程復雜等特點，尤其在進行維護 時，部件裝配和拆卸操作復雜，維護時間長，且蘊含大量復雜多樣、形式靈活的行業(yè)知識，對 維護人員的要求很高?？紤]到系統(tǒng)的可靠性和安全性，需要對核能裝備的維護全過程進行 設計，以指導裝備的設計、遙控維護系統(tǒng)的設計和遙控維護過程的進行。
[0004] 核能裝備的遙控維護過程主要涉及設備及其部件的拆卸、裝配、更換等工作，遙控 維護序列設計是維護工藝設計的主要內容。
[0005] 考慮到維護環(huán)境的特殊性，核能裝備的輻射部件維護工作需要重點考慮下述因 素：
[0006] (1)維護工作的安全性：維護工作需要在輻射環(huán)境下進行，維護人員如果直接進 入裝備內部對設備進行拆卸、裝配等操作，無疑會受到大量的輻射，嚴重的可能造成人員傷 亡事故；
[0007] (2)維護工作的可行性：需要監(jiān)測和維護的設備繁多、作業(yè)環(huán)境復雜、場地受限， 而且還可能存在維護人員不可到達的區(qū)域；
[0008] (3)維護工作的可靠性：人工操作任務繁重，環(huán)境惡劣，容易引起人為失誤，可能 引起更為嚴重的事故。
[0009] 基于上述特點，核能裝備的維護任務不適合由人親臨現(xiàn)場進行操作，需要考慮開 發(fā)機器人或自動化設備來輔助維護人員完成任務。然而，由于控制、傳感器、人工智能等支 撐技術還沒有全面成熟，特別是考慮到維護任務可靠性的要求，全自主機器人還不能很好 地滿足核能裝備維護的需求。為此，核能裝備需要采用人遙控操作的方式來進行維護。
[0010] 現(xiàn)有技術中，相關的機構和學者在總結輻射環(huán)境下設備維護特點的基礎上，提出 了遙控維護的概念。遙控維護是設備維護人員在遠離維護現(xiàn)場的安全區(qū)域，通過獲取現(xiàn)場 各種傳感信息，通過采用機械手（人）或專門的設備在核能裝備的內部開展進行設備檢修 和安卸、放射性廢物處置等日常監(jiān)測和維護工作，降低工作人員受照劑量和勞動強度，提高 設備維護的水平。
[0011] 遙控維護序列設計是通過分析設備結構設計中各個零件之間的幾何拓撲關系及 各個零件之間的連接關系，并在一定的工藝條件約束下，求解出一條或若干條幾何和工藝 可行，且性能優(yōu)良的設備裝配和拆卸的序列。
[0012] 現(xiàn)有技術中，裝配序列規(guī)劃問題在數(shù)學上其實質是一個組合優(yōu)化問題，同時其 又是一個NP難問題。特別是對于復雜的機械產(chǎn)品，由于其零部件較多，其潛在的裝配序 列呈現(xiàn)爆炸式增長。過去傳統(tǒng)方法是依賴經(jīng)驗豐富的裝配規(guī)劃師進行手工裝配序列規(guī) 劃，這種方法不僅效率低下，而且難以規(guī)劃出一個較有效率的可行裝配序列。HomemDe MelloLS，SandersonAC.Acorrectandcompletealgorithmforthegeneration ofmechanicalassemblysequences[C].IEEETransactionsonRoboticsand Automation，1991，7 (2) : 228-40提出將裝配序列問題作為一個離散的搜索和優(yōu)化問題來處 理，并且其提出了AND/OR圖表示零件之間的優(yōu)先關系。根據(jù)這種方法，學者們提出了各種 人工智能方法，與此同時，許多智能優(yōu)化算法在這方面表現(xiàn)出優(yōu)異的性能，從而成為了解決 裝配序列規(guī)劃問題的一個強有力的工具。
[0013] 近年來，智能算法已經(jīng)較多的應用于裝配/拆卸序列規(guī)劃問題中，其中：
[0014] M. Marian等提出了遺傳算法（]\1.]\^1^&11，1^611.3.1^1〇叫，1(&26111八1311&^. Assembly sequence planning and optimisation using genetic algorithms:Part I[J].Automatic generation of feasible assembly sequences. Applied Soft Computing，2003, 2 (3): 223-253);
[0015] Wen-ChinChen等提出 了人工神經(jīng)網(wǎng)絡算法（Wen-ChinChen，Pei-Hao TaijWei-JawDeng,etal.Athree-stageintegratedapproachforassemblysequence planningusingneuralnetworks[J].ExpertSystemswithApplications,2008,34(3): 1777-1786)；
[0016] Y.Wang等提出 了粒子群算法（Y.Wang，J.H.Liu.Chaoticparticle swarmoptimizationforassemblysequenceplanning[J]?Roboticsand Computer-IntegratedManufacturing, 2010, 26(2):212-222.)；
[0017] HuiWang等提出了蟻群算法（HuiWang，YimingRong，DongXiang. Mechanicalassemblyplanningusingantcolonyoptimization[J].Computer-Aided Design，2014,47:59-71。
[0018] 但這些算法都存在一些不足之處，即遺傳算法的搜索隨機性較大，不能較好地進 行局部搜索，最終導致收斂速度慢；人工神經(jīng)網(wǎng)絡算法也攢在收斂速度慢的問題；粒子群 優(yōu)化算法在搜索后期容易陷入局部最優(yōu)，從而降低了算法找到全局最優(yōu)解的概率；蟻群算 法的計算效率低。


【發(fā)明內容】

[0019] 本發(fā)明的目的是提供一種計算效率高，收斂速度快的一種基于貓群算法的輻射部 件遙控維護裝配序列設計方法。
[0020] 本發(fā)明采用的技術方案是提供了一種基于貓群算法的輻射部件遙控維護裝配序 列設計方法，其特征在于包括以下幾個步驟：
[0021] 步驟1、對輻射部件進行三維建模，并從三維模型判斷零部件之間的幾何干涉情 況，同時獲取裝配現(xiàn)場的裝配工具情況；
[0022] 步驟2、運用貓群優(yōu)化算法對待裝配的輻射部件裝配順序進行優(yōu)化，以求得一滿足 要求的遙控維護裝配序列；
[0023] 步驟3、對貓群算法求得的最優(yōu)解在三維軟件中進行裝配過程仿真，進行驗證其是 否存在幾何干涉情況；
[0024] 步驟4、從所得的結果中選擇一個裝配序列作為最終的遙控維護裝配序。
[0025] 進一步地,其中步驟2中：
[0026] 運用貓群優(yōu)化算法對待裝配的輻射部件進行優(yōu)化的過程如下：
[0027] 步驟2. 1設定算法的相關參數(shù)，具體包括種群規(guī)模、算法迭代代數(shù)、分組率、基因 變化范圍、搜尋模式中記憶池的大小和跟蹤模式中速度更新公式中的常數(shù)，另外根據(jù)實際 情況確定適應度函數(shù)各指標的權重系數(shù)；
[0028] 步驟2. 2種群初始化，根據(jù)已設定的種群規(guī)模，隨機初始化種群規(guī)模的裝配序列， 并隨機初始化各自的速度，并計算初始種群各裝配序列的初始適應度函數(shù)值；
[0029] 步驟2. 3根據(jù)分組率，判斷種群中的個體是處于搜尋模式還是跟蹤模式；
[0030] 搜尋模式是指貓在休息、環(huán)顧四周、尋找下一個轉移地點的狀態(tài)；處在搜尋模式下 的貓，通過復制多份自身位置放在記憶池中；對于記憶池中的每個個體，根據(jù)個體上需要改 變的基因的個數(shù)和個體上每個基因的改變范圍，隨機在原來位置加一個擾動，達到新的位 置來替代原來位置；對處于記憶池中所有貓計算適應度值，并選取適應度值最高的候選點 來替代當前貓的位置；
[0031] 步驟2. 4對于更新完后的種群，需要重新計算其適應度函數(shù)值并保留最優(yōu)解；
[0032] 步驟2. 5判斷算法是否滿足結束條件；
[0033] 將算法的迭代次數(shù)作為其結束條件，若算法還沒達到最大迭代次數(shù)，算法將繼續(xù) 跳至步驟2. 3繼續(xù)執(zhí)行，若算法滿足結束條件，將輸出求得的最優(yōu)解，也即求得的全局最優(yōu) 裝配序列。
[0034] 本發(fā)明的有益效果在于：
[0035] (1)針對貓群算法和裝配序列規(guī)劃問題的特點，對貓群優(yōu)化算法的相關概念和操 作重新定義，提出了面向裝配序列規(guī)劃的貓群優(yōu)化算法；
[0036] (2)試驗證明，提高種群規(guī)模，可以有效提高算法的尋優(yōu)能力，大大提高規(guī)劃序列 結果質量；
[0037] (3)算法分組率設定為較小值可以保證種群的多樣性，但同時降低了算法的收斂 速度；
[0038] (4)貓群優(yōu)化算法可以有效進行裝配序列規(guī)劃，并且能得到較好地裝配序列，因此 貓群優(yōu)化算法是一種行之有效的方法；
[0039] (5)針對輻射部件遙控維護設定的適應度函數(shù)可以較好地評估裝配序列的質量， 從而可以指導貓群算法尋找潛在的優(yōu)秀裝配序列；
[0040] (5)試驗證明，與已經(jīng)應用多年的成熟遺傳算法相比較，在種群規(guī)模和迭代次數(shù)相 同的情況下，貓群算法獲得的結果整體上明顯要比遺傳算法好，即使是與尋優(yōu)能力較強的 粒子群優(yōu)化算法相比較，貓群算法也有優(yōu)勢，其不容易陷入局部最優(yōu)且可以在較少的時間 內尋找到較好地裝配序列，因此貓群算法為輻射部件遙控維護的裝配序列設計提供了一種 很好的選擇。

【專利附圖】

【附圖說明】
[0041] 圖1是輻射部件遙控維護裝配總體方案示意圖；
[0042] 圖2是裝配序列規(guī)劃流程圖
[0043] 圖3是搜尋模式流程圖；
[0044] 圖4是跟蹤模式流程圖；
[0045] 圖5根據(jù)本發(fā)明的實施例1的柱塞泵結構示意圖；
[0046] 圖6是實施例1在不同種群規(guī)模下局部最優(yōu)適應度函數(shù)值分布情況圖；
[0047] 圖7是種群規(guī)模為75時，種群平均適應度均值和最優(yōu)適應度均值的變化情況圖；
[0048] 圖8是泵體示意圖；
[0049] 圖9是單向閥體示意圖；
[0050] 圖10是壓板示意圖；
[0051] 圖11是襯套示意圖；
[0052] 圖12是深溝球軸承示意圖；
[0053] 圖13是凸輪模塊示意圖；
[0054] 圖14是上襯套示意圖；
[0055] 圖15是螺栓示意圖；
[0056] 圖16是柱塞示意圖；
[0057] 圖17是彈簧示意圖；
[0058] 圖18是泵套示意圖；
[0059] 圖19是螺栓示意圖。

【具體實施方式】
[0060] 下面結合附圖1-7對本發(fā)明的技術方案進行詳細的說明。
[0061] 如圖1是所示，本發(fā)明所述基于貓群算法的輻射部件遙控維護裝配序列設計方 法，包括以下幾個步驟：
[0062] 步驟1、對輻射部件進行三維建模，并從三維模型判斷零部件之間的幾何干涉情 況，同時獲取裝配現(xiàn)場的裝配工具情況；
[0063] 該步驟中需要對待進行裝配規(guī)劃的福射部件在三維軟件（如solidworks和proE 等）中進行三維建模，并且從三維模型中獲取零部件之間的幾何干涉情況、穩(wěn)定支撐情況， 另外還需要根據(jù)維護現(xiàn)場的現(xiàn)實情況和零部件自身的特性確定各自的可用裝配工具。
[0064] 步驟2、運用貓群優(yōu)化算法對待裝配的輻射部件進行優(yōu)化，以求得一滿足要求的遙 控維護裝配序列；
[0065] 該步驟中運用離散化的貓群算法對待規(guī)劃的輻射部件進行裝配序列規(guī)劃，按照圖 2所示的流程對輻射部件進行裝配序列規(guī)劃。裝配序列規(guī)劃就是運用貓群算法求解出一個 符合要求且盡可能優(yōu)秀的裝配序列。事實上，在貓群算法中，貓即為待求優(yōu)化問題的一個 解。算法將貓的行為模式分為兩種：搜尋模式和跟蹤模式。仿照現(xiàn)實生活中貓的行為，算法 中大部分貓都處于搜尋模式，剩余少量的貓都處于跟蹤模式。算法的流程如圖2所示。
[0066] 運用貓群優(yōu)化算法對待裝配的輻射部件進行優(yōu)化的過程如下：
[0067] 步驟2. 1設定算法的相關參數(shù)，這包括種群規(guī)模、算法迭代代數(shù)、分組率、基因變 化范圍、搜尋模式中記憶池的大小和跟蹤模式中速度更新公式中的常數(shù)，另外還需要根據(jù) 實際情況確定適應度函數(shù)各指標的權重系數(shù)。
[0068] 步驟2. 2種群初始化。根據(jù)已設定的種群規(guī)模，隨機初始化種群規(guī)模的裝配序列， 并隨機初始化各自的速度，并計算初始種群各裝配序列的初始適應度函數(shù)值。
[0069] 步驟2. 3根據(jù)分組率，判斷種群中的個體是處于搜尋模式還是跟蹤模式。
[0070] 搜尋模式是指貓在休息、環(huán)顧四周、尋找下一個轉移地點的狀態(tài)。處在搜尋模式下 的貓，通過復制多份自身位置放在記憶池中；對于記憶池中的每個個體，根據(jù)個體上需要改 變的基因的個數(shù)和個體上每個基因的改變范圍，隨機在原來位置加一個擾動，達到新的位 置來替代原來位置；對處于記憶池中所有貓計算適應度值，并選取適應度值最高的候選點 來替代當前貓的位置。搜尋模式的具體流程圖如圖3所示。在跟蹤模式下，利用當前全局 最優(yōu)位置來改變當前貓的位置和速度，其更新公式如下式（6)和（7)所示，貓的跟蹤模式流 程如圖4所不。
[0071] 步驟2. 4對于更新完后的種群，需要重新計算其適應度函數(shù)值并保留最優(yōu)解。
[0072] 步驟2. 5判斷算法是否滿足結束條件；
[0073] 該方案中是將算法的迭代次數(shù)作為其結束條件，若算法還沒達到最大迭代次數(shù)， 算法將繼續(xù)跳至步驟2. 3繼續(xù)執(zhí)行，若算法滿足結束條件，將輸出求得的最優(yōu)解，也即直到 目前為止算法求得的全局最優(yōu)裝配序列。
[0074] 適應度函數(shù)的構造
[0075] 在貓群算法執(zhí)行過程中，需要對裝配序列進行量化評價。在車間裝配過程中，影響 裝配成本的因素有很多，本文選取其中幾個影響較大的因素：裝配穩(wěn)定性、裝配工具改變次 數(shù)和裝配方向改變次數(shù)。但是在考慮這三個因素之前，需要判斷裝配序列在幾何可行性上 是否可行。
[0076] 通過已獲得的零部件之間的裝配干涉情況來判斷裝配序列的幾何可行性，如果一 裝配序列有零部件發(fā)生干涉，那就說明此裝配序列無幾何可行性，是一個無效的裝配序列。
[0077] 裝配操作的穩(wěn)定性是指在沒有輔助工裝，僅僅在重力和建立裝配所需力的約束條 件下，零部件與已裝配零部件保持各自內部裝配關系的能力總和。裝配操作的穩(wěn)定性將會 影響輔助工裝的復雜性和裝配操作時間，進而影響裝配成本。此處通過建立由增強鄰接矩 陣和支撐矩陣組成的面向穩(wěn)定性分析的裝配模型。對于一個裝配序列而言，則只需要根據(jù) 其順序分別求出各零件的裝配操作的穩(wěn)定性情況，就可以得出整個裝配過程的不穩(wěn)定操作 次數(shù)。此處以裝配過程的不穩(wěn)定操作次數(shù)來量化評價裝配序列的穩(wěn)定性這一重要的評價指 標。
[0078] 在裝配過程中改變裝配方向的改變次數(shù)稱為裝配的重定向數(shù)，在實際裝配過程中 應盡量使得裝配方向的改變次數(shù)最少，這是因為改變裝配方向不僅會導致裝配時間的加 長，而且會需要額外的輔助工裝，從而使得裝配過程變得復雜，最終導致裝配成本的上升。
[0079] 在實際裝配過程中，對于特定的零件需要用不同的工具來裝配，而有些零件又可 以用多個工具來裝配，這就需要對于一確定的裝配序列明確其最優(yōu)裝配工具序列，使得裝 配工具的改變次數(shù)最少。
[0080] 為降低算法難度，對不可行裝配序列施加一個懲罰函數(shù)，同時對其他指標加權以 確定裝配序列的最終適應度函數(shù)。
[0081] 對于本發(fā)明中的貓群算法，在裝配序列規(guī)劃空間中，對不適用于裝配序列規(guī)劃中 的概念和操作進行重定義如下。
[0082] (1)貓i的位置：在裝配序列規(guī)劃中，貓的位置代表一個裝配序列，貓的位置為一 個n維矢量，為了保持貓群的多樣性，貓群中每個貓的初始位置都隨機初始化為一個n維矢 量如下：
[0083] Xi= (xi；1,xi；2, --?,xi；J, --?,xi；n)Txi；JG{1,2,---,nl (I)
[0084] 式中，n為裝配體的零件數(shù)，并且同一貓的位置矢量中各Xu分量各不相等。
[0085] (2)置換因子：置換因子to(s，k)作用于貓i的位置矢量，即交換其矢量中第s和 第k個分量的位置，其中s，ke{1，2,…，n}，并且若s=k，則置換因子作用于位置矢量上 時不做任何改變，此時的置換因子定義為無效置換因子。
[0086] (3)貓i的速度：對于一包含n各零件的裝配體來說，在裝配規(guī)劃中定義一個包含 n-1個置換因子有序排列為貓i的速度，形如：
[0087] Vi = (VOiJvoi2，…，Voij，…，VOilri)T (2)
[0088] (4)位置的減法：位置的減法最終結果是一速度矢量。
[0089] Xa-Xb =Vab (3)
[0090] 其運算規(guī)則如下：
[0091] a)令j=l;
[0092] b)如果xa，』=xb，j,則voab，』=(j,j);否則voab，』=(j,k)，其中k是Xeu 在Xb 中 的維數(shù)，Xb =X1^voabJ;
[0093] c)j=j+1，若j<n，則繼續(xù)執(zhí)行步驟b，否則結束。
[0094] (5)速度的數(shù)乘：速度的數(shù)乘仍然是一個速度矢量。
[0095] CXrandXVi =Vj (4)
[0096] 其中，cG(〇, 1)且是一固定值，rand是一n維隨機序列，其每個元素rk服從0到 1之間的均勻隨機分布，'中的置換因子取值規(guī)則如下：
[0097]

【權利要求】
1. 一種基于貓群算法的輻射部件遙控維護裝配序列設計方法，其特征在于包括以下幾 個步驟： 步驟1、對輻射部件進行三維建模，并從三維模型判斷零部件之間的幾何干涉情況，同 時獲取裝配現(xiàn)場的裝配工具情況； 步驟2、運用貓群優(yōu)化算法對待裝配的輻射部件裝配順序進行優(yōu)化，以求得滿足要求的 遙控維護裝配序列； 步驟3、對貓群算法求得的最優(yōu)解在三維軟件中進行裝配過程仿真，進行驗證其是否存 在幾何干涉情況； 步驟4、從所得的結果中選擇一個裝配序列作為最終的遙控維護裝配序列。
2. 根據(jù)權利要求1所述的基于貓群算法的輻射部件遙控維護裝配序列設計方法，其特 征在于：其中步驟2中： 運用貓群優(yōu)化算法對待裝配的輻射部件進行優(yōu)化的過程如下： 步驟2. 1設定算法的相關參數(shù)，具體包括種群規(guī)模、算法迭代代數(shù)、分組率、基因變化 范圍、搜尋模式中記憶池的大小和跟蹤模式中速度更新公式中的常數(shù)，另外根據(jù)實際情況 確定適應度函數(shù)各指標的權重系數(shù)； 步驟2. 2種群初始化，根據(jù)已設定的種群規(guī)模，隨機初始化種群規(guī)模的裝配序列，并隨 機初始化各自的速度，并計算初始種群各裝配序列的初始適應度函數(shù)值； 步驟2. 3根據(jù)分組率，判斷種群中的個體是處于搜尋模式還是跟蹤模式； 處于搜尋模式是指貓在休息、環(huán)顧四周、尋找下一個轉移地點的狀態(tài)；處在搜尋模式下 的貓，通過復制多份自身位置放在記憶池中；對于記憶池中的每個個體，根據(jù)個體上需要改 變的基因的個數(shù)和個體上每個基因的改變范圍，隨機在原來位置加一個擾動，達到新的位 置來替代原來位置；對處于記憶池中所有貓計算適應度值，并選取適應度值最高的候選點 來替代當前貓的位置； 步驟2. 4對于更新完后的種群，需要重新計算其適應度函數(shù)值并保留最優(yōu)解； 步驟2. 5判斷算法是否滿足結束條件； 將算法的迭代次數(shù)作為其結束條件，若算法還沒達到最大迭代次數(shù)，算法將繼續(xù)跳至 步驟2. 3繼續(xù)執(zhí)行，若算法滿足結束條件，將輸出求得的最優(yōu)解，也即求得的全局最優(yōu)裝配 序列。
【文檔編號】G06N3/00GK104361180SQ201410670408
【公開日】2015年2月18日 申請日期:2014年11月20日 優(yōu)先權日:2014年11月20日
【發(fā)明者】郭建文, 孫振忠, 陳海彬, 王松, 曾志彬 申請人:東莞理工學院