工业4.0背景下的PCB生产车间升级改造关键技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-13页 |
| 1.1 PCB行业的快速发展 | 第10页 |
| 1.2 国内外PCB生产行业现状 | 第10-11页 |
| 1.3 PCB生产车间现状 | 第11页 |
| 1.4 课题背景及来源 | 第11-12页 |
| 1.5 研究内容及论文结构 | 第12-13页 |
| 2 工业 4.0 与PCB制造 | 第13-16页 |
| 2.1 工业 4.0 的介绍 | 第13页 |
| 2.1.1 工业 4.0 的概念 | 第13页 |
| 2.1.2 工业 4.0 的特点 | 第13页 |
| 2.1.3 布局工业 4.0 的原因 | 第13页 |
| 2.2 PCB制造的工业 4.0 路线 | 第13-15页 |
| 2.2.1 PCB生产车间的新建方向 | 第14页 |
| 2.2.2 PCB生产车间的升级改造方向 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 3 重庆某公司PCB车间升级改造方案 | 第16-25页 |
| 3.1 PCB生产流程及设备分析 | 第16-18页 |
| 3.2 PCB生产车间的布局分析 | 第18-19页 |
| 3.3 现阶段PCB生产车间改造总体原则 | 第19-20页 |
| 3.4 关键的物流运输方式 | 第20-22页 |
| 3.4.1 运输方案的选择 | 第20-21页 |
| 3.4.2 运输方案的确定 | 第21-22页 |
| 3.5 初期的升级方案的及关键技术 | 第22-23页 |
| 3.6 本章小结 | 第23-25页 |
| 4 PCB车间上下料机器人的设计 | 第25-39页 |
| 4.1 PCB自动上下料机器人的概述 | 第25页 |
| 4.2 DES水平生产线上下料机器人 | 第25-31页 |
| 4.2.1 上下料过程分析 | 第25-27页 |
| 4.2.2 自动上料机构的设计 | 第27-29页 |
| 4.2.3 自动下料机构的设计 | 第29-31页 |
| 4.3 AOI工序的翻转上下料机器人 | 第31-35页 |
| 4.3.1 上下料过程分析 | 第31-32页 |
| 4.3.2 自动上下料机构的设计 | 第32-35页 |
| 4.4 电测工序的上下料机器人 | 第35-38页 |
| 4.4.1 上下料过程分析 | 第35-36页 |
| 4.4.2 自动上下料机构的设计 | 第36-38页 |
| 4.5 缓存方案 | 第38页 |
| 4.6 本章小结 | 第38-39页 |
| 5 PCB车间物流AGV的设计 | 第39-52页 |
| 5.1 AGV的硬件结构组成 | 第39-40页 |
| 5.2 AGV驱动模块的设计 | 第40-44页 |
| 5.2.1 驱动方式的选择 | 第40-42页 |
| 5.2.2 电机的参数计算及选型 | 第42-43页 |
| 5.2.3 减震方式的选择 | 第43-44页 |
| 5.3 AGV引导和定位的设计 | 第44-46页 |
| 5.3.1 引导方案的选择 | 第44-45页 |
| 5.3.2 磁导航传感器的选型 | 第45-46页 |
| 5.3.3 AGV的定位 | 第46页 |
| 5.4 上下料机构与AGV的对接方式设计 | 第46-51页 |
| 5.4.1 移载方式的选择 | 第46-48页 |
| 5.4.2 AGV的移载模块设计 | 第48-50页 |
| 5.4.3 AGV的对接定位方法 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 6 PCB车间AGV调度的研究与实现 | 第52-72页 |
| 6.1 AGV调度系统的构架 | 第52-53页 |
| 6.2 PCB车间地图建模与存储 | 第53-54页 |
| 6.3 单台AGV最短路径规划 | 第54-56页 |
| 6.3.1 Dijkstra算法求解最短路径 | 第54-55页 |
| 6.3.2 A*算法求解最短路径 | 第55-56页 |
| 6.3.3 Floyd算法求解最短路径 | 第56页 |
| 6.3.4 算法分析 | 第56页 |
| 6.4 PCB车间任务调度数学模型建立 | 第56-60页 |
| 6.4.1 单台AGV问题描述与分析 | 第57-58页 |
| 6.4.2 单台AGV多任务的数学模型 | 第58页 |
| 6.4.3 多台AGV问题描述与分析 | 第58-59页 |
| 6.4.4 多台AGV多任务的数学模型 | 第59-60页 |
| 6.5 改进的遗传算法的设计 | 第60-62页 |
| 6.5.1 个体编码设计 | 第60-61页 |
| 6.5.2 适应度与选择 | 第61页 |
| 6.5.3 交叉与变异 | 第61-62页 |
| 6.5.4 改进的部分 | 第62页 |
| 6.6 多AGV调度算法实现与分析 | 第62-67页 |
| 6.6.1 地图建立与任务产生 | 第62-64页 |
| 6.6.2 最短路径结果验证 | 第64页 |
| 6.6.3 传统遗传算法结果验证 | 第64-66页 |
| 6.6.4 改进前后的对比分析 | 第66-67页 |
| 6.7 调度冲突问题研究 | 第67-70页 |
| 6.7.1 调度冲突问题分析 | 第67-68页 |
| 6.7.2 基于时间窗的调度模式 | 第68-69页 |
| 6.7.3 基于单向图的调度模式 | 第69-70页 |
| 6.7.4 两种解决模式的选取 | 第70页 |
| 6.8 本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表论文及科研成果 | 第78-79页 |
| 致谢 | 第79-80页 |
