PCB(Printed Circuit Board)行业是全球性的大行业,预计2019年全球PCB市场的产值将达660亿美元。PCB是电子产业中的重要部件。表面贴装工艺是PCB生产中的重要工艺,其中的点胶工艺主要由高端制造业中的点胶机实现,工艺中的点胶路径对生产效率有较大的影响。目前,表面贴装工艺中的点胶路径规划算法存在求解时间长、容易陷入局部最优解的缺点。本课题针对这些问题,提出了一种改进蚁群算法,并将其应用于三轴点胶机平台,开展点胶路径优化实验研究。针对点胶中的路径优化,提出一种k-means自适应信息挥发素动态调整蚁群算法。本课题构建点胶路径优化问题模型,搭建三轴点胶实验平台,通过Mark圆检测算法实现生产中PCB板定位,完成点胶位置的坐标变换。通过对用于点胶路径规划中的蚁群算法的分析,分别针对蚁群算法求解大规模TSP问题存在求解时间较长和容易陷入局部最优解的主要问题,提出算法改进的方向。在求解时间优化上,采用分而治之的思想,利用k-means聚类算法将数据分组,再分别对子问题进行路径优化求解,并进行子问题的类间连接,得出最终优化路径。在求解质量的改进上,本课题提出对蚁群算法进行信息挥发速率动态调整,在分组后的子问题求解上采用此算法,以达到跳出局部最优解的目的。在算法测试上,采用国际通用的TSPlib数据集对蚁群算法和本课题提出的改进算法进行测试。实验验证方面,在三轴点胶平台上验证改进算法在优化点胶路径上的有效性,并和原有X向、Y向路径优化算法及蚁群算法的求解进行对比。对比实验结果表明,相比原有算法以及蚁群算法,本课题提出的改进算法在求解时间和路径长度优化上都有显著提升,可以有效提高表面贴装工艺中点胶工艺的效率,提升PCB行业的生产效率。