使用蚁群算法优化配置工具库的位置索引

《使用蚁群算法优化配置工具库的位置索引》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、使用蚁群算法优化配置工具库的位置索引文摘：生成切割工具最优位置索引对减少数控机器的非加工时间和优化计划过程是一个重要的任务。目前的研究工作提出数控机器执行某种特定制造业务，其切削工具库上应用了一个最优或接近最优位置索引的快速识别全球搜索技术--蚁群算法。目标函数是最小的索引时间。关键字：索引时间、自动换刀、数控机床、优化、蚁群算法铣床。1．介绍：　在今天的制造环境中，多个行业适应柔性制造系统(FMS)来应对不断变化的市场需求的竞争。FMS广泛应用于数控设备，由于在处理一个广泛操作的高灵活性，各种部件和兼容性在计算机控制系统下运作。当在最大程度上使用数控机器，整个系统的效率会增加。所以提高

2、利用率,需要优化配置切削工具在工具库中的位置。刀具在数控机床上的位置可以改变或自动被安装称切割工具子程序。刀塔用于数控车床和自动更换刀具的(ATC)铣床。本模型可用于ATC的刀库或数控机器上的刀塔。索引时间被定义为在一个刀塔库或ATC走势之间的两个相邻的工具站或工具库持续的时间。双向索引工具库减少这台机器的非加工时间总是优先于单向的索引。在库的两个方向上旋转自动选择当前点和目标点之间的最近路径。目前的研究考虑双向运动的库。双向索引与单索引的区别为当前点和目标点的数量的计算，前者的值是小于或等于后者的一半。　Dereli提出目前的问题像“旅行商问题”(TSP),这需要完全的网络处理。他们应

3、用遗传算法(GA)来解决这个问题。Dorigo[2、3]介绍了蚁群算法(ACA)解决完全的网络处理问题。ACA处理完全大型网络问题可以，比其他方法：遗传算法、模拟退火和进化编程，以最小的计算时间找到最优解。所以ACA一直扩充到解决当前问题。2方法：　　确定目前操作制造最优序列是一个先决问题。这序列通常是基于最小总决定设置成本。作者[4]提出的应用ACA找到一个最优的操作序列。一旦确定操作序列,以下方法可以用来实现最优的工具库安排。　　步骤1最初一组刀具要求执行固定的制造业务被分配(最优)序列。每一个操作都是指派一个刀具。每个工具具有确定的数据属性。例：制造序列{M1-M4-M3-M2-M

4、6-M8-M9-M5-M7-M10}被分配了一套刀具{T8-T1-T6-T4-T3-T7-T8-T2-T6-T5}。刀具可以被解码为{8-1-6-4-3-7-8-2-6-5}。这里的序列制造M1需要刀具8,M4需要刀具1等等。总共有八个不同的工具,因此有八个可能序列在工具库中。　　步骤2ACA是应用优化工具来找到最优的工具序列相对应最低的总索引时间。对于每一个序列算法所生成的相同序列的位置索引被分配(数字)。例如,生成序列的工具{4-6-7-8-2-5-3-1}按顺序分配到位置索引{1-2-3-4-5-6-7-8},即工具4是分配到第一的位置,工具6到第二位置等等。　　步骤3计算不同后续

5、切削工具数字然后总计确定每个旋转刀具部件的序列总数。在计算部件的数量从当前工具旋转到目标工具采取绝对误差。以下部分详细描述一个例子。　　前两个操作M1和M4在假定操作序列分别要求刀具8和1。该工具生成的序列算法是{4-6-7-8-2-5-3-1}。在这个序列工具8和1放置在第4和第8（ATC）刀塔的位置索引。因此当前工具8达到目标工具1所需单位旋转总数

6、4-8

7、=4。同样的整个序列单位旋转所需的总数量是

8、4-8

9、+

10、8-2

11、+

12、2-1

13、+

14、1-7

15、+

16、7-3

17、+

18、3-4

19、+

20、4-5

21、+

22、5-2

23、+

24、2-6

25、=30。　　步骤4最小总索引时间是目标函数。目标函数的值是总数乘旋转单位刀塔的赋值

26、（ATC）索引时间。如果单位索引时间假定是4s，总所需的工具序列索引时间就为120s。　　步骤5是迭代次数增加ACA收敛于最优解。　　　　　　　　　3．分配原则：以下三种情况下为位置总数与刀具使用的总数。　　案例1位置索引的数量等于切削工具的数量。　　案例2位置索引的数量大于切削工具的数量：(a)没有重复的工具。(b)有复制工具。　　案例3位置索引的数量小于切削工具的数量。　　如果问题分为：案例1在工具库不多次设置重复切削工具总会增加机器的非加工时间。在案例2重复切削工具的影响应仔细测试，通常复制工具太昂贵。案例3使得发现刀具被第二次设置。然而,其他表现可能在案例2(b)和案例3。被复制

27、的工具可以用于这样一种方式,在ATC没有向左卸载索引或向左卸载一些位置索引。4．蚁群算法：　　蚁群算法(ACA)是一个全集性的的优化方法,已成功地应用到解决不同的组合问题像旅行推销员问题[2、3]二次分配问题(5、6)和车间作业调度问题[7]。该算法是得益于现实生活蚁群的觅食行为中个体蚂蚁从一点到另一点沉积物质信息素的方式。更高的信息素路径会更可能被其他蚂蚁选择导致进一步放大当前的信息素。因为这种性质,一段时间后,蚂蚁会选择最短路径