[发明专利]一种汽车动力电池的装配过程的优化调度方法

权利要求书

1.一种汽车动力电池的装配过程的优化调度方法，其特征在于：包括如下步骤：

步骤一：确定汽车动力电池装配过程的调度模型和优化目标；

步骤二：使用一种增强粒子群优化算法的优化调度方法对优化目标进行优化；

其中步骤一所述的调度模型根据产品实际生产装配过程中不同工序所需的工作时间、工序之间存在的约束关系和工位的节拍约束关系来建立，同时以最小化工位数量为优化目标：

其中，I表示工序集合，I＝{1,2,...i},i∈I；J表示工位集合，J＝{1,2,...,j},j∈J；f₁表示最小化工位数的函数；Z_j表示工位是否被开启的0-1变量，当工位j被开启时，Z_j＝1，否则为Z_j＝0；每个工序都要被分配，且只能分配到工位的一侧，X_ij和Y_ij分别表示工序i是否分配在工位j的入口线和出口线上，X_ij,Y_ij∈(0,1)；工序分别在工位的入口线和出口线上需要满足优先约束关系，w表示优先约束关系集合；表示工序/是工序/的直接前序，即工序/只能在工序/完成后开始；/和/表示工序/的直接前序工序/是否分配在工位j的入口线和出口线上，/和/分别表示工序/的直接后续工序/是否分配在工位j的入口线和出口线上，/t_i表示工序i的操作时间；CT为节拍时间，定义为一个生产周期内每个工位规定的总操作时间，实际的总操作时间不能大于工位的节拍时间；

所述的基于增强粒子群优化算法的优化调度方法的具体步骤如下：

Step1、编码与解码方式：粒子群可表示如下：x_i＝{x_i1,x_i2,…,x_id}为粒子i在D维空间中的当前位置，这里的D维空间指代问题的规模，而每个粒子代表问题的一个解，粒子的位置初始化为一组介于[0,1]区间的随机数，每个随机数都对应一个工序的标号，在每次解码都挑选出所有符合条件的工序，即满足约束矩阵该行全为0，然后比较它们对应随机数的大小，最大者即为当前需要安排的工序；

Step2、种群初始化：设定一个粒子规模为M的粒子群，每个粒子对应的当前位置，x_i＝{x_i1,x_i2,…,x_id}和当前速度v_i＝{v_i1,v_i2,…,v_id}都初始化为一组介于[0,1]区间的随机数，评价适应值后挑选整个粒子群中的最优位置粒子：p_g＝{p_g1,p_g2,…,p_gd}，然后初始化每个粒子迄今搜索的最优位置p_i＝{p_i1,p_i2,…,p_id}都为当前粒子的初始位置；

Step3、更新最优粒子：每一代种群根据粒子位置评价适应值，对每个粒子比较其适应值和群体最优粒子p_gd，以及当前粒子迄今搜索过的最佳位置p_id的适应值，如果更好则更新p_gd和p_id；

Step4、更新粒子速度v_i和位置x_i：按照以下式子更新粒子速度：

其中i＝1,2,…,m，d＝1,2,…,D，是迭代次数，w为惯性权重，w的大小影响了粒子全局搜索能力和局部搜索能力的平衡，c1和c2为学习因子，为正常数，分别调节向p_id和p_gd方向飞行的步长，学习因子使粒子具有向自我总结和群体中优秀个体学习的能力；和/分别表示粒子i在D维空间中的当前速度与更新后的速度；r1，r2是介于[0,1]区间的随机数；粒子更新后的位置等于当前位置与当前速度之和：/和/分别表示粒子i在D维空间中的当前位置与更新后的位置；

Step5、基于粒子距离大小关系排序进行的局部搜索：种群迭代一定次数之后未发生最优解更新，则执行“Interchange”领域搜索操作对最优粒子进行局部搜索，具体方法为：首先对最优粒子位置进行从大到小的排序，其对应的标号也按此排序交换位置，组成一个序列，然后对该序列执行“Interchange”操作，形成一个新的序列，最后按照该序列表示的大小关系重新赋予表示粒子位置的随机数；

Step6、终止条件：设定终止条件为最大迭代次数100，如果满足则输出“最优个体”否则重复step3，step4和step5直至满足终止条件。

2.根据权利要求1所述的汽车动力电池的装配过程的优化调度方法，其特征在于：设置种群规模M＝50，c1和c2都取2。