1.一种基于改进智能水滴算法的装配序列优化方法，其特征在于：该方法包括以下步骤：步骤1：进行产品三维模型构建，得到三维立体模型；根据产品的零部件之间的约束关系以及配合关系，构建三维空间干涉矩阵，搜索可行的装配序列集合；

步骤2：以装配方向的改变次数以及装配工具改变次数为评价指标，并设置评优权重，构造目标函数；

步骤3：通过对智能水滴算法的改进，将产品的各个零件设为水滴算法上的各个节点，则水滴流经某个节点的路径代表该待加工零件有该节点的装配序列，结合评价指标构造适应于装配序列的适应度函数，然后得到装配评价函数，得到新的智能水滴算法公式；

所述步骤3中，综合上述步骤2零件在装配过程中所依据的评价指标，构造适应于装配序列的适应度函数：式(2)中，Fi表示第i个零件装配时的适应度函数，Fij(h,h+1)表示从第h个零件到第h+1个零件的装配过程中所依据装配评价指标而产生的装配评价函数，其中，h∈[i,N‑i]，结合式(1)得到装配评价函数：r t

Fij(h,h+1)＝μ1fij(h,h+1)+μ2fij(h,h+1)   (3)r t

其中，fij (h,h+1)表示从第h个零件向第h+1个零件装配时装配方向发生改变次数，fij(h,h+1)表示从第h个零件向第h+1个零件装配时装配工具改变次数，μ1是在装配评价函数中装配方向发生改变的权重值，μ2是在装配评价函数中装配工具发生改变的权重值，且μ1+μ2＝1；

步骤4：利用改进后的智能水滴算法公式，对装配序列规划问题进行迭代求解，搜索最优装配序列解，通过最优装配序列解实现装配序列优化。

2.根据权利要求1所述的一种基于改进智能水滴算法的装配序列优化方法，其特征在于：所述步骤1中的实现过程：将装配体的二维图通过Catia软件得到三维立体模型，得到n个零件组成的装配体P＝{p1，p2，...，pn}，对各个零件进行编号，根据待装配体各个子零件之间的装配关系，建立空间三维干涉矩阵Rd，所述空间干涉矩阵Rd如下所示：d∈{+x,‑x,+y,‑y,+z,‑z}

其中，n表示装配体由n个零件构成，pi表示在装配序列中第i个零件的编号，d表示零件i沿±x,±y,±z方向对零件j进行装配，由于每个零件存在6个装配方向上的干涉矩阵，则需要将代表6个方向上的干涉矩阵结合组成综合空间干涉矩阵Rd，对综合空间干涉矩阵每行元素进行或运算，得到待装配零件与其他零件的干涉情况，干涉矩阵中的rij表示装配完第i个零件后，紧接着对装配第j个零件所产生的干涉情况，若rij的值为0，则说明第i个零件对接下来安装的第j个零件不产生干涉，反之，若rij的值为1，则说明产生干涉；将未与其他零件产生干涉的零件加入到可行装配集合VP中。

3.根据权利要求1所述的一种基于改进智能水滴算法的装配序列优化方法，其特征在于：所述步骤2中以装配方向的改变次数以及装配工具改变次数为评价指标，则具体的目标函数为：Fij＝μ1fij(r)+μ2fij(t)    (1)

其中，Fij为目标函数，fij(r)表示在装配第i个零件到第j个零件装配方向改变次数的适应度函数，fij(t)表示在装配第i个零件到第j个零件装配工具改变次数的适应度函数，μ1表示影响装配方向的权重值，μ2表示影响装配工具使用的权重值。

4.根据权利要求1所述的一种基于改进智能水滴算法的装配序列优化方法，其特征在于：在步骤3中，设置智能水滴参数信息，其中包含：水滴个数N(IWD)，最大迭代数Nmax，初始水滴访问集合CT，泥土量Soilij，泥土量参数as,bs,cs，速度量Velij，速度量参数av,bv,cv；基于智能水滴算法，将待加工零件设为水滴算法上的各个节点，水滴流经某个节点的路径，则代表该待加工零件有该节点的装配序列。

5.根据权利要求4所述的一种基于改进智能水滴算法的装配序列优化方法，其特征在于：所述步骤3中，对节点间路径概率选择上以及最优值保留上进行改进，具体公式如下式所示：IWD

式(5)中，ε为极小实数值，其作用是避免分母中出现趋于0，从而使迭代发生错误；P(i,j)表示第i个零件到第j个零件概率选择计算公式，f(soil(i,j))表示位置i与位置j之间的与泥土量相关的函数，即下式中有泥土量式(6)；

式(6)中，soil(i,h)为下一节点的路径泥土量；g(soil(i,j))表示位置i与位置j之间的泥土量公式，soil(i,j)为位置i到位置j的泥土量，soil(i,h)为位置i到位置j中某点h为该搜索过程中找到的最小泥土量；

引入概率选择因子p0，使得在下一节点路径选择概率能够动态调整；当搜索处于前期时，使所有待选路径节点都有被选择的概率，而当搜索到后期时，迭代结果被确定在某一范围，此时自适应因子p0增大，加快收敛速度；此为选择概率公式如下：其中p0∈(0,1)，r为(0,1)中的随机数，pi表示第i个节点处时的概率选择因子，P0为初始节点时的概率选择因子。

6.根据权利要求5所述的一种基于改进智能水滴算法的装配序列优化方法，其特征在于：将每代种群进化中搜索到的最优适应度水滴 保存为精英个体，若下次t+1次迭代个体中的最优适应度水滴个体优于上代最优适应度个体，则替代上代最优个体，设为新代精英个体。

7.根据权利要求1所述的一种基于改进智能水滴算法的装配序列优化方法，其特征在于：步骤4中具体步骤为：步骤41：初始化水滴参数，并设置最大迭代数Nmax；

步骤42：初始化水滴数量，并将可行装配零件集合VP中的零件置于水滴节点上，设置每个水滴初始所携带的泥土量以及初始速度，对所有水滴执行步骤43至步骤48操作；

步骤43：开始一次迭代，并搜索下一节点路径；

步骤44：利用自适应概率选择下一路径点；

步骤45：运用到式(4)到式(7)计算每个水滴的个体适应度值；

步骤46：将适应度最高的水滴个体best设为精英水滴Fbest；

步骤47：更新此次迭代水滴速度以及泥土量；

步骤48：将当代最优值Fbest与上代最优值比较，若小于上代最优值，则最为全局最优值，并更新全局泥土量；

步骤49：若达到最大迭代数，则当前最优值最为全局目标最优值，否则迭代继续，重复执行步骤42。