CN113312806B - 一种焊接单元划分方法及装置 - Google Patents
一种焊接单元划分方法及装置 Download PDFInfo
- Publication number
- CN113312806B CN113312806B CN202110867455.3A CN202110867455A CN113312806B CN 113312806 B CN113312806 B CN 113312806B CN 202110867455 A CN202110867455 A CN 202110867455A CN 113312806 B CN113312806 B CN 113312806B
- Authority
- CN
- China
- Prior art keywords
- welding
- unit
- determining
- volume
- parts
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种焊接单元划分方法及装置,该方法包括:获取焊接三维模型中的每个零件的若干评估指标,确定每个零件的若干评估指标对应的权重,并构建对应的加权零件矩阵;根据所述加权零件矩阵,确定每个零件的排名和至少一个待选焊接单元数量;针对每个所述待选焊接单元数量,并结合每个零件的排名,确定对应的优选焊接划分方案,基于构建的适应度函数,在所述优选焊接划分方案中选择最佳焊接划分方案。本发明将不同单元数量时的最佳单元划分方案进行对比,从而得到最终的方案,分析出了不同单元数量时的方案优劣,实现了焊接单元的科学合理划分。
Description
技术领域
本发明涉及焊接工艺规划技术领域,尤其涉及一种焊接单元划分方法及装置。
背景技术
在机械生产中,焊接是一种十分重要的材料加工工艺,它可以使两个以至多个金属零件连接在一起,是最经济有效的金属永久连接方法。一些复杂的焊接产品往往需要几十甚至上百个零件焊接在一起,如果不按照一定的方法对其进行简化,将会在焊接序列规划阶段产生巨大的分析计算量,规划难度也会随着零件数量的增多呈几何倍数增长。解决这类问题直接有效的方法是进行焊接单元划分,即将复杂的焊接产品划分成多个包含较少零件的子焊接单元,再对子焊接单元进行序列规划,以此来达到简化焊接序列规划的目的,并最终实现产品的设计、制造周期缩短,生产效率提升,生产成本降低的目的。
在现有焊接单元划分方法中,往往基于单一因素对焊接单元进行划分,导致焊接方案无法达到预期效果;同时,在处理数量庞大的零件时,规划速率低下,影响了工业生产的速率。综上,如何提供一种快速准确的最优焊接单元规划方案是亟待解决的问题。
发明内容
有鉴于此,有必要提供一种焊接单元划分方法及装置,用以解决现有技术中焊接方案规划效率较低的问题。
为了解决上述问题,本发明提供了一种焊接单元划分方法,包括:
获取焊接三维模型中的每个零件的若干评估指标,确定每个零件的若干评估指标对应的权重,并构建对应的加权零件矩阵;
根据所述加权零件矩阵,确定每个零件的排名和至少一个待选焊接单元数量;
针对每个所述待选焊接单元数量,并结合每个零件的排名,确定对应的优选焊接划分方案,基于构建的适应度函数,在所述优选焊接划分方案中选择最佳焊接划分方案。
进一步地,所述若干评估指标包括质量、体积、表面积、连接数量、焊缝数量、焊缝体积,所述获取焊接三维模型中的每个零件的若干评估指标之后,还包括,根据所述每个零件的若干评估指标构建初始零件矩阵,具体包括:
获取所述焊接三维模型中的每个零件的质量、体积、表面积、连接数量、焊缝数量、焊缝体积;
根据每个零件的质量、体积、表面积、零件连接数量、焊缝数量、焊缝体积,形成对应的零件数组;
根据每个所述零件数组,构建所述初始零件矩阵,通过如下公式表示:
其中,X表示所述初始零件矩阵,Xij表示第i个零件的第j项评估指标,xn1表示第n个零件的质量,xn2表示第n个零件的体积,xn3表示第n个零件的表面积,xn4表示第n个零件的零件连接数量,xn5表示第n个零件的焊缝数量,xn6表示第n个零件的焊缝体积,n表示零件总数目;
基于所述初始零件矩阵,确定每项所述评估指标对应的权重,形成加权零件矩阵。
进一步地,所述基于所述初始零件矩阵,确定每项所述评估指标对应的权重,形成加权零件矩阵包括:
对所述初始零件矩阵进行标准化处理,确定每项所述评估指标对应的标准评估值,通过如下公式表示:
其中,yij表示第i个零件第j项评估指标对应的所述标准评估值,xij表示第i个零件的第j项评估指标,n表示零件总数目;
根据所述标准评估值,确定每个零件在每项评估指标的占比,通过如下公式表示:
其中,pij表示第i个零件占第j项评估指标的占比;
基于每个零件在每项评估指标的占比,确定每项所述评估指标对应的信息熵,通过如下公式表示:
其中,ej表示第j项评估指标的信息熵;
根据每项所述评估指标对应的信息熵,确定每项所述评估指标对应的权重,通过如下公式表示:
其中,wj表示第j项评估指标的权重;
将每项所述评估指标与对应的权重相乘,构成加权零件矩阵,通过如下公式表示:
其中,U表示所述加权零件矩阵,uij表示第i个零件第j项评估指标经加权后的加权数值。
进一步地,所述根据所述加权零件矩阵,确定每个零件的排名和至少一个待选焊接单元数量包括:
在所有零件中,将每项评估指标对应的最优值组成数值的集合,确定正理想解,其中,所述最优值包括最大的质量、最大的体积、最大的表面积、最多的零件连接数量、最多焊缝数量、最大焊缝体积;
在所有零件中,将每项评估指标对应的最劣值组成数值的集合,确定负理想解,其中,所述最劣值包括最小的质量、最小的体积、最小的表面积、最少的零件连接数量、最少的焊缝数量、最小的焊缝体积;
根据每个零件对应的所述零件数组到所述正理想解的第一距离和每个零件到所述负理想解的第二距离,通过如下公式表示:
基于所述第一距离和所述第二距离,确定每个零件对应的综合评价值,并根据所述综合评价值的数值大小,对每个零件进行排序,其中,所述综合评价值通过如下公式表示:
其中,fi表示所述综合评价值;
根据所述加权零件矩阵中的零件总数目,确定所述待选焊接单元数量。
进一步地,所述根据所述加权零件矩阵中的零件总数目,确定所述待选焊接单元数量包括:
根据所述加权零件矩阵中的零件总数目,确定最佳单元数量范围;
根据所述最佳单元数量范围,确定所述待选焊接单元数量,通过如下公式表示:
其中,np表示所述待选焊接单元数量,n表示所述零件总数目。
进一步地,所述针对每个所述待选焊接单元数量,并结合每个零件的排名,确定对应的优选焊接划分方案,基于构建的适应度函数,在所述优选焊接划分方案中选择最佳焊接划分方案包括:
步骤a:针对每个所述待选焊接单元数量,确定排名前N个的零件作为对应的基础件,其中,N等于所述待选焊接单元数量,每个划分的焊接单元对应于一个基础件;
步骤b:采用十进制编码方式,构建对应的染色体,其中,每条染色体对应于在所述待选焊接单元数量下的一种焊接单元的划分方案,每条染色体上的基因对应于构成的零件,基因上的数字对应于零件划分至焊接单元对应的基础件的零件编号;
步骤c:初始化种群,确定对应的种群数量,预设迭代次数,随机产生第一代种群;
步骤d:根据焊接单元的单元稳定性得分、单元平衡得分和单元复杂程度之和,构建对应的适应度函数;
步骤e:采用轮盘赌的选择策略,在染色体中进行选择,在配对的两条染色体中选择交叉点进行基因互换,并通过随机改变染色体的基因进行变异;
步骤f:循环迭代步骤a至步骤e,直至达到所述预设迭代次数,确定适应度函数最小的最优染色体,对应于所述优选焊接划分方案;
步骤g:在每个所述待选焊接单元数量的最优染色体中,选出适应度函数最小的最终染色体,对应于所述最佳焊接划分方案。
进一步地,所述单元稳定性得分的确定包括:
针对零件之间的焊缝数量和焊缝体积进行标准化处理,确定标准焊缝数量和标准焊缝体积,通过如下公式表示;
其中,Hqij表示所述标准焊缝数量,Rqij表示第i个零件与第j个零件之间的焊缝数量,Hvij表示所述标准焊缝体积,Rvij表示第i个零件与第j个零件之间的焊缝体积,n表示零件总数目;
根据所述标准焊缝数量和所述标准焊缝体积,确定焊接无向图矩阵中的边权值,通过如下公式表示:
其中,qij表示第i个零件与第j个零件之间的边权值;
根据所述边权值,构建焊接无向图矩阵,并计算每个零件到不同焊接单元的基础件的最短路径,并根据所述最短路径,确定每个零件对于不同基础件的连接紧密度得分,通过如下公式表示:
其中,Sij表示所述连接紧密度得分,m表示第i个零件到第j个基础件的最短路径所经过的零件数量,k表示第i个零件到第j个基础件的最短路径中经过的第k个零件,lik表示在第i个零件到第j个基础件的最短路径中第i个零件到第k个零件所经过的零件数量,q(k-1)k表示第k个零件与第k-1个零件之间的边权值,np表示所有基础件的数量;
结合所述连接紧密度得分,确定所述单元稳定性得分,通过如下公式表示:
其中,SA表示所述单元稳定性得分。
进一步地,所述单元平衡得分的确定包括:
计算每个焊接单元的焊缝数量和焊缝体积,通过如下公式表示:
其中,DHqi表示第i个焊接单元的焊缝数量,DHi表示第i个焊接单元内的零件数量,Hqjk表示标准化处理后的第j个零件和第k个零件之间的焊缝数量,Hvjk表示标准化处理后的第j个零件和第k个零件之间的焊缝体积,N表示焊接单元的总数量;
根据所述每个焊接单元的焊缝数量和焊缝体积,确定所述单元平衡得分,通过如下公式表示:
进一步地,所述单元复杂程度得分的确定包括:
根据所有焊接单元中的最大零件数量、最大焊缝数量、最大焊缝体积,确定所述单元复杂程度得分,通过如下公式表示:
其中,SC表示所述单元复杂程度得分,DHqi表示第i个焊接单元的焊缝数量,DHvi表示第i个焊接单元的焊缝体积,DHi表示第i个焊接单元内的零件数量。
本发明还提供一种焊接单元划分装置,包括:
获取单元,用于获取焊接三维模型中的每个零件的每项评估指标,根据每个零件的每项评估指标对应的权重,构建对应的加权零件矩阵;
处理单元,用于根据所述加权零件矩阵,确定每个零件的排名和至少一个待选焊接单元数量;
划分单元,用于针对每个所述待选焊接单元数量,并结合每个零件的排名,确定对应的优选焊接划分方案,基于构建的适应度函数,在所述优选焊接划分方案中选择最佳焊接划分方案。
与现有技术相比,本发明的有益效果包括:首先,充分考虑了多种因素的影响,引入每个零件多方面的评估指标,同时考虑不同评估指标不同的权重,结合对应的权重,进行加权零件矩阵;进而,基于上述加权零件矩阵中的评估指标信息和权重信息,确定每个零件的排名和反馈焊接单元划分数量的可供选择的焊接单元数量(即待选焊接单元数量);最后,对于每一个待选焊接单元数量,结合零件的排名信息,构成在不同的待选焊接单元数量下对应的优选焊接划分方案,再基于适应度函数,在多种优选焊接划分方案中选择最佳焊接划分方案。综上,本发明基于零件的多种评估信息,建立了相关的加权零件矩阵,利用该加权零件矩阵,确定对应的每个零件的排名,同时确定了对应的不同待选焊接单元数量,结合适应度函数,快速将不同单元数量时的最佳单元划分方案进行对比,从而得到最终的方案,分析出了不同单元数量时的方案优劣,实现了焊接单元的科学合理划分,同时实现了高效快速进行焊接规划的目的。
附图说明
图1为本发明提供的焊接单元划分方法的应用系统一实施例的场景示意图;
图2为本发明提供的焊接单元划分方法一实施例的流程示意图;
图3为本发明提供的图2中步骤S1一实施例的流程示意图;
图4为本发明提供的图3中步骤S14一实施例的流程示意图;
图5为本发明提供的图2中步骤S2一实施例的流程示意图;
图6为本发明提供的图2中步骤S3一实施例的流程示意图;
图7为本发明提供的确定单元稳定性得分一实施例的流程示意图;
图8为本发明提供的确定单元平衡得分一实施例的流程示意图;
图9为本发明提供的车型前副车架三维模型一实施例的爆炸示意图;
图10为本发明提供的最佳焊接划分方案一实施例的划分示意图;
图11为本发明提供的焊接单元划分装置一实施例的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
图1为本发明提供的焊接单元划分方法的应用系统一实施例的场景示意图,该系统可以包括服务器100,服务器100中集成有焊接单元划分装置,如图1中的服务器。
本发明实施例中服务器100主要用于:获取焊接三维模型中的每个零件的每项评估指标,根据每个零件的每项评估指标对应的权重,构建对应的加权零件矩阵;根据所述加权零件矩阵,确定每个零件的排名和待选焊接单元数量;针对每个所述待选焊接单元数量,并结合每个零件的排名,确定对应的优选焊接划分方案,基于构建的适应度函数,在所述优选焊接划分方案中选择最佳焊接划分方案。
本发明实施例中,该服务器100可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如,本发明实施例中所描述的服务器100,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。
可以理解的是,本发明实施例中所使用的终端200可以是既包括接收和发射硬件的设备,即具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端200可以是台式机、便携式电脑、网络服务器、掌上电脑(Personal Digital Assistant,PDA)、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备等,本实施例不限定终端200的类型。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本发明方案一种应用场景,并不构成对本发明方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的终端,例如图1中仅示出2个终端,可以理解的,该焊接单元划分方法的应用系统还可以包括一个或多个其他终端,具体此处不作限定。另外,如图1所示,该焊接单元划分方法的应用系统还可以包括存储器200,用于存储数据,如加权零件矩阵、每项评估指标、优选焊接划分方案等。需要说明的是,图1所示的焊接单元划分方法的应用系统的场景示意图仅仅是一个示例,本发明实施例描述的焊接单元划分方法的应用系统以及场景是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域普通技术人员可知,随着焊接单元划分方法的应用系统的演变和新业务场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。
本发明实施例提供了一种焊接单元划分方法,结合图2来看,图2为本发明提供的焊接单元划分方法一实施例的流程示意图,上述一种焊接单元划分方法包括步骤S1至步骤S3,其中:
在步骤S1中,获取焊接三维模型中的每个零件的若干评估指标,确定每个零件的若干评估指标对应的权重,并构建对应的加权零件矩阵;
在步骤S2中,根据所述加权零件矩阵,确定每个零件的排名和至少一个待选焊接单元数量;
在步骤S3中,针对每个所述待选焊接单元数量,并结合每个零件的排名,确定对应的优选焊接划分方案,基于构建的适应度函数,在所述优选焊接划分方案中选择最佳焊接划分方案。
在本发明实施例中,首先,充分考虑了多种因素的影响,引入每个零件多方面的评估指标,同时考虑不同评估指标不同的权重,结合对应的权重,形成加权零件矩阵;进而,基于上述加权零件矩阵中的评估指标信息和权重信息,确定每个零件的排名和反馈焊接单元划分数量的可供选择的焊接单元数量(即待选焊接单元数量);最后,对于每一个待选焊接单元数量,结合零件的排名信息,构成在不同的待选焊接单元数量下对应的优选焊接划分方案,再基于适应度函数,在多种优选焊接划分方案中选择最佳焊接划分方案。
作为优选的实施例,结合图3来看,图3为本发明提供的图2中步骤S1一实施例的流程示意图,所述若干评估指标包括质量、体积、表面积、连接数量、焊缝数量、焊缝体积,上述步骤S1包括步骤S11至步骤S14,其中:
在步骤S11中,获取所述焊接三维模型中的每个零件的质量、体积、表面积、零件连接数量、焊缝数量、焊缝体积;
在步骤S12中,根据每个零件的质量、体积、表面积、零件连接数量、焊缝数量、焊缝体积,形成对应的零件数组;
在步骤S13中,根据每个所述零件数组,构建所述初始零件矩阵;
在步骤S14中,基于所述初始零件矩阵,确定每项所述评估指标对应的权重,形成加权零件矩阵;
其中,所述初始零件矩阵,通过如下公式表示:
其中,X表示所述初始零件矩阵,Xij表示第i个零件的第j项评估指标,xn1表示第n个零件的质量,xn2表示第n个零件的体积,xn3表示第n个零件的表面积,xn4表示第n个零件的零件连接数量,xn5表示第n个零件的焊缝数量,xn6表示第n个零件的焊缝体积,n表示零件总数目。
在本发明实施例中,结合多方面信息,有效形成初始零件矩阵。
作为优选的实施例,结合图4来看,图4为本发明提供的图3中步骤S14一实施例的流程示意图,上述步骤S14还包括步骤S141至步骤S145,其中:
在步骤S141中,对所述初始零件矩阵进行标准化处理,确定每项所述评估指标对应的标准评估值;
在步骤S142中,根据所述标准评估值,确定每个零件在每项评估指标的占比;
在步骤S143中,基于每个零件在每项评估指标的占比,确定每项所述评估指标对应的信息熵;
在步骤S144中,根据每项所述评估指标对应的信息熵,确定每项所述评估指标对应的权重;
在步骤S145中,将每项所述评估指标与对应的权重相乘,构成所述加权零件矩阵。在本发明实施例中,结合多方面信息,有效形成加权零件矩阵。
在本发明一个具体的实施例中,每项所述评估指标对应的标准评估值通过如下公式表示:
其中,yij表示第i个零件第j项评估指标对应的所述标准评估值,xij表示第i个零件的第j项评估指标,n表示零件总数目。
在本发明一个具体的实施例中,每个零件在每项评估指标的占比通过如下公式表示:
其中,pij表示第i个零件占第j项评估指标的占比。
在本发明一个具体的实施例中,每项所述评估指标对应的信息熵通过如下公式表示:
其中,ej表示第j项评估指标的信息熵。
在本发明一个具体的实施例中,每项所述评估指标对应的权重,通过如下公式表示:
其中,wj表示第j项评估指标的权重。
在本发明一个具体的实施例中,加权零件矩阵通过如下公式表示:
作为优选的实施例,结合图5来看,图5为本发明提供的图2中步骤S2一实施例的流程示意图,上述步骤S2包括步骤S21至步骤S25,其中:
在步骤S21中,在所有零件中,将每项评估指标对应的最优值组成数值的集合,确定正理想解,其中,所述最优值包括最大的质量、最大的体积、最大的表面积、最多的零件连接数量、最多焊缝数量、最大焊缝体积;
在步骤S22中,在所有零件中,将每项评估指标对应的最劣值组成数值的集合,确定负理想解,其中,所述最劣值包括最小的质量、最小的体积、最小的表面积、最少的零件连接数量、最少的焊缝数量、最小的焊缝体积;
在步骤S23中,根据每个零件对应的所述零件数组到所述正理想解的第一距离和每个零件到所述负理想解的第二距离;
在步骤S24中,基于所述第一距离和所述第二距离,确定每个零件对应的综合评价值,并根据所述综合评价值的数值大小,对每个零件进行排序;
在步骤S25中,根据所述加权零件矩阵中的零件总数目,确定所述待选焊接单元数量。在本发明实施例中,基于正理想解和负理想解,充分考量零件的优劣,进行排序,并根据零件总数目,有效确定待选焊接单元数量。
在本发明一个具体的实施例中,每个零件对应的所述零件数组到所述正理想解的第一距离和每个零件到所述负理想解的第二距离,通过如下公式表示:
在本发明一个具体的实施例中,所述综合评价值通过如下公式表示:
其中,fi表示所述综合评价值。
作为优选的实施例,步骤S25具体包括:根据所述加权零件矩阵中的零件总数目,确定最佳单元数量范围;根据所述最佳单元数量范围,确定所述待选焊接单元数量,通过如下公式表示:
其中,np表示所述待选焊接单元数量,n表示所述零件总数目。
在本发明实施例中,根据最佳单元数量范围,有效确定可以选择的待选焊接单元数量。
作为优选的实施例,结合图6来看,图6为本发明提供的图2中步骤S3一实施例的流程示意图,上述步骤S3包括步骤a至步骤g,其中:
在步骤a中,针对每个所述待选焊接单元数量,确定排名前N个的零件作为对应的基础件,其中,N等于所述待选焊接单元数量,每个划分的焊接单元对应于一个基础件;
在步骤b中,采用十进制编码方式,构建对应的染色体,其中,每条染色体对应于在所述待选焊接单元数量下的一种焊接单元的划分方案,每条染色体上的基因对应于构成的零件,基因上的数字对应于零件划分至焊接单元对应的基础件的零件编号;
在步骤c中,初始化种群,确定对应的种群数量,预设迭代次数,随机产生第一代种群;
在步骤d中,根据焊接单元的单元稳定性得分、单元平衡得分和单元复杂程度之和,构建对应的适应度函数;
在步骤e中,采用轮盘赌的选择策略,在染色体中进行选择,在配对的两条染色体中选择交叉点进行基因互换,并通过随机改变染色体的基因进行变异;
在步骤f中,循环迭代步骤a至步骤e,直至达到所述预设迭代次数,确定适应度函数最小的最优染色体,对应于所述优选焊接划分方案;
在步骤g中,在每个所述待选焊接单元数量的最优染色体中,选出适应度函数最小的最终染色体,对应于所述最佳焊接划分方案。
在本发明实施例中,利用遗传更新,有效选择不同待选焊接单元数量下的优选焊接划分方案,并进一步基于适应度确定最佳焊接划分方案,达到准确快速的规划目的。
作为优选的实施例,结合图7来看,图7为本发明提供的确定单元稳定性得分一实施例的流程示意图,包括步骤S701至步骤S704,其中:
在步骤S701中,针对零件之间的焊缝数量和焊缝体积进行标准化处理,确定标准焊缝数量和标准焊缝体积;
在步骤S702中,根据所述标准焊缝数量和所述标准焊缝体积,确定焊接无向图矩阵中的边权值;
在步骤S703中,根据所述边权值,构建焊接无向图矩阵,并计算每个零件到不同焊接单元的基础件的最短路径,并根据所述最短路径,确定每个零件对于不同基础件的连接紧密度得分;
在步骤S704中,结合所述连接紧密度得分,确定所述单元稳定性得分。在本发明实施例中,以单元稳定性为优化目标,保证焊接过程的稳定,综合平衡了单元划分时的目标要素。
在本发明一个具体的实施例中,标准焊缝数量和标准焊缝体积,通过如下公式表示;
其中,Hqij表示所述标准焊缝数量,Rqij表示第i个零件与第j个零件之间的焊缝数量,Hvij表示所述标准焊缝体积,Rvij表示第i个零件与第j个零件之间的焊缝体积,n表示零件总数目。
在本发明一个具体的实施例中,焊接无向图矩阵中的边权值,通过如下公式表示:
其中,qij表示第i个零件与第j个零件之间的边权值。
在本发明一个具体的实施例中,每个零件对于不同基础件的连接紧密度得分通过如下公式表示:
其中,Sij表示所述连接紧密度得分,m表示第i个零件到第j个基础件的最短路径所经过的零件数量,k表示第i个零件到第j个基础件的最短路径中经过的第k个零件,lik表示在第i个零件到第j个基础件的最短路径中第i个零件到第k个零件所经过的零件数量,q(k-1)k表示第k个零件与第k-1个零件之间的边权值,np表示所有基础件的数量;
结合所述连接紧密度得分,确定所述单元稳定性得分,通过如下公式表示:
其中,SA表示所述单元稳定性得分。
作为优选的实施例,结合图8来看,图8为本发明提供的确定单元平衡得分一实施例的流程示意图,包括步骤S801至步骤S803,其中:
在步骤S801中,计算每个焊接单元的焊缝数量和焊缝体积;
在步骤S802中,根据所述标准焊缝数量和所述标准焊缝体积,确定焊接无向图矩阵中的边权值;
在步骤S803中,根据所述每个焊接单元的焊缝数量和焊缝体积,确定所述单元平衡得分。
在本发明实施例中,以单元平衡性为优化目标,考虑了焊接过程的平衡,综合平衡了单元划分时的目标要素。
在本发明一个具体的实施例中,每个焊接单元的焊缝数量和焊缝体积通过如下公式表示:
其中,DHqi表示第i个焊接单元的焊缝数量,DHi表示第i个焊接单元内的零件数量,Hqjk表示标准化处理后的第j个零件和第k个零件之间的焊缝数量,Hvjk表示标准化处理后的第j个零件和第k个零件之间的焊缝体积,N表示焊接单元的总数量。
在本发明一个具体的实施例中,所述单元平衡得分通过如下公式表示:
作为优选的实施例,所述单元复杂程度得分的确定包括:根据所有焊接单元中的最大零件数量、最大焊缝数量、最大焊缝体积,确定所述单元复杂程度得分,通过如下公式表示:
其中,Sc表示所述单元复杂程度得分,DHqi表示第i个焊接单元的焊缝数量,DHvi表示第i个焊接单元的焊缝体积,DHi表示第i个焊接单元内的零件数量。
在本发明实施例中,以单元复杂程度为优化目标,考虑了焊接过程的快速,综合平衡了单元划分时的目标要素。
下面结合具体的数值例,更好地说明本技术方案,在该数值例中,以前副车架结构为具体实例,结合图9、图10来看,图9为本发明提供的车型前副车架三维模型一实施例的爆炸示意图,图10为本发明提供的最佳焊接划分方案一实施例的划分示意图,图中对应的标记为零件编号,其中,前副车架零件编号和名称如下表1所示:
表1
其中,提取零件信息得到零件信息矩阵如下公式所示:
其中,通过上述方法计算得出六项评价指标的权重如下表2所示:
表2
其中,通过上述得到的零件排序如下表3所示:
表3
其中,经过对最佳单元数量范围进行计算,可以得出,单元数量范围为2-7个,所以最大基础件的数量为7个,根据零件得分从高到低依次选择7个零件作为基础件,分别是:23、1、11、43、26、51、49。
经过上述迭代算法,得到不同待选焊接单元数量(2、3、4、5、6、7)的优选划分方案,不同单元数量时的最佳焊接划分方案和染色体适应度值如下表4所示:
表4
其中,将上述这6种方案进行对比,可以看出单元数量为3时的最佳染色体适应度值最小,所以最后的划分方案为方案2。
本发明实施例还提供了一种焊接单元划分装置,结合图11来看,图11为本发明提供的焊接单元划分装置一实施例的结构示意图,焊接单元划分装置1100包括:获取单元1101,用于获取焊接三维模型中的每个零件的每项评估指标,根据每个零件的每项评估指标对应的权重,构建对应的加权零件矩阵;处理单元1102,用于根据所述加权零件矩阵,确定每个零件的排名和待选焊接单元数量;划分单元1103,用于针对每个所述待选焊接单元数量,并结合每个零件的排名,确定对应的优选焊接划分方案,基于构建的适应度函数,在所述优选焊接划分方案中选择最佳焊接划分方案。
焊接单元划分装置的各个单元的更具体实现方式可以参见对于本发明的焊接单元划分方法的描述,且具有与之相似的有益效果,在此不再赘述。
本发明公开了一种焊接单元划分方法及装置,首先,充分考虑了多种因素的影响,引入每个零件多方面的评估指标,同时考虑不同评估指标不同的权重,结合对应的权重,进行加权零件矩阵;进而,基于上述加权零件矩阵中的评估指标信息和权重信息,确定每个零件的排名和反馈焊接单元划分数量的可供选择的焊接单元数量(即待选焊接单元数量);最后,对于每一个待选焊接单元数量,结合零件的排名信息,构成在不同的待选焊接单元数量下对应的优选焊接划分方案,再基于适应度函数,在多种优选焊接划分方案中选择最佳焊接划分方案。
本发明技术方案,基于零件的多种评估信息,建立了相关的加权零件矩阵,利用该加权零件矩阵,确定对应的每个零件的排名,同时确定了对应的不同待选焊接单元数量,结合适应度函数,快速将不同单元数量时的最佳单元划分方案进行对比,从而得到最终的方案,分析出了不同单元数量时的方案优劣,实现了焊接单元的科学合理划分,同时实现了高效快速进行焊接规划的目的。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种焊接单元划分方法,其特征在于,包括:
获取焊接三维模型中的每个零件的若干评估指标,确定每个零件的若干评估指标对应的权重,并将所述若干评估指标和对应的权重相乘,构建对应的加权零件矩阵,其中,所述若干评估指标包括质量、体积、表面积、连接数量、焊缝数量、焊缝体积中的至少一种;
根据所述加权零件矩阵,确定每个零件的排名和至少一个待选焊接单元数量,其中,所述至少一个待选焊接单元数量为将每个零件划分成的不同焊接单元对应的可选数量,根据所述加权零件矩阵中的零件总数目,确定所述待选焊接单元数量;
针对每个所述待选焊接单元数量,并结合每个零件的排名,确定对应的优选焊接划分方案,基于构建的适应度函数,在所述优选焊接划分方案中选择最佳焊接划分方案;
其中,针对所述至少一个待选焊接单元数量下形成的焊接单元,根据反馈每个所述焊接单元下不同焊接特性的单元稳定性得分、单元平衡得分和单元复杂程度之和,构建对应的所述适应度函数。
2.根据权利要求1所述的焊接单元划分方法,其特征在于,所述获取焊接三维模型中的每个零件的若干评估指标之后,还包括,根据所述每个零件的若干评估指标构建初始零件矩阵,具体包括:
获取所述焊接三维模型中的每个零件的质量、体积、表面积、连接数量、焊缝数量、焊缝体积;
根据每个零件的质量、体积、表面积、零件连接数量、焊缝数量、焊缝体积,形成对应的零件数组;
根据每个所述零件数组,构建所述初始零件矩阵,通过如下公式表示:
其中,X表示所述初始零件矩阵,Xij表示第i个零件的第j项评估指标,xn1表示第n个零件的质量,xn2表示第n个零件的体积,xn3表示第n个零件的表面积,xn4表示第n个零件的零件连接数量,xn5表示第n个零件的焊缝数量,xn6表示第n个零件的焊缝体积,n表示零件总数目;
基于所述初始零件矩阵,确定每项所述评估指标对应的权重,形成加权零件矩阵。
3.根据权利要求2所述的焊接单元划分方法,其特征在于,所述将所述若干评估指标和对应的权重相乘,构建对应的加权零件矩阵包括:
对所述初始零件矩阵进行标准化处理,确定每项所述评估指标对应的标准评估值,通过如下公式表示:
其中,yij表示第i个零件第j项评估指标对应的所述标准评估值,xij表示第i个零件的第j项评估指标,n表示零件总数目;
根据所述标准评估值,确定每个零件在每项评估指标的占比,通过如下公式表示:
其中,pij表示第i个零件占第j项评估指标的占比;
基于每个零件在每项评估指标的占比,确定每项所述评估指标对应的信息熵,通过如下公式表示:
其中,ej表示第j项评估指标的信息熵;
根据每项所述评估指标对应的信息熵,确定每项所述评估指标对应的权重,通过如下公式表示:
其中,wj表示第j项评估指标的权重;
将每项所述评估指标与对应的权重相乘,构成加权零件矩阵,通过如下公式表示:
其中,U表示所述加权零件矩阵,uij表示第i个零件第j项评估指标经加权后的加权数值。
4.根据权利要求2所述的焊接单元划分方法,其特征在于,所述根据所述加权零件矩阵,确定每个零件的排名和至少一个待选焊接单元数量包括:
在所有零件中,将每项评估指标对应的最优值组成数值的集合,确定正理想解,其中,所述最优值包括最大的质量、最大的体积、最大的表面积、最多的零件连接数量、最多焊缝数量、最大焊缝体积;
在所有零件中,将每项评估指标对应的最劣值组成数值的集合,确定负理想解,其中,所述最劣值包括最小的质量、最小的体积、最小的表面积、最少的零件连接数量、最少的焊缝数量、最小的焊缝体积;
根据每个零件对应的所述零件数组到所述正理想解的第一距离和每个零件到所述负理想解的第二距离,通过如下公式表示:
基于所述第一距离和所述第二距离,确定每个零件对应的综合评价值,并根据所述综合评价值的数值大小,对每个零件进行排序,其中,所述综合评价值通过如下公式表示:
其中,fi表示所述综合评价值;
根据所述加权零件矩阵中的零件总数目,确定所述待选焊接单元数量。
6.根据权利要求1所述的焊接单元划分方法,其特征在于,所述针对每个所述待选焊接单元数量,并结合每个零件的排名,确定对应的优选焊接划分方案,基于构建的适应度函数,在所述优选焊接划分方案中选择最佳焊接划分方案包括:
步骤a:针对每个所述待选焊接单元数量,确定排名前N个的零件作为对应的基础件,其中,N等于所述待选焊接单元数量,每个划分的焊接单元对应于一个基础件;
步骤b:采用十进制编码方式,构建对应的染色体,其中,每条染色体对应于在所述待选焊接单元数量下的一种焊接单元的划分方案,每条染色体上的基因对应于构成的零件,基因上的数字对应于零件划分至焊接单元对应的基础件的零件编号;
步骤c:初始化种群,确定对应的种群数量,预设迭代次数,随机产生第一代种群;
步骤d:根据焊接单元的单元稳定性得分、单元平衡得分和单元复杂程度之和,构建对应的适应度函数;
步骤e:采用轮盘赌的选择策略,在染色体中进行选择,在配对的两条染色体中选择交叉点进行基因互换,并通过随机改变染色体的基因进行变异;
步骤f:循环迭代步骤a至步骤e,直至达到所述预设迭代次数,确定适应度函数最小的最优染色体,对应于所述优选焊接划分方案;
步骤g:在每个所述待选焊接单元数量的最优染色体中,选出适应度函数最小的最终染色体,对应于所述最佳焊接划分方案。
7.根据权利要求6所述的焊接单元划分方法,其特征在于,所述单元稳定性得分的确定包括:
针对零件之间的焊缝数量和焊缝体积进行标准化处理,确定标准焊缝数量和标准焊缝体积,通过如下公式表示;
其中,Hqij表示所述标准焊缝数量,Rqij表示第i个零件与第j个零件之间的焊缝数量,Hvij表示所述标准焊缝体积,Rvij表示第i个零件与第j个零件之间的焊缝体积,n表示零件总数目;
根据所述标准焊缝数量和所述标准焊缝体积,确定焊接无向图矩阵中的边权值,通过如下公式表示:
其中,qij表示第i个零件与第j个零件之间的边权值;
根据所述边权值,构建焊接无向图矩阵,并计算每个零件到不同焊接单元的基础件的最短路径,并根据所述最短路径,确定每个零件对于不同基础件的连接紧密度得分,通过如下公式表示:
其中,Sij表示所述连接紧密度得分,m表示第i个零件到第j个基础件的最短路径所经过的零件数量,k表示第i个零件到第j个基础件的最短路径中经过的第k个零件,lik表示在第i个零件到第j个基础件的最短路径中第i个零件到第k个零件所经过的零件数量,q(k-1)k表示第k个零件与第k-1个零件之间的边权值,np表示所有基础件的数量;
结合所述连接紧密度得分,确定所述单元稳定性得分,通过如下公式表示:
其中,SA表示所述单元稳定性得分。
8.根据权利要求6所述的焊接单元划分方法,其特征在于,所述单元平衡得分的确定包括:
计算每个焊接单元的焊缝数量和焊缝体积,通过如下公式表示:
其中,DHqi表示第i个焊接单元的焊缝数量,DHi表示第i个焊接单元内的零件数量,Hqjk表示标准化处理后的第j个零件和第k个零件之间的焊缝数量,Hvjk表示标准化处理后的第j个零件和第k个零件之间的焊缝体积,N表示焊接单元的总数量;
根据所述每个焊接单元的焊缝数量和焊缝体积,确定所述单元平衡得分,通过如下公式表示:
10.一种焊接单元划分装置,其特征在于,包括:
获取单元,用于获取焊接三维模型中的每个零件的每项评估指标,根据每个零件的每项评估指标对应的权重,并将若干评估指标和对应的权重相乘,构建对应的加权零件矩阵,其中,所述若干评估指标包括质量、体积、表面积、连接数量、焊缝数量、焊缝体积中的至少一种;
处理单元,用于根据所述加权零件矩阵,确定每个零件的排名和至少一个待选焊接单元数量,其中,所述至少一个待选焊接单元数量为将每个零件划分成的不同焊接单元对应的可选数量,根据所述加权零件矩阵中的零件总数目,确定所述待选焊接单元数量;
划分单元,用于针对每个所述待选焊接单元数量,并结合每个零件的排名,确定对应的优选焊接划分方案,基于构建的适应度函数,在所述优选焊接划分方案中选择最佳焊接划分方案;
其中,针对所述至少一个待选焊接单元数量下形成的焊接单元,根据反馈每个所述焊接单元下不同焊接特性的单元稳定性得分、单元平衡得分和单元复杂程度之和,构建对应的所述适应度函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110867455.3A CN113312806B (zh) | 2021-07-30 | 2021-07-30 | 一种焊接单元划分方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110867455.3A CN113312806B (zh) | 2021-07-30 | 2021-07-30 | 一种焊接单元划分方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113312806A CN113312806A (zh) | 2021-08-27 |
CN113312806B true CN113312806B (zh) | 2021-10-19 |
Family
ID=77382499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110867455.3A Active CN113312806B (zh) | 2021-07-30 | 2021-07-30 | 一种焊接单元划分方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113312806B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105965179A (zh) * | 2016-06-01 | 2016-09-28 | 江苏科技大学 | 一种船体焊接工艺辅助规划系统及方法 |
CN110488810A (zh) * | 2019-07-22 | 2019-11-22 | 华南理工大学 | 基于改进型粒子群算法的焊接机器人最优路径规划方法 |
CN110599010A (zh) * | 2019-08-28 | 2019-12-20 | 广东工业大学 | 一种基于遗传方法的有向限制焊接任务规划方法 |
CN110889173A (zh) * | 2019-10-15 | 2020-03-17 | 广西汽车集团有限公司 | 一种基于装配关系等级化的装配单元划分方法 |
CN111931336A (zh) * | 2020-06-30 | 2020-11-13 | 武汉理工大学 | 一种复杂焊接件单元划分方法、装置及可读存储介质 |
CN111922563A (zh) * | 2020-07-19 | 2020-11-13 | 武汉理工大学 | 一种基于mbd的焊接工艺规划方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9102012B2 (en) * | 2011-06-22 | 2015-08-11 | Caterpillar Inc. | Method and system for determining welding sequences |
US10325036B2 (en) * | 2016-03-07 | 2019-06-18 | Caterpillar Inc. | Method and system for determing welding process parameters |
-
2021
- 2021-07-30 CN CN202110867455.3A patent/CN113312806B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105965179A (zh) * | 2016-06-01 | 2016-09-28 | 江苏科技大学 | 一种船体焊接工艺辅助规划系统及方法 |
CN110488810A (zh) * | 2019-07-22 | 2019-11-22 | 华南理工大学 | 基于改进型粒子群算法的焊接机器人最优路径规划方法 |
CN110599010A (zh) * | 2019-08-28 | 2019-12-20 | 广东工业大学 | 一种基于遗传方法的有向限制焊接任务规划方法 |
CN110889173A (zh) * | 2019-10-15 | 2020-03-17 | 广西汽车集团有限公司 | 一种基于装配关系等级化的装配单元划分方法 |
CN111931336A (zh) * | 2020-06-30 | 2020-11-13 | 武汉理工大学 | 一种复杂焊接件单元划分方法、装置及可读存储介质 |
CN111922563A (zh) * | 2020-07-19 | 2020-11-13 | 武汉理工大学 | 一种基于mbd的焊接工艺规划方法及装置 |
Non-Patent Citations (4)
Title |
---|
《An Assembly Units Partition Method of Complex Assembly》;Bo Wu等;《2019 IEEE 2nd International Conference on Automation, Electronics and Electrical Engineering (AUTEEE)》;20191124;第385-388页 * |
《一种提高装配效率的工艺流程优化设计》;杨倩等;《新技术新工艺》;20200731;第7-9页 * |
《基于广义装配关系的复杂产品装配单元划分方法》;靳江艳等;《南京航空航天大学学报》;20120228;第50-55页 * |
《装配关系等级化的装配单元划分方法研究》;徐劲力等;《组合机床与自动化加工技术》;20191031;第141-145页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113312806A (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sato | Analysis of inverted PBI and comparison with other scalarizing functions in decomposition based MOEAs | |
CN109840154B (zh) | 一种移动云环境下基于任务依赖的计算迁移方法 | |
CN110704739A (zh) | 资源推荐方法、装置及计算机存储介质 | |
Lopes et al. | Protein-protein interactions in a crowded environment: an analysis via cross-docking simulations and evolutionary information | |
CN109710835B (zh) | 一种带有时间权重的异构信息网络推荐方法 | |
Azadeh et al. | A hybrid genetic algorithm-TOPSIS-computer simulation approach for optimum operator assignment in cellular manufacturing systems | |
Geng et al. | Many-objective cloud task scheduling | |
CN107256241B (zh) | 基于网格与差异替换改进多目标遗传算法的电影推荐方法 | |
CN110008397A (zh) | 一种推荐模型训练方法及装置 | |
Yang et al. | ADAPTIVE RANKS CLONE AND k‐NEAREST NEIGHBOR LIST–BASED IMMUNE MULTI‐OBJECTIVE OPTIMIZATION | |
WO2023216747A1 (zh) | 对象确定方法、装置、计算机设备和存储介质 | |
CN110490234A (zh) | 基于聚类分类联合机制的分类器的构建方法以及分类方法 | |
CN113312806B (zh) | 一种焊接单元划分方法及装置 | |
Justyna et al. | Machine learning for RNA 2D structure prediction benchmarked on experimental data | |
CN104679754A (zh) | 用于数据预测的模型选择设备和方法 | |
CN115829683A (zh) | 一种基于逆奖赏学习优化的电力积分商品推荐方法及系统 | |
CN109639469A (zh) | 一种联合学习稀疏属性网络表征方法及系统 | |
CN115689338A (zh) | 一种基于多指标的配电网技术成熟度评价方法及系统 | |
CN115600926A (zh) | 项目后评价方法、装置、电子设备及存储介质 | |
Sun et al. | An evolutionary many-objective algorithm based on decomposition and hierarchical clustering selection | |
Lyu et al. | Prediction of the tetramer protein complex interaction based on CNN and SVM | |
CN113850317A (zh) | 一种多种类邻居聚合的图卷积推荐方法及系统 | |
CN108280531B (zh) | 一种基于Lasso回归的学生班级成绩排名预测方法 | |
Hou et al. | Multi contact-based folding method for de novo protein structure prediction | |
CN109002541A (zh) | 一种融合群组信息的列表级学习项目推荐方法 |
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 |