在表面贴装生产线中,贴片机的拾取与贴装过程耗时最长,因此成为了生产效率提高的瓶颈。对单台贴片机的拾贴过程进行优化,乃至对集成了多台贴片机的生产线进行整线优化,能够精简表面贴装生产任务,从而大幅缩短完成电路板贴装所需的耗时。高速多功能贴片机是表面贴装生产线上必备的,其名称中“多功能”意味着,这种贴片机能够贴装任意类型的贴片元器件,这也就导致了其所需完成贴装任务的集成性与复杂性,继而使得其贴装生产过程得到优化的技术难度极大。作为表面贴装生产中智能化制造过程管理技术的重要组成部分,高速多功能贴片机的贴装优化,旨在通过合理地规划贴片机对贴片元器件的拾取与贴装过程,实现生产效率的最大化。一套更优的贴装优化算法,能够在相同的生产条件下,将完成相同贴装任务所需的耗时缩减几个甚至几十个百分点。本文开展了对高速多功能贴片机的贴装优化算法研究,主要内容包括:本文首先对高速多功能贴片机的贴装过程进行了详细阐述,在此基础上引出了贴装优化子目标及其相关的拾贴操作。通过分析现有的问题分解方法,指出现有研究无法实现所有目标协同优化的原因在于分解后得出的子问题间耦合严重。尤其是首要优化目标之一的“合并拾取操作频次最大化”与所有子问题都有关联,导致只能以间接被动的方式促成合并拾取操作。基于“以目标驱动问题解耦”的思想,提出了一种基于分割解耦的问题分解方法,将高速多功能贴片机的贴装优化问题分解为吸杆任务分配问题与拾贴选址–路径优化问题,实现了首要优化目标与次要优化目标之间的分层解耦。具体来说,吸杆任务分配问题涵盖了包括合并拾取频次最大化在内的所有首要优化目标。通过提出“单台贴片机优化中的元件分配”以及“供料器组”的概念,主动促成“合并拾取最大化”目标的充分达成,为实现对所有优化目标的协同优化奠定了基础。本文提出了用于高速多功能贴片机贴装优化的分层多目标启发式算法。进一步分解了分割解耦得出的两个优化子问题,以得出由启发式算法可解的子问题。吸杆任务分配问题被分解为吸嘴分配问题与元件分配问题,拾贴选址–路径优化问题被分解为贴装点分配问题、供料器槽位分配问题以及贴装点排序问题。严格按照分层序列法,将子问题的求解顺序设定为所涉及优化目标重要性的降序顺序。充分利用领域知识,对各子问题精心设计了高速有效的启发式算法。基于禁忌搜索进一步改进了拾贴选址–路径优化结果。最后基于真实电路板数据,以市场中广泛应用的某型贴片机为测试平台,开展了仿真测试,证明了所提出算法能够实现全目标协同优化,并且优化效果优于测试平台内置的贴装优化求解器。提出了协调编码遗传算法,直接对吸杆任务分配与拾贴选址–路径优化问题进行求解。直接将吸杆任务分配问题视作元件分配问题进行求解,即直接决定各拾贴周期中各吸杆上的元件类型。作为一个三维二次分配问题,元件分配问题直接涵盖了所有主要目标的优化。由于存在某个吸杆保持空闲的情况,所以二维分配地址是存在不确定性的。提出了元胞分裂遗传算法,来求解这样一个复杂的三维二次分配问题。基于聚类的思想,元胞分裂遗传算法以元件元胞为基本分配单元。设计了元胞染色体解码启发式算法来决定后续待分配的吸杆。如此便降低了问题的维度,从而可以借助遗传算法直接基于当前代际的元件元胞寻找最优的元件分配结果。给出了元胞分裂操作机制,进一步细化分配结果的寻优过程。首次给出了适配于高速多功能贴片机贴装优化问题的多维染色体编码方法。基于多染色体遗传算法求解了拾贴选址–路径优化问题。在基于工业电路板数据集的仿真验证中,开展了与近年来新被提出的两种贴装优化算法以及市场中广泛应用的某型贴片机内置优化求解器的对比分析,证明了算法的有效性以及优化性能的优越性。由于贴片载具是有容量限制的,拾贴选址–路径优化问题属于容量受限选址–路径优化问题。相应地,贴装点分配问题与供料器组槽位分配问题都是有多个往返周期的优化问题。在各周期内部的优化启发式算法被设计完成的基础上,这两个子问题能被转化为以各周期处理顺序为优化对象的启发式排序优化问题。用于求解旅行商问题的典型Hopfield神经网络被改进为启发式排序Hopfield神经网络。对能量函数做了适配,以反映对应于各索引–顺序对的能量矩阵中各元素的激活状态。通过对各索引–顺序对的目标函数值进行探索,给出了集成有归一化技术的能量矩阵计算方法。多启动机制被应用以进一步提升Hopfield神经网络的全局寻优能力。在拾贴选址–路径优化问题的求解中,启发式排序Hopfield神经网络的优化性能超过了分层多目标优化算法以及多染色体遗传算法。最后,基于市场中广为应用的某型高速多功能贴片机开展了实际贴装实验。在相同的生产条件下,基于各贴装优化算法得出的结果去完成相同贴装任务,通过比较电路板贴装耗时这一终极优化目标,来得出最可信的优化性能对比结果。所比较的方法包括所提出的分层多目标启发式算法及其禁忌搜索改进版本、协调编码遗传算法以及贴片机内置的最新版贴装优化求解器。实际贴装实验中,基于五块较复杂电路板进行了贴装实验,验证了各算法的平均优化性能,还基于一块极限测试电路板,测试了算法的极限优化性能。实验结果表明,本文基于不同优化算法实现的高速多功能贴片机贴装优化算法均能直接用于实际生产,并且优化性能明显优于代表行业先进水平的最新贴装优化求解器。协调编码遗传算法作为元启发式算法,具有更强的全局寻优能力,但搜索耗时较长,且受搜索随机性的影响存在性能波动;分层多目标启发式算法基于启发式算法,具备近似最优的寻优能力,计算效率极高,且得出的结果稳定唯一;经过禁忌搜索改进之后,分层多目标启发式算法的优化性能可以很大程度上接近协调编码遗传算法,也就是说禁忌搜索改进版分层多目标启发式算法是其他两种贴装优化算法在优化性能与贴装效率上的折中。本文提出的贴装优化算法各具优势,可根据高速多功能贴片机的实际生产需求搭配使用。