本文關(guān)鍵詞：基于改進(jìn)粒子群算法的薄板件定位策略優(yōu)化

  更多相關(guān)文章： 柔性薄板 定位策略優(yōu)化 裝配偏差分析 粒子群算法

【摘要】：金屬薄板類零件在汽車制造、飛機(jī)制造和各種家用電器制造工業(yè)中被廣泛應(yīng)用,焊接為薄板裝配非常重要的制造工藝,影響裝配尺寸質(zhì)量主要有零件偏差、夾具偏差及其夾具配置,而夾具偏差及定位策略對(duì)產(chǎn)品裝配偏差的影響往往超過零件偏差的影響,因此夾具定位策略優(yōu)化的研究有重要意義。本文建立薄板零件夾具定位策略優(yōu)化模型,提出改進(jìn)粒子群算法進(jìn)行定位點(diǎn)位置布局優(yōu)化。其主要研究內(nèi)容如下:(1)建立薄板零件夾具定位策略優(yōu)化模型本文建立了適用于粒子群算法的定位策略優(yōu)化模型,提出了以零件關(guān)鍵測(cè)點(diǎn)變形量和夾具定位偏差為目標(biāo)函數(shù)的定位點(diǎn)布局優(yōu)化策略。通過薄板件案例驗(yàn)證了該方法的有效性。在完成以測(cè)點(diǎn)變形量為目標(biāo)函數(shù)的夾具定位策略優(yōu)化的基礎(chǔ)上,建立以夾具裝配公差為目標(biāo)函數(shù)的優(yōu)化模型,基于影響系數(shù)方法,重點(diǎn)分析了以測(cè)點(diǎn)偏差為基礎(chǔ)的定位策略優(yōu)化模型的建立方法。(2)提出改進(jìn)粒子群算法進(jìn)行定位策略優(yōu)化在傳統(tǒng)粒子群算法的基礎(chǔ)上,提出了一種改進(jìn)的粒子群算法。該算法主要是對(duì)慣性權(quán)取值方式的改進(jìn),并通過DeJong、Rosenbrock等函數(shù)驗(yàn)證了改進(jìn)粒子群算法的有效性。然后通過改進(jìn)粒子群算法進(jìn)行薄板零件裝配夾具定位策略優(yōu)化。為了進(jìn)一步提高優(yōu)化效率,應(yīng)用MATLAB對(duì)ABAQUS進(jìn)行二次開發(fā),最后應(yīng)用薄板零件夾具定位策略設(shè)計(jì)驗(yàn)證了該算法的有效性。(3)應(yīng)用前翼子板案例進(jìn)行夾具定位策略優(yōu)化設(shè)計(jì)應(yīng)用本文所建立優(yōu)化模型和提出定位策略優(yōu)化方法對(duì)某車型前翼子板進(jìn)行了定位策略優(yōu)化,分別分析了不同定位策略下以翼子板零件的關(guān)鍵測(cè)點(diǎn)變形和裝配偏差,并將所得結(jié)果與傳統(tǒng)粒子群算法優(yōu)化所得結(jié)果進(jìn)行了對(duì)比,進(jìn)一步說明了本文所提出優(yōu)化方法的有效性。
【關(guān)鍵詞】：柔性薄板 定位策略優(yōu)化 裝配偏差分析 粒子群算法
【學(xué)位授予單位】：上海工程技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U466
【目錄】：

• 摘要6-7
• ABSTRACT7-12
• 第一章 緒論12-23
• 1.1 研究背景和研究意義12-14
• 1.1.1 研究背景12-13
• 1.1.2 研究意義13-14
• 1.1.3 課題來源14
• 1.2 薄板夾具定位策略優(yōu)化研究現(xiàn)狀14-17
• 1.2.1 夾具的分類14
• 1.2.2 柔性薄板零件焊裝夾具設(shè)計(jì)理論14-15
• 1.2.3 薄板零件裝配偏差分析模型研究現(xiàn)狀15-17
• 1.3 粒子群算法的研究現(xiàn)狀17-20
• 1.3.1 粒子群算法的產(chǎn)生17
• 1.3.2 粒子群算法的改進(jìn)綜述17-20
• 1.4 目前存在的問題20
• 1.5 本文研究內(nèi)容及章節(jié)安排20-23
• 第二章 柔性薄板夾具定位策略優(yōu)化模型23-28
• 2.1 引言23
• 2.2 以測(cè)點(diǎn)變形為目標(biāo)函數(shù)的定位策略優(yōu)化模型23-25
• 2.2.1 優(yōu)化變量23-24
• 2.2.2 約束條件24-25
• 2.2.3 目標(biāo)函數(shù)25
• 2.3 以測(cè)點(diǎn)偏差為目標(biāo)函數(shù)的定位策略優(yōu)化模型25-27
• 2.3.1 模型建立基礎(chǔ)25-26
• 2.3.2 夾具定位偏差的建模26-27
• 2.4 本章小結(jié)27-28
• 第三章 基于慣性權(quán)值的粒子群算法改進(jìn)方法研究28-40
• 3.1 引言28
• 3.2 粒子群優(yōu)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 粒子群算法的改進(jìn)30-32
• 3.3.1 基于慣性權(quán)值的改進(jìn)30-31
• 3.3.2 離散化改進(jìn)31-32
• 3.4 粒子群算法改進(jìn)結(jié)果分析32-39
• 3.4.1 DeJong函數(shù)32-34
• 3.4.2 Rosenbrock函數(shù)34-36
• 3.4.3 Rastrigin函數(shù)36-37
• 3.4.4 Griewank函數(shù)37-39
• 3.5 本章小結(jié)39-40
• 第四章 夾具定位點(diǎn)布局優(yōu)化40-51
• 4.1 引言40
• 4.2 基于MATLAB的ABAQUS二次開發(fā)方法40-45
• 4.2.1 MATLAB與ABAQUS的交互方法40-42
• 4.2.2 MATLAB對(duì)ABAQUS的二次開發(fā)42-45
• 4.3 定位點(diǎn)布局優(yōu)化45-50
• 4.3.1 定位點(diǎn)布局優(yōu)化流程45-46
• 4.3.2 以測(cè)點(diǎn)變形為目標(biāo)函數(shù)的定位點(diǎn)布局優(yōu)化46-48
• 4.3.3 以測(cè)點(diǎn)偏差為目標(biāo)函數(shù)的定位點(diǎn)布局優(yōu)化48-50
• 4.4 本章小結(jié)50-51
• 第五章 前翼子板定位策略優(yōu)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 定位點(diǎn)信息53-54
• 5.2.3 關(guān)鍵測(cè)點(diǎn)54-55
• 5.3 前翼子板的有限元分析計(jì)算55-59
• 5.3.1 以翼子板測(cè)點(diǎn)變形為目標(biāo)函數(shù)的有限元分析55-56
• 5.3.2 以翼子板測(cè)點(diǎn)偏差為目標(biāo)函數(shù)的有限元分析56-59
• 5.4 本章小結(jié)59-60
• 第六章 結(jié)論與展望60-63
• 6.1 主要研究內(nèi)容及結(jié)論60-61
• 6.2 本文創(chuàng)新點(diǎn)61
• 6.3 不足及展望61-63
• 參考文獻(xiàn)63-68
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及取得的相關(guān)科研成果68-69
• 附錄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. 定位點(diǎn)編碼及測(cè)點(diǎn)數(shù)據(jù)讀取的MATLAB程序75-77
• 致謝77-78

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進(jìn)的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評(píng)價(jià)[J];中國水運(yùn)(學(xué)術(shù)版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機(jī)電產(chǎn)品管路自動(dòng)敷設(shè)的粒子群算法[J];機(jī)械工程學(xué)報(bào);2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測(cè)試選擇[J];電子測(cè)量與儀器學(xué)報(bào);2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標(biāo)粒子群算法[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進(jìn)粒子群算法及其在熱連軋負(fù)荷分配中的應(yīng)用[J];北京科技大學(xué)學(xué)報(bào);2009年08期

9 張大興;賈建援;張愛梅;郭永獻(xiàn);;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報(bào);2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標(biāo)粒子群算法及其應(yīng)用[J];計(jì)算機(jī)集成制造系統(tǒng);2010年01期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會(huì)論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會(huì)論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時(shí)滯動(dòng)力學(xué)系統(tǒng)的時(shí)滯辨識(shí)[A];第十二屆全國非線性振動(dòng)暨第九屆全國非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會(huì)議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

8 熊偉麗;徐保國;;單個(gè)粒子收斂中心隨機(jī)攝動(dòng)的粒子群算法[A];2009年中國智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對(duì)策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動(dòng)態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動(dòng)機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場(chǎng)并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動(dòng)態(tài)粒子群算法的軟件測(cè)試數(shù)據(jù)自動(dòng)生成研究[D];江西理工大學(xué);2015年

，

本文編號(hào)：899849