一、基于蚁群系统的机械加工工艺方案的优化设计（论文文献综述）
张松灿[1]（2021）在《基于蚁群算法的移动机器人路径规划研究》文中研究表明移动机器人的自主导航能力对其广泛应用具有决定作用,而良好的路径规划技术是自主导航的基础。机器人的工作环境复杂多变,不仅存在静态障碍,还存在一些运行状态未知的动态障碍,在规划任务开始前无法获取全部环境信息。传统的路径规划算法在面对复杂环境时存在效率低、稳定性及适应能力差等不足,难以满足实际需求。蚁群算法具有正反馈机制、分布式计算及鲁棒性强等优势,候选解构建过程与路径规划过程相似,无需先验知识即可找到最短觅食路径,与路径规划目标相似,因此,蚁群算法成为最常用路径规划方法之一。针对蚁群算法在静态环境路径规划中存在收敛速度慢、协同不足、适应性弱等不足,在优化过程中还存在种群多样性与收敛速度的矛盾,从算法结构、参数优化及规划路径特征等方面提出针对性的改进策略,增强算法的优化性能,加快算法收敛度,提高算法适应能力。针对现有局部路径规划方法侧重于避障,无法保证路径的最优等问题,提出将全局规划信息和局部规划相结合的动态路径规划方法。主要研究内容如下:（1）自适应改进蚁群算法的路径规划。为解决基本蚁群算法在路径规划时存在收敛速度慢、易陷入局部极值等不足,提出基于种群信息熵的自适应改进蚁群算法。利用种群信息熵度量算法优化过程的多样性特征;依据种群信息熵自动调整算法参数的自适应策略;在全局信息素更新规则中,增加了迭代最优解的信息素项,并根据种群信息熵自动调整迭代最优解的信息素更新强度;提出信息素扩散模型以增强蚂蚁间的协作能力;非均匀信息素初始化策略能减少算法运行前期的盲目性搜索,加速算法收敛。仿真实验表明所提算法收敛速度快,适应性好,优化性能强。（2）单种群自适应异构蚁群算法的路径规划。针对多种群蚁群算法结构复杂、优化速度慢及适应性不足等问题,提出一种结构简单的单种群自适应个体异构蚁群算法。为提高初始蚁群的质量,首次迭代时仅以启发信息来构建候选解;非首次迭代时每只蚂蚁使用各自的控制参数构建候选解,增强种群的多样性;信息交换与参数突变操作不仅能发挥最优蚂蚁的引导作用,而且有助于算法在更大的参数空间探索更优的算法参数;基于种群信息熵的自适应信息交换周期策略,提高了算法的适应能力。仿真结果验证了算法的适应性、有效性及优越性。（3）融合改进蚁群算法和几何优化的路径规划方法。提出改进蚁群算法和几何局部优化相混合的路径规划方法。改进蚁群算法主要包括信息素初始化策略,带惩罚机制的动态权重信息素更新策略。根据蚁群算法规划路径的几何特征与运动约束条件,设计了局部优化方法,对每次迭代得到的最优路径进行几何优化。同时将优化后的路径作为新路径也进行信息素更新与扩散,显着提升了规划效率。实验结果表明所提出的算法具收敛速度快、优化能力强与适应能力好等优点。（4）动态环境的路径规划方法。针对动态环境路径规划的需求与特点,提出两阶段动态路径规划方法。第一阶段依据全局环境信息,利用改进蚁群算法规划出全局最优路径,并作为第二阶段的参考路径。第二阶段为路径跟踪与局部再规划阶段。当机器人沿着所最优路径行走时,实时更新其视野内的局部地图,进行碰撞预测与避碰,协调控制策略完成路径跟踪与避障。仿真实验表明算法能有效避开环境中的动态障碍,获取无碰最优或次优路径,规划性能与规划效率优于蚁群算法再规划方法。最后对全文进行总结,对未来的一些研究内容进行了展望。
赵阳[2]（2020）在《电力机车检修计划优化与车间调度问题研究》文中研究表明随着我国铁路的高速发展,电力机车已经成为客货运输的主要牵引动力来源。电力机车的检修具有复杂度高、标准要求严、多部门协同等特点,是决定电力机车安全运行与使用效率的关键因素,直接影响到铁路客货运输的质量与效益。电力机车的检修目前普遍采用固定周期的计划预防修模式,检修内容和机车实际质量状态存在一定的脱节,容易造成“检修不足”或“检修过度”;同时由于检修车间可能存在的工艺布局及工作调度的不合理,造成检修耗时延长,降低了机车的使用效率。因此研究检修计划与内容的优化,研究检修车间工艺与调度的优化,使检修工作更加科学合理,从而进一步提升检修质量与效率,具有非常重要的工程价值与理论意义。本文在阐述电力机车检修计划优化及车间调度优化问题的工程价值与现实意义的基础上,结合国内外研究成果与研究的问题实际,确立了使用智能算法求解问题的思路。论文重点研究了电力机车小辅修检修计划编制优化问题及中修车间调度优化问题,进行的主要工作有:1.明确了机车检修的非理想状态,引入两阶段延迟时间理论来描述部件退化过程,建立基于可靠度约束的数学模型,在求解中加入机会检修策略对检修方案进行优化编制,将各部件检修时刻适当提前或延后以实现同时检修,从而优化检修周期,减少停机次数,实现了最小化单位停机损失费用目标。2.分析总结电力机车中修车间工作流程,从检修车间进行检修工作时粗放和缺乏宏观组织调度的问题出发,以工序拓扑关系和配件装配关系为主要约束条件,借助经典车间调度问题的思路建立以最小化最长检修时间为优化目标的数学模型,使用加入拥挤度的改进蚁群算法求解,仿真结果表明该模型和算法能较为有效地提高中修车间的工作效率。
陆随年[3]（2020）在《面向航空标准件的两阶段作业车间批调度问题研究与应用》文中研究说明航空标准件企业的热处理调度问题属于一类批调度问题,即工件成批生产且可以同时在批处理机上进行加工。在航空标准件的生产过程中,热处理工序的加工时间较长,包含不相容工件族和工件尺寸的限制,且受到上游工序排产的影响大,从而导致热处理工序在整个生产过程中设备利用率和能耗最高,被视为生产过程中的瓶颈工序,极大地限制了企业的生产能力。如何对热处理工序实施有效的调度策略,以提高热处理产能,缩短生产周期,降低热处理无效能耗从而实现对企业生产过程的有效管控成为目前航空标准件企业亟待解决的问题。因此,研究航空标准件的批调度问题对于提高企业资源利用率、降低生产成本、提升生产管理水平具有重要的理论价值和实际意义。本文以航空标准件企业的批调度问题为研究对象,在详细综述批调度问题和相应算法的研究基础上,主要完成的工作如下:1)研究了包含不相容工件族、差异到达时间及工件尺寸的平行机批调度问题,优化目标为最小化最大完工时间。首先建立针对该问题的数学模型,并给出问题的下界。通过分析到达时间和尺寸约束对调度问题的影响,引入空闲空间概念,提出了一种基于蚁群系统算法的元启发式算法和一种启发式算法对分批问题进行了求解。最后通过算例测试以及与其他算法的对比分析,验证了两种算法的有效性。2)研究了包含不相容工件族及差异工件尺寸的两阶段作业车间批调度问题,优化目标为最小化最大完工时间。首先建立针对该问题的数学模型,并给出问题的下界。针对该问题的分批特性,设计了FGB（First Group Batch）调度框架,并结合蚁群算法和启发式算法对分批问题进行了求解。最后通过算例测试以及与其他算法的对比分析,验证了算法的有效性。3)以某航空标准件制造企业为背景,针对航空标准件企业的批调度问题,设计了包含多种求解算法的车间调度系统,并结合企业的实际数据,验证了车间调度系统的有效性。本文的研究从平行机批调度问题拓展到混合车间的批调度问题,研究内容相互联系逐步递进,将批调度问题的研究在航空标准件企业进行了实际的推广应用。
王铁[4]（2020）在《表面贴装工艺中的点胶路径规划研究》文中认为PCB（Printed Circuit Board）行业是全球性的大行业,预计2019年全球PCB市场的产值将达660亿美元。PCB是电子产业中的重要部件。表面贴装工艺是PCB生产中的重要工艺,其中的点胶工艺主要由高端制造业中的点胶机实现,工艺中的点胶路径对生产效率有较大的影响。目前,表面贴装工艺中的点胶路径规划算法存在求解时间长、容易陷入局部最优解的缺点。本课题针对这些问题,提出了一种改进蚁群算法,并将其应用于三轴点胶机平台,开展点胶路径优化实验研究。针对点胶中的路径优化,提出一种k-means自适应信息挥发素动态调整蚁群算法。本课题构建点胶路径优化问题模型,搭建三轴点胶实验平台,通过Mark圆检测算法实现生产中PCB板定位,完成点胶位置的坐标变换。通过对用于点胶路径规划中的蚁群算法的分析,分别针对蚁群算法求解大规模TSP问题存在求解时间较长和容易陷入局部最优解的主要问题,提出算法改进的方向。在求解时间优化上,采用分而治之的思想,利用k-means聚类算法将数据分组,再分别对子问题进行路径优化求解,并进行子问题的类间连接,得出最终优化路径。在求解质量的改进上,本课题提出对蚁群算法进行信息挥发速率动态调整,在分组后的子问题求解上采用此算法,以达到跳出局部最优解的目的。在算法测试上,采用国际通用的TSPlib数据集对蚁群算法和本课题提出的改进算法进行测试。实验验证方面,在三轴点胶平台上验证改进算法在优化点胶路径上的有效性,并和原有X向、Y向路径优化算法及蚁群算法的求解进行对比。对比实验结果表明,相比原有算法以及蚁群算法,本课题提出的改进算法在求解时间和路径长度优化上都有显着提升,可以有效提高表面贴装工艺中点胶工艺的效率,提升PCB行业的生产效率。
张卓[5]（2019）在《白车身点焊机器人路径规划与仿真》文中指出机器人目前在制造业中得到了广泛的应用,点焊通常在焊接过程中需要完成许多焊点。在大多数情况下,焊接机器人的路径规划,是以示教工程实验为基础的。工程师通常需要大量的时间才能获得所需的焊接路径,有时很难找到点焊机器人的最佳路径,特别是在焊点数量巨大的情况下,路径规划结果更是因人而异,缺乏数学依据。因此,焊接机器人路径规划已成为这一领域待解决的关键技术之一,本文对为提高对白车身侧围点焊的自动化水平,完成了点焊工作站重要设备和工艺的分析、机器人运动学的推导计算、优化算法改进、路径规划和其仿真工作站的搭建等工作,主要内容有下:首先,根据白车身的生产流程,确定并且分析了焊接路径规划的三个研究对象:零件、工艺与制造资源（PPR）,确定了点焊主要设备的型号。提炼了焊接路径规划的数学模型,并在考虑各工程因素和核心算法的基础之上给出本文研究的总体技术路线。其次,详细研究了点焊机器人的正运动学,用D-H法建立机器人连杆坐标系,推导了其运动学方程,通过MATLAB建立了机器人模型,验证了运动学建模的正确性。计算并分析了机器人的可达工作空间,为机器人的规划与控制提供了理论基础。再次,提出将粒子群算法与蚁群算法结合并用于焊装线路径规划的策略,利用粒子群算法的特性对蚁群算法的初始参数进行训练,从而能根据特定的任务,得到自适应的蚁群算法初始参数,详细说明了算法实现的步骤,并通过大量实验证明了改进算法的优势,编写了点焊路径规划软件的用户界面,利用该软件得到了路径规划的方案。最后,在设计各零件与资源的三维模型的基础上,用数字化制造软件DELMIA搭建了单机器人焊接工作站,定义了机器人、焊钳等的任务与其对应动作,对机器人焊接作业时的工作空间进行了分析,解决了机器人布局问题,对干涉问题提出了解决方案,最后生成路径规划的轨迹,分析了机器人的关节运动样条曲线,验证了路径规划方案的可行性,最终输出了点焊任务的离线程序。本文的研究结论对点焊工作站设计与布局、路径规划顺序与作业时干涉等问题提供了理论与参考。
顾听言[6]（2019）在《基于蚁群算法的预制构件生产多目标优化研究》文中认为近年来,飞速发展的工业化给生态环境带来了严峻的考验和威胁,可持续发展的重要性上升到了前所未有的高度。建筑业作为高能耗行业之一,节能减排刻不容缓。目前,建筑工业化已成为实现建筑业转型和可持续发展的必要途径之一。预制构件作为工业化建筑的基本组件,其生产计划的质量对工业化建筑的施工质量和施工计划有着重要影响。另外,从可持续发展视角下,预制构件作为建筑工业化模式下一种新型建材,其隐含碳排放占工业化建筑建造阶段碳排放相当大一部分比重,是工业化建筑碳排放监测与调控的重点。然而我国建筑工业化起步较晚,整体发展水平较低,现阶段预制构件生产计划无法满足我国日益增长的市场需求。目前,预制构件厂生产管理活动很多都是基于经验展开,管理模式粗犷,存在资源浪费、质量缺陷、交付延期、环境污染和成本偏高等问题。基于上述背景,本文针对预制构件厂内生产管理展开研究,以预制构件生产所需的时间和成本,以及产生的碳排放为优化目标。然而,目前关于工业化建筑碳排放的研究多集中于建筑全寿命周期,从而导致对预制构件碳排放的核算过于粗糙。本文基于PLCA理论,核定计算边界,识别碳源,提出较为精确和可行的厂内预制构件生产碳排放核算方法,为后续模型运算提供精确可靠的数据。本文借助多目标优化理论和组合优化理论,将预制构件厂内生产优化问题转化为一个多目标旅行商问题（MOTSP）,建立以预制构件生产时间、成本和碳排放为优化对象的多目标优化模型,利用Pareto解表示最优解集。本文利用相对偏离度理论对优化目标进行无量纲处理,利用聚集函数法构建综合目标函数,即评价指标,将原问题转化为单目标问题。此外,本文赋予综合目标函数随机动态权重,扩大算法的搜索范围,提高算法随机性。本文采用蚁群算法,借助Matlab平台进行编程与求解计算。同时,本文以国内某一预制构件厂为案例,通过实地调研收集原始数据,量化研究对象和计算参数。优化后的各评价指标相较于原始生产数据均有一定提升,且算法收敛性较好,具有一定可行性。本文的研究成果可以为预制构件厂内决策人员提供一组可行的解决方案,决策者可根据实际情况选择最优的决策方案,指导厂内构件生产以获得更优的生产效益。本文可以丰富国内现有关于预制构件和建筑工业化的研究。除此之外,本文所提出的预制构件碳排放量化方法也可也为后续工业化建筑碳排放研究提供一定的理论参考。
侯普良[7]（2019）在《高速激光切割机数控系统的开发》文中进行了进一步梳理随着激光技术的发展,激光切割加工得到越来越广泛的应用。在激光切割领域,激光切割数控系统正在朝着集成化、智能化、开放式、高速化的方向发展,目前国产的激光数控切割机在切割速度方面和国外相比还有较大差距,因此研发一套拥有自主知识产权的高速激光切割数控系统具有重要的意义。本文针对自主研发的双运动平台架构高速激光切割机,根据激光加工的特点,利用计算机辅助设计技术,开发出了一套可视化界面的激光切割数控软件,从CAD文件直接到激光切割机床的加工,省去了中间步骤,极大地提高了激光加工效率,真正实现了所见即所得加工方式。本课题设计了高速激光切割机床的软硬件总体架构,采用伺服电机组成的大运动平台和激光振镜的小运动平台组成双运动平台架构,极大地提升了机床的运动性能。采用EtherCAT总线采集和传输实时数据,满足了数控系统软件对高速切割机床的实时运动控制要求。采用模块化的开发方式,利用多种设计模式实现了数控软件架构的搭建,减小了模块之间的耦合性、增加了系统的稳定性。针对数控软件的激光加工图形编辑与显示模块,研究了图形绘制与编辑的框架,利用矩阵理论知识实现图形的旋转、平移、缩放、镜像等图形编辑功能,并且实现了图形打散、组合和捕捉等操作,利用应用程序设计的可复用面向对象的思想,实现了多种CAD文件格式解析。研究了激光加工路径优化算法,提出了改进的蚁群系统算法,并将其应用在激光加工路径优化上,与蚁群系统算法对比改进的蚁群系统算法的迭代次数减少30%,最终得到的加工路径也优于蚁群系统算法计算出来的路径。针对激光加工过程中的端点过烧问题,采用加入引入和引出线的方式避免了过烧现象;对于激光光斑半径产生的加工误差,利用C机能刀补算法实现了割缝补偿;采用飞切工艺,优化了图形阵列的切割加工路径,从而使激光在加工图形阵列时,机床运动更加平滑和流畅。最后介绍了激光数控软件友好的人机交互界面,进行了机床切割速度优化实验和飞切工艺加工实验,通过激光切割加工实验,验证了数控系统的高速性、稳定性、可行性。
刘博省[8]（2019）在《基于ACO-TS融合算法的作业车间调度研究》文中提出车间调度是现代制造企业生产管理的主要活动之一。有效的调度方法与优化技术的研究和应用,对制造企业提升生产效率有着重要的影响。本文综合国内外研究基础,以蚁群算法和禁忌搜索算法为工具,对作业车间调度问题进行了研究。本文主要工作可分为三个部分,第一部分为作业车间调度算法的改进和融合,具体包括:采用“自适应信息素量变动方法、内信息素更新策略、局部最优困境跳出机制、改进状态转移函数”四个子策略提升算法性能,应对传统蚁群算法收敛速度慢、容易陷入局部最优、求解质量较低等特点;采用基于关键路径上关键块邻域结构的禁忌搜索算法改进邻域搜索性能;将蚁群算法和禁忌搜索算法进行融合（ACO-TS）。之后在全部LA类基准算例上进行仿真,验证了融合算法的性能。第二部分采用不同算法策略应对实际生产中存在的机器柔性、多目标调度和动态事件,提出了一种基于ACO-TS算法求解柔性动态多目标JSSP问题的方法,并仿真验证了其有效性。第三部分根据企业的生产需求,在ACO-TS算法的基础上设计车间调度系统。介绍了系统的需求、架构、性能要求、运行环境和详细设计原型。
王玉震[9]（2019）在《自动焊锡机路径优化算法研究及控制系统设计与实现》文中研究说明在电子产品的加工过程中,印刷电路板PCB（Printed Circuit Board）的焊接是其中关键的一环,也是比较耗时的一个生产流程。目前工业上针对双面板的插件式元器件的焊接还无法有效的提高其自动化程度,而是尽量的采用贴片元件替代带引脚的元器件。但是到目前为止,插件式元器件在PCB板上仍然占据一定的规模,因此开发一款能够实现对双面板上插件式元器件进行自动焊接的设备具有非常重要的意义。目前投入使用的自动焊锡机对于焊点的自动路径规划问题还没有引起足够的重视,特别是对于具有较大规模数量焊点的PCB板来说,如何高效的对其进行路径优化直接影响到自动焊锡机的焊接效率。本文针对此课题所做的主要研究工作如下:（1）针对目前已有的遗传算法的迭代收敛性较差,且其交叉算子具有一定的盲目性所导致的在算法后期收敛能力大幅减弱的问题。为此本文提出一种基于全组合配对繁殖策略和限界交叉算子的改进遗传算法。即通过扩大每次迭代所生成的子代的规模来提高算法生成优异个体的概率,同时通过尽量将交叉位置限制在两个个体染色体序列的非公共序列段以提高交叉算子的效率,减少传统交叉算子的盲目性。（2）对于自动焊锡机的路径规划问题可以直接看成是对PCB板上所有待焊点的路径优化问题,本文在对PCB板上的焊点分布的特点进行分析后,提出一种基于邻接表的分组策略,即在对PCB板上的所有焊点进行最短路径搜索之前,先将其焊点根据其分布特性分成若干组,然后采用坐标象限法计算各组之间的距离矩阵,再根据组数的多少分别采用改进的遗传算法和蚁群系统（ACS）算法对所分成的组进行最短路径搜索。最后根据搜索序列对相邻组进行最佳连接点匹配,之后再对所有小组内部的焊点进行最短路径搜索,搜索方法的选择取决于小组内的焊点数,如果焊点数较少,则采用穷举法;否则采用ACS算法。（3）为了实现对焊锡设备的自动化控制和提高系统的实时性,本文将会把整个控制系统分成下位机和上位机这两个部分来实现。下位机主要实现对运动平台位置移动的精确控制、喷锡设备的按需喷射控制、PCB板的图像采集以及和上位机的信息通信功能;上位机主要完成对下位机传来的数据进行接收和根据所接收的数据类型完成简单或复杂的数据处理。
罗士君[10]（2019）在《独立后悬架装配单元划分与装配序列规划研究及应用》文中进行了进一步梳理装配序列规划是指以高效率、高质量以及低成本为目标对装配体内零件的装配顺序进行规划设计。装配序列规划自动化是实现智能工厂装配自动化的关键技术,是提高企业生产效率和产品质量的重要手段。本文分析了装配序列规划方法现状及其不足之处,以汽车典型零部件独立后悬架为研究对象,分析其装配特点,进行了装配序列规划方法与关键技术的研究工作,形成了一套从产品建模、装配单元划分到装配序列规划的装配序列规划自动化方法,并开发了装配工艺规划子系统。论文首先建立了独立后悬架的装配模型并提出了基于装配关系等级化的装配单元划分方法。对装配序列规划所需的装配信息进行了分析,建立了基于装配邻接矩阵、装配关系矩阵和装配体无向图结构的独立后悬架装配模型;同时针对独立后悬架的装配特点,通过轴向包围盒技术建立独立后悬架的非正交干涉矩阵。结合独立后悬架装配模型和权值理论完成了装配关系的等级化;依据装配关系等级充分考虑装配关系在装配过程的重要性,对装配关系赋予权重,确定了装配单元的基础件;利用装配单元基础件结果、零件之间的等级关系和干涉矩阵实现了独立后悬架装配单元的合理、快速划分。然后,在分析了蚁群算法的优缺点之后,提出了基于改进蚁群算法的装配序列规划方法。以定量评价方法为理论基础,通过分析装配工具更换、装配方向变换和装配单元可运输性三个评价指标,分别建立零件装配序列评价函数和装配单元装配序列评价函数。通过对比分析基本蚁群算法和多种典型的蚁群优化算法的优缺点,考虑装配序列规划问题与旅行商问题的区别,提出改进的蚁群算法。利用改进的蚁群算法与评价函数分别对零件装配序列规划问题和装配单元装配序列规划问题建立求解模型。最后,以某车型独立后悬架为例,在MATLAB中对基于改进蚁群算法的零件装配序列规划和装配单元装配序列规划求解模型进行求解,验证算法的可行性。在此研究基础上,基于企业PLM（Product Lifecycle Management）系统平台进行二次开发,完成了汽车典型零部件装配工艺规划子系统的设计开发。
二、基于蚁群系统的机械加工工艺方案的优化设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于蚁群系统的机械加工工艺方案的优化设计（论文提纲范文）
（1）基于蚁群算法的移动机器人路径规划研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 移动机器人路径规划研究现状 |
| 1.2.1 全局路径规划研究 |
| 1.2.2 局部路径规划研究 |
| 1.3 蚁群算法的现状 |
| 1.3.1 蚁群算法的研究现状 |
| 1.3.2 蚁群算法的发展 |
| 1.4 蚁群算法在路径规划应用现状 |
| 1.4.1 单蚁群算法的应用 |
| 1.4.2 多蚁群算法的应用 |
| 1.4.3 融合蚁群算法的应用 |
| 1.5 本文研究内容及组织结构 |
| 1.5.1 主要研究内容 |
| 1.5.2 组织结构 |
| 第2章 移动机器人路径规划方法 |
| 2.1 引言 |
| 2.2 路径规划问题描述 |
| 2.3 路径规划算法的评价 |
| 2.4 静态环境下路径规划的实现与问题 |
| 2.5 动态环境下路径规划的实现与问题 |
| 2.6 本章小结 |
| 第3章 静态环境下移动机器人路径规划算法研究 |
| 3.1 引言 |
| 3.2 蚁群算法存在的不足及原因 |
| 3.3 自适应改进蚁群系统 |
| 3.3.1 二维栅格环境的建立 |
| 3.3.2 蚁群系统 |
| 3.3.3 自适应改进蚁群系统算法设计 |
| 3.3.4 仿真实验结果与分析 |
| 3.4 基于单种群的异构自适应蚁群算法 |
| 3.4.1 相关研究工作 |
| 3.4.2 最大最小蚂蚁系统 |
| 3.4.3 自适应异构蚁群算法设计 |
| 3.4.4 单种群异构自适应蚁群算法的移动机器人路径规划 |
| 3.4.5 AHACO算法复杂度分析 |
| 3.4.6 AHACO算法收敛性分析 |
| 3.4.7 仿真实验与分析 |
| 3.5 本章小结 |
| 第4章 融合改进蚁群算法与几何优化的路径规划方法 |
| 4.1 引言 |
| 4.2 改进蚁群算法设计 |
| 4.2.1 信息素初始化方法 |
| 4.2.2 信息素更新规则 |
| 4.3 基于路径几何特征的局部优化算法 |
| 4.3.1 蚁群算法规划路径的几何特征 |
| 4.3.2 基于路径几何特征的局部优化算法 |
| 4.4 融合改进蚁群算法与几何优化的路径规划方法 |
| 4.5 仿真实验与分析 |
| 4.6 本章小结 |
| 第5章 动态环境下移动机器人路径规划研究 |
| 5.1 引言 |
| 5.2 人工势场法 |
| 5.2.1 经典人工势场法 |
| 5.2.2 改进人工势场法 |
| 5.3 子目标点的选择 |
| 5.4 动态窗口动态障碍物避碰策略设计 |
| 5.5 两阶段动态路径规划方法 |
| 5.6 仿真实验及分析 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（2）电力机车检修计划优化与车间调度问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 基于可靠性的设备维修理论 |
| 1.3.2 车间调度问题 |
| 1.4 论文主要研究内容 |
| 2 检修工作介绍及相关理论概述 |
| 2.1 电力机车检修方式与制度 |
| 2.1.1 基本维修方式 |
| 2.1.2 维修制度 |
| 2.2 可靠性理论 |
| 2.2.1 可靠性基础理论 |
| 2.2.2 常用故障分布函数 |
| 2.3 车间调度问题概述 |
| 2.3.1 最优化问题与局部搜索 |
| 2.3.2 计算复杂性 |
| 2.3.3 车间调度问题 |
| 2.4 本章小结 |
| 3 智能算法的选取与相关理论介绍 |
| 3.1 智能优化算法简介 |
| 3.1.1 各类智能算法介绍 |
| 3.1.2 本文研究问题智能算法的选取 |
| 3.2 遗传算法理论与实现 |
| 3.2.1 遗传算法的基本流程 |
| 3.2.2 遗传算法参数与操作的设计 |
| 3.3 蚁群算法概述 |
| 3.3.1 蚁群算法模型的建立 |
| 3.3.2 状态转移规则 |
| 3.3.3 信息素更新规则 |
| 3.4 本章小结 |
| 4 基于可靠性约束的机车检修计划优化 |
| 4.1 检修工作及延迟时间理论介绍 |
| 4.1.1 检修工作概述 |
| 4.1.2 两阶段延迟时间理论 |
| 4.2 部件退化过程和检修过程分析 |
| 4.3 基于可靠度约束的机车检修计划优化模型 |
| 4.3.1 机会检修策略 |
| 4.3.2 条件假设 |
| 4.3.3 模型建立 |
| 4.3.4 求解算法设计 |
| 4.4 仿真验证 |
| 4.4.1 案例介绍 |
| 4.4.2 相关数据参数估计及检验 |
| 4.4.3 多部件预防性检修优化模型结果分析 |
| 4.5 本章小结 |
| 5 机车检修车间调度问题优化研究 |
| 5.1 机车检修作业介绍 |
| 5.2 检修车间调度优化问题描述 |
| 5.2.1 机车检修流程概述 |
| 5.2.2 优化模型的建立 |
| 5.2.3 求解调度工艺序列的方法 |
| 5.3 求解方法 |
| 5.3.1 求解算法的选取 |
| 5.3.2 传统蚁群算法模型 |
| 5.3.3 加入拥挤度的改进蚁群算法 |
| 5.3.4 蚁群算法优化调度流程 |
| 5.4 算例分析 |
| 5.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（3）面向航空标准件的两阶段作业车间批调度问题研究与应用（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 批调度问题研究综述 |
| 1.2.1 批调度问题描述与表示 |
| 1.2.2 批调度问题求解方法 |
| 1.2.3 单机批调度研究综述 |
| 1.2.4 平行机批调度研究综述 |
| 1.2.5 两阶段车间批调度问题 |
| 1.2.6 文献总结 |
| 1.3 研究内容及结构安排 |
| 1.3.1 研究目的 |
| 1.3.2 研究框架 |
| 2 航空标准件生产调度问题描述 |
| 2.1 航空标准件生产调度问题简介 |
| 2.2 航空标准件生产调度问题特点 |
| 2.3 航空标准件企业生产调度问题描述 |
| 2.3.1 机加工序调度问题描述 |
| 2.3.2 热处理工序调度问题描述 |
| 2.4 本章小结 |
| 3 航空标准件企业平行机批调度问题研究 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 基本假设 |
| 3.2.2 数学模型 |
| 3.3 问题下界 |
| 3.4 蚁群优化算法简介 |
| 3.5 蚁群系统算法设计 |
| 3.5.1 背景介绍 |
| 3.5.2 编码方式 |
| 3.5.3 信息素含义 |
| 3.5.4 启发式信息 |
| 3.5.5 构造可行解 |
| 3.5.6 更新信息素 |
| 3.5.7 LOBS局部优化算法 |
| 3.5.8 ACS-LOBS算法流程图 |
| 3.6 启发式算法设计 |
| 3.6.1 背景介绍 |
| 3.6.2 FFIS启发式算法 |
| 3.7 算例仿真 |
| 3.7.1 实验设计 |
| 3.7.2 参数优化 |
| 3.7.3 算例测试 |
| 3.8 本章小结 |
| 4 航空标准件企业两阶段作业车间批调度问题研究 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 基本假设 |
| 4.2.2 数学模型 |
| 4.3 问题下界 |
| 4.4 FGB调度框架设计 |
| 4.4.1 背景介绍 |
| 4.4.2 FGB调度框架 |
| 4.5 基于FGB调度框架的算法设计 |
| 4.5.1 FGB-ACS算法 |
| 4.5.2 FGB-FFIS算法 |
| 4.6 算例仿真 |
| 4.6.1 实验设计 |
| 4.6.2 算例测试 |
| 4.7 本章小结 |
| 5 航空标准件企业车间调度系统研究与实现 |
| 5.1 调度系统设计背景 |
| 5.2 航空标准件企业车间调度系统总体设计 |
| 5.2.1 系统功能需求分析 |
| 5.2.2 总体设计 |
| 5.3 航空标准件企业车间调度系统的功能结构 |
| 5.3.1 数据输入模块 |
| 5.3.2 算法模块 |
| 5.3.3 运行模块 |
| 5.4 运行实例 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 |
| A.作者在攻读学位期间发表的论文目录 |
| B.作者在攻读学位期间取得的科研成果目录 |
| C.学位论文数据集 |
| 致谢 |
（4）表面贴装工艺中的点胶路径规划研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究背景和意义 |
| 1.2.1 旅行商问题研究现状 |
| 1.2.2 点胶路径优化研究现状 |
| 1.3 本文的主要研究内容 |
| 第2章 三轴点胶机实验平台搭建 |
| 2.1 引言 |
| 2.2 表面贴装工艺流程 |
| 2.3 三轴点胶机平台 |
| 2.3.1 机械结构部分 |
| 2.3.2 控制通信部分 |
| 2.3.3 机器视觉系统 |
| 2.4 本章小结 |
| 第3章 基于机器视觉的PCB板定位方法 |
| 3.1 引言 |
| 3.2 相机标定 |
| 3.2.1 线性相机标定 |
| 3.2.2 点胶平台相机标定 |
| 3.3 点胶位置坐标更新 |
| 3.3.1 Mark圆检测算法 |
| 3.3.2 点胶位置坐标转换 |
| 3.4 本章小结 |
| 第4章 改进蚁群算法路径规划 |
| 4.1 引言 |
| 4.2 点胶路径优化问题模型 |
| 4.3 蚁群优化算法 |
| 4.3.1 路径构建 |
| 4.3.2 补偿信息素更新 |
| 4.4 信息挥发素率动态调整改进蚁群算法 |
| 4.4.1 状态转移规则 |
| 4.4.2 信息素更新规则 |
| 4.5 基于k-means的改进蚁群算法 |
| 4.5.1 k-means算法 |
| 4.5.2 子问题的类间连接 |
| 4.6 本章小结 |
| 第5章 点胶路径规划实验 |
| 5.1 引言 |
| 5.2 改进蚁群算法与蚁群算法点胶路径优化对比 |
| 5.3 点胶路径优化实验 |
| 5.3.1 点胶位置数据获取 |
| 5.3.2 路径优化算法实验对比 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（5）白车身点焊机器人路径规划与仿真（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究实践意义 |
| 1.3 国内外研究现状 |
| 1.4 研究内容及结构安排 |
| 1.5 本章小结 |
| 2 白车身焊接路径规划对象及技术方案 |
| 2.1 白车身结构及其自动化生产 |
| 2.1.1 白车身分析 |
| 2.1.2 白车身自动化生产流程 |
| 2.2 白车身路径规划对象研究 |
| 2.2.1 零件对象(Product)分析 |
| 2.2.2 资源对象(Resource)分析 |
| 2.2.3 工艺对象(Process)分析 |
| 2.3 点焊机器人路径优化方案 |
| 2.3.1 点焊路径规划的数学模型 |
| 2.3.2 规划算法选择 |
| 2.3.3 研究技术路线 |
| 2.4 本章小结 |
| 3 点焊机器人运动学分析 |
| 3.1 运动学数学基础 |
| 3.1.1 位姿描述 |
| 3.2 连杆坐标系确定 |
| 3.3 机器人运动学分析 |
| 3.3.1 正向运动学分析 |
| 3.3.2 逆向运动学分析 |
| 3.4 基于MATLAB的机器人运动学建模验证 |
| 3.5 点焊机器人工作空间分析 |
| 3.6 本章小结 |
| 4 基于改进蚁群算法的点焊路径规划 |
| 4.1 蚁群算法的实现 |
| 4.1.1 蚁群算法分析 |
| 4.1.2 蚂蚁在焊点之间的移动规则 |
| 4.1.3 信息素更新方案设计 |
| 4.1.4 目标函数与实现步骤 |
| 4.2 基于粒子群思想的蚁群算法改进 |
| 4.2.0 粒子群思想分析 |
| 4.2.1 粒子更新方案 |
| 4.2.2 蚁群算法的改进及实现 |
| 4.3 MATLAB仿真测试及结果分析 |
| 4.4 点焊路径规划软件GUI设计 |
| 4.5 本章小结 |
| 5 基于DELMIA的机器人路径规划仿真 |
| 5.1 机器人仿真技术 |
| 5.2 仿真软件的选择 |
| 5.3 运用DELMIA软件仿真流程 |
| 5.4 基于DELMIA的点焊任务仿真 |
| 5.4.1 工作站的搭建 |
| 5.4.2 路径规划过程 |
| 5.5 运动学仿真分析 |
| 5.6 离线编程(OLP)的实现 |
| 5.7 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
（6）基于蚁群算法的预制构件生产多目标优化研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究综述 |
| 1.2.1 建筑工业化发展概况综述 |
| 1.2.2 预制构件碳排放研究综述 |
| 1.2.3 预制构件生产管理研究概述 |
| 1.2.4 文献评述 |
| 1.3 研究目的和研究意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究方法和技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 1.5 研究框架 |
| 2 预制构件生产特征分析 |
| 2.1 建筑工业化产业链 |
| 2.1.1 建筑工业化 |
| 2.1.2 建筑工业化住宅产业链架构分析 |
| 2.2 预制构件生产分类 |
| 2.3 预制构件生产工艺分析——以内墙板为例 |
| 2.4 预制构件生产管理特征 |
| 2.5 本章小结 |
| 3 预制构件碳排放核算 |
| 3.1 全寿命周期法 |
| 3.2 碳源识别 |
| 3.3 碳排放计算 |
| 3.3.1 直接碳排放 |
| 3.3.2 间接碳排放 |
| 3.4 碳排放因子 |
| 3.5 本章小结 |
| 4 多目标优化模型构建 |
| 4.1 多目标优化理论 |
| 4.1.1 多目标优化理论概述 |
| 4.1.2 帕累托解集 |
| 4.1.3 多目标优化处理方法 |
| 4.1.4 多目标优化求解方法 |
| 4.1.5 多目标问题研究现状 |
| 4.2 旅行商问题 |
| 4.2.1 组合优化问题 |
| 4.2.2 旅行商问题 |
| 4.3 时间—成本—碳排放多目标优化模型 |
| 4.3.1 时间目标模型原理及构建 |
| 4.3.2 成本目标模型原理及构建 |
| 4.3.3 碳排放目标模型原理及构建 |
| 4.4 时间—成本—碳排放多目标优化模型构建 |
| 4.5 本章小结 |
| 5 蚁群算法与模型求解 |
| 5.1 蚁群算法概述 |
| 5.2 蚁群算法求解多目标研究现状 |
| 5.3 蚁群算法的思想 |
| 5.3.1 数字蚂蚁与真实蚂蚁的异同 |
| 5.3.2 模型构建 |
| 5.3.3 参数选择 |
| 5.4 评价指标 |
| 5.5 算法设计 |
| 5.6 伪代码 |
| 5.7 本章小结 |
| 6 案例分析 |
| 6.1 案例背景 |
| 6.2 参数计算 |
| 6.2.1 成本计算 |
| 6.2.2 碳排放计算 |
| 6.2.3 参数汇总 |
| 6.3 建模与计算 |
| 6.4 案例分析 |
| 6.5 讨论 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 附录 |
| A.MATLAB程序代码 |
| B.作者在攻读学位期间发表的论文目录 |
| C.作者在攻读学位期间参与的科研项目 |
| D.学位论文数据集 |
| 致谢 |
（7）高速激光切割机数控系统的开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 激光切割机的发展现状及趋势 |
| 1.2.1 国内激光切割机发展现状 |
| 1.2.2 国外激光切割机发展现状 |
| 1.3 国内外数控系统的发展现状 |
| 1.4 数控系统的发展趋势 |
| 1.5 课题来源及主要研究内容 |
| 第二章 高速激光切割机软硬件架构 |
| 2.1 数控切割机床硬件平台 |
| 2.1.1 机床伺服电机 |
| 2.1.2 振镜激光器 |
| 2.2 数控切割机床控制方案 |
| 2.2.1 通信协议的选择 |
| 2.2.2 数控系统的组网连接 |
| 2.2.3 激光切割机整体控制架构 |
| 2.3 激光加工系统的软件设计 |
| 2.3.1 数控系统软件的功能需求分析 |
| 2.3.2 数控系统软件架构 |
| 2.3.3 数控系统软件工作流程 |
| 2.4 本章小结 |
| 第三章 激光加工图形编辑与显示模块 |
| 3.1 CAD模块的面向对象分析 |
| 3.1.1 对象类的设计 |
| 3.1.2 图形类的继承结构 |
| 3.1.3 图形类介绍 |
| 3.2 图形编辑 |
| 3.2.1 图形变换的数学基础 |
| 3.2.2 图形变换的编程实现 |
| 3.2.3 图形打散组合与捕捉 |
| 3.3 图形文件解析 |
| 3.3.1 软件支持的文件格式 |
| 3.3.2 DXF格式结构 |
| 3.3.3 PLT格式结构 |
| 3.3.4 文件解析类的架构 |
| 3.3.5 文件解析实现 |
| 3.3.6 文件解析效果 |
| 3.4 本章小结 |
| 第四章 激光加工路径优化算法 |
| 4.1 激光加工路径优化算法 |
| 4.1.1 路径优化问题的归类 |
| 4.1.2 路径优化的数学模型 |
| 4.1.3 TSP问题求解算法 |
| 4.2 改进蚁群系统算法 |
| 4.2.1 基本蚁群算法原理 |
| 4.2.2 基本蚁群算法数学模型 |
| 4.2.3 蚁群系统算法 |
| 4.2.4 改进的蚁群系统算法 |
| 4.3 实例验证 |
| 4.3.1 全封闭图元图形 |
| 4.3.2 非封闭图元图形 |
| 4.4 本章小结 |
| 第五章 激光加工工艺 |
| 5.1 引线功能 |
| 5.1.1 引线类型 |
| 5.1.2 引线的实现 |
| 5.2 割缝补偿 |
| 5.2.1 刀补转接和判别 |
| 5.2.2 缩短型割缝补偿 |
| 5.2.3 伸长型割缝补偿 |
| 5.2.4 插入型割缝补偿 |
| 5.2.5 软件割缝补偿实现 |
| 5.3 飞切功能 |
| 5.3.1 圆形阵列飞切 |
| 5.3.2 方形阵列飞切 |
| 5.4 本章小结 |
| 第六章 激光加工实验 |
| 6.1 软件主界面和加密算法 |
| 6.1.1 软件主界面 |
| 6.1.2 软件参数配置界面 |
| 6.1.3 软件加密算法 |
| 6.2 激光切割加工实验 |
| 6.2.1 全闭合图形加工实验 |
| 6.2.2 非闭合图形加工实验 |
| 6.2.3 飞切工艺加工实验 |
| 6.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文及授权的专利 |
| 致谢 |
（8）基于ACO-TS融合算法的作业车间调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源与研究背景 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景 |
| 1.2 车间调度问题综述 |
| 1.2.1 车间调度问题的分类 |
| 1.2.2 车间调度问题特点 |
| 1.2.3 车间调度问题的研究现状 |
| 1.2.4 现状问题总结 |
| 1.3 论文内容、技术路线和创新点 |
| 1.3.1 论文内容 |
| 1.3.2 技术路线 |
| 2 算法理论基础综述 |
| 2.1 蚁群算法综述 |
| 2.1.1 蚁群算法原理 |
| 2.1.2 蚁群算法模型 |
| 2.1.3 蚁群算法优缺点 |
| 2.2 禁忌搜索算法综述 |
| 2.2.1 禁忌搜索算法原理 |
| 2.2.2 禁忌搜索算法模型 |
| 2.2.3 禁忌搜索算法优缺点 |
| 2.3 本章小结 |
| 3 作业车间调度问题的数学模型 |
| 3.1 JSSP描述 |
| 3.2 JSSP的数学模型建立 |
| 3.2.1 JSSP的数学符号 |
| 3.2.2 JSSP的约束条件 |
| 3.2.3 JSSP的常用目标函数 |
| 3.3 JSSP的相关描述方法 |
| 3.3.1 JSSP的析取图描述方法 |
| 3.3.2 JSSP解的甘特图描述方法 |
| 3.4 本章小结 |
| 4 ACO-TS算法融合与性能 |
| 4.1 基于蚁群系统的算法改进 |
| 4.1.1 蚁群系统算法描述 |
| 4.1.2 自适应信息素量变动方法 |
| 4.1.3 内信息素更新策略 |
| 4.1.4 局部最优困境跳出机制 |
| 4.1.5 状态转移规则函数改进 |
| 4.1.6 改进蚁群系统算法流程 |
| 4.1.7 改进蚁群系统算法的性能分析 |
| 4.2 禁忌搜索算法的改进 |
| 4.2.1 JSSP邻域结构介绍 |
| 4.2.2 关键块邻域结构 |
| 4.2.3 关键块禁忌策略 |
| 4.2.4 选择策略 |
| 4.3 ACO-TS算法融合 |
| 4.3.1 算法融合的思想来源 |
| 4.3.2 ACO-TS算法原理 |
| 4.3.3 ACO-TS算法基本步骤 |
| 4.3.4 ACO-TS算法流程图 |
| 4.4 ACO-TS算法性能分析 |
| 4.5 本章小结 |
| 5 基于ACO-TS算法的柔性多目标动态JSSP问题求解 |
| 5.1 机器柔性的处理方法 |
| 5.2 多目标柔性JSSP问题求解 |
| 5.2.1 多目标柔性JSSP问题的研究方法及模型构建 |
| 5.2.2 多目标柔性JSSP问题求解 |
| 5.3 动态柔性JSSP问题求解 |
| 5.3.1 动态柔性JSSP问题描述 |
| 5.3.2 动态事件的分类 |
| 5.3.3 动态调度问题的研究方法 |
| 5.3.4 基于滚动窗口技术的重调度方法 |
| 5.3.5 动态柔性JSSP问题求解 |
| 5.4 本章小节 |
| 6 基于ACO-TS算法的车间调度系统设计 |
| 6.1 车间调度系统需求和架构 |
| 6.2 车间调度系统设计性能要求 |
| 6.3 车间调度系统运行环境要求 |
| 6.4 系统详细设计 |
| 6.4.1 系统登录模块 |
| 6.4.2 基础信息管理模块 |
| 6.4.3 生产信息管理模块 |
| 6.4.4 库存信息管理模块 |
| 6.4.5 现场信息采集模块 |
| 6.4.6 车间调度模块 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（9）自动焊锡机路径优化算法研究及控制系统设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 研究的背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 自动焊锡机研究现状 |
| 1.3.2 自动焊锡机路径优化算法研究现状 |
| 1.4 本文主要研究工作 |
| 1.5 章节安排 |
| 第2章 遗传算法在路径优化问题中的应用 |
| 2.1 遗传算法基本原理 |
| 2.2 经典遗传算法解决TSP问题 |
| 2.2.1 数学建模 |
| 2.2.2 经典遗传算法求解TSP问题流程 |
| 2.3 改进遗传算法解决TSP问题 |
| 2.3.1 基于全组合配对的多后代繁殖策略 |
| 2.3.2 基于个体相似度的限界交叉算子 |
| 2.3.3 改进遗传算法流程图 |
| 2.4 改进遗传算法的仿真实验 |
| 2.5 本章小结 |
| 第3章 基于混合遗传蚁群算法的自动焊锡机路径优化算法 |
| 3.1 自动焊锡机路径优化问题分析 |
| 3.2 蚁群算法 |
| 3.2.1 蚁群算法基本原理 |
| 3.2.2 几种改进的蚁群优化算法 |
| 3.3 混合遗传蚁群算法设计 |
| 3.3.1 邻域分组 |
| 3.3.2 基于坐标象限法的组之间距离矩阵计算 |
| 3.3.3 算法流程图 |
| 3.4 仿真实验与结果分析 |
| 3.5 本章小结 |
| 第4章 自动焊锡机控制系统设计与实现 |
| 4.1 控制系统总体方案研究 |
| 4.1.1 系统技术要求 |
| 4.1.2 系统结构及组成 |
| 4.1.3 系统工作原理 |
| 4.2 下位机系统设计与实现 |
| 4.2.1 下位机系统方案设计 |
| 4.2.2 控制器选型与介绍 |
| 4.2.3 三维运动模组设计与实现 |
| 4.2.4 喷锡模块设计 |
| 4.2.5 通讯模块设计 |
| 4.3 上位机系统设计与实现 |
| 4.3.1 系统方案设计 |
| 4.3.2 网络通讯模块设计 |
| 4.3.3 数据库系统设计与实现 |
| 4.3.4 图形界面及系统功能设计与实现 |
| 4.4 系统测试 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间获得与学位论文相关的科研成果 |
（10）独立后悬架装配单元划分与装配序列规划研究及应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 概述 |
| 1.2 国内外研究现状 |
| 1.2.1 装配单元划分的研究现状 |
| 1.2.2 装配序列规划的研究现状 |
| 1.2.3 存在的不足与拟解决方法 |
| 1.3 课题来源、研究目的及意义 |
| 1.3.1 课题来源 |
| 1.3.2 研究目的及意义 |
| 1.4 主要研究内容及技术路线 |
| 1.4.1 研究内容与创新点 |
| 1.4.2 技术路线 |
| 1.5 本章小结 |
| 第2章 独立后悬架的装配建模与单元划分 |
| 2.1 独立后悬架三维模型 |
| 2.2 装配邻接矩阵 |
| 2.3 装配关系矩阵 |
| 2.3.1 装配方式的分类 |
| 2.3.2 独立后悬架装配关系矩阵 |
| 2.3.3 独立后悬架无向图 |
| 2.4 装配干涉矩阵 |
| 2.4.1 干涉矩阵的分类 |
| 2.4.2 包围盒技术 |
| 2.4.3 独立后悬架非正交干涉矩阵 |
| 2.5 独立后悬架装配单元划分 |
| 2.5.1 装配关系等级化 |
| 2.5.2 装配单元划分方案 |
| 2.5.3 干涉检查 |
| 2.6 本章小结 |
| 第3章 基于蚁群算法的装配序列规划 |
| 3.1 蚁群算法介绍与改进方法 |
| 3.1.1 蚁群算法的基本模型 |
| 3.1.2 现有的蚁群优化算法 |
| 3.1.3 蚁群算法的改进方法 |
| 3.2 独立后悬架装配序列评价 |
| 3.2.1 影响装配操作的因素 |
| 3.2.2 装配序列的评价方法 |
| 3.3 基于改进蚁群算法的零件装配序列规划 |
| 3.3.1 问题描述 |
| 3.3.2 零件装配序列求解模型 |
| 3.3.3 干涉检查方法 |
| 3.3.4 信息素更新办法 |
| 3.4 基于改进蚁群算法的装配单元装配序列规划 |
| 3.4.1 问题描述 |
| 3.4.2 装配单元装配序列求解模型 |
| 3.5 本章小结 |
| 第4章 装配序列规划模型求解实例 |
| 4.1 参数设置分析 |
| 4.1.1 零件信息计算机语言化 |
| 4.1.2 蚁群算法参数初始化 |
| 4.2 装配单元Z1 的零件序列规划 |
| 4.3 装配单元Z2和Z3 的零件序列规划 |
| 4.4 装配单元装配序列规划 |
| 4.5 本章小结 |
| 第5章 装配工艺规划子系统设计开发及应用 |
| 5.1 开发背景 |
| 5.2 子系统功能介绍 |
| 5.2.1 导入产品模型 |
| 5.2.2 装配单元划分 |
| 5.2.3 装配序列规划 |
| 5.2.4 装配序列结果应用 |
| 5.3 本章小结 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 本文的不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表的学术成果与参研项目 |
四、基于蚁群系统的机械加工工艺方案的优化设计（论文参考文献）
- [1]基于蚁群算法的移动机器人路径规划研究[D]. 张松灿. 河南科技大学, 2021(02)
- [2]电力机车检修计划优化与车间调度问题研究[D]. 赵阳. 兰州交通大学, 2020(01)
- [3]面向航空标准件的两阶段作业车间批调度问题研究与应用[D]. 陆随年. 重庆大学, 2020
- [4]表面贴装工艺中的点胶路径规划研究[D]. 王铁. 哈尔滨工业大学, 2020(01)
- [5]白车身点焊机器人路径规划与仿真[D]. 张卓. 北京林业大学, 2019(04)
- [6]基于蚁群算法的预制构件生产多目标优化研究[D]. 顾听言. 重庆大学, 2019(01)
- [7]高速激光切割机数控系统的开发[D]. 侯普良. 广东工业大学, 2019(02)
- [8]基于ACO-TS融合算法的作业车间调度研究[D]. 刘博省. 大连理工大学, 2019(02)
- [9]自动焊锡机路径优化算法研究及控制系统设计与实现[D]. 王玉震. 武汉理工大学, 2019(07)
- [10]独立后悬架装配单元划分与装配序列规划研究及应用[D]. 罗士君. 武汉理工大学, 2019(07)