.png){kind=icon}
返回
Multi-objective human-robot collaborative task planning for assembly lines balancing based on cooperative optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.131001.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人机协作（HRC）在柔性装配和复杂工艺执行方面具有显著优势，使其成为制造业智能化的关键驱动力。人机协作装配线平衡问题（HRC-ALBP）结合了机器人的精度与人类的灵活性，但其效率取决于解决集成的装配线平衡与任务规划问题。尽管对于优化资源利用率和生产周期时间至关重要，但现有方法通常缺乏对动态现实环境的适应性。本文提出了一种基于协同优化方法的多目标人机协作装配线平衡与任务规划（METO），旨在通过高效的任务分配和资源协调同时优化总系统成本和加工时间。该方法整合了蒙特卡洛随机采样、统计模拟以及基于指数-三角函数优化（ETO）的转换策略，显著改善了HRC-ALBP中的任务分配，并增强了全局优化能力。所提出的METO方法在具有多维成本因素的基准数据集上进行了验证，并与不同机器规模（w=5,10,15,20）下的几种经典优化方法进行了比较。实验验证表明METO在多个指标上表现出更优性能。与原始ETO方法相比，METO实现了20.83%的成本降低和90%的时间效率提升。在实际装配线案例中，METO实现了最低的平均适应度值，标准差降低了22.9%，表明其具有更优的稳定性和鲁棒性。METO在所有对比方法中均表现更优，证实了其在解决复杂HRC-ALBP问题的效率和优化质量方面实现了显著改进。
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
The Differentiated Creative Search (DCS): Leveraging differentiated knowledge-acquisition and creative realism to address complex optimization problems差异化创意搜索 (DCS): 利用差异化知识获取和创意现实性来解决复杂的优化问题
.png){kind=icon}
PREAI
分享收藏
A framework for integrated design of human–robot collaborative assembly workstations人机协作装配工作站集成设计框架
OAAI
OAAI分享收藏分享收藏LLM-based multi-agent task planning for human-robot collaborative assembly balancing operator experience and efficiency基于LLM的多智能体任务规划方法用于人机协同装配平衡，兼顾操作员经验和效率
PREAI
分享收藏Multi-robot consistent formation control based on novel leader-follower model and optimization motion planning approach基于新型领导者-跟随者模型和优化运动规划方法的协同编队控制
PREAI
分享收藏
查看更多内容