本文提出了一種基于布谷鳥算法（CS）的多目標公差設(shè)計方法。在傳統(tǒng)的制造成本和質(zhì)量損失函數(shù)基礎(chǔ)上,引入產(chǎn)品的裝配性能,建立新型多目標公差設(shè)計優(yōu)化模型,并提出使用模糊層次分析法確定各分目標的權(quán)重因子。運用非慣性權(quán)重方式調(diào)整步長因子,改進布谷鳥算法并用于求解得到的多目標公差設(shè)計模型。以一個齒輪組裝配件作為算例,驗證布谷鳥算法求解公差設(shè)計模型的適用性與可行性,為公差設(shè)計的分配方案提供新的求解方式。 

【文章來源】：航空科學技術(shù). 2019,30(05)

【文章頁數(shù)】：7 頁

【部分圖文】：

制造成本—公差曲線

[15]。為改善算法的尋優(yōu)速度，提高求解精度，引入非線性慣性權(quán)重[16]，將步長因子隨著算法進程而變化：步長因子αi在最大步長αmax和最小步長αmin之間變化。算法前期，較大步長因子可以幫助算法跳出局部搜索，后期利用較小的權(quán)重可以加快收斂速度。步長更新公式如下：αi=αmin+(αmax-αmin)xi-xbestxmax-xmin(8)式中：xi為第i個鳥巢的位置；xbest為當前最佳解；xmax和xmin分別為當前已經(jīng)發(fā)現(xiàn)的最大與最小適應(yīng)度值。圖2FAHP算法流程Fig.2ProcedureofFAHP表1模糊數(shù)標度Table1Fuzzynumberscale標度M1M3M5M7M9M2，M4，M6，M8定義同等重要稍微重要重要明顯重要非常重要中間重要性說明兩個元素參照目標相比，具有同樣重要性兩個元素參照目標相比，前者稍微比后者重要兩個元素參照目標相比，前者比后者重要兩個元素參照目標相比，前者明顯比后者重要兩個元素參照目標相比，前者非常重要上述重要性標度的中間值圖3萊維飛行二維平面路徑圖Fig.3Lévyflight’spathin2Dplane31

侍獾男陸猓??瞇碌那痹詰慕嫌漚飫?代替鳥巢中較次的解，達到尋優(yōu)目的。同時，宿主巢中的卵存在被發(fā)現(xiàn)的可能（解的精英機制）。為了規(guī)范算法，設(shè)定三個規(guī)則：每只布谷鳥一次只產(chǎn)生一只卵并隨機放在一個宿主巢內(nèi)；宿主巢中高質(zhì)量的卵會被孵化；宿主巢數(shù)量固定，布谷鳥卵被發(fā)現(xiàn)的概率為pa∈[0,1]（鳥巢被新鳥巢替代的概率為pa，解決方案被新的隨機方案替代的概率為pa）。布谷鳥尋找宿主巢的路徑方式為萊維飛行（新解更新方式）。自然界許多鳥類飛行方式都服從萊維飛行。萊維飛行二維平面路徑如圖3所示。它是一種隨機游走過程，由高頻率的短距飛行和低頻率的長距飛行組成，其步長服從萊維分布。按照萊維分布進行搜索，可以在當前解的周圍產(chǎn)生新解，進行有效的局部搜索，又可以隨機化產(chǎn)生遠離原最優(yōu)解的新解，防止陷入局部搜索。布谷鳥在規(guī)定的空間中通過不斷改變尋巢路徑進行搜索，保證其卵能孵化成功。假設(shè)鳥巢i在第t次迭代的位置矢量為Xti，布谷鳥的尋巢路徑及位置更新公式：Xt+1i=Xti+α⊕Le′vy(λ)(7)式中：α為一個步長大于0的常數(shù)，⊕為點對點乘法；Le′vy(λ)為解的連續(xù)搜索路徑，該路徑服從萊維分布。每次位置更新，隨機產(chǎn)生一個0到1之間的隨機數(shù)R，若R>pa，鳥巢的位置變化為Xt+1i，若R<pa，鳥巢位置保留。CS算法的全局尋優(yōu)能力強，并且輸入?yún)?shù)少、易于實現(xiàn)。但與其他群智能算法類似，同樣存在收斂速度慢、后期陷入局部最優(yōu)等情況[15]。為改善算法的尋優(yōu)速度，提高求解精度，引入非線性慣性權(quán)重[16]，將步長因子隨著算法進程而變化：步長因子αi在最大步長αmax和最小步長αmin之間變化。算法前?

【參考文獻】：
期刊論文
[1]布谷鳥搜索算法綜述[J]. 張曉鳳,王秀英.  計算機工程與應(yīng)用. 2018(18)
[2]基于離散化成本—公差模型的多目標公差優(yōu)化設(shè)計[J]. 胡西彪,張衛(wèi),陸寶春,黃龍振,王水,王敏其.  計算機集成制造系統(tǒng). 2019(01)
[3]基于改進引力搜索算法的公差多目標優(yōu)化設(shè)計[J]. 陶俐言,楊海斌.  機械設(shè)計與研究. 2017(02)
[4]基于改進布谷鳥算法的梯級水庫長期優(yōu)化調(diào)度研究[J]. 明波,黃強,王義民.  水利水電快報. 2015(04)
[5]基于布谷鳥算法和支持向量機的變壓器故障診斷[J]. 薛浩然,張珂珩,李斌,彭晨輝.  電力系統(tǒng)保護與控制. 2015(08)
[6]基于灰色粒子群算法的飛機裝配公差多目標優(yōu)化設(shè)計[J]. 張巖,莫蓉.  計算機集成制造系統(tǒng). 2014(08)
[7]作業(yè)車間調(diào)度問題的布谷鳥搜索算法求解[J]. 姚遠遠,葉春明.  計算機工程與應(yīng)用. 2015(05)
[8]基于粒子群算法的裝配公差優(yōu)化分配[J]. 匡兵,黃美發(fā),鐘艷如,孫永厚.  機械設(shè)計與制造. 2009(02)
[9]公差多目標優(yōu)化求解方法[J]. 王瑜,翟文杰,馬玉林.  哈爾濱工業(yè)大學學報. 2008(06)
[10]公差設(shè)計多目標模型及其粒子群優(yōu)化算法研究[J]. 肖人彬,鄒洪富,陶振武.  計算機集成制造系統(tǒng). 2006(07)

博士論文
[1]飛機部件裝配誤差累積分析與容差優(yōu)化方法研究[D]. 張開富.西北工業(yè)大學 2006



本文編號：3062711