CN116595689A - 一种面向多重布线工艺约束的分支线束路径规划与优化方法及系统 - Google Patents
一种面向多重布线工艺约束的分支线束路径规划与优化方法及系统 Download PDFInfo
- Publication number
- CN116595689A CN116595689A CN202310495419.8A CN202310495419A CN116595689A CN 116595689 A CN116595689 A CN 116595689A CN 202310495419 A CN202310495419 A CN 202310495419A CN 116595689 A CN116595689 A CN 116595689A
- Authority
- CN
- China
- Prior art keywords
- path
- branch
- wiring
- cost
- harness
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 96
- 238000005516 engineering process Methods 0.000 title abstract description 5
- 230000008569 process Effects 0.000 claims abstract description 45
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 238000013461 design Methods 0.000 claims abstract description 21
- 230000008030 elimination Effects 0.000 claims abstract description 4
- 238000003379 elimination reaction Methods 0.000 claims abstract description 4
- 238000010845 search algorithm Methods 0.000 claims abstract description 4
- 239000003016 pheromone Substances 0.000 claims description 37
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 14
- 241000257303 Hymenoptera Species 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000004020 conductor Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims 1
- 238000009826 distribution Methods 0.000 abstract description 4
- 238000012986 modification Methods 0.000 abstract description 3
- 230000004048 modification Effects 0.000 abstract description 3
- 238000005452 bending Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008602 contraction Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/16—Cables, cable trees or wire harnesses
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Biophysics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Pure & Applied Mathematics (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种面向多重布线工艺约束的分支线束路径规划与优化方法及系统，适用于线缆的多源路径规划与布局优化。该方法基于A*‑蚁群搜索算法，在多重布线工艺约束下，权衡局部路径转弯与全局路径长度对布线质量的影响，解决了以传统布线模式中存在的设计数据不精确、布线不合理、更改效率低的问题；同时，提出基于无向图表达的封闭环路消除方法，解决了分支线束多源路径规划中因局部封闭环路而导致的结构干涉问题，无需事先假定分支数量与位置，能够对线束分支路径与分支结构在长度、转弯、捆扎等方面进行优化，实现适应复杂环境下大尺寸、长跨度、数量多、分布广的分支线束路径规划。通过相关应用实例，验证了本发明方法的可行性与有效性。
Description
技术领域
本发明涉及一种面向多重布线工艺约束的分支线束路径规划与优化方法及系统，典型实例适用于飞机线缆的多源路径规划与布局优化。
背景技术
航空电缆互联系统EWIS遍布飞机的各个区域，贯穿飞机研制的整体阶段。它将燃油、环控、飞控、航电等各系统有机连接起来，实现各种信号、指令和能量的有效传输，保证飞机的正常、安全飞行。线缆布局设计的质量对飞机功能指标、成品交付以及使用安全等起着决定性的作用。
EWIS布线设计涵盖的线缆数量庞大、设计任务繁重。由于飞机内部环境结构紧凑、功能系统繁多、布线规则复杂，现阶段大多依赖于工程师的设计经验与实物试装进行布线设计与验证，易出现不合理的线缆布局，导致不断返工从而延长交付周期。同时EWIS的设计高度依赖于其他系统与结构的空间占位，一旦结构发生微小改动，可能对线缆的布线路径等造成巨大影响。随着飞机系统发展，传统的线缆敷设方式已无法适应EWIS线缆的精准设计与高效装配的要求，需要设计一种应用于EWIS线缆的自动化布局方法，优化整机线缆的制造与工艺成本，在保证布线质量的前提下提高布线效率。
多分支线束自动布局问题属于NP问题，需要寻找线束布线路径与分支结构两个目标均优的最优布置方案。布线路径与分支结构均为未知量且互为优化指标，多根导线路径集合决定具体的分支结构，而随着分支结构的优化各导线路径也相应发生改变，这为问题的解决带来挑战。同时机上布线环境的特殊性与复杂性，也给柔性线缆的自动排布带来困难。一方面线束尺寸长、导线数量多、分布范围广，模型几何分析与计算耗时较长；另一方面线缆路径对刚性结构的依赖性较高，狭窄的布线空间对线缆路径选择、转弯情况等有较大影响。
目前国内外相关的算法和成果较少，主要的研究集中在非确定性搜索算法改进的方面，如GA算法、ACO算法、PSO算法等。将多分支线束布局问题转化为最小斯坦纳树问题进行解决，并通过种群的进化与迭代确定并优化线束分支路径结果，研究的过程由理论探索逐渐贴近工程实际。但在具体的线束布局过程中，需要事先假定分支点的数量与位置，再以分支点作为源点进行路径规划，没有考虑到后续具体的分支位置与分支结构的优化。同时目前的方法未能很好地考虑已敷设的线束占位等实际工程约束对当前待布局线束的路径选择的影响，且均在特定部位或集中区域进行布线验证，而对于大尺寸、长跨度、数量多、分布广的机载线缆布线应用场景的适配性不高。
因此，本发明针对传统线束设计模式中存在的设计数据不精确、布线不合理、更改效率低的问题，结合现有自动布局方法中不适用于复杂环境下大批量线缆自动布线的局限性，提出了一种面向多重布线工艺约束的分支线束路径规划与优化方法，该方法可实现复杂环境下多分支线缆的整体工艺最优布局，获得导线路径与分支结构均优的布线结果，有效提升布线速度与布线质量。
发明内容
本发明提供一种面向多重布线工艺约束的分支线束路径规划与优化方法，该方法是结合实际布线工艺要求，基于A*-蚁群算法对多分支线束进行路径规划，并提出基于无向图表达的封闭环路消除方法对线束布局进行局部优化，避免了长跨度线束在敷设过程中因封闭环路而造成与结构干涉的情况，优化布线路径。因此，方法无需预先设置分支点数量与位置，能够有效实现导线路径与分支结构与分支路径的共同优化。同时解决了大尺寸线缆在复杂环境中搜索效率低的问题，权衡路径长度、转弯、捆扎、电磁兼容等方面工艺约束对路径选择的影响，从而实现优化布线长度，提高布线质量与效率。
本发明采用的技术方案为：
一种面向多重布线工艺约束的分支线束路径规划与优化方法，包含的具体内容如下：
1)根据多重布线工艺约束，基于A*-蚁群路径搜索算法，设计优化目标与浓度增量模型，提高线缆路径的转弯质量并优化路径长度成本；实现线束中所有线缆的路径规划；
2)根据1)得到的路径结果，基于无向图表达的封闭环路消除方法，针对多分支线束布线结果中存在的封闭环路结构，在邻接表中对环路进行定位与划分，通过对环路的类型判断，实现环路内分支拆分或合并处理，进一步优化线束分支路径与分支结构。
其中，第一方面，路径规划方法，结合布线工艺各项约束，设计A*-蚁群搜索算法的优化目标与迭代模型，提高线缆路径的转弯质量并优化路径长度成本。具体包括：
以三维环境地图中的各离散点作为路径搜索可行点，假设路径起点为Pstart，搜索目标节点为Pend，当前所在状态节点为Pn，下一步搜索节点Pn+1可以选择搜索步长范围内不同移动方向的邻接节点。
(1)结合具体物理约束、转弯约束、支撑约束、电磁兼容约束与捆扎约束等实际布线工艺约束，设计蚁群算法中相邻节点间的启发函数Hij(t)，如式1.1所示：
f(n)＝g(n)+h(n) (1.2)
引入f(n)为A*算法当前节点的估价函数，具体定义如式1.2所示。g(n)为起点到当前节点n的累计成本，h(n)为节点n到目标点的最短距离。在蚁群算法中引入A*算法的估价函数，为算法提供全局性的启发方向，避免算法前期出现盲目搜索的情况。
引入线缆转弯评价函数bend(n)评估在选择下一步搜索节点时，线缆转弯处的转弯角度θn,n+1与弯曲半径rn,n+1对布线路径质量的影响。
引入卡箍容量评价函数clip(Dn,n+1)以反映已完成敷设的线缆对当前待敷设线缆路径搜索的影响程度。
引入电磁兼容评价函数emc(en,n+1)以反映具有不同EMC类别代码的敷设通道对于当前线缆路径点选择的影响。
引入捆扎节点评价函数bundle(bn,n+1)以反映已选择的路径点对于当前线缆路径点选择的影响。
(2)根据节点之间的启发函数，按照式1.3计算蚂蚁从当前节点i转移到下一节点j的概率。
其中，τij(t)为t时刻节点i与节点j之间的信息素浓度，Hij(t)为节点i与节点j之间的启发函数，α和β分别反映了函数对状态转移概率的影响程度。n为下一步蚂蚁可选的任一节点，allowedm为当前蚂蚁待访问集合。蚂蚁根据轮盘赌法选择下一节点，因此，启发函数Hij(t)值越大，则蚂蚁选择该路径点的概率越大。
(3)每次迭代完成后，更新蚂蚁所经路径上的信息素浓度，越优秀的路径上信息素浓度增量越高。信息素浓度增量模型表达如式1.4。
其中，ρ为信息素挥发系数，τij(t-1)为t-1时刻节点i与节点j之间的信息素浓度，Δτij为本次迭代后(i,j)之间累积的信息素总和，M为蚂蚁数。对于每只蚂蚁m在(i,j)之间的信息素浓度增量采用全局信息进行更新，具体定义如式1.5。
除了路径长度成本Lm外，引入路径拐点数量Tm与转弯评价积累∑mbend(n)比值作为路径转弯成本，以重复路径点数量Nbm作为路径捆扎成本评价，cL、ct与cb为各项成本的权重。式中，k表示信息素浓度系数；Q为信息素强度系数，与路径搜索步长相关，定义如下：
Q＝Lmax-Lmin (1.6)
式中，Lmax为本次迭代后产生最大路径的长度，Lmin为本次迭代后产生的最短路径的长度。
将本次迭代过程中的所有蚂蚁经历的路径长度取平均值记为当Lm＝Lmax时，k取最小值kmin＝0，减少最差路径上信息素浓度的增加；当/>时，k取相对较小值k∈(0,1)；当/>时，k取较大值k∈(1,kmax)；当Lm＝Lmin时，k取最大值k＝kmax，以此增加较优搜索结果与较差搜索结果之间信息素浓度增量的差值，加快后续算法迭代的收敛速度，最终获得长度工艺成本与转弯工艺成本均较优的路径搜索结果。第二方面，布局优化方法，对结构中的分支与环路进行拆分或合并处理，从而获得整体工艺成本最低的线束布局方案。具体包括：
采用1)实现线束中所有导线的多目标路径规划，根据路径结果计算分支点的位置，并建立无向图表达的多分支线束的初步拓扑结构，以邻接表形式存储分支点连接关系；采用深度优先搜索(DFS)算法遍历当前的线束邻接表，根据元素的存储顺序定位拓扑结构中存在的环路。
对当前环路进行识别与划分，若当前环路中存在嵌套环路，则将其内部总路径长度最小的环路称为最小环，并取其中的最小环作为当前环路处理。
对于含连接器的环路，连接器节点有且只能有一个邻接点，遍历所有可行的分支点位置，在局部范围内进行分支路径搜索，在对环路中分支进行处理时，以环路中导线长度成本Li,j与路径转弯成本Bi,j作为分支优化的整体成本评价作为优化目标，以使目标越小越好，如式1.7所示：
costi,j＝cLLi,j+ctBi,j (1.7)
cL、ct分别为长度成本、转弯成本的权重；
实现对多分支线束分支结构与分支路径的优化，并避免了多源路径规划时形成的封闭环路问题。
此外，所述方法还包括一种自动布线流程，批量提取原有布线环境的装配数据与设计信息，实现机上分支线束自动路径规划，构建线束几何模型并获得相应的制造数据。具体包括：
步骤一：输入原有布线环境结构模型与线束电气原理设计信息，批量获取所述布线环境中电连接器与固定卡箍的安装位置与方向。
步骤二：采用基于二次误差度量的边折叠简化算法(QEM)，计算所述环境模型的网格点对相应的收缩点位置与坍缩代价矩阵Q，进行边收缩操作，对所述的环境模型在保证孔洞等细节特征的前提下进行轻量化处理。基于层次包围盒结构(BVH)对障碍物实现物体划分，自顶向下构建障碍物空间的BVH结构。计算所述障碍物空间的符号距离场(SDF)，结合最小贴壁间距约束，设定相应的等高值，采用移动立方体算法(MC)构建出偏移表面网格模型，形成路径搜索三维坏境地图。
步骤三：采用所述的路径规划方法，依次为线束中导线进行路径搜索，并基于路径结果采用所述的环路处理方法，进一步优化线束分支位置与分支路径，实现多重布线工艺约束下大尺寸、长跨度、数量多、分布广的分支线束路径规划。
步骤四：根据所述的分支线束布线结果，基于三次非均匀B样条曲线构建线束几何模型，并根据分支所含的导线列表，输出导线线规牌号、接线关系、路径长度等制造信息。
本发明的有益效果是：
本发明是一种面向多重布线工艺约束的分支线束路径规划与优化方法，
1)解决了以工程师经验为主导的实物试装传统布线模式中存在的设计数据不精确、布线不合理、更改效率低的问题，权衡路径长度、转弯、捆扎、电磁兼容等方面工艺约束对路径选择的影响，使得设计数据能够有效指导线缆制造与敷设。
2)避免了长跨度线束在敷设过程中因封闭环路而造成与结构干涉的情况。方法无需预先设置分支点数量与位置，能够有效实现导线路径与分支结构与分支点位置的共同优化，从而实现优化布线长度，提高布线质量与效率。
3)设计自动布线整体流程，对复杂布线环境进行预处理，解决了大尺寸线缆在复杂环境中搜索效率低的问题。
附图说明
图1为本发明方法的流程示意图；
图2为本发明方法所含布线环境预处理流程示意图；
图3为本申请实施例提供的构建可行搜索空间过程示意图；(a)轻量化后模型；(b)构造障碍物偏移表面；(c)构建可行搜索空间；
图4为本发明方法所含面向多重敷设约束的单根线缆规划流程示意图；
图5为本发明方法所含多分支线束布局优化流程示意图；
图6为本申请实施例提供的多分支线束布局优化示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。
本发明提出了一种面向多重布线工艺约束的分支线束路径规划与优化方法，参照图1为方法实施的流程图，主要包括如下步骤：输入布线数据、布线环境预处理、线缆路径规划、多分支线束布局优化与线束几何建模。
图1中输入布线数据具体包含原有机身结构模型、连接器装配模型与电气原理设计信息。其中，机身结构模型处理为STL或STP格式的网格模型，连接器装配模型将通过原有设计软件的二次开发功能批量提取相应的安装位置与方向。通过数据转换接口模块，将电气设计软件中的XML格式的信息处理为线束中导线的接线关系与选型信息。
根据本发明的一种具体实例，本发明提出的一种面向多重布线工艺约束的分支线束路径规划与优化方法主要包含以下三个步骤，在完成相关布线数据输入后，依次按照步骤进行处理。
步骤一：布线环境预处理。参考图2为布线环境预处理流程示意，通过轻量化处理、重构表面处理等过程，将复杂的机上布线环境模型处理为路径规划算法可用的三维环境地图。
1)模型轻量化。采用基于二次误差度量的边折叠简化算法(QEM)，对原有环境空间网格模型的每个网格顶点vi计算坍缩代价矩阵Q。令顶点附近平面p表达为ax+by+cz+d＝0且a2+b2+c2＝1，则顶点到平面距离的平方可表示为
dist(v,p)2＝(vTp)2＝vTppTv＝vTKpv (1.8)
代价矩阵Q为点vi相邻的所有三角面片基本误差二次型Kp的总和。
设置最大允许间隙值t并找出模型中所有的可合并点对，计算每对点对收缩后的顶点位置，并更新坍缩代价/>作为新顶点/>的误差度量值，统一存储在堆中。
每次迭代中，弹出堆中坍缩代价最小的点对如(v1,v2)，计算其对应的收缩点v位置与坍缩代价矩阵Q，进行边收缩操作。同时更新堆中所有涉及v1、v2的点对，例如(v1,vi)及(v2,vi)点对，需要更新为同时修改对应的坍缩代价值，更新堆中对应的排列顺序，进行下一次迭代，直至堆中元素为空。
在保证原有结构模型孔、洞等细节特征的前提下，生成轻量化后的环境空间网格模型。
2)构建障碍物空间。采用层次包围盒结构(BVH)对障碍物实现物体划分，自顶向下构建障碍物空间的BVH结构。首先，计算模型的整体包围盒AABB，将其作为根节点。再根据当前节点中存储的物体尺寸寻找合适的划分方向，将当前包围盒内的三角面按照中位数分为两部分，分别计算新的包围盒作为当前节点的左右子节点。不断重复上述过程为当前空间创建子节点，直到当前包围盒内包含的三角网格数量为1时，此节点设置为BVH树的叶节点，并终止该节点子空间的划分迭代过程。降低后续干涉检测的时间复杂度，提高路径搜索与验证的效率。
3)计算符号距离场。对障碍物空间网格化处理得到一组N×N×N的采样网格点，计算场内每一个网格点的符号距离函数dist(n)的数值并存储在三维矩阵P中，矩阵中的每个元素表示该网格点位置距离空间模型表面最近的距离，其中dist(n)＞0的网格点位于模型表面外部，dist(n)＜0的网格点位于模型表面内部，而dist(n)＝0的网格点则恰好位于模型表面上。
4)构建偏移表面。根据这些采样网格点的SDF值，结合最小贴壁间距约束，设定相应的等高值，采用移动立方体算法(MC)构建出偏移表面网格模型。以网格点构建单元立方体，每个顶点对应的函数值有三种情况：高于或等于等值则表示在表面的内部，低于等值则表示在表面的外部。计算立方体八个顶点的函数值，判断是否存在等值点，并根据每条边上的等值点构建三角形面片单元。计算每个体元顶点的单位法线，并将法线插值到三角形面片的每个顶点。通过遍历所有体元，找出其中的三角面片，并将所有得到的三角形合并，获得重建完成的三角网格模型数据。
5)离散化可行搜索空间。对贴壁约束处理后的网格模型进行离散化处理，得到三维有序离散点作为布线可行搜索空间。预处理阶段生成的可行搜索空间Uenv与障碍物空间Uobs共同形成路径规划的三维环境地图。
步骤二：面向多重布线工艺约束的单根线缆路径规划。参考图4为单根线缆路径规划算法流程示意，基于A*-蚁群算法结合布线工艺约束，实现适应复杂环境下大尺寸、长跨度单根线缆的路径规划。
(1)结合具体物理约束、转弯约束、支撑约束、电磁兼容约束与捆扎约束等实际布线工艺约束，设计蚁群算法中相邻节点间的启发函数Hij(t)，如式1.9所示：
f(n)＝g(n)+h(n) (1.10)
引入f(n)为A*算法对当前节点距离成本的估算函数，具体定义如式1.10所示。g(n)是起点到当前节点n的累计成本，定义如下：
式中，li表示第i段的线缆长度，i＝1,2,3……
当与障碍物空间发生干涉时，g(n)的距离值为无穷大。h(n)是节点n到目标点的最短距离，在蚁群算法中引入A*算法的估价函数，为算法提供全局性的启发方向，避免算法前期出现盲目搜索的情况。
引入线缆转弯评价函数bend(n)评估在选择下一步搜索节点时，线缆转弯处的转弯角度θn,n+1与弯曲半径rn,n+1对布线路径质量的影响，具体定义如式1.12所示。
其中，系数C1和C2分别表示转弯角度与弯曲半径对线缆弯折评价函数的影响程度。根据线束设计原则，不同的转角范围对应于不同的bend(θn,n+1)取值。具体取值如式1.13所示。
选取转弯半径系数ζ，生成最小弯曲半径布线工艺标准值rmin为：
rmin＝ζDbundle (1.14)
式中，Dbundle是束段外径，ζ是允许弯曲半径比。
同时，设置转弯安全系数sr。bend(rn,n+1)当具体取值如式1.15。
引入卡箍容量评价函数clip(Dn,n+1)以反映已完成敷设的线缆对当前待敷设线缆路径搜索的影响程度，具体定义如式1.16。
其中，sd为卡箍容量安全系数，Dn,n+1表示在搜索下一节点Pn+1时所有线缆捆扎外径值。以listn+1表示经过节点Pn+1的线缆列表，计算所有线缆截面的最小外接圆作为此时Dn,n+1的值。
引入电磁兼容评价函数emc(en,n+1)以反映具有不同EMC类别代码的敷设通道对于当前线缆路径点选择的影响。具体定义如式1.17。
其中，en,n+1表示Pn+1处线缆通道的EMC类别代码，ebundle为当前路径搜索线缆的EMC类别代码。
引入捆扎节点评价函数bundle(bn,n+1)以反映已选择的路径点对于当前线缆路径点选择的影响。具体定义如式1.18。
(2)根据节点之间的启发函数，按照式1.19计算蚂蚁从当前节点i转移到下一节点j的概率。
其中，τij(t)为节点i与节点j之间的信息素浓度，Hij(t)为节点i与节点j之间的启发函数，α和β分别反映了函数对状态转移概率的影响程度。n为下一步蚂蚁可选的任一节点，allowedm为当前蚂蚁待访问集合。蚂蚁根据轮盘赌法选择下一节点，因此，启发函数Hij(t)值越大，则蚂蚁选择该路径点的概率越大。
(3)每次迭代完成后，更新蚂蚁所经路径上的信息素浓度，越优秀的路径上信息素浓度增量越高。信息素浓度增量模型表达如式1.20。
其中，ρ为信息素挥发系数，τij(t-1)为t-1时刻节点i与节点j之间的信息素浓度，Δτij为本次迭代后(i,j)之间累积的信息素总和。对于每只蚂蚁在(i,j)之间的信息素浓度增量采用全局信息进行更新，具体定义如式1.21。
除了路径长度成本Lm外，引入路径拐点数量Tm与转弯评价积累∑mbend(n)比值作为路径转弯成本，以重复路径点数量Nbm作为路径捆扎成本评价，cL、ct与cb为各项成本的权重。k表示信息素浓度系数；Q为信息素强度系数，与搜索步长相关。定义如下：
Q＝Lmax-Lmin (1.22)
式中，Lmax为本次迭代后产生最大路径的长度，Lmin为本次迭代后产生的最短路径的长度。
将本次迭代过程中的所有蚂蚁经历的路径长度取平均值记为当Lm＝Lmax时，k取最小值kmin＝0，减少最差路径上信息素浓度的增加；当/>时，k取相对较小值k∈(0,1)；当/>时，k取较大值k∈(1,kmax)；当Lm＝Lmin时，k取最大值k＝kmax，以此增加较优搜索结果与较差搜索结果之间信息素浓度增量的差值，加快后续算法迭代的收敛速度，最终获得长度工艺成本与转弯工艺成本均较优的路径搜索结果。
步骤三：多分支线束布局优化。参考图5为多分支线束布局优化流程示意，提出了一种基于无向图表达的线束环路的分支合并方法，实现数量多、分布广的多分支线束布局优化。
根据多分支线束的初步拓扑结构，采用深度优先搜索(DFS)算法遍历当前的线束邻接表，根据元素的存储顺序定位拓扑结构中存在的环路。
由于邻接表中元素顺序的不确定性，当前定位的环路内部有可能存在嵌套环路。若此时环路中存在嵌套环路，则将其内部总路径长度最小的环路称为最小环。对环路进行划分，并取其中的最小环作为当前环路处理。在对环路中分支进行处理时，以环路中导线长度成本Li,j与路径转弯成本Bi,j作为分支优化的整体成本评价作为优化目标，以使目标越小越好，如式1.23所示：
costi,j＝cLLi,j+ctBi,j (1.23)
cL、ct分别为长度成本、转弯成本的权重；
具体的：
对于含连接器的环路，连接器节点有且只能有一个邻接点，遍历所有可行的分支点位置，在局部范围内进行分支路径搜索，通过如式1.23所示优化目标确定最优分支点位置，此时上式同样可表示为：
其中，Li,j路径长度成本Ti,j为环路内导线路径所含的拐点数量，∑bend(n)为环路内导线路径拐点的转弯评价积累。以优化目标评价环路中新分支建立的整体工艺成本大小。
对于含干涉点的环路，遍历所有可行的源点，在局部范围内避开干涉点进行分支路径搜索，同样通过式1.23所示的优化目标确定新分支路径。
将以上两种类型的特殊环路处理为普通环路后，遍历所有可合并分支bi，按照式1.23计算相应的导线合并成本，取整体目标最小值作为最终布局结果，获得长度、转弯、捆扎成本整体较优的布局方案，此时，式1.23同样可表示为：
式中，Tbi合并后环路分支路径的总拐点数量
当时取分支bi向分支bj合并后长度成本，计算方式如下：
式中，lenbi为含有分支bi的线缆长度。
最终根据多分支线束的拓扑结构，采用三次非均匀NURBS曲线实现线束几何建模。
为了验证本发明的可行性，在某型飞机某段布线区域内采集了相关线束的电气原理设计信息，并基于三维布线环境进行实例验证。原有机身结构模型尺寸范围为21.3m×5.5m×5.5m，将障碍物模型的轻量化程度设置为95％，最小贴壁间隔取30mm，搜索步长为600mm，获得多分支线束自动布局设计结果参考图6。将自动布线结果与同样机身段已完成验证的人工布线结果比较，在线缆长度与转弯等路径质量方面有良好的优化效果，线束内导线长度平均误差为-10.88mm/m。与A*算法及经典蚁群算法比较，本发明方法在布线速度提升方面有良好效果。
Claims (7)
1.一种面向多重布线工艺约束的分支线束路径规划与优化方法，其特征在于，所述方法包括：
1)根据多重布线工艺约束，基于A*-蚁群路径搜索算法，设计优化目标与浓度增量模型，提高线缆路径的转弯质量并优化路径长度成本；实现线束中所有线缆的路径规划；
2)根据1)得到的路径结果，基于无向图表达的封闭环路消除方法，针对多分支线束布线结果中存在的封闭环路结构，在邻接表中对环路进行定位与划分，通过对环路的类型判断，实现环路内分支拆分或合并处理，进一步优化线束分支路径与分支结构。
2.根据权利要求1所述的一种面向多重布线工艺约束的分支线束路径规划与优化方法，其特征在于，所述的1)具体包括：所述的多重布线工艺约束包含线缆转弯约束、支撑约束、电磁兼容约束及捆扎约束，采用A*-蚁群搜索算法，结合多重布线工艺约束，设计蚁群算法中相邻节点间的启发函数Hij(t)，如式1.1所示：
上式中，在蚁群算法的启发函数中引入了A*算法对当前节点距离成本的估算函数f(n)，以路径长度作为启发标准为路径规划提供全局性的优化方向；并引入线缆转弯评价函数bend(n)、卡箍容量评价函数clip(Dn,n+1)、电磁兼容评价函数emc(en,n+1)与线束捆扎评价函数bundle(bn,n+1)，提供节点状态转移时的局部性启发大小，通过启发数值的大小反映节点状态转移概率的大小；相应的指数ω1、ω2、ω3与ω4分别反映对应的各评价函数对启发函数影响的重要程度；
根据节点之间的启发函数，计算蚂蚁从节点i转移到下一节点j的概率，每次迭代后更新蚂蚁所经路径上的信息素浓度，设计蚁群算法信息素浓度增量模型，如式1.2，引入路径拐点数量Tm与转弯评价积累∑mbend(n)作为路径转弯成本，引入路径中公用路径点数量Nbm作为路径捆扎成本，
τij(t)为t时刻节点i与节点j之间的信息素浓度，ρ为信息素挥发系数，τij(t-1)为t-1时刻节点i与节点j之间的信息素浓度，Δτij为本次迭代后(i,j)之间累积的信息素总和，对于每只蚂蚁m在(i,j)之间的信息素浓度增量采用全局信息进行更新，cL、ct与cb分别为长度成本、转弯成本与捆扎成本的权重，k表示信息素浓度系数，Q为信息素强度系数。
3.根据权利要求2所述的一种面向多重布线工艺约束的分支线束路径规划与优化方法，其特征在于，Q为信息素强度系数，与路径搜索步长相关，定义如下：
Q＝Lmax-Lmin (1.3)
式中，Lmax为一次迭代后产生最大路径的长度，Lmin为本次迭代后产生的最短路径的长度；
将本次迭代过程中的所有蚂蚁经历的路径长度取平均值记为当Lm＝Lmax时，k取最小值kmin＝0，减少最差路径上信息素浓度的增加；当/>时，k取相对较小值k∈(0,1)；当/>时，k取较大值k∈(1,kmax)；当Lm＝Lmin时，k取最大值k＝kmax，以此增加较优搜索结果与较差搜索结果之间信息素浓度增量的差值，加快后续算法迭代的收敛速度。
4.根据权利要求1所述的一种面向多重布线工艺约束的分支线束路径规划与优化方法，其特征在于，所述的2)具体包括：
采用1)实现线束中所有导线的多目标路径规划，根据路径结果计算分支点的位置，并建立无向图表达的分支线束拓扑结构，以邻接表形式存储分支点连接关系；
采用深度优先搜索(DFS)算法遍历当前的线束邻接表，定位并识别无向图内局部形成的封闭环路，判断当前环路是否存在环路嵌套，取其中总长最短的最小环作为当前环路；
在对环路中分支进行处理时，以环路中导线长度成本Li,j与路径转弯成本Bi,j作为分支优化的整体成本评价作为优化目标，以使目标越小越好，如式1.4所示；
costi,j＝cLLi,j+ctBi,j(1.4)
cL、ct分别为长度成本、转弯成本的权重；
当所述的当前环路含有电连接器时，遍历连接器节点邻接边上的路径点作为新分支点，在局部范围内对新建分支进行路径规划，按照式1.4计算各分支点对应的环路整体成本，选择成本最低的合并方案，优化分支点位置；
当所述的当前环路含有干涉点时，遍历干涉点邻接边上的路径点作为新建分支的源点，在局部范围内绕开干涉点进行路径规划，按照式1.4计算各源点对应的环路整体成本，选择整体成本最低的路径方案，优化分支路径；
当所述的当前环路为普通环路时，遍历所有可合并分支，按照式1.4计算各分支对应的导线合并成本，优化分支位置与分支结构，获得长度、转弯、捆扎成本整体较优的布局方案。
5.根据权利要求1所述的一种面向多重布线工艺约束的分支线束路径规划与优化方法，其特征在于，根据所述的搜索算法与优化方法，设计分支线束自动布线的整体流程，批量提取原有布线环境的装配数据与设计信息，实现在复杂环境下分支线束路径规划，构建线束几何模型并获得相应的制造数据，包括：
步骤一：布线环境预处理，通过轻量化处理、重构表面处理过程，将复杂的布线环境模型处理为路径规划算法可用的三维环境地图；
步骤二：采用A*-蚁群路径搜索算法，实现面向多重布线工艺约束的线缆路径规划；
步骤三：对多分支线束进行布局优化，将优化后的多分支线束的拓扑结构，采用三次非均匀B样条曲线构建线束几何模型，并根据分支所含的导线列表，输出导线线规牌号、接线关系、路径长度等制造信息。
6.根据权利要求5所述的一种面向多重布线工艺约束的分支线束路径规划与优化方法，其特征在于，所述的步骤一具体包括：
输入环境模型：输入原有布线环境结构模型与线束电气原理设计信息，批量获取所述布线环境中电连接器与固定卡箍的安装位置与方向；
模型轻量化：采用基于二次误差度量的边折叠简化算法(QEM)，对所述的环境模型在保证孔洞等细节特征的前提下进行轻量化处理；
构建障碍物空间：基于层次包围盒结构(BVH)对障碍物实现物体划分，自顶向下构建障碍物空间的BVH结构；
计算符号距离场：对所述障碍物空间网格化处理得到一组N×N×N的采样网格点，计算场内每一个网格点的符号距离函数dist(n)的数值并存储在三维矩阵P中，计算所述障碍物空间的符号距离场(SDF)；
构建偏移表面：结合最小贴壁间距约束，设定相应的等高值，采用移动立方体算法(MC)构建出偏移表面网格模型；
离散化可行搜索空间：对贴壁约束处理后的网格模型进行离散化处理，得到三维有序离散点作为布线可行搜索空间；
生成的可行搜索空间与障碍物空间共同形成路径搜索三维坏境地图。
7.一种面向多重布线工艺约束的分支线束路径规划与优化系统，其特征在于，所述系统用于实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310495419.8A CN116595689A (zh) | 2023-04-28 | 2023-04-28 | 一种面向多重布线工艺约束的分支线束路径规划与优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310495419.8A CN116595689A (zh) | 2023-04-28 | 2023-04-28 | 一种面向多重布线工艺约束的分支线束路径规划与优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116595689A true CN116595689A (zh) | 2023-08-15 |
Family
ID=87594797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310495419.8A Pending CN116595689A (zh) | 2023-04-28 | 2023-04-28 | 一种面向多重布线工艺约束的分支线束路径规划与优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116595689A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117172399A (zh) * | 2023-11-02 | 2023-12-05 | 成都飞机工业（集团）有限责任公司 | 一种基于启发式算法的自动铺丝轨迹规划方法 |
| CN117725749A (zh) * | 2023-12-25 | 2024-03-19 | 电子科技大学 | 一种基于物联网的桥架线路布设优化方法及系统 |
-
2023
- 2023-04-28 CN CN202310495419.8A patent/CN116595689A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117172399A (zh) * | 2023-11-02 | 2023-12-05 | 成都飞机工业（集团）有限责任公司 | 一种基于启发式算法的自动铺丝轨迹规划方法 |
| CN117172399B (zh) * | 2023-11-02 | 2024-03-15 | 成都飞机工业（集团）有限责任公司 | 一种基于启发式算法的自动铺丝轨迹规划方法 |
| CN117725749A (zh) * | 2023-12-25 | 2024-03-19 | 电子科技大学 | 一种基于物联网的桥架线路布设优化方法及系统 |
| CN117725749B (zh) * | 2023-12-25 | 2024-06-14 | 电子科技大学 | 一种基于物联网的桥架线路布设优化方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116595689A (zh) | 一种面向多重布线工艺约束的分支线束路径规划与优化方法及系统 | |
| CN108229719B (zh) | 无人机编队任务分配与航迹规划的多目标优化方法及装置 | |
| US20170193133A1 (en) | Method and device for automatically routing multi-branch cable | |
| CN107807665B (zh) | 无人机编队探测任务协同分配方法及装置 | |
| CN109992923B (zh) | 一种基于变分辨率成本表面的分阶段输电线路路径规划方法 | |
| CN110135599B (zh) | 无人机电力巡检点云智能化处理与分析服务平台 | |
| CN106017472A (zh) | 全局路线规划方法、全局路线规划系统及无人机 | |
| CN110220521A (zh) | 一种高精地图的生成方法和装置 | |
| Conru et al. | Computational support for interactive cable harness routing and design | |
| CN116954233A (zh) | 一种巡检任务与航线自动匹配方法 | |
| CN104361185A (zh) | 电缆虚拟设计用布线空间自动生成方法 | |
| CN111121783A (zh) | 一种车载无人机电力巡检的双层路径规划方法与装置 | |
| CN113806947B (zh) | 海上风电场布局处理方法、装置及设备 | |
| CN114896746B (zh) | 一种海上风电场集电系统拓扑优化方法 | |
| CN116129066A (zh) | 基于数字孪生的自动驾驶高精度地图模型及高精度静态地图制作方法 | |
| CN101430732B (zh) | 发动机管道敷设系统 | |
| CN113865589A (zh) | 一种基于地形坡度的长距离快速路径规划方法 | |
| CN114218734B (zh) | 一种电缆最佳路径规划及计算方法 | |
| Lin et al. | A multi-objective cooperative particle swarm optimization based on hybrid dimensions for ship pipe route design | |
| CN107818338A (zh) | 一种面向地图综合的建筑物群组模式识别的方法及系统 | |
| Blokland et al. | Literature survey on automatic pipe routing | |
| Liu et al. | Improved multi-search strategy A* algorithm to solve three-dimensional pipe routing design | |
| Jiang et al. | A fast path planning method for mobile robot based on voronoi diagram and improved d* algorithm | |
| CN116518982B (zh) | 一种低空林业监测遥感无人机路径多目标规划方法 | |
| Huang et al. | A multi-robot coverage path planning algorithm based on improved darp algorithm |
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 |