1.基于蚁群算法的汽车轮毂轴承内外圈合套系统，其特征在于：包括管理控制模块(1)、分选机料库装置(2)和合套装配装置(3)；
管理控制模块(1)与分选机料库装置(2)连接，并发送控制信号至分选机料库装置(2)，分选机料库装置(2)根据接收的控制信号，安照蚁群算法进行机料的删选；
分选机料库与合套装配装置(3)连接，并将按照蚁群算法删选后的机料传送至合套装配装置(3)，合套装配装置(3)进行机料的装配；
合套装配装置(3)将装配的机料信息发送至管理控制模块(1)，管理控制模块(1)对装配的机料信息进行分析判断，并发送控制信号至合套装配装置(3)。
2.根据权利要求1所述的基于蚁群算法的汽车轮毂轴承内外圈合套系统，其特征在于：分选机料库装置(2)包括分选机料库支架(27)、轴承内圈滑动导轨(23)、轴承外圈滑动导轨(24)、轴承内圈存放库(25)、轴承外圈存放库(26)，分选机料库支架(27)与轴承内圈滑动导轨(23)和轴承外圈滑动导轨(24)固定连接，分选机料库支架(27)两侧设有轴承内圈存放库(25)和轴承外圈存放库(26)，轴承内圈存放库(25)位于轴承内圈滑动导轨(23)下方，轴承外圈存放库(26)位于轴承外圈滑动导轨(24)下方，轴承内圈滑动导轨(23)上设有轴承内圈气爪(21)，轴承内圈气爪(21)与轴承内圈滑动导轨(23)滑动连接；轴承内圈气爪(21)抓取经过蚁群算法计算后的轴承内圈传送至合套装配装置(3)；轴承外圈滑动导轨(24)上设有轴承外圈气爪(22)，轴承外圈气爪(22)与轴承外圈滑动导轨(24)滑动连接；轴承外圈气爪(22)抓取经过蚁群算法计算后的轴承外圈传送至合套装配装置(3)。
3.根据权利要求1所述的基于蚁群算法的汽车轮毂轴承内外圈合套系统，其特征在于：合套装配装置(3)包括轴承内圈合套模块(31)和滚动体合套模块(32)，滚动体合套模块(32)对分选机料库装置(2)输送的轴承外圈与滚动体进行装配，装配后形成带有外圈的滚动体，带有外圈的滚动体输送至轴承内圈合套模块(31)，轴承内圈合套模块(31)对带有外圈的滚动体和分选机料库装置(2)输送的轴承内圈装配形成合套机。
4.根据权利要求1所述的基于蚁群算法的汽车轮毂轴承内外圈合套系统，其特征在于：管理控制模块(1)包括电源模块(11)、微处理器模块(14)、存储模块(13)、采集模块(12)和显示模块(15)；电源模块(11)与微处理器模块(14)连接，并给微处理器模块(14)提供电源；微处理器模块(14)连接采集模块(12)和显示模块(15)，微处理器模块(14)接收采集模块(12)输入的信号，并对接收的信号进行处理；微处理器模块(14)和存储模块(13)连接，存储模块(13)储存微处理器模块(14)处理后的信号，显示模块(15)与微处理模块连接，显示模块(15)显示微处理器模块(14)处理的信号。
5.根据权利要求4所述的基于蚁群算法的汽车轮毂轴承内外圈合套系统，其特征在于：微处理器模块(14)采用plc进线控制，显示模块(15)包括基于matlab的gui显示和lcd显示屏进行显示。
6.用于权利要求1-5任一项的汽车轮毂轴承内外圈合套系统的蚁群算法，其特征在于：蚁群算法的具体步骤包括如下：
步骤1，初始化参数，参数包括蚂蚁的总数m、信息素重要程度因子α、启发函数重要程度因子β、信息素挥发因子ρ、信息素释放总量q、最大迭代次数iner_max、迭代次数初值iter；
步骤2，根据公式1计算轴承游隙ga，轴承游隙ga构建解空间，将各个蚂蚁随机的置于解空间的不同位置，蚂蚁依据解空间不同的位置作为不同的出发点；根据计算公式1计算蚁群下一个要访问的节点，根据解空间不同的位置指导蚂蚁访问完所有节点；解空间为公式2组成的矩阵；
ga＝(di1--di2)-di-3×dw-k公式1
公式1中：di1为轴承内圈1内径与标准件偏差；di2为轴承内圈2内径与标准件偏差；di为轴承外圈内径与标准件偏差；dw为滚动体内径与标准件偏差；k为游隙偏移值；
公式2中，矩阵的每一行的元素分别代表轴承内圈1内径、轴承内圈2内径、轴承外圈内径、滚动体内径；
步骤3，计算各个蚂蚁所经过的路径长度lk(k＝1，2…m)，记录当前迭代次数iter，当前迭代次数中最优路径的长度lbest，同时根据公式3更新每个节点上的信息素浓度tij；
公式3中：ρ表示信息素的挥发程度，
蚂蚁会根据节点与节点之间路径上的信息素与启发信息来决定下一次移动的方向，设公式4为蚁群k从节点i到节点j的转移概率为
公式4中，tij(t)为节点j的信息素的浓度；hij(t)为节点j的启发函数；a信息素重要程度因子；b为启发函数重要程度因子；allowk表示蚂蚁k在下一步所要访问的元素的集合；避免陷入局部最优解，公式5采用随机性与随机性选择概率二者结合的路径：
公式5中，r为区间[0，1]的随机数；ro为蚁群k要访问的下一节点的概率阈值；
公式6为信息素浓度参数p的改进方式：
公式6中：δtij表示节点i与节点j之间的信息素增加量；lk表示在迭代次数内的最佳路径长度；lbest表示最优路径的长度；q为当前循环一次的所释放信息素的总量；
步骤4，若lter＜lner_max，则令lter＝lter+1，清空蚂蚁经过路径的记录，并返回步骤2；否则，终止计算，输出最佳路径长度。
7.根据权利要求6所述的用于汽车轮毂轴承内外圈合套系统的蚁群算法，其特征在于：当lk＜lbest时，说明此次迭代路径更短，该选配方案更优，则加强该路径上的信息素浓度，并将此次路径长度lk设置为目前的最优路径lbest；当lk＞lbest时，说明此次迭代的路径长度是大于当前最优路径长度的，当前迭代得到的选配方案相较于当前最优选配方案更差，所以需要对当前迭代路径上的信息素浓度进行减弱。