CN112734291A - 基于树搜索的桁架装配序列规划方法 - Google Patents
基于树搜索的桁架装配序列规划方法 Download PDFInfo
- Publication number
- CN112734291A CN112734291A CN202110101197.8A CN202110101197A CN112734291A CN 112734291 A CN112734291 A CN 112734291A CN 202110101197 A CN202110101197 A CN 202110101197A CN 112734291 A CN112734291 A CN 112734291A
- Authority
- CN
- China
- Prior art keywords
- truss
- node
- tree
- rod
- nodes
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013138 pruning Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000000593 degrading effect Effects 0.000 claims abstract description 4
- 238000013139 quantization Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 17
- 230000000087 stabilizing effect Effects 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000011900 installation process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 241000254158 Lampyridae Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于树搜索的桁架装配序列规划方法,包括以下步骤:步骤S1:根据目标桁架结构生成桁架连接关系无向图;步骤S2:将桁架的杆实例化为多叉树的结点,并建立根结点,初始化多叉树;步骤S3:依据广度优先原则扩展该多叉树,从根结点开始逐层生成叶子结点,结点中依据稳定性计算公式求出相应的稳定性量化值;步骤S4:搜索扩展的叶子结点中最稳定的扩展方案进行回溯,并对多叉树剪枝;步骤S5:多叉树逐步退化为类似左偏树的结构,全部杆件均被扩展后得到最优的装配序列。本发明能够快速有效的获取符合稳定性要求的桁架装配序列。
Description
技术领域
本发明属于多机器人装配领域,具体涉及一种基于树搜索的桁架装配序列规划方法。
背景技术
在机器人技术高速发展的时代背景下,工业机器人正逐步取代人类来完成生产中重复性的手工任务以及危险任务,甚至是太空中只能依托空间机器人代替人类完成的特殊任务。研究人员对具备机械臂与机械手的机器人装配序列规划进行了深入研究,面向不同环境与不同任务,提出了许多对实践具有指导意义的装配序列规划算法。对于装配流程固定的生产环节,产品组装序列可由设计人员依据经验编制且长时间无需改动,其旨在利用机器人代替工人提高生产效益;而对于产品变更较为频繁的工况,就需要更为智能的方法来适应装配任务的变动。已经有许多研究人员提出了一些方法来实现机械装配体的装配序列规划,主流的方法是智能优化搜索算法,包括改进的遗传算法、模拟退火算法、萤火虫算法、蚁群算法、神经网络等,规划对象主要是几何外形差别较大的零部件,为了得到全局最优解,算法收敛需要一定时间,规划时间较长。而对于桁架结构这种与机械装配体的安装理念完全不同的情形,这些方法并无优势,安装序列的合理性也存在较大问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于树搜索的桁架装配序列规划方法,能够快速有效的获取符合稳定性要求的桁架装配序列。
为实现上述目的,本发明采用如下技术方案:
一种基于树搜索的桁架装配序列规划方法,包括以下步骤:
步骤S1:根据目标桁架结构生成桁架连接关系无向图;
步骤S2:将桁架的杆实例化为多叉树的结点,并建立根结点,初始化多叉树;
步骤S3:依据广度优先原则扩展该多叉树,从根结点开始逐层生成叶子结点,结点中依据稳定性计算公式求出相应的稳定性量化值;
步骤S4:搜索扩展的叶子结点中最稳定的扩展方案进行回溯,并对多叉树剪枝;
步骤S5:多叉树逐步退化为类似左偏树的结构,全部杆件均被扩展后得到最优的装配序列。
进一步的,所述步骤S1具体为:
以最简化的数据形式表示桁架的杆;
输入数据为一组坐标值对,一对坐标值表示杆件两个端点的坐标,所有坐标值对构成了完整的桁架数据,遍历数据构建无向图时,依输入顺序为杆件编制序号,且该序号将沿用至输出时的序列;
遍历数据判断杆件之间的连接关系时,每根杆的两个端点将与已遍历过的杆的所有端点判断连接关系,确保整体桁架结构中表达的所有关节信息不遗漏;
建立无向图时,判断两根杆件具有连接关系后,应在图使用的数据结构中对应的两处顶点下建立边。
进一步的,所述步骤S2具体为:
步骤S21:将桁架的杆实例化为多叉树的结点,并设定结点的数据结构;
步骤S22:选择靠紧地面的杆件中的一根杆作为多叉树的根结点,并从与该杆相连的杆件开始扩展;
步骤S23:根据预设结点的数据结构和根结点,初始化多叉树。
进一步的,所述节点的数据结构包括以下元素:父结点指针、序号、杆数、关节数、支座反力数、稳定性值、趋稳步数、扭矩值,以及可扩展的桁架序号列表。
进一步的,所述稳定性值通过公式(1)求得的对桁架稳定性的量化值:
f=d×j-m-r (1)
其中d为桁架的维度,即d∈{2,3},j为关节数,m为杆数,r为支座反力数。
进一步的,所述初始化多叉树,具体为:初始化多叉树时,设置根结点的父结点指针为空,除了最基本的序号、杆数、关节数的属性之外,设置根结点的支座反力数在二维桁架中为3,三维中为5,由此可得根结点的稳定性值为0,且有外部支撑的杆件扭矩值也为0;用连接关系无向图中与根结点相连的杆的列表作为根节点的可扩展的桁架序号列表。
进一步的,所述步骤S3具体为:
依据广度优先原则扩展多叉树,扩展的过程是遍历该结点的可扩展的桁架序号列表新建叶子结点;
扩展叶子结点时,父结点指针指向扩展出该叶子的结点,序号由父结点的可扩展桁架列表依次指定,杆数加1,关节数为该序号的杆与已安装的杆的共同关节数;支座反力数根据公式(2)求得:
r=2d-2+mground (2)
其中d为桁架的维度,即d∈{2,3},mground为与外部(例如地面)存在相互作用力的关节所属的杆的数量;
综合公式(1)与公式(2),得到任意结点的稳定性值计算公式,合并为公式(3):
f=d×(j-2)-(m+mground)+2 (3);
计算所有结点中的参数后,根据当前安装的杆,保存一个可扩展的桁架序号列表。
进一步的,所述步骤S4具体为:
对叶子结点层择优、回溯后进行剪枝,去除多叉树中无用的分枝;
在叶子结点层对比各结点及其父结点的稳定性值,计算各结点的趋稳步数,搜索趋于稳定的结点作为最优叶子结点;
所述比较该结点和其父结点的稳定性值,趋稳步数的取值依据如下公式(4):
回溯与剪枝的过程中,叶子结点层的最优结点的趋稳步数依据公式4将被设为0,通过叶子结点的数据结构中的父结点指针回溯到父结点层时,趋稳步数将为1,以此类推,直到某层的父结点层的趋稳步数不为-1,即已回溯至上一次出现最优结点的层,而后删除非最优叶子结点所在枝干的所有分枝;
进一步的,所述多叉树扩展时,若一层叶子结点都不存在趋稳的结点,则跳过所述步骤4,重复进行步骤3,直至趋稳结点出现;若出现了多个趋稳结点,则使用扭矩值作为多叉树搜索时判断更优的依据,扭矩值的计算根据公式(5):
其中tfather为父结点的扭矩值,新增结点的扭矩值是在原有桁架结构的基础上数值累加;计算该结点表示的杆的扭矩值时,若该杆直接连接了已有的两个关节,那么其不产生额外的扭矩值;若该杆只和一个关节相连,则计算其重力产生的扭矩;ltruss是该结点表示的杆的长度,理论上应与杆的线密度相乘求杆的质量,算法中设桁架线密度为1;lgravity是桁架往地面投影的长度,计算该杆对所连的单个关节产生的扭矩值。
进一步的,所述步骤S5具体为:依据步骤S3的扩展方案与步骤S4的搜索方案,在仅保留一个最优结点的树中,多叉树逐步退化为类似左偏树的结构,若执行步骤3时未搜索到最优叶子结点,则跳过步骤4,继续进行步骤3;若执行步骤3前检测到已完成全部桁架杆件的装配,则依据保留下来的多叉树输出最优的装配序列。
本发明与现有技术相比具有以下有益效果:
1、本发明只需以桁架杆件两端点的坐标为输入,即可建立连接关系无向图并开始使用树搜索;且接受二维和三维两种桁架形式进行求解,有利于不同装配任务的研究开展;
2、本发明通过对回溯剪枝,多叉树将保留最优的子结构装配方案,并在此基础上进行下一步扩展,运算规模降至最低,有效提高桁架装配序列的求解速度,有益于机器人灵活应对各类桁架结构的安装规划。
附图说明
图1是本发明实施例中二维桁架结构及其对应的桁架连接关系无向图;
图2是本发明用于搜索的多叉树的结点数据结构;
图3是本发明实施例中多叉树搜索最稳定装配方案的关键步骤的原理图;
图4是本发明的树搜索的程序流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1,本发明提供一种基于树搜索的桁架装配序列规划方法,包括以下步骤:
步骤S1:根据目标桁架结构生成桁架连接关系无向图;
步骤S2:将桁架的杆实例化为多叉树的结点,结点将依据装配到当前这一步的情况,量化稳定性,依此建立根结点,初始化多叉树;
步骤S3:依据广度优先原则扩展该多叉树,从根结点开始逐层生成叶子结点,结点中依据稳定性计算公式求出相应的稳定性量化值;
步骤S4:搜索扩展的叶子结点中最稳定的扩展方案进行回溯,并对多叉树剪枝;
步骤S5:多叉树逐步退化为类似左偏树的结构,全部杆件均被扩展后得到最优的装配序列。
在本实施例中,所述步骤S1具体为:以最简化的数据形式表示桁架的杆;输入数据为一组二维坐标值对,一对坐标值表示杆件两个端点的坐标,所有坐标值对构成了完整的桁架数据,遍历数据构建无向图时,依输入顺序为杆件编制序号,且该序号将沿用至输出时的序列,实施例的二维桁架结构如图1(a)所示,图中所示序号即为输入数据时坐标值对的顺序。遍历数据判断杆件之间的连接关系时,每根杆的两个端点将与已遍历过的杆的所有端点判断连接关系,确保整体桁架结构中表达的所有关节信息不遗漏。建立无向图时,判断两根杆件具有连接关系后,应在图使用的数据结构中对应的两处顶点下建立边,如图1(b)所示即为实施例的二维桁架结构对应的连接关系无向图。
在本实施例中,所述步骤S2具体为:使用多叉树这种数据结构来描述桁架搜索装配序列过程。在分析装配过程时,将固定关节设想为铰接关节更有利于分析装配过程中结构的稳定性,因此图1(a)所示的桁架结构应以图1(c)的形式进行分析。
如图2所示,建立多叉树结点时,规定结点的数据结构包含如下元素:父结点指针、序号、杆数、关节数、支座反力数、稳定性值、趋稳步数、扭矩值,以及可扩展的桁架序号列表。其中,父结点指针用于回溯阶段选择最优分枝;序号依照无向图中规定的桁架顺序,表示该结点所扩展的是哪根杆;杆数、关节数表示直至当前序号的杆装完为止,桁架结构中杆的数目和关节的数目;支座反力数指的是直至当前序号的杆装完为止,外部(地面)对桁架结构产生的支座反力的数量;稳定性值是通过公式(1)求得的对桁架稳定性的量化值,是判断装配方案是否更优的首要依据:
f=d×j-m-r (1)
其中d为桁架的维度,即d∈{2,3},j为关节数,m为杆数,r为支座反力数。趋稳步数是指直至当前序号的杆装完为止,结点稳定性值若小于父结点稳定性值,说明安装该序号的桁架将使整体的结构趋于稳定,那么该结点的趋稳步数应为0,并在回溯过程中逐步加1,表示各个结点到达局部稳定状态的步数;扭矩值是安装当前杆件对所在关节产生的扭矩数值,是判断装配方案是否更优的次要依据,仅保留数值,并只进行数值上的累加,若装配过程中产生的多组方案均存在悬臂且同时趋稳,产生悬臂较多的或者悬臂延伸过长的方案中,扭矩值将更大,多叉树搜索时应优先选择扭矩值最小的方案;可扩展的桁架序号列表是在当前已安装完的桁架结构上,结合无向图,搜索出的下一步可扩展的杆的全部序号,可扩展指的是与当前桁架结构存在共同关节的杆,该列表作为扩展叶子结点的依据。
在本实施例中有一根紧贴地面的杆,算法将选择该杆作为多叉树的根结点,并从与该杆相连的杆件开始扩展。初始化多叉树时,根结点的父结点指针为空,根结点上序号为1,杆数为1,关节数为2。依据结构力学分析可知此时二维桁架结构中支座反力数为3,且自由度为0,按照公式(1)可得根结点的稳定性值为0。因为该杆由地面支撑,不对关节产生扭矩,故扭矩值为0。最后通过无向图中与根结点表示的杆的连接关系可求得根结点的叶子结点序号列表为[2,3,4]。由此完成多叉树的初始化。
在本实施例中,步骤S3具体为:依据广度优先原则扩展多叉树,即遍历多叉树一层上的所有结点进行扩展,扩展的过程是遍历该结点的可扩展的桁架序号列表新建叶子结点。对实施例的多叉树的根结点进行扩展,依据列表[2,3,4]扩展对应的3个叶子结点,扩展后多叉树的状态如图3的扩展1所示。
扩展叶子结点时,父结点指针指向扩展出该叶子的结点,扩展第1层叶子结点时,它们均指向根结点。序号由父结点的可扩展桁架列表依次指定,分别为2、3、4,杆数均为2,关节数需判断该序号的杆与已安装的杆存在几个共同关节,此时3个叶子结点与根结点均只有一个共同关节。支座反力数根据公式(2)求得:
r=2d-2+mground (2)
其中d为桁架的维度,即d∈{2,3},mground为与外部(例如地面)存在相互作用力的关节所属的杆的数量,计算可知在本实施例中,接下来已经没有其它紧贴地面的杆件,支座反力的数量最高只到3.
计算稳定性值时,借助对桁架自由度数量和约束方程个数的比较,得到公式1。桁架在安装过程中,若下一步安装的杆连接了已有的两个关节,则公式(1)中只有m增大,其它变量均不变,故f值将减小。而f值减少对应的现象仅有两种:①将某个自由度为1的局部桁架结构变为静定结构;②将某个静定或者超静定的局部桁架结构变为超静定结构或更高次超静定结构。总之,f值减少将是结构趋稳的体现。
综合公式(1)与公式(2),得到任意结点的稳定性值计算公式,合并为公式(3):
f=d×(j-2)-(m+mground)+2 (3)
比较该结点和其父结点的稳定性值,趋稳步数的取值依据公式(4):
当该结点的稳定性值大于父结点的稳定性值时,说明该杆件的安装增加了当前桁架的自由度,结构并不稳定,趋稳步数设置为-1表示未知何时趋稳的状态。相等时说明结构并非不稳定,若无更优方案出现,该方案将视为最优方案。小于时说明该杆件的安装使得整体结构趋于更稳定的状态,设置此时趋稳步数为0,表示该步骤使得桁架趋稳。因此,实施例中多叉树第一层的所有叶子结点在使用公式(3)计算稳定性值时均为1,使用公式4计算趋稳步数时均为-1。
在本实施例中的第一层叶子结点都不存在趋稳的结点,因此跳过步骤S4,重复进行步骤S3,再次依据广度优先扩展多叉树,扩展结果如图3的扩展2所示,此时多叉树的叶子层已经增加到了9个叶子结点。在计算结点各项数据值的时候,该层叶子结点中已经出现差异,其中的1-2-3和1-3-2分枝中,叶子结点将不增加关节数,稳定性值f计算为0,表示趋稳,趋稳步数s计算为0。而其它分枝将继续增加关节数,稳定性值增加到2,趋稳步数仍为-1。也就是说,这一步将出现趋稳结点。结合图1可知,这一步有封闭结构产生,1-2-3和1-3-2都表示以最少的步数组成一个三角形,避免了某些杆件的位置被其它杆件阻挡后无法安装的情况,验证了桁架安装的合理性,同时依据对稳定性值减少的描述,除了这两种以外的方案都产生了更多的悬臂杆件,是不稳定的表现,因此这一步趋稳验证了桁架安装的稳定性。
若出现了多个趋稳结点,则使用扭矩值作为多叉树搜索时判断更优的依据。安装过程中同是趋稳的情况时,以扭矩值更小的结点作为更优的选择方案。扭矩值的计算根据公式(5):
其中tfather为父结点的扭矩值,新增结点的扭矩值是在原有桁架结构的基础上数值累加。计算该结点表示的杆的扭矩值时,若该杆直接连接了已有的两个关节,那么其不产生额外的扭矩值;若该杆只和一个关节相连,则计算其重力产生的扭矩。ltruss是该结点表示的杆的长度,此处设桁架线密度为1,lgravity是桁架往地面投影的长度,计算的是该杆对所连的单个关节产生的扭矩值。因此在实施例的多叉树扩展1过程中,我们按杆长为1计算,3个叶子结点在重力作用下均对其和根结点对应杆的相连关节产生0.25个单位的力,但由于3个结点不趋稳,故此时的扭矩值并无作用。而在多叉树扩展2过程中,仅1-2-3和1-3-2分枝的扭矩值依据公式(5)得,它们保持不变仍为0.25,而其它分枝的扭矩值均有所增加。
计算所有结点中的参数后,需要根据当前安装的杆,保存一个可扩展的桁架序号列表,以便下一步扩展。结合无向图,可以求得例如1-2-3分枝下,叶子结点的可扩展桁架序号列表为[4,5],其它同理。
在本实施中,所述步骤S4具体为:
多叉树遍历步骤S3扩展出的叶子结点层搜索最优结点,最优结点可能是1个或者多个。此时可以根据需要,若是在某次机器人的执行前规划,仅需保留一个最优结点,若用于求解所有可行方案,则保留多个最优结点,而后对无需保留的叶子结点进行剪枝,即叶子结点层仅保留最优结点,多叉树允许保留多个结点进行下一步扩展。如图3的择优过程所示,对比扩展2得到的叶子结点,可以发现1-2-3和1-3-2分枝是趋稳的,但两者的扭矩值也相同,故两种方案均为最优,实际中因为三角形两个腰相等,所以这两种方案其实没有区别,两种方案均可保留。如图3择优过程所示,实线的路线即为最优方案对应路线。
对叶子结点层剪枝后进行回溯,去除多叉树中无用的分枝。通过叶子结点的数据结构中的父结点指针,逐层向上回溯并修剪。实施例的多叉树中存在两种等价的最优方案,我们随机选择一种保留,对其它分枝进行裁剪,得到如图3的回溯过程的上半部分——仅保留了1-3-2分枝。在回溯与剪枝的过程中,叶子结点层的最优结点的趋稳步数依据公式4将被设为0,回溯到父结点层时,趋稳步数将为1,以此类推,直到某层的父结点层的趋稳步数不为-1,即已回溯至上一次出现最优结点的层,此时已无需再回溯与剪枝,结束步骤S4。
此时,桁架结构并未全部装完,将开始重复步骤S3与S4。如图3的回溯及后续步骤所示,依据步骤3,仅剩的1-3-2分枝的叶子结点的可扩展桁架序号列表为[4,5],扩展出2片叶子,计算可知均未趋稳,但1-3-2-4路线的扭矩值为0.5,而1-3-2-5路线的为0.75。由于不存在趋稳结点,所以重复步骤3,进行最后一次扩展。由于最后一次扩展又组合成封闭的三角形结构,所以1-3-2-4-5和1-3-2-5-4的稳定性值再次产生下降,两种方案均趋稳,但此时两种方案的扭矩值不同,1-3-2-4-5的扭矩值为0.5,优于另一种的0.75,所以最优的装配序列应为1-3-2-4-5,而不是1-3-2-5-4。在实际中它体现在,4号杆与1-3的共同关节相连,其作为悬臂时对相连关节产生了0.25个单位的扭矩值,而5号杆与2-3的共同关节相连,其产生了0.5个单位的扭矩值,相比之下,前者为更稳定的一种装配方案。
得到1-3-2-4-5分枝后,回溯过程将剪除其它分枝,如图3的回溯及后续步骤中实线路线将被保留。此时叶子结点中的可扩展桁架序号列表已经为空,表示整体桁架结构已全部装完,算法结束,多叉树退化为仅有一个分枝,其对应为本发明提出的算法得到的最优装配序列。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (10)
1.一种基于树搜索的桁架装配序列规划方法,其特征在于,包括以下步骤:
步骤S1:根据目标桁架结构生成桁架连接关系无向图;
步骤S2:将桁架的杆实例化为多叉树的结点,并建立根结点,初始化多叉树;
步骤S3:依据广度优先原则扩展该多叉树,从根结点开始逐层生成叶子结点,结点中依据稳定性计算公式求出相应的稳定性量化值;
步骤S4:搜索扩展的叶子结点中最稳定的扩展方案进行回溯,并对多叉树剪枝;
步骤S5:多叉树逐步退化为类似左偏树的结构,全部杆件均被扩展后得到最优的装配序列。
2.根据权利要求1所述的基于树搜索的桁架装配序列规划方法,其特征在于,所述步骤S1具体为:
以最简化的数据形式表示桁架的杆;
输入数据为一组坐标值对,一对坐标值表示杆件两个端点的坐标,所有坐标值对构成了完整的桁架数据,遍历数据构建无向图时,依输入顺序为杆件编制序号,且该序号将沿用至输出时的序列;
遍历数据判断杆件之间的连接关系时,每根杆的两个端点将与已遍历过的杆的所有端点判断连接关系,确保整体桁架结构中表达的所有关节信息不遗漏;
建立无向图时,判断两根杆件具有连接关系后,应在图使用的数据结构中对应的两处顶点下建立边。
3.根据权利要求1所述的基于树搜索的桁架装配序列规划方法,其特征在于,所述步骤S2具体为:
步骤S21:将桁架的杆实例化为多叉树的结点,并设定结点的数据结构;
步骤S22:选择靠紧地面的杆件中的一根杆作为多叉树的根结点,并从与该杆相连的杆件开始扩展;
步骤S23:根据预设结点的数据结构和根结点,初始化多叉树。
4.根据权利要求3所述的基于树搜索的桁架装配序列规划方法,其特征在于,所述节点的数据结构包括以下元素:父结点指针、序号、杆数、关节数、支座反力数、稳定性值、趋稳步数、扭矩值,以及可扩展的桁架序号列表。
5.根据权利要求4所述的基于树搜索的桁架装配序列规划方法,其特征在于,所述稳定性值通过公式(1)求得的对桁架稳定性的量化值:
f=d×j-m-r (1)
其中d为桁架的维度,即d∈{2,3},j为关节数,m为杆数,r为支座反力数。
6.根据权利要求3所述的基于树搜索的桁架装配序列规划方法,其特征在于,所述初始化多叉树,具体为:初始化多叉树时,设置根结点的父结点指针为空,除了最基本的序号、杆数、关节数的属性之外,设置根结点的支座反力数在二维桁架中为3,三维中为5,由此可得根结点的稳定性值为0,且有外部支撑的杆件扭矩值也为0;用连接关系无向图中与根结点相连的杆的列表作为根节点的可扩展的桁架序号列表。
7.根据权利要求1所述的基于树搜索的桁架装配序列规划方法,其特征在于,所述步骤S3具体为:
依据广度优先原则扩展多叉树,扩展的过程是遍历该结点的可扩展的桁架序号列表新建叶子结点;
扩展叶子结点时,父结点指针指向扩展出该叶子的结点,序号由父结点的可扩展桁架列表依次指定,杆数加1,关节数为该序号的杆与已安装的杆的共同关节数;支座反力数根据公式(2)求得:
r=2d-2+mground (2)
其中d为桁架的维度,即d∈{2,3},mground为与外部(例如地面)存在相互作用力的关节所属的杆的数量;
综合公式(1)与公式(2),得到任意结点的稳定性值计算公式,合并为公式(3):
f=d×(j-2)-(m+mground)+2 (3);
计算所有结点中的参数后,根据当前安装的杆,保存一个可扩展的桁架序号列表。
9.根据权利要求8所述的基于树搜索的桁架装配序列规划方法,其特征在于,所述多叉树扩展时,若一层叶子结点都不存在趋稳的结点,则跳过所述步骤4,重复进行步骤3,直至趋稳结点出现;若出现了多个趋稳结点,则使用扭矩值作为多叉树搜索时判断更优的依据,扭矩值的计算根据公式(5):
10.根据权利要求1所述的基于树搜索的桁架装配序列规划方法,其特征在于,所述步骤S5具体为:依据步骤S3的扩展方案与步骤S4的搜索方案,在仅保留一个最优结点的树中,多叉树逐步退化为类似左偏树的结构,若执行步骤3时未搜索到最优叶子结点,则跳过步骤4,继续进行步骤3;若执行步骤3前检测到已完成全部桁架杆件的装配,则依据保留下来的多叉树输出最优的装配序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110101197.8A CN112734291B (zh) | 2021-01-26 | 2021-01-26 | 基于树搜索的桁架装配序列规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110101197.8A CN112734291B (zh) | 2021-01-26 | 2021-01-26 | 基于树搜索的桁架装配序列规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112734291A true CN112734291A (zh) | 2021-04-30 |
CN112734291B CN112734291B (zh) | 2022-06-21 |
Family
ID=75594189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110101197.8A Active CN112734291B (zh) | 2021-01-26 | 2021-01-26 | 基于树搜索的桁架装配序列规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734291B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505922A (zh) * | 2021-07-07 | 2021-10-15 | 福州大学 | 基于并行树搜索的桁架装配序列规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111209095A (zh) * | 2019-08-20 | 2020-05-29 | 杭州电子科技大学 | 一种dag并行任务调度中基于树搜索的剪枝方法 |
US10671076B1 (en) * | 2017-03-01 | 2020-06-02 | Zoox, Inc. | Trajectory prediction of third-party objects using temporal logic and tree search |
CN111222799A (zh) * | 2020-01-13 | 2020-06-02 | 北京工业大学 | 一种基于改进粒子群算法的装配序列规划方法 |
-
2021
- 2021-01-26 CN CN202110101197.8A patent/CN112734291B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10671076B1 (en) * | 2017-03-01 | 2020-06-02 | Zoox, Inc. | Trajectory prediction of third-party objects using temporal logic and tree search |
CN111209095A (zh) * | 2019-08-20 | 2020-05-29 | 杭州电子科技大学 | 一种dag并行任务调度中基于树搜索的剪枝方法 |
CN111222799A (zh) * | 2020-01-13 | 2020-06-02 | 北京工业大学 | 一种基于改进粒子群算法的装配序列规划方法 |
Non-Patent Citations (2)
Title |
---|
刘冬等: "基于VPS-PSO算法的装配序列规划方法", 《组合机床与自动化加工技术》 * |
姜冲等: "基于启发式割集法的桁架装配序列规划研究", 《机械》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505922A (zh) * | 2021-07-07 | 2021-10-15 | 福州大学 | 基于并行树搜索的桁架装配序列规划方法 |
CN113505922B (zh) * | 2021-07-07 | 2023-08-01 | 福州大学 | 基于并行树搜索的桁架装配序列规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112734291B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bäck | Evolutionary computation 1: Basic algorithms and operators | |
CN110160546B (zh) | 一种移动机器人路径规划方法 | |
Saka | Optimum design of steel frames using stochastic search techniques based on natural phenomena: a review | |
CN112692826B (zh) | 一种基于改进遗传算法的工业机器人轨迹优化方法 | |
Fan et al. | The ant colony optimization for ship pipe route design in 3D space | |
CN107563653B (zh) | 一种多机器人全覆盖任务分配方法 | |
CN109945881A (zh) | 一种蚁群算法的移动机器人路径规划方法 | |
CN105975674B (zh) | 一种船舶分支管路路径规划方法 | |
CN112734291B (zh) | 基于树搜索的桁架装配序列规划方法 | |
CN112462803A (zh) | 一种基于改进nsga-ii的无人机路径规划方法 | |
CN111426323B (zh) | 一种巡检机器人路线规划方法及装置 | |
Palizi et al. | Plastic analysis of braced frames by application of metaheuristic optimization algorithms | |
CN114326726B (zh) | 一种基于a*与改进人工势场法的编队路径规划控制方法 | |
Davidor | Robot programming with a genetic algorithm | |
Shibata et al. | Coordination in evolutionary multi-agent-robotic system using fuzzy and genetic algorithm | |
Huang et al. | Automatic generation and optimization of stable assembly sequence based on ACO algorithm | |
Shirakawa et al. | Multi-objective optimization system for plant layout design (3rd report, Interactive multi-objective optimization technique for pipe routing design) | |
CN112857384A (zh) | 基于改进启发函数的a*算法的移动机器人路径规划方法 | |
CN116558527A (zh) | 井下变电所巡检清扫机器人路径规划方法 | |
CN114872044B (zh) | 一种基于图模型的机器人自主装配顺序规划方法 | |
CN110143293A (zh) | 一种可变构微纳卫星形态拓扑重建和变构方法 | |
Alekseytsev | Optimization of bearing structures subject to mechanical safety: an evolutionary approach and software | |
Yamada et al. | Control program design of autonomous vehicle robot using grammatical evolution | |
CN110727987B (zh) | 一种基于遗传梯度算法的闭环控制智能张弦梁结构 | |
Baffes et al. | Mobile transporter path planning using a genetic algorithm approach |
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 |