.png){kind=icon}
返回
Assembly sequence planning based on hybrid SOS-PSO algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s00170-025-15172-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
装配序列规划（ASP）是产品生命周期中的一个关键部分，直接影响生产效率与成本。首先，介绍了一种考虑装配过程中影响因素的多约束ASP模型。其次，提出了结合共生体搜索（SOS）与粒子群优化（PSO）的SOS-PSO混合算法，用于计算最优装配序列。为解决传统PSO算法参数依赖性强及易陷入局部最优的问题，设计了一种可行种群调整策略以缩小算法的搜索空间。采用Logistic混沌映射优化惯性权重，并采用异步学习因子策略确保PSO算法全局与局部搜索的平衡。在混合SOS-PSO算法中，SOS的初始种群为PSO提供了多样化的初始参数值，增强了参数范围调整的灵活性。最后，在行星齿轮减速器的实验中表明，混合SOS-PSO算法求解ASP问题的误差在5%以内且方差更小，而单一PSO算法的峰值误差达41%，说明混合SOS-PSO算法在鲁棒性与稳定性方面优于单一PSO算法，且对关键参数具有良好的适应性，显著提高了解的质量。
Keyword:
Assembly sequence planning
Particle swarm optimization
Symbiotic organisms search
Population adjustment strategy
Parameter optimization
期刊
IF:
3.1
论文数:
2.1K
被引数:
6.4W
机构
暂无机构信息
引用论文
.png){kind=icon}
Assembly Sequence Planning Utilizing Chaotic Adaptive Ant Colony Optimization Algorithm利用混沌自适应蚁群优化算法的装配序列规划
PREAI
分享收藏3D geometric constraint analysis and its application on the spatial assembly sequence planning三维几何约束分析及其在空间装配序列规划中的应用
PREAI
分享收藏分享收藏
查看更多内容