基于免疫算法拱架式贴片机贴装过程优化.docVIP

基于免疫算法拱架式贴片机贴装过程优化 　　摘 要： 提出一种免疫算法来优化带多头的拱架式贴片机贴装过程。通过设计合理的问题编码、免疫算子以及参数，对贴装过程进行优化求解，并与遗传算法进行比较。以4贴片头的贴片机为例，对13个案例进行计算，得到免疫算法解的质量均要比遗传算法提高5%～10%，且每个实例的平均计算时间减少10%～25%。结果表明免疫算法比遗传算法更加有效 关键词： 贴片机； 贴装过程； 免疫算法； 遗传算法 中图分类号： TN081?34； TP301.6 文献标识码： A 文章编号： 1004?373X（2017）07?0100?05 Immune algorithm based component placement process optimization of arch placement machine XU Jiying， CHEN Shijun （Hubei University of Arts and Science， Xiangyang 430012， China） Abstract： An immune algorithm （IA） is proposed to optimize the component placement process of the arch placement machine. The reasonable coding， immune operator and parameter are designed to solve the component placement process optimally. The IA is compared with the genetic algorithm（GA）. The 13 instances were calculated by taking the four?head placement machine as an example. The solution quality of IA is increased by 5%～10% than that of GA， and each instance′s average computational time of IA is decreased by 10%～25% than that of GA. The results show that the IA is effective than GA. Keywords： surface mounting machine； placement process； immune algorithm； genetic algorithm 0 引 言 贴片机是一种采用表面贴装技术（SMT）将所需电子元件贴装到印刷电路板（PCB）上的自动装配机[1]。目前，对带有微型和密集型元器件的PCB的需求不断增大，使得生产企业面临提高PCB生产效率的要求。单个贴片机的贴装路径优化是提高整个PCB生产线生产效率的关键环节，研究该问题具有重要现实意义 贴片机的贴装过程优化可以看做两个相互关联的子问题：喂料器的分配问题；元件的贴装顺序问题[2]。这两个问题均为NP难问题，故同时解决相当困难。部分学者采用将两个子问题分开各自优化，即在假定一个问题已解决的情况下解决另外一个问题[2?4]。例如，文献[2]在已知喂料槽分配的情况下，将元件取贴序的优化归结为三维非对称旅行商问题；假定元件贴装顺序已定时，将喂料槽分配看成二次指派问题。文献[3]在喂料器确定的条件下，采用遗传算法对贴装顺序进行优化。文献[4]在假设元件贴装顺序确定的情况下，将喂料槽分配建模成二次整数规划问题，应用启发式算法求解。由于两个子问题是相互耦合的，各自分开求解难以保证全局最优解。近年来不少学者将其同时考虑，采用启发式或元启发式方法，如多邻域搜索[5]、粒子群优化[6]、蚁群优化[7]、遗传算法[8?14]等来求解。文献[5]针对带多贴片头的贴装优化问题，提出一种变邻域蒙特卡洛的启发式优化方法，主要是基于定义的三种邻域结构进行局部搜索，实例测试表明该方法能找到满意解。文献[6]提出自适应的粒子群优化方法，同时优化具有多贴片头的喂料槽放置和贴片顺序，结果证实该方法不差于遗传算法。文献[7]提出一种改进的蚁群优化算法，并用实例计算说明所提方法优于传统的蚁群优化算法。文献[8]设计遗传算法对拱架型贴片机的贴装过程进行优化，并设计了新的交叉算子。文献[9]提出一种分段二元实数编码方法，采用将遗传算法和元件分配启发式方法相结合实现贴装优化。文献[10]将双拱架式贴片机贴片过程建模成0?1整数规划模型，并利用遗传算法求解简化后的数学模型