[发明专利]选配方法

说明书

本发明公开了一种选配方法，包括：根据各零件加工、装配误差对产品性能的影响规律来建立数学模型，确定数学模型的约束条件和目标函数；基于遗传算法求解数学模型得到选配结果。对于具有复杂混联结构但必须选配装配的机械产品，本发明的选配方法能在保证产品性能的基础上有的放矢零件加工要求、提高装配生产效率、减少剩余零件数量。

技术领域

本发明涉及一种选配方法，特别涉及一种机械产品的选配方法。

背景技术

机械零部件的装配过程作为机械产品生产的最后环节在整个机械产品生产制造环节中占据着较多的人为资源和成本，不仅在生产过程中占据着较大工作量，而且还是生产中控制生产成本的重要环节。因此装配技术的提高与发展将会极大促进机械产品质量的提高同时能够较大的节约资源且降低成本。

传统的装配方法己经不能解决复杂装配体零部件的选配实际问题，因为复杂装配体的零部件选择难以通过现有计算得到最优化的选择方式，特别是对于具有复杂混联结构但必须选配装配的机械产品而言，针对复杂的装配结构存在零件数量较多、选配问题的待选零件规模较为庞大，对于这类组合优化的问题一般的选配方法将无法适用，因此解决这种问题需要借助新的方法新的技术。

发明内容

本发明要解决的技术问题是为了克服现有技术中对于具有复杂混联结构但必须选配装配的机械产品难以找到最优装配方案的缺陷，提供一种基于遗传算法的选配方法。

本发明是通过下述技术方案来解决上述技术问题的：

一种选配方法，其特点在于，其包括以下步骤：

S1：对参与选配的零件分别进行编号，并分别记录零件的性能参数；其中，可以对机械产品的所有零件均进行编号，也可选择关键零件进行编号；另外，可以记录零件的所有性能参数，也可以仅记录影响装配的关键性能参数；

S2：设定种群的适应度函数、选择函数、交叉概率、突变概率、约束条件、目标函数以及算法终止准则；

S3：对参与选配的零件编号进行编码；编码的目的在于将待选配的所有零件以及尺寸转化成可供算法操作(选择、交叉、变异)的基因；

S4：通过将各零件进行随机组合组成装配体，再重复的随机生成各染色体以初始化种群直至达到种群规模大小从而获得初始种群，其中染色体为所有零件的装配组合，初始种群包括多个染色体；

S5：根据适应度函数计算种群个体适应度以得到适应值；

S6：判断步骤S5的适应值是否满足算法终止准则，若是，则输出结果；若否，进入步骤S7，其中，算法终止准则为计算结果是否符合约束条件和目标函数的需求；

S7：根据选择函数选出满足约束条件且适应值最小的染色体，并利用当前最优染色体替换当前种群中适应值最差的染色体；

S8：根据交叉概率选出满足约束条件且适应值最小的染色体，并利用当前最优染色体替换当前种群中适应值最差的染色体；

S9：根据突变概率选出满足约束条件且适应值最小的染色体，并利用当前最优染色体替换当前种群中适应值最差的染色体；

S10：得到新一代种群，并返回步骤S5。其中在每次的算法迭代过程中，选择每一次满足约束条件且适应值最小的染色体，然后利用当前最优染色体替换当前种群中适应值最差的染色体，再进行后续操作。而交叉运算，是产生下一代的新个体的主要方式，而且算法的全局寻优能力也主要取决于此。变异运算的主要目的则是为了防止局部收敛产生早熟的现象，提高遗传算法的局部寻优搜索能力。

优选地，步骤S3中采用二维实数编码。

优选地，步骤S5中适应度函数包括对生产成本的计算。适应度计算结果是产品的生产成本，算法由于是以最低成本为适应度函数，适应值越低表示适配的可行装配组合数就越多，算法迭代得到的解就约接近收敛的最优解。