产品装配序列问题的方法，其特征在 于：首先制定各个零件的命名规则，然后通过两个自定义函数实现了免疫算法（Immune Algorithm)和粒子群优化算法（PSOalgorithm)的结合，主要包括八大重要步骤：设定参 数、初始化、更新粒子群、免疫操作、更新记忆库，终止条件验证、校对、输出。
[0030] 所述零件的命名规则为：采用'A?B'的形式，A表示零件的种类码，B表示零件的 空间位置码，其中A、B均为自然数；
[0031] 根据空间位置的优先级，按序排列；其中空间位置优先级为：先左后右、先前再 后，先上后下；用符号表不为：左〈右，肖U〈后，上〈下。
[0032] 所述算法的设定包括：3. 1约束条件；3. 2目标函数；3. 3免疫粒子群算法。
[0033](根据所述方法能够达到的标准中为几何可行性标准以及连贯性标准做了新的定 义
[0034] 令P={Pi，p2, . . .，PN}表示装配体中零件的集合，31= {31 i，31 2，…，31J表示 装配序列，其中，"i= [q!，q2，…qN]，⑴i= 1，2, ? ??，m; (2)q.jeP，j= 1，2，…，N; (3) q.j^qk，杉::l学.:..汉《
[0035] 用移动边（MW)表示Pl和Pj之间在装配过程中的几何约束。丽(Pl，Pj) = {+X，_X, +Y, -Y, +Z, -Z}表示在装配零件Pi过程中，Pi与已装配零件Pj不发生干涉的装配方向的集 合。
[0036] 令Q为零件qi装配之前的零件的集合，则 AWCq;^-：vIW(q,f ~X, -X,i-￥( -Z, -Z),
[0037] 定义1几何可行性标准
[0038] 如果装配序列^=[如q2，…qN]，V丨那么，装配序列 n,满足几何可行性，即n,表示一个没有几何干涉的装配序列；如果n,不满足几何可行 性，则n,表示一个有几何干涉的装配序列。
[0039] 定义2连贯性标准
[0040]对于装配序列^ =[qi，q2，…，qN]而言，如果
那 么装配序列n,满足连贯性，其中，符号V表示布尔逻辑'0R'运算符，符号E表示算术逻辑 求和运算符。
[0041] 根据所述设计两个自定义函数实现免疫算法（ImmuneAlgorithm)和粒子群优化 算法（PSOalgorithm)的结合，本文命名两个函数〖（?）和t(?)，定义如下：
[0042] 定义3由釋映射到，丄的公式= 满足如下条件：
[0043] (1)如果Xlj <xlk，那么q'j<q'k;
[0044] (2)如果Xu=xik 且j<k,那么q、<q'k;
[0045]其中，Xi = (xu，xi2，...，xiN)T，； = [q' ！，q'！，…，q'N]，
[0046]X。eR，q，〗eR，1 彡i彡M，1 彡j彡N，MeR，NeR，R表示自然数域。
[0047] 定义4由31 'i映射到31i的公式为t(31 'i) = 31i，满足冲继承了q' 的文 本内容，区别在于定义域不同。其中，:，…，q' qN]，q，〗eR，qjeW，1 <i<M，j<N〇
[0048]MeR，NeR，R表示自然数域，W表示文本域。）
[0049] 单个算法应用在解决装配序列规划问题时，都是有着各自的优缺点。为了弥补单 个算法在装配序列规划中应用时的缺陷，并充分利用其优点，本发明将人工免疫算法和粒 子群优化算法两种算法串行混合起来，建立一种能够结合两种算法优点、克服各自缺陷并 适应锂离子电池高效装配问题的装配序列规划的新颖混合算法。
[0050]其中，粒子群优化算法PSO(Particie Swarm Optimization)是由Eberhart博士 和Kennedy博士发明的一种新的全局优化进化算法，它源于对鸟类捕食行为的模拟。作为 一种重要的优化工具，它具有收敛快、易实现的优点，却有与遗传算法类似的早熟收敛现 象。免疫算法充分体现了免疫系统的多样性、免疫自我调节、免疫记忆及分布式并行等特 点。具有更强的全局搜索能力及更快的收敛速度，能够有效克服遗传算法中容易出现的未 成熟收敛及搜索时间过长的状况，实现了全局收敛性能和收敛速度的有效改善。
[0051] 本
【发明内容】
主要包括两个部分：零件的命名规则、具体算法的设计。最后以一种典 型的锂离子电池为例进行装配序列规划优化。
[0052] 1、锂电池零件的命名规则
[0053] -般而言，装配产品都是由许多种类的零件所组成，且每种零件的数目一般只有 一个，因此常采用自然数给每个零件命名。
[0054] 但是，锂离子动力电池是由许多种类的零件所组成，且每种零件的数目比较多。如 果仍然用自然数给每个零件命名，则很难从零件的命名上看出哪些零件属于同一种类别。
[0055]本发明采用如下的规则对零件进行命名：'A?B'，A表示零件的种类码，B表示零 件的空间位置码，其中A、B均为自然数。
[0056] A与B的命名规则如下：
[0057] 根据空间位置的优先级，按序排列。其中空间位置优先级如图1所示，先左后右、 先前再后，先上后下。本命名规则可以用符号表示为：左（图1中顶点1，2, 3, 4围成的区 域）〈右（顶点5, 6, 7, 8围成的区域），前（顶点1，2, 5, 6围成的区域）〈后（顶点3, 4, 7, 8 围成的区域），上（顶点1，3, 5, 7围成的区域）〈下（顶点2, 4, 6, 8围成的区域）。其中'〈' 表示优先级，例如'A〈B'表示A的优先级高于B，具体实例如图3所示。
[0058] 2、算法设计
[0059] 2. 1约束条件
[0060] 2. 1.1几何可行性
[0061] 令P = {Pi，p2, . . .，PN}表示装配体中零件的集合，n = { 31 i，31 2，…，31 J表示 装配序列，其中，" i = [q!，q2，…qN]，⑴i = 1，2,? ? ?，m ; (2)q.j e P，j = 1，2，…，N ; (3) q.j弇qk，C H
[0062] 用移动边（MW)表示Pl和Pj之间在装配过程中的几何约束。丽(Pl，Pj) = {+X，_X， +Y, -Y, +Z, -Z}表示在装配零件Pi过程中，Pi与已装配零件Pj不发生干涉的装配方向的集 合。
[0063]令Q为零件装配之前的零件的集合，则 ' q, -X, -X, -?￥, -Z,-Zhq.6 〇
[0064] 定义1 :几何可行性标准
[0065]如果装配序列.:r; =_ [qp七5…qj，ViS(i,Mj,ifAW(%)硖那么，装配序 列n,满足几何可行性，即n,表示一个没有几何干涉的装配序列；如果n,不满足几何可 行性，则L表示一个有几何干涉的装配序列。
[0066] 2. 1. 2连贯性
[0067] 为了保持装配的稳定性，整个装配过程必须满足连贯性要求。即一个即将被装配 的零件必须与一个或多个已装配的零件存在接触关系，否则，需要辅助零件来完成装配操 作，这将直接导致更高的装配成本和更多的装配时间。尽管它是可行的装配序列（即符合 几何可行性），但从成本角度考虑，它一定不是最经济的。因此，最好的装配序列必须满足连 贯性。
[0068] 令接触矩阵CM表示零件之间的关系。如果CM(Pl，Pj) = 1，则表示Pl和Pj之间存 在接触关系；否则，如果CM(Pi,pj= 0,则表示Pi与Pj之间不存在接触关系。
[0069] 定义2连贯性标准
[0070] 对于装配序列^ = [qi，q2，…，qN]而言，如果
那 么装配序列n,满足连贯性，其中，符号V表示布尔逻辑'0R'运算符，符号E表示算术逻辑 求和运算符。
[0071] 2.2目标函数
[0072]目标函数值越大，则可行解就越接近最优解。在本文中，目标函数如下所示：
[0073]
[0074] 其中，表示目标函数的工艺性，f2表示目标函数的几何可行性，f3表示目标函数 的连贯性，N是装配体中零件的总数目。
[0075] 2.2. 1目标函数的工艺性
[0076] 如果装配体的基础件位于装配序列的第一位，则B=kk;否则B= 0。
[0077] 为了强调基础件位于装配序列第一位的重要性，本文kk=N-1 = 50.
[0078]nt和nd分别表示装配工具的变换次数以及装配方向的变换次数。
[0079] wb、〇4和（^表示权重，其中〇彡obs^l，〇s^ ots^l，〇s^ ods^l，且ob+ot+od =1，
[0080] 计算公式如下：
[0081]
[0082] 其中，n表示工程信息中的元素总数目，k表示工程信息中元素的重要性级别。假 设等式1中的工程数据的重要性顺序为：基础件〉装配工具〉装配方向。从等式2中权重 wb(k= 1) = 1/2，wt(k= 2) = 1/3，以及wd(k= 3) = 1/6。
[0083] 2. 2. 2目标函数的几何可行性
[0084]FG用来检测装配序列的几何可行性，它的计算公式如下：
[0085]
[0086] 其中，NG表示在装配过程中发生几何干涉的零件总数。对于一个装配序列而言， 如果任意一个零件i(基础件除外）与它之前的任何一个已经装配好的零件发生干涉，则该 装配序列满足几何可行性要求。在这种情况下FG= 1 ;否则，该装配序列不满足几何可行 性，此时0彡FG彡1。
[0087] 2. 2. 3目标函数的连贯性
[0088]FC是用来检测装配序列中Pl和P]之间连贯性，它的计算公式如下：
[0089]
[0090] 其中NC表示在装配过程中零件之间不发生接触的总数目。对于一个装配序列而 言，如果每个零件（第一个零件和最后一个零件除外）与任意已装配零件都存在接触关系， 则该装配序列满足连贯性要求，在这种情况下，FC= 1 ;否则，该装配序列不满足连贯性要 求，在这种情况下〇彡FC< 1。
[0091] 根据公式1~公式4,目标函数的计算如下：
[0092]
[0093] 2. 3免疫粒子群算法