CN111479404B - 一种基于混合遗传算法的led贴片机拾贴路径优化方法 - Google Patents

一种基于混合遗传算法的led贴片机拾贴路径优化方法 Download PDF

Info

Publication number
CN111479404B
CN111479404B CN202010387801.3A CN202010387801A CN111479404B CN 111479404 B CN111479404 B CN 111479404B CN 202010387801 A CN202010387801 A CN 202010387801A CN 111479404 B CN111479404 B CN 111479404B
Authority
CN
China
Prior art keywords
chromosome
pick
head
picking
path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010387801.3A
Other languages
English (en)
Other versions
CN111479404A (zh
Inventor
高会军
李政锴
卢光宇
邱剑彬
于兴虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo Intelligent Equipment Research Institute Co ltd
Original Assignee
Ningbo Intelligent Equipment Research Institute Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ningbo Intelligent Equipment Research Institute Co ltd filed Critical Ningbo Intelligent Equipment Research Institute Co ltd
Priority to CN202010387801.3A priority Critical patent/CN111479404B/zh
Publication of CN111479404A publication Critical patent/CN111479404A/zh
Application granted granted Critical
Publication of CN111479404B publication Critical patent/CN111479404B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K3/00—Apparatus or processes for manufacturing printed circuits
    • H05K3/30—Assembling printed circuits with electric components, e.g. with resistor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Human Resources & Organizations (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Genetics & Genomics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Manufacturing & Machinery (AREA)
  • Physiology (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Installment Of Electrical Components (AREA)

Abstract

一种基于混合遗传算法的LED贴片机拾贴路径优化方法，本发明涉及贴片机拾贴路径优化方法。本发明的目的是解决现有方法获得的拾贴路径长，LED贴片生产工作效率低的问题。过程为：一、生产前的准备工作，导入机器参数以及PCB数据文件信息；二、根据一中确定的机器参数以及PCB数据文件信息，确定使贴片头移动距离最短的供料器槽位分配位置；三、对并列式贴片头拾贴路径进行规划，以二确定的供料器槽位分配中点作为拾贴路径优化的起点和终点，采用混合遗传算法搜索拾贴路径的可行解，保留其中贴装路径最短的解；四、将三中搜索到的贴装路径最短的解作为最优解输出。本发明用于电器技术及电气工程领域。

Description

一种基于混合遗传算法的LED贴片机拾贴路径优化方法
技术领域
本发明涉及贴片机拾贴路径优化方法，属于电器技术及电气工程领域。
背景技术
现如今，印刷电路板(Printed circuit boards，PCB)被广泛地应用于现代电子设备之中，是人们日常生活中不可缺少的生产生活用品之一。高精度、高效率的PCB生产方案对于电子电器相关产业升级具有重大意义，而贴片机是用于拾贴元件、组装PCB的全自动生产设备，同时也是PCB生产环节中最关键、最复杂也是最耗时的生产设备。然而，LED尺寸小小、拾贴工作量大的特点决定了其在实际生产中加工所需的时间相对较长。
通常情况下，“贴片元件”是指通过表面贴装与焊盘连接的电子元器件，简称为“元件”，元件在印制电路板表面放置的位置被称作贴装点；“拾贴路径”是指贴片头完成所有贴装点拾贴过程中的移动路径；“拾贴过程优化方法”，是指通过软件对生产数据进行处理，使其输出结果能实现整个生产过程“拾贴路径最小化”的目标。对于贴片机生产过程，主要包含吸杆任务分配、供料器槽位分配以及拾贴顺序决策三部分。其中，吸杆任务分配指明确各吸杆安装的吸嘴以及吸取的具体元件总量；供料器槽位分配是指确定明确提供元件的供料器的安装位置；而拾贴顺序决策是指各吸杆拾贴元件的先后顺序。其中，拾贴顺序决策是提升LED拾贴效率的关键。
单动臂并列式贴片头贴片机是动臂式贴片机的一种，以下简称为贴片机。贴片机的主体框架是一个三轴运动平台，其主要组成部分有：
(1)运动机构
贴片机由三个直线导轨控制实现水平面内的运动，定臂指两个相互平行的直线导轨，动臂指与定臂垂直安装的直线导轨，单动臂贴片机仅使用一个动臂。并列式贴片头指贴片头中的所有吸杆并排地排成一列，能实现在加工平面内X轴与Y轴方向的移动，吸杆可以在Z轴电机的驱动下实现Z轴方向运动从而完成元件的拾取和拾贴任务。
(2)元件拾取与供应的机构
元件拾取由并列式贴片头完成，以下简称贴片头。贴片头由吸杆组成，吸杆内部中空，并与真空泵连通，真空泵抽气则在吸杆内部建立真空环境，吸杆底部有安装孔，安装孔用于安装吸嘴，吸嘴用于吸取元器件。元件由供料器供应，供料器可以插入标准化机械接口(被称作供料器槽)，从而被固定在供料器架上。
生产时，操作人员站在供料器架一侧，面向贴片机站立，按照由左到右增大的顺序对吸杆和供料器槽位进行编号。在由X轴与Y轴所确定的XY面内，规定各吸杆坐标为吸杆轴心在XY面内投影的坐标，贴片头坐标通常指吸杆1的坐标。
供料器分为带式供料器、盘式供料器和杆式供料器。LED等封装较小的元件通常使用带式供料器，其占据的槽位数为1。
(3)元件拾贴的机构
在拾贴过程开始前，待拾贴的PCB由传送带传入，直到PCB被止挡捎阻挡停止到达指定位置。并列式贴片头中拾取有元件的吸杆移动至贴装点上方，吸杆下降并由真空泵产生向下的压力，使元件贴合在预先涂有粘接剂的PCB上，然后吸杆上升开始拾贴下一个贴装点。完成当前拾贴周期的拾贴任务后，并列式贴片头返回供料器吸取下一个拾贴周期需要拾贴的元件。
(4)固定相机与飞行相机
吸杆在吸取元件后，需要对待拾贴元件进行图像检测以提高生产精度，该工作由固定相机和飞行相机共同完成。
飞行相机安装在吸杆上方，当吸杆上拾取元件之后，元件的中心相对于参考点(即吸杆中心)有位置偏移，相对于参考方向(X轴正向)有角度偏转，使用图像检测来获取上述位置偏移值与角度偏转值进行补偿，实现高精度拾贴。
固定相机是贴片机中具有较大可视范围、用于大型元件检测的相机，对于LED以及具有相似封装的元件，其尺寸较小，不需要固定相机检测。因此，LED拾贴过程优化不需要考虑贴片头移动至固定相机的路径。
单动臂并列式贴片头贴片机工作流程主要包含以下五个步骤：
步骤一：读取PCB数据文件及存储机器参数的数据库文件；
步骤二：安装供料器至供料槽，并列式贴片头移动至吸嘴库安装吸嘴；
步骤三：并列式贴片头从供料槽拾取元器件，飞行相机检测元器件偏移并进行补偿；
步骤四：并列式贴片头移动到各个贴装点放置元器件，并列式贴片头返回供料槽；
步骤五：继续执行步骤三～四直至所有贴片点均已安放元器件。
步骤三～步骤四为一个拾贴过程，其由拾取过程(步骤三)和贴装过程(步骤五)组成衡量贴片机生产效率的指标是生产时间，其同贴片头的移动距离相关。对于单动臂贴片机其X轴与Y轴方向的电机是独立工作的。因此，计算并联式贴片头移动距离时采用切比雪夫距离(相互垂直的两个方向移动距离中的较大者)。
目前研究的主要缺陷是：现有的商业软件往往采用固定的优化策略提升效率，对可行解的搜索能力有限，导致获得的拾贴路径长，LED贴片生产工作效率低。
发明内容
本发明的目的是解决目前商业软件采用固定的优化策略，对可行解的搜索能力有限，导致获得的拾贴路径长，LED贴片生产工作效率低的问题，而提出一种基于混合遗传算法的LED贴片机拾贴路径优化方法。
一种基于混合遗传算法的LED贴片机拾贴路径优化方法具体过程为：
步骤一、生产前的准备工作，导入机器参数以及PCB数据文件信息；
步骤二、根据步骤一中确定的机器参数及PCB文件信息，确定使贴片头移动距离最短的供料器槽位分配位置；
步骤三、对并列式贴片头拾贴路径进行规划，以步骤二确定的供料器槽位分配中点作为拾贴路径优化的起点和终点，采用混合遗传算法搜索拾贴路径的可行解，保留其中贴装路径最短的解；
步骤四、将步骤三中搜索到的贴装路径最短的解作为最优解输出。
本发明的有益效果为：
本发明阐述了一种基于混合遗传算法的LED拾贴优化方案，其具体思路是：以单一染色体存储LED拾贴过程的全部信息，包括各个拾贴周期所要拾贴的元件编号、元件被拾贴的先后顺序、元件被拾贴时所使用的吸杆编号。通过染色体信息可直接计算出拾贴过程走过的总路程，在优胜劣汰中选择具有较强的适应能力的染色体，对应拾贴路程较短者。
通过随机产生具有元件拾贴信息的N条染色体构成的染色体组，将其分为若干组，保留每组中拾贴路程最短得染色体进行保留，对该染色体进行一系列变异操作，形成新的染色体组，重复上述过程，直至得到满意的解。
本发明公开了一种基于混合遗传算法的LED贴片机拾贴路径优化方法，该方法首先基于策略快速确定供料器的分配，继而对各吸杆的贴装点分配问题与贴装顺序问题进行遗传算法的混合编码，通过采用插入、逆转、交换三种遗传变异算子，实现拾贴路径的快速优化。
实验结果表明，本发明提供的方法可以大幅提升贴片机对LED电路拾贴时的生产效率，相较于商业软件，对拾贴路径的缩减达13.3％。本发明所提出的混合遗传算法，更容易编码实现，且具有更大的搜索空间，能够快速逼近全局最优解。
本发明的主要创新点在于(1)提出了一种“最近邻遗传算法”的混合搜索方法，相较于一般的遗传算法，其变异操作不确定性大、发生的概率低，本发明提出的方法是以最近邻确定一个优解，并确定性地对该解进行邻域操作，收敛速度快于一般地遗传算法；(2)能够通过合并染色体编码的方式对各吸杆的贴装点分配问题与贴装顺序问题同时进行优化求解同时优化分配问题和路径问题的方法更为快捷有效，能够快速逼近全局最优解。
附图说明
图1为本发明遗传算法流程图；
图2a为本发明遗传算法运算中的“交换”操作示意图；
图2b为本发明遗传算法运算中的“翻转”操作示意图；
图2c为本发明遗传算法运算中的“插入”操作示意图；
图3为本发明实施例的拾贴距离收敛曲线图。
具体实施方式
具体实施方式一：本实施方式一种基于混合遗传算法的LED贴片机拾贴路径优化方法的具体过程为：
步骤一、生产前的准备工作，导入机器参数以及PCB数据文件信息；
步骤二、根据步骤一中确定的机器参数以及PCB数据文件信息，确定使贴片头移动距离最短的供料器槽位分配位置；
步骤三、对并列式贴片头拾贴路径进行规划，以步骤二确定的供料器槽位分配中点作为拾贴路径优化的起点和终点，采用混合遗传算法搜索拾贴路径的可行解，保留其中贴装路径最短的解；
步骤四、将步骤三中搜索到的贴装路径最短的解作为最优解输出。
最优解输出包含各个拾贴周期拾贴的元件编号、所用的吸杆以及拾贴顺序和拾贴路径总长度；其中，贴装路径最短的解chbest在各个拾贴周期拾贴的元件编号和所用吸杆由步骤三二二得到，元件的拾贴顺序由步骤三二三得到，拾贴路径的总长度由步骤三三得到。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一中生产前的准备工作，导入机器参数以及PCB数据文件信息；具体过程为：
步骤一一：导入贴装点坐标信息；
贴片机进行拾贴优化前，需要预先导入生产数据信息，即PCB数据文件，PCB数据文件包含了元件名、元件类型及元件的X轴、Y轴坐标等信息；
规定操作人员正对机器时，PCB电路板的左下角为参考原点，操作人员的正右和正前方分别为X轴和Y轴的增长方向，Cpx(c)表示元件c相对于参考原点的X轴方向坐标，Cpy(c)表示元件c相对于参考原点的Y轴方向坐标，元件总数记为numCp；
步骤一二：导入机器参数信息，机器参数信息包括可用吸杆数S，可用供料器槽位数F、供料器槽1坐标{slotx(1),sloty(1)}、吸杆间隔rod_interval和供料器槽位间隔slot_interval；
其中，slotx(f)表示供料槽f相对于参考原点的X轴方向坐标、sloty(f)表示供料槽f相对于参考原点的Y轴方向坐标；f＝1,2,...,F。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一至二不同的是：所述步骤二中根据步骤一中确定的机器参数以及PCB数据文件信息，确定使贴片头移动距离最短的供料器槽位分配位置；具体过程为：
步骤二一：计算待拾贴元件的平均坐标：
aveCpx＝[Cpx(1)+Cpx(2)+…+Cpx(numCp)]/numCp，
式中，aveCpx为待拾贴元件的平均坐标；Cpx(1)表示元件1相对于参考原点的X轴方向坐标；Cpx(numCp)表示元件numCp相对于参考原点的X轴方向坐标；
步骤二二：计算供料器组中心位置对应的槽位号，为使供料器组的中心坐标aveFeederx尽可能接近拾贴元件的平均坐标aveCpx，可确定供料器组中心位置对应的槽位号为fc＝[aveCpx-slotx(1)]/slot_interval；
式中，slotx(1)表示供料槽1相对于参考原点的X轴方向坐标；
步骤二三：确定供料器的安装位置：
一般情况下，吸杆间隔是供料器槽间隔的2倍，可用吸杆数S＝6，供料器占用的槽位数为1，为了保证贴片头能从供料器架上同时拾取多个元件，提升效率，供料器在槽位fc-S+1～fc+S-1以间隔为1依次进行安装。
其它步骤及参数与具体实施方式一至二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤三中对并列式贴片头拾贴路径进行规划，以步骤二中确定的供料器槽位分配中点作为拾贴路径优化的起点和终点，采用混合遗传算法搜索拾贴路径的可行解，保留其中贴装路径最短的解；具体过程为：
步骤三一：拾贴路径规划的初始化，具体为：
随机产生若干条染色体chromosome，染色体数目popSize＝40，各条染色体均以长度为2·numCp的数组表示，染色体中存储的信息为1～2·numCp全排列中的任意一种；
步骤三二：提取染色体中信息；
步骤三三：计算拾贴路径长度；
步骤三四：对染色体组进行优胜劣汰，适应能力越强的染色体被淘汰的概率越低，获得拾贴路径长度最短的染色体，即拾贴路径最短的染色体。
其它步骤及参数与具体实施方式一至三相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：所述步骤三二中提取染色体中信息；具体过程为：
步骤三二一：从染色体中提取出拾贴信息，将染色体对应的数组分为两部分，其中一部分由数组中元素值小于等于numCp的元素构成，另一部分由数组中元素值大于numCp的元素构成，分别记为chromosomeL与chromosomeR；
步骤三二二：chromosomeL数组为1～numCp的全排列，该数组中元素的值表示具体的元件编号，其元素出现的顺序决定各个拾贴周期拾贴的元件编号以及所使用的吸杆，具体计算方法为：
对于chromosomeL中第k个元素，元件chromosomeL(k)在拾贴周期
Figure BDA0002484711890000061
由吸杆k％S完成拾贴任务，从而形成SuckRod矩阵；
式中，chromosomeL(k)表示数组chromosomeL中第k个元素；
Figure BDA0002484711890000062
表示向上取整；S为可用吸杆数；“％”表示除法中的取余操作；
SuckRod矩阵中的第k行SuckRod(k,:)代表了第k个拾贴周期中拾贴的元件，k行s列元素SuckRod(k,s)为第k个拾贴周期中第s个吸杆拾贴的元件序号；
步骤三二三：chromosomeR数组为numCp+1～2·numCp的全排列，首先将该数组中所有元素减去numCp使chromosomeR数组成为1～numCp的全排列；
对于同一拾贴周期，元件序号在chromosomeR中出现的先后顺序决定了元件拾贴的先后顺序，从而形成MountSeq矩阵，记m为chromosomeR索引，则MountSeq的计算方式为：
Figure BDA0002484711890000063
式中，MountSeq矩阵的第k行MountSeq(k,:)代表了第k个拾贴周期中元件拾贴的先后顺序，矩阵中的“0”无实际意义；
备注：步骤三二二和步骤三二三共同确定了一条染色体所包含的整个拾贴过程的信息；
其它步骤及参数与具体实施方式一至四相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：所述步骤三三中计算拾贴路径长度；具体过程为：
步骤三三一：k为拾贴周期索引量，初始化k＝1；
步骤三三二：s为吸杆编号索引量，s∈{1,2,…,S}，分别计算拾取各元件时的贴片头坐标，记拾取元件c时，贴片头的坐标为{headx(c),heady(c)}，计算方法如下：
c＝SuckRod(k,s)
headx(c)＝Cpx(c)-(s-1)·rod_interval，
heady(c)＝Cpy(c)；
式中，Cpx(c)为元件c相对于参考原点的X轴方向坐标，Cpy(c)为元件c相对于参考原点的Y轴方向坐标；rod_interval为吸杆间隔；
步骤三三三：计算拾贴周期k的拾贴路径长度，计算方法如下：
c1＝MountSeq(k,s)，c2＝MountSeq(k,s+1)，s＝1,2,…,Sa；
dist＝dist+max{|headx(c1)-headx(c2)|,|heady(c1)-heady(c2)|}；
式中，c1和c2为元件索引，headx(c1)为贴装元件c1时贴片头的X轴坐标，headx(c2)为贴装元件c2时贴片头的X轴坐标，heady(c1)为贴装元件c1时贴片头的X轴坐标，heady(c2)为贴装元件c2时贴片头的Y轴坐标，Sa为满足suckRod(k,Sa)≠0的最大值，表示所用的吸杆编号中的最大值；dist为贴片头的移动距离；
同时考虑贴片头往返供料器的移动距离：
dist＝dist+max{|slotx(fc)-headx[MountSeq(k,1)]|,|sloty(fc)-heady[MountSeq(k,1)]|}+max{|slotx(fc)-headx[MountSeq(k,Sa)]|,|sloty(fc)-heady[MountSeq(k,Sa)]|}；
式中，slotx(fc)为供料器中心相对于参考原点的X轴坐标，sloty(fc)为供料器中心相对于参考原点的Y轴坐标；MountSeq(k,1)为拾贴周期k首个贴装元件的序号，headx[MountSeq(k,1)]为贴装拾贴周期k首个元件时贴片头的X坐标，heady[MountSeq(k,1)]为贴装拾贴周期k首个元件时贴片头的Y坐标；
备注：拾贴路径规划中，使用的所述移动距离是切比雪夫距离，例如两点(x1,y1)与(x2,y2)之间的切比雪夫距离为：Dcheb＝max(|x1-x2|,|y1-y2|)；
步骤三三四：k自增1，重复步骤三三一～三三三，直至
Figure BDA0002484711890000071
完成所有拾贴周期贴片头移动距离并求和。
其它步骤及参数与具体实施方式一至五相同。
具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：所述步骤三四中对染色体组进行优胜劣汰，适应能力越强的染色体被淘汰的概率越低，获得拾贴路径长度最短的染色体，即拾贴路径最短的染色体；具体过程为：
备注：由染色体计算所得的拾贴距离同其自身适应度有关，拾贴距离越短，染色体自身能力越强；
步骤三四一：从已有的全部染色体中任选4条染色体chromosome，保留任选的4条染色体中拾贴路径最短的染色体，并对该染色体进行交换、翻转、插入等变异操作；
通过上述变异操作形成新的3条染色体；将适应能力最强的染色体替换原有的染色体；所述适应能力最强的染色体为拾贴路径最短的染色体，记拾贴路径最短的染色体为chbest；
步骤三四二：在保证从已有的染色体中任选的染色体不重复的基础上，继续从已有的染色体组中任选4条染色体，重复步骤三四一，直至所有染色体均已被选择过；
步骤三四三：更新各个染色体所代表的拾贴路径长度，其计算方法同步骤三二～步骤三三相同；
步骤三四四：重复步骤三四一～三四三，直至达到最大迭代次数时，获得拾贴路径长度最短的染色体，即拾贴路径最短的染色体。
其它步骤及参数与具体实施方式一至六相同。
具体实施方式八：本实施方式与具体实施方式一至七之一不同的是：所述步骤三四一中从已有的全部染色体中任选4条染色体chromosome，保留任选的4条染色体中拾贴路径最短的染色体，并对该染色体进行交换、翻转、插入等变异操作，过程为：
选中染色体chromosome中任意两个位置posL和posR，满足posL＜posR；
所述“交换”，即
Figure BDA0002484711890000081
是指将染色体所代表的数组中任意两个元素交换位置，如图2a所示；
式中，
Figure BDA0002484711890000082
表示交换变量的值，图中chromosome简记为ch，下同；
所述“翻转”，即chromosome{posL:posR}＝chromosome{posR:-1:posL}，是指将染色体所代表的数组中任意一部分元素翻转排列顺序，如图2b所示；
式中，“{posL:posR}”表示posL～posR范围内的所有元素，“{posR:-1:posL}”表示posL～posR范围内的所有元素的逆序排列；
所述“插入”，是指将染色体所代表的数组中某一位置的元素插入到另一元素之前，如图2c所示。
其它步骤及参数与具体实施方式一至七相同。
采用以下实施例验证本发明的有益效果：
实施例一：
本实例选用一种单动臂并列式贴片头贴片机对LED拾贴过程进行优化，该贴片机的输入信息为表1中的PCB数据文件。
表1 PCB数据文件
Figure BDA0002484711890000091
同时，导入贴片机机器参数信息，如表2所示。
表2 贴片机机器参数表
参数 符号 值(单位：mm)
可用吸杆数 S 6
可用供料器槽位数 F 60
供料器槽1的X坐标 slot<sub>x</sub>(1) -29.267
供料器槽1的Y坐标 slot<sub>y</sub>(1) 54.544
吸杆间隔 rod_interval 30
供料器槽位间隔 slot_interval 15
参照表1和表2的数据，按照具体实施方式，可以得到拾贴过程优化结果：
Figure BDA0002484711890000101
SuckRod和MountSeq决定了具体的贴装路径，如对于拾贴周期3，SuckRod(3,s)表示吸杆s拾取的元件序号，MountSeq(3,m)表示元件在当前拾贴周期第m个被拾取，即先以吸杆6拾取元件Cp41，再以吸杆4拾取元件Cp21，随后以吸杆2拾取元件Cp3、吸杆3拾取元件Cp4、吸杆1拾取元件Cp50，最后以吸杆5拾取元件Cp49；
为了说明所采用的混合编码方式，给出上述拾贴过程优化结果对应的染色体为
Figure BDA0002484711890000102
该混合编码的染色体对应了
Figure BDA0002484711890000103
Figure BDA0002484711890000104
根据所提供的实例，比较本发明与商业软件的拾贴路径规划结果，由表3可见，相比商业软件，本发明可实现拾贴路径的改进13.3％。
表3 拾贴路径规划效果的比较
拾贴路径长度
本发明 2382.8mm
某商业软件 2748.2mm
改进比例 13.3％
本发明实施例的拾贴距离收敛曲线如图3所示，从图中可见，同样使用混合编码的情况下，与标准遗传算法相比，使用本发明所提供的混合遗传算法，能够在明显更短的时间内得到更优的拾贴路径。
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (8)

1.一种基于混合遗传算法的LED贴片机拾贴路径优化方法，其特征在于：所述方法具体过程为：
步骤一、导入机器参数以及PCB数据文件信息；
步骤二、根据步骤一中确定的机器参数以及PCB数据文件信息，确定使贴片头移动距离最短的供料器槽位分配位置；
步骤三、对并列式贴片头拾贴路径进行规划，以步骤二确定的供料器槽位分配中点作为拾贴路径优化的起点和终点，采用混合遗传算法搜索拾贴路径的可行解，保留其中贴装路径最短的解；
步骤四、将步骤三中搜索到的贴装路径最短的解作为最优解输出。
2.根据权利要求1所述一种基于混合遗传算法的LED贴片机拾贴路径优化方法，其特征在于：所述步骤一中导入机器参数以及PCB数据文件信息；具体过程为：
步骤一一：导入贴装点坐标信息；
导入生产数据信息，即PCB数据文件，PCB数据文件包含了元件名、元件类型及元件的X轴、Y轴坐标信息；
规定操作人员正对机器时，PCB电路板的左下角为参考原点，操作人员的正右和正前方分别为X轴和Y轴的增长方向，Cpx(c)表示元件c相对于参考原点的X轴方向坐标，Cpy(c)表示元件c相对于参考原点的Y轴方向坐标，元件总数记为numCp；
步骤一二：导入机器参数信息，机器参数信息包括可用吸杆数S，可用供料器槽位数F、供料器槽1坐标{slotx(1),sloty(1)}、吸杆间隔rod_interval和供料器槽位间隔slot_interval；
其中，slotx(f)表示供料槽f相对于参考原点的X轴方向坐标、sloty(f)表示供料槽f相对于参考原点的Y轴方向坐标；f＝1,2,...,F。
3.根据权利要求2所述一种基于混合遗传算法的LED贴片机拾贴路径优化方法，其特征在于：所述步骤二中根据步骤一中确定的机器参数以及PCB数据文件信息，确定使贴片头移动距离最短的供料器槽位分配位置；具体过程为：
步骤二一：计算待拾贴元件的平均坐标：
aveCpx＝[Cpx(1)+Cpx(2)+…+Cpx(numCp)]/numCp，
式中，aveCpx为待拾贴元件的平均坐标；Cpx(1)表示元件1相对于参考原点的X轴方向坐标；Cpx(numCp)表示元件numCp相对于参考原点的X轴方向坐标；
步骤二二：计算供料器组中心位置对应的槽位号，fc＝[aveCpx-slotx(1)]/slot_interval；
式中，slotx(1)表示供料槽1相对于参考原点的X轴方向坐标；
步骤二三：确定供料器的安装位置：
吸杆间隔是供料器槽间隔的2倍，可用吸杆数S＝6，供料器占用的槽位数为1，供料器在槽位fc-S+1～fc+S-1以间隔为1依次进行安装。
4.根据权利要求3所述一种基于混合遗传算法的LED贴片机拾贴路径优化方法，其特征在于：所述步骤三中对并列式贴片头拾贴路径进行规划，以步骤二中确定的供料器槽位分配中点作为拾贴路径优化的起点和终点，采用混合遗传算法搜索拾贴路径的可行解，保留其中贴装路径最短的解；具体过程为：
步骤三一：拾贴路径规划的初始化，具体为：
随机产生若干条染色体chromosome，染色体数目popSize＝40，各条染色体均以长度为2·numCp的数组表示，染色体中存储的信息为1～2·numCp全排列中的任意一种；
步骤三二：提取染色体中信息；
步骤三三：计算拾贴路径长度；
步骤三四：对染色体组进行优胜劣汰，获得拾贴路径长度最短的染色体，即拾贴路径最短的染色体。
5.根据权利要求4所述一种基于混合遗传算法的LED贴片机拾贴路径优化方法，其特征在于：所述步骤三二中提取染色体中信息；具体过程为：
步骤三二一：从染色体中提取出拾贴信息，将染色体对应的数组分为两部分，其中一部分由数组中元素值小于等于numCp的元素构成，另一部分由数组中元素值大于numCp的元素构成，分别记为chromosomeL与chromosomeR；
步骤三二二：chromosomeL数组为1～numCp的全排列，该数组中元素的值表示具体的元件编号，其元素出现的顺序决定各个拾贴周期拾贴的元件编号以及所使用的吸杆，具体计算方法为：
对于chromosomeL中第k个元素，元件chromosomeL(k)在拾贴周期
Figure FDA0002929566930000021
由吸杆k％S完成拾贴任务，从而形成SuckRod矩阵；
chromosomeL(k)表示数组chromosomeL中第k个元素；
Figure FDA0002929566930000022
表示向上取整；S为可用吸杆数；
SuckRod矩阵中的第k行SuckRod(k,:)代表了第k个拾贴周期中拾贴的元件，k行s列元素SuckRod(k,s)为第k个拾贴周期中第s个吸杆拾贴的元件序号；
步骤三二三：chromosomeR数组为numCp+1～2·numCp的全排列，首先将该数组中所有元素减去numCp使chromosomeR数组成为1～numCp的全排列；
对于同一拾贴周期，元件序号在chromosomeR中出现的先后顺序决定了元件拾贴的先后顺序，从而形成MountSeq矩阵，记m为chromosomeR索引，则MountSeq的计算方式为：
Figure FDA0002929566930000031
式中，MountSeq矩阵的第k行MountSeq(k,:)代表了第k个拾贴周期中元件拾贴的先后顺序，矩阵中的“0”无实际意义。
6.根据权利要求5所述一种基于混合遗传算法的LED贴片机拾贴路径优化方法，其特征在于：所述步骤三三中计算拾贴路径长度；具体过程为：
步骤三三一：k为拾贴周期索引量，初始化k＝1；
步骤三三二：s为吸杆编号索引量，s∈{1,2,…,S}，分别计算拾取各元件时的贴片头坐标，记拾取元件c时，贴片头的坐标为{headx(c),heady(c)}，计算方法如下：
c＝SuckRod(k,s)
headx(c)＝Cpx(c)-(s-1)·rod_interval，
heady(c)＝Cpy(c)；
式中，Cpx(c)为元件c相对于参考原点的X轴方向坐标，Cpy(c)为元件c相对于参考原点的Y轴方向坐标；rod_interval为吸杆间隔；
步骤三三三：计算拾贴周期k的拾贴路径长度，计算方法如下：
c1＝MountSeq(k,s)，c2＝MountSeq(k,s+1)，s＝1,2,…,Sa；
dist＝dist+max{|headx(c1)-headx(c2)|,|heady(c1)-heady(c2)|}；
式中，c1和c2为元件索引，headx(c1)为贴装元件c1时贴片头的X轴坐标，headx(c2)为贴装元件c2时贴片头的X轴坐标，heady(c1)为贴装元件c1时贴片头的X轴坐标，heady(c2)为贴装元件c2时贴片头的Y轴坐标，Sa为满足suckRod(k,Sa)≠0的最大值，表示所用的吸杆编号中的最大值；dist为贴片头的移动距离；
同时考虑贴片头往返供料器的移动距离：
dist＝dist+max{|slotx(fc)-headx[MountSeq(k,1)]|,|sloty(fc)-heady[MountSeq(k,1)]|}+max{|slotx(fc)-headx[MountSeq(k,Sa)]|,|sloty(fc)-heady[MountSeq(k,Sa)]|}；
式中，slotx(fc)为供料器中心相对于参考原点的X轴坐标，sloty(fc)为供料器中心相对于参考原点的Y轴坐标；MountSeq(k,1)为拾贴周期k首个贴装元件的序号，headx[MountSeq(k,1)]为贴装拾贴周期k首个元件时贴片头的X坐标，heady[MountSeq(k,1)]为贴装拾贴周期k首个元件时贴片头的Y坐标；
所述移动距离是切比雪夫距离；
步骤三三四：k自增1，重复步骤三三一～三三三，直至
Figure FDA0002929566930000041
完成所有拾贴周期贴片头移动距离并求和。
7.根据权利要求6所述一种基于混合遗传算法的LED贴片机拾贴路径优化方法，其特征在于：所述步骤三四中对染色体组进行优胜劣汰，获得拾贴路径长度最短的染色体，即拾贴路径最短的染色体；具体过程为：
步骤三四一：从已有的全部染色体中任选4条染色体chromosome，保留任选的4条染色体中拾贴路径最短的染色体，并对该染色体进行交换、翻转、插入变异操作；
通过上述变异操作形成新的3条染色体；将适应能力最强的染色体替换原有的染色体；所述适应能力最强的染色体为拾贴路径最短的染色体，记拾贴路径最短的染色体为chbest；
步骤三四二：在保证从已有的染色体中任选的染色体不重复的基础上，继续从已有的染色体组中任选4条染色体，重复步骤三四一，直至所有染色体均已被选择过；
步骤三四三：更新各个染色体所代表的拾贴路径长度；
步骤三四四：重复步骤三四一～三四三，直至达到最大迭代次数时，获得拾贴路径长度最短的染色体，即拾贴路径最短的染色体。
8.根据权利要求7所述一种基于混合遗传算法的LED贴片机拾贴路径优化方法，其特征在于：所述步骤三四一中从已有的全部染色体中任选4条染色体chromosome，保留任选的4条染色体中拾贴路径最短的染色体，并对该染色体进行交换、翻转、插入变异操作，过程为：
选中染色体chromosome中任意两个位置posL和posR，满足posL＜posR；
所述“交换”，即
Figure FDA0002929566930000042
是指将染色体所代表的数组中任意两个元素交换位置；
式中，
Figure FDA0002929566930000043
表示交换变量的值；
所述“翻转”，即chromosome{posL:posR}＝chromosome{posR:-1:posL}，是指将染色体所代表的数组中任意一部分元素翻转排列顺序；
式中，“{posL:posR}”表示posL～posR范围内的所有元素，“{posR:-1:posL}”表示posL～posR范围内的所有元素的逆序排列；
所述“插入”，是指将染色体所代表的数组中某一位置的元素插入到另一元素之前。
CN202010387801.3A 2020-05-09 2020-05-09 一种基于混合遗传算法的led贴片机拾贴路径优化方法 Active CN111479404B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010387801.3A CN111479404B (zh) 2020-05-09 2020-05-09 一种基于混合遗传算法的led贴片机拾贴路径优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010387801.3A CN111479404B (zh) 2020-05-09 2020-05-09 一种基于混合遗传算法的led贴片机拾贴路径优化方法

Publications (2)

Publication Number Publication Date
CN111479404A CN111479404A (zh) 2020-07-31
CN111479404B true CN111479404B (zh) 2021-06-01

Family

ID=71762349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010387801.3A Active CN111479404B (zh) 2020-05-09 2020-05-09 一种基于混合遗传算法的led贴片机拾贴路径优化方法

Country Status (1)

Country Link
CN (1) CN111479404B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112188825B (zh) * 2020-10-12 2021-09-24 合肥安迅精密技术有限公司 一种基于蝙蝠算法的多头贴片机贴装效率优化方法及系统
CN112105253B (zh) * 2020-10-28 2021-08-13 宁波智能装备研究院有限公司 一种基于迭代二分遗传算法的多功能贴片机元件分配方法
CN115551227B (zh) * 2022-11-07 2023-07-25 哈尔滨工业大学 单动臂拱架型多功能贴片机供料器分配优化方法
CN118647197A (zh) * 2024-08-16 2024-09-13 合肥安迅精密技术有限公司 考虑复杂约束的送料器排布优化方法及系统、存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6829514B2 (en) * 2003-01-17 2004-12-07 Motorola, Inc. Balancing workloads in an electronics assembly factory
WO2014041640A1 (ja) * 2012-09-12 2014-03-20 富士機械製造株式会社 生産順序最適化方法および生産順序最適化システム
CN103717007B (zh) * 2014-01-22 2017-02-08 哈尔滨工业大学 基于聚类分析与遗传算法的多吸嘴贴片机贴装工艺优化方法
CN104156780B (zh) * 2014-07-09 2017-09-26 华南理工大学 一种基于协同进化的拱架型贴片机集成优化方法
CN105120647B (zh) * 2015-07-22 2018-09-07 哈尔滨工业大学 一种基于喂料器位置确定的贴片机生产数据优化方法

Also Published As

Publication number Publication date
CN111479404A (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
CN111479404B (zh) 一种基于混合遗传算法的led贴片机拾贴路径优化方法
CN108925126B (zh) 一种单动臂并列式贴片头贴片机的吸杆任务分配方法
US7899561B2 (en) Operating time reducing method, operating time reducing apparatus, program and component mounter
CN111615325B (zh) 一种基于聚类的多功能贴片机贴装路径规划方法
JP4584960B2 (ja) 部品実装方法
CN111586992B (zh) 一种基于最近插入法的贴片机贴装路径规划方法
US8079140B2 (en) Component mounting condition determining method
JP2008141183A (ja) 部品実装方法
JP3466141B2 (ja) 部品実装順序最適化方法、その装置及び部品実装装置
EP3016490A1 (en) Component mounting machine
CN111615324B (zh) 一种基于禁忌搜索算法的led贴片机拾贴路径优化方法
JP3516600B2 (ja) 配列データ最適化方法、最適化装置、部品実装機、及び配列データ最適化プログラムを記録した、コンピュータ読み取り可能な記録媒体
CN111465210B (zh) 一种基于聚类的led贴片机拾贴路径优化方法
CN112105253B (zh) 一种基于迭代二分遗传算法的多功能贴片机元件分配方法
JP4328274B2 (ja) 部品実装順序最適化方法および部品実装順序最適化装置
CN117202662A (zh) 基于启发式自适应禁忌搜索的贴片机贴装过程优化方法
Hai-Ming et al. A heuristic optimization algorithm for multi-head mounter
EP3594996B1 (en) Component mounting machine
CN116736690A (zh) 基于锚点选取粒子群算法的贴片机贴装路径优化方法
CN117592420A (zh) 时间最优的贴片机贴装路径优化方法
JP4451769B2 (ja) 部品装着装置の部品装着設定方法
JP4891196B2 (ja) 部品実装方法
CN116113171A (zh) 一种在贴片机生产的同时进行拾贴路径在线优化的方法
CN118338643A (zh) 一种基于电路板网格化扫描的元件与吸杆匹配度评价方法
CN118568875A (zh) 考虑电机加速运动的贴片机拾贴过程移动耗时预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant