摘要：冷冻隧道库体由多块隔热夹芯板组成，库体夹芯板之间的安装缝隙大小直接决定着冷冻隧道质量。由于人工随机转配存在质量控制困难，基于提升装配质量和装配率，研究将计算机辅助选择装配（CASA）技术用于冷冻隧道库体装配，实质就是库板组成环偏差的合理选配。明确计算机辅助选择装配质量目标函数，建立了选择装配寻优路径，构建了寻优数学模型，并制订寻优原则。搭建计算机辅助选择装配系统，以零部件尺寸信息为输入，以装配工艺系统图为约束，利用带约束的双层蚂蚁遍历寻优方法生成最优装配方案。出厂包装时，工艺人员利用所述方法进行模拟组装，将对应的冷冻隧道库板进行编号，包装在一起，发往工地，安装时按照编号进行装配。通过仿真计算可知，使用基于蚁群算法的选择装配质量为0.651，比人工随机装配提高了256%，极大提升了食品冷冻隧道库体的装配质量，提高食品冷冻效率。

　　关键词：冷冻隧道；计算机辅助选择装配；蚁群算法；装配质量

　　0引言

　　冷冻隧道是用来冷藏和冷冻货物的一种自动化设备，通常用于食品加工厂、大型超市、餐厅食堂等地方，结构主要包括库体、管道、制冷机、冷风机和电控系统等，如图1（a）所示。其中库体由多块隔热夹芯板组成，夹芯板两面面板采用无毒防锈防护金属板，夹心通常使用聚氨酯泡沫塑料。按照国标GB/T 22732-2008《食品速冻装置流态化速冻装置》“5.4.2组装后的隔热夹芯板接缝应均匀、严密，接缝平面错位应≤1.5 mm”。库体夹芯板之间的缝隙大小直接决定着冷冻隧道质量，如图1（b）所示。这些缝隙如果处理不当，一方面会造成冷气外泄，浪费能耗；另一方面空气水分的进入，会加速冷库老化，破坏整体结构。因此，在冷库库板拼装时，对板材之间的缝隙处理是比较重要的。

　　冷库库板缝隙主要由以下几个原因造成：（1）安装不严密，首先库板物理尺寸存在偏差（公差范围内），如表1所示，其次是工人安装不到位或者工艺不过关导致缝隙出现；（2）使用过程中，由于振动、温度变化等原因，导致原本紧密的缝隙出现分裂或扩大变形；（3）材料老化失效也会使密封不再严密，从而出现缝隙。

　　对于一台新的冷冻隧道，安装不严密是其库体出现缝隙的主要因素。因此，在安装库体库板时，首先应精密测量各库板的物理尺寸，然后进行排列组合，以保证顶端缝隙、底端缝隙、以及横向缝隙的均匀性和直线性。那么，在装配时，为减小缝隙，科学选择库体显得尤为重要。

　　假设只考虑库体的上下壁板、左右侧壁板之间的装配，同时为便于构建模型，仅以上壁板、一面侧壁板之间转配为研究对象。如果一台冷冻隧道库体由i块上壁板和j块侧壁板（单侧）组成，安装时将有(i×j)!种随机组合方式。若某食品厂家预定了H台同类型冷冻隧道，则在出厂时，如果按单台进行库板包装，所有库板共有H×(H-1)×(H-2)×⋯⋯×(H-i×j-1)×(i×j)!种包装方案。

　　如果以库体壁板装配横向和纵向缝隙均匀性判断冷冻隧道质量优劣，理论上存在一种最优组合，当i、j、H较大时，这一最优组合是无法靠人工穷举找到的。随着计算机技术和智能算法技术的不断发展，计算机辅助选择装配（Computer Aided Selective Assembly，CASA）成为目前面向大规模装配的一种科学方法。徐知行、刘向勇等[1-3]对装配质量目标函数以及装配质量判定标准进行深度研究。王峻峰等[4]总结了计算机辅助装配规划研究现状进展。牛新文等[5]对计算机辅助装配顺序规划方式方法进行了研究。

　　1计算机辅助选择装配系统结构

　　计算机辅助选择装配系统以零件、部件尺寸信息为输入，以装配工艺系统图为约束，在计算机系统（集成智能优化算法）的支持下，生成最优装配方案（即零部件选配指引），模型如图2所示。

       参考文献：

　　[1]徐知行,刘向勇,周晓勤.基于蚁群算法的选择装配[J].现代制造工程,2007(9):83-85.XU Z X,LIU X Y,ZHOU X Q.A new approach to selective as⁃sembly with ant colony algorithm[J].Modern Manufacturing Engi⁃neering,2007(9):83-85.

　　[2]徐知行,丛文龙,唐可洪.计算机辅助选择装配方法[J].吉林大学学报,2005(6):613-616.XU Z X,CONG W L,TANG K H.Computer-aided selective as⁃sembly method[J].Journal of Jilin University of Technology(Natu⁃ral Science Edition),2005(6):613-616.

　　[3]刘向勇.计算机辅助选择装配算法研究[D].长春:吉林大学,2006.

　　[4]王峻峰,李世其,刘继红,等.计算机辅助装配规划研究综述[J].工程图学学报,2005(2):1-7.WANG J F,LI S Q,LIU J H,et al.Computer aided assembly plan⁃ning:a survey[J].Journal of Engineering Graphics,2005(2):1-7.

　　[5]牛新文,丁汉,熊有伦.计算机辅助装配顺序规划研究综述[J].中国机械工程,2001(12):121-124.NIU X W,DING H,XIONG Y L.Computer-aided assembly se⁃quence planning:a survey[J].China Mechanical Engineering(中国机械工程),2001(12):121-124.

　　[6]Dorigo M,Gambardella L M.Ant colony system:A cooperative learning approach to the traveling salesman problem[J].IEEE Trans Evolutionary Computation,1997,1(1):53-66.

　　[7]Dorigo M,Maniezzo V,Colorni A.The ant system:Optimization by a colony of cooperating agents[J].IEEE Trans on SMC,1996,26(1):28.

　　[8]梁嘉伟,刘向勇,张俊强.基于多级并行蚁群算法的综合布线路径规划[J].机电工程技术,2023,52(7):107-110.LIANG J W,LIU X Y,ZHANG J Q.Comprehensive cabling path planning based on multi-level parallel ant colony algorithm[J].Mechanical&Electrical Engineering Technology,2023,52(7):107-110.

　　[9]张新娟,刘向勇,李依璟,等.基于改进蚁群算法的光伏阵列组件选配方法[J].机电工程技术,2023,52(11):43-46.ZHANG X J,LIU X Y,LI Y J,et al.Photovoltaic array module selection method based on improved ant colony algorithm[J].Me⁃chanical&Electrical Engineering Technology,2023,52(11):43-46.

　　[10]宋建军,侯志强,余旺盛.基于改进的蚁群算法的边缘连接方法[J].电光与控制,2012,19(10):42-45.SONG J J,HOU Z Q,YU W S.Edge linking method based on improved ant colony algorithm[J].Electronics Optics&Control,2012,19(10):42-45.

　　[11]刘向勇,王鑫鹏.基于改进蚁群算法的单体电池选配技术研究[J].数学的实践与认识,2021,51(4):145-152.LIU X Y,WANG X P.Research on the single cell matching technology based on improved ant colony algorithm[J].Mathe⁃matics in Practice and Theory,2021,51(4):145-152.

　　[12]刘向勇.基于智能算法的计算机辅助选择装配技术[M].重庆:重庆大学出版社,2021:43-44.

　　[13]吴光辉.冷冻调理食品的质量控制[J].现代食品,2019(11):27-30.WU G H.Quality control of frozen conditioning food[J].Modern Food,2019(11):27-30.

　　[14]王佳豪,张存喜.基于BP神经网络PID控制对渔船冷库温度控制的研究[J].机械工程师,2023(11):25-28.WANG J H,ZHANG C X.Research on temperature control of fishing vessel cold storage based on bp neural network PID con⁃trol[J].Mechanical Engineer,2023(11):25-28.

　　[15]王安敏,刘聪毅.基于BP神经网络PID的快速冷冻系统设计[J].计算机与数字工程,2020,48(8):1902-1906.WANG A M,LIU C Y.Design of fast refrigeration system based on bp neural network PID[J].Computer&Digital Engineering,2020,48(8):1902-1906.

　　[16]张朔,王维,李一喆,等.冷冻干燥过程强化中冷冻阶段优化的研究进展[J].化工进展,2020,39(8):2937-2946.ZHANG S,WANG W,LI Y Z,et al.Research progress on opti⁃mization of freezing stage in enhancement of freeze-drying[J].Chemical Industry and Engineering Progress,2020,39(8):2937-2946.

　　[17]李向上.基于Fluent的冷库温度调节过程数值仿真[C]//北京力学会,北京振动工程学会.北京力学会第21届学术年会暨北京振动工程学会第22届学术年会论文集,中国北京:中国矿业大学力学与建筑工程学院,2015:105-107.

　　[18]初勤亭.基于PLC的模糊参数自整定冷库控制系统研究[J].组合机床与自动化加工技术,2008(8):64-67.CHU Q T.Research on parameter adaptive fuzzy control for cold storage refrigeration system based on PLC[J].Modular Machine Tool&Automatic Manufacturing Technique,2008(8):64-67.

　　[19]唐友亮,杨雪,高晓威.基于PLC的小型冷库自动控制系统的研究及应用[J].科技视界,2016(12):61.

　　[20]万常彪,韩啸.TPO单层屋面系统在装配式冷库项目中的应用[J].中国建筑防水,2017(15):6-9.WAN C B,HAN X.Application of TPO single-ply roof system in fabricated cold storage project[J].China Building Waterproof⁃ing,2017(15):6-9.

　　[21]江向阳,胡贺松,杨建坤,等.装配式冷库保温设计及施工[J].广州建筑,2016,44(6):23-26.JIANG X Y,HU H S,YANG J K,et al.Thermal insulation de⁃sign and construction of assembled cold storage[J].Guangzhou Architecture,2016,44(6):23-26.