1.考虑工具变换能耗下的不完全拆卸线的设置方法,其特征在于,包括以下步骤:步骤1:以最小化开启工作站数量、空闲时间均衡指标、工具更换次数和拆卸能耗指标为目标,提出不完全拆卸线平衡问题的约束条件,并建立不完全拆卸线平衡问题的目标函数,其中,目标函数为:F=min[NS,IT,TR,EC]
式中,NS为开启工作站的数量,且:
IT为空闲时间均衡指标,且:
TR为工具更换次数,且:
EC为拆卸能耗指标,且:
所述约束条件包括零件拆除约束、工作站任务分配约束、节拍时间约束、真实节拍时间约束、工作站顺序开启约束、拆卸任务优先关系约束,其具体为:零件拆除约束:
工作站任务分配约束:
节拍时间约束:
真实节拍时间约束:
工作站顺序开启约束:
拆卸任务优先关系约束:
且上式中符号表示的意义分别为:
TP—优先关系矩阵;I—拆卸任务集;s,i,k—拆卸任务编号,s,i,k∈I;J—拆卸工作站集;j,g—拆卸工作站编号,j∈J;n—任务总数;RT—预定节拍时间;CT—真实节拍时间;
ti—任务i的拆卸时间;tt—工具变换时间间隔;cr—工具变换的能耗;ch—拆卸危害零部件额外能耗;cd—拆卸需求零部件额外能耗;cu—开启工作站单位时间能耗;NS—开启工作站数量;IT—空闲时间均衡指标;TR—工具更换次数;EC—拆卸能耗指标;xij—0‑1变量,若任务i被分配至工作站j中,则xij=1;否则xij=0;zj—0‑1变量,若工作站j开启,则zj=1,否则zj=0;rsi—拆卸工具变换指标,若当前拆卸任务i与同一工作站上一拆卸任务s的拆卸工具不同时,则rsi=1,否则rsi=0;di—需求属性,若拆卸任务i所拆卸的零部件为需求零部件,则di=1,否则di=0;hi—危害属性,若拆卸任务i所拆卸的零部件为危害零部件,则hi=1,否则hi=0;
步骤2:设置问题参数与算法参数,并依照问题参数中待拆卸产品的优先关系,构建初始蜘蛛种群,经算法考察后以两点交叉操作的方式改变蜘蛛所含可行序列拆卸序列,变化其表示振动的目标值,以此使蜘蛛个体产生振动;
步骤3:基于步骤2中的振动蜘蛛个体进行迭代计算,随机移动蜘蛛个体,并在迭代过程中采用单点随机插入法进一步改进可行拆卸序列,增加额外振动,提高蜘蛛移动效率,同时在迭代过程中引入提高算法全局寻优能力的特殊手段,其中,提高算法全局寻优能力的特殊手段为,在算法迭代G/5、2G/5、3G/5、4G/5处使用人工蜘蛛替换种群中数量为Pop_num/10的蜘蛛个体,Pop_num为种群规模,G为最大迭代次数;
步骤4:使用Pareto精英策略对每次迭代计算结果进行筛选,选出符合目标函数且互不支配的非劣个体,储存在外部档案集中,作为下次迭代种群或非劣解,迭代计算次数满足终止条件后,利用NSGA‑Ⅱ拥挤距离评价标准筛选出目标函数的外部档案集中的非劣解,作为最终结果输出。
2.根据权利要求1中所述的考虑工具变换能耗下的不完全拆卸线的设置方法,其特征在于,步骤2中,所述构建初始蜘蛛种群的方法是采用基于实数编码表示的方式,将编码得到的每一组可行的任务拆卸序列作为蜘蛛个体。
3.根据权利要求2中所述的考虑工具变换能耗下的不完全拆卸线的设置方法,其特征在于,步骤2中,所述两点交叉操作的具体方式为,在蜘蛛种群中随机选择两只蜘蛛个体定义为配对蜘蛛,并在配对蜘蛛个体的可行拆卸序列上随机选择相同的两点,相互映射任务编号并移动其位置,使得配对蜘蛛个体分别形成新的拆卸序列。
4.根据权利要求1中所述的考虑工具变换能耗下的不完全拆卸线的设置方法,其特征在于,步骤3中,随机移动蜘蛛个体时对配对的两可行拆卸的任务序列进行对比,并删除差异的任务编号。
5.根据权利要求1中所述的不完全 拆卸线设置方法,其特征在于,所述蜘蛛个体在产生振动后,使用工具变换能耗矩阵对产生工具变换的前后序列进行计算。