针对铝合金车体结构复杂、设计周期长和建模效率低等特点,提出了一种参数化设计铝合金车体方法。利用Creo参数化技术定义车体轮廓、分段型材,单段型材特征中轮廓、C槽、接头、筋板等,定义车体详细设计,并利用Vs.Net2005编程实现人机交互界面开发,最终建立铝合金车体参数化设计系统。 在批量订单的情况下,为了提高自动化立体仓库(AS/RS)的整体作业效率,提出了以堆垛机作业均衡与高仓储效率为目标的立体库货位优化模型。设计了基于二进制粒子群(Binary Particle Swarm Optimization,BPSO)和遗传算法(Genetic Algorithm,GA)的模型求解仿生算法。通过同一个立体库批量订单作业实例,验证了所提模型及算法的有效性,算法试验及分析表明,基于BPSO的立体库作业均衡及货位优化效果较遗传算法显著第39卷第1期2017-01【125】表1试验案例算法参数设置算法参数BPSOGA父体选择策略无随机通用采样交叉概率无0.5交叉方式无单点交叉变异概率无0.01变异方式无非均匀变异种群规模100100学习因子C1=C2=2无最大迭代次数10001000停滞代数50503.2不同优化方法的试验结果对比试验中任务向量为出库任务向量T，图4、图5分别表示的是经过BPSO、GA优化后，目标函数值的迭代情况，本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ 目标函数值迭代-电动数控滚圆机滚弧机张家港电动数控滚圆机滚弧机它们优化结果对比如表2所示。图4基于BPSO的目标函数值迭代情况在立体库中每个巷道的堆垛机是并行作业的，所以每次任务所用时间取决于行程值最大的那个巷道，因此可以通过巷道的行程来表示作业效率。由图4、图5以及表2可以看出基于二进制粒子群和标准遗传的仿生算法对模型的求解都能取得较好的结果，BPSO经过245代后可得到目标函数值10.28、堆垛机行程均衡值B11为0.022及行程值D13为41.05，GA经过316代后可得到目标函数值31.47、堆垛机行程均衡值B12为3.55及行程值D23为75.21，显然BPSO比GA具有如下四点优势：1）可以以较少的代数得到较好的目标函数值；2）每代的种群差异较大，全局搜索能力更强；3）因为B11远小于B12，各堆垛机作业更加均衡；4）工作效率η（232313DDDη=）提高了45.42%。通过以上分析，基于二进制粒子群算法求解的模型较符合实际的批量订单操作，提高了仓储作业的整体效率和质量。4结束语在进行批量出入库时，为了提高仓储整体作业效率，提出了基于二进制粒子群的堆垛机作业均衡及货位优化模型，并且与标准遗传算法进行了优化效果对比，通过试验验证了模型及算法的有效性。由于本文只局限于单纯出库或入库作业研究，后续研究将针对出入库混合作业各巷道均衡性进一步展开。所研究的基?。 目标函数值迭代-电动数控滚圆机滚弧机张家港电动数控滚圆机滚弧机本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/