基于遗传算法的虚拟维修环境布局规划研究

中国民航大学学报

基于遗传算法的虚拟维修环境布局规划研究

张忠华¹，耿宏²

（1.中国东方航空股份有限公司机务培训中心，上海200335；2.中国民航大学航空自动化学院，天津300300）

收稿日期:2013-12-25 修回日期:2014-03-13 出版日期:2014-06-24 发布日期:2014-10-31
作者简介:张忠华（1964—），男，上海人，工程师，硕士，研究方向为航空机务智能维修.
基金资助:
国家自然科学基金重点项目（60832011）

Novel virtual maintenance environment layout planning research based on GA

ZHANG Zhong-hua¹,GENG Hong²

(1. Maintenance Training Center,China Eastern Airlines Co. Ltd.,Shanghai 200335,China;2. College of Aeronautical Automation,CAUC,Tianjin 300300,China)

Received:2013-12-25 Revised:2014-03-13 Online:2014-06-24 Published:2014-10-31

摘要/Abstract

摘要：

虚拟维修环境是虚拟拆装的作业场所，属于维修虚拟实现的重要组成部分。在维修拆装过程中，容易遇到拆装部件复杂、拆装后零部件较多等情况。为了达到好的显示效果，解决虚拟维修拆装环境中零部件在三维空间的布局问题，应用层次划分对零部件进行归类，将三维空间布局简化为多个二维平面布局，降低布局的复杂度。在作二维布局时，使用遗传算法对布局进行优化，提高布局质量。最后将其应用到航空发动机高压压气机虚拟拆装零部件布局，表明该方法是可行的。

关键词: virtual maintenance environment, level dividing, layout optimization, genetic algorithm

Abstract:

Virtual maintenance environment is the workplace of virtual repair disassembly and assembly,which is an important part of maintenance virtual realization. During the maintenance disassembly process,conditions such as complex disassemble parts and excessive disassembling parts appear frequently. In order to achieve ideal display performance and resolve 3D layout problems of virtual maintenance disassembly parts and components,level dividing is applied to classify the parts and components;3D spaces are simplified into multiple 2D layouts,reducing layout complexity. Genetic algorithm is used in 2D layout to optimize and improve the quality of layout.Finally this method is employed into virtual disassembly parts and components layout of aero-engine high pressure compressor and is verified feasible.

Key words: virtual maintenance environment, level dividing, layout optimization, genetic algorithm

中图分类号:

TP18

张忠华，耿宏. 基于遗传算法的虚拟维修环境布局规划研究[J]. 中国民航大学学报.

ZHANG Zhong-hua,GENG Hong. Novel virtual maintenance environment layout planning research based on GA[J]. .

[1]	杨凯杰, 秦雪峰 a, 莫济懋 b, 王楚为, 李冠霖 a, DING H.Q. Chris, 蔡元哲 a. 基于大语言模型的中国民航公务员考试测评 [J]. 中国民航大学学报, 2025, 43(6): 88-96.
[2]	张鹏 a, 胡芳语 b, 段照斌 a, 刘静静 b. 基于飞行数据的 MSCNN-LSTM 水平安定面系统状态监测方法 [J]. 中国民航大学学报, 2025, 43(1): 60-66.
[3]	丁建立, 冯昊. 基于 GBDT 的多时刻航班过站关键节点时间预测模型[J]. 中国民航大学学报, 2024, 42(6): 27-33.
[4]	张鹏, 李广道. 基于 CNN 的飞机升降舵液压系统故障诊断[J]. 中国民航大学学报, 2023, 41(1): 35-40.
[5]	陶志, 胡柳, 王丹. 基于变精度优粗集模型的一致性规则挖掘算法[J]. 中国民航大学学报, 2021, 39(1): 59-64.
[6]	邢志伟, 吴哲, 罗谦. 单航班行李提取旅客密度动态预测[J]. 中国民航大学学报, 2020, 38(5): 35-40.
[7]	陶志, 王丹. 双向S-优势概率粗集的构造及应用#br#[J]. 中国民航大学学报, 2019, 37(5): 60-64.
[8]	孙淑光, 张泰荣. 遗传与禁忌搜索算法组合的停机位优化分配#br#[J]. 中国民航大学学报, 2019, 37(4): 11-14.
[9]	徐萌，席泽西，王雍赟，李晓露. 基于集成学习的航空发动机故障诊断方法[J]. 中国民航大学学报, 2019, 37(2): 29-33,42.
[10]	谢春生，李少华，戴玉洁. 基于蚁群算法的主干航线网络动态规划[J]. 中国民航大学学报, 2018, 36(6): 6-9.
[11]	陶志，潘丽平，何丹峰. 改进的模糊粗糙集模型[J]. 中国民航大学学报, 2017, 35(5): 60-64.
[12]	陶志，何丹峰，潘丽平. 条件先验概率优势关系粗糙集模型[J]. 中国民航大学学报, 2017, 35(3): 59-6.
[13]	徐建新，孙发东. 基于AdaBoost 的飞机部件DMC预计方法研究[J]. 中国民航大学学报, 2016, 34(5): 5-8.
[14]	李国，张春杰，张志远. 一种基于加权LDA模型的文本聚类方法[J]. 中国民航大学学报, 2016, 34(2): 46-51.
[15]	田丰，王喜艳，曹卫东，王静，曲文丽. 面向高并发服务请求的负载均衡技术研究[J]. 中国民航大学学报, 2015, 33(5): 47-50,64.