發(fā)布時間：2022-02-14 19:03

　　為給出企業(yè)合理的訂購原材料方案,需要使得板材的利用率達到最大化.針對智能工廠應(yīng)用場景,構(gòu)建了二維規(guī)則板材的排料優(yōu)化問題,并在此基礎(chǔ)上提出了一種啟發(fā)式的板材排樣優(yōu)化算法.該算法利用板材原料的基礎(chǔ)信息,進行剪枝搜索排樣.通過仿真實驗結(jié)果表明:該算法具有較高的利用率以及時效性,較好地滿足實際生產(chǎn)中的需求. 

【文章來源】：北京交通大學學報. 2020,44(05)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

不同算法排樣結(jié)果

式中:rj表示零件的型號;Mrj表示rj型號的零件總數(shù);m r j i 為第i張板材上零件型號為rj的數(shù)量;n為最少所需的板材數(shù)量.如圖1所示,針對的L,寬為W的規(guī)則板材的排料,要求零件之間沒有重疊,并使得板材的利用率最大,從而最大限度節(jié)省原材料.在矩形件排樣過程中需要滿足以下約束條件:1)矩形件rj排列在板材區(qū)域內(nèi);2)不同的矩形件ri和rj(i≠j)排列不能重疊;3)矩形件rj的邊與板材邊平行.

針對矩形件排樣,假定每次排樣總是將零件排列在板材(L,W)的左下方,排樣過程就是求解零件的最優(yōu)排列位置,將板材和零件置于同一個二維平面,則零件的位置(x,y)可根據(jù)矩形件的長寬和排列方式確定.實際中,約定按照大件優(yōu)先原則進行排樣,取得盡可能大的利用率的原則進行優(yōu)化排樣.以3個矩形(A,B,C)為例,在排樣的過程中,可看作為排樣樹,如圖2所示.由圖2可得,3個矩形所構(gòu)成的排樣樹分支數(shù)已經(jīng)很多,在實際的工業(yè)大規(guī)模生產(chǎn)中,工件種類多、數(shù)量大,構(gòu)成的排列樹的分支數(shù)會急劇增加,屬于計算復雜性較高的一類NP完全問題,隨著零件的增加解的數(shù)量成指數(shù)倍數(shù)增長,因此確定性算法在龐大的解空間中尋找最優(yōu)解的時間會急劇增加,達到讓人不可接受的程度.為了滿足生產(chǎn)需要,高效的求解矩形件排樣問題,并使排樣結(jié)果盡可能接近最優(yōu),本文提出了一種基于啟發(fā)式的板材排樣優(yōu)化算法,其是在狀態(tài)空間中的搜索對每一個搜索的位置進行評估,得到最好的位置,再從這個位置進行搜索直到最終目標.這樣可以省略大量無謂的搜索路徑,提高了效率.

【參考文獻】：
期刊論文
[1]基于粗糙集的矩形件優(yōu)化填充排樣方法研究[J]. 苗志民,盛步云,蕭箏,羅軍.  機械設(shè)計與制造. 2020(01)
[2]矩形件簡單塊占角排樣方式的動態(tài)規(guī)劃[J]. 潘衛(wèi)平,張瑞友.  中國圖象圖形學報. 2019(06)
[3]改進填充算法在矩形件排樣中的應(yīng)用[J]. 計明軍,鄧文浩,郭文文,郭興海.  數(shù)學的實踐與認識. 2019(04)
[4]基于自適應(yīng)遺傳模擬退火算法的矩形件排樣[J]. 夏以沖,陳秋蓮,宋仁坤.  計算機工程與應(yīng)用. 2018(22)
[5]基于自適應(yīng)加速因子粒子群優(yōu)化算法的裁剪分床研究[J]. 江麗林,周巨棟,董輝.  計算機測量與控制. 2018(01)
[6]改進的雙種群遺傳算法在矩形件排樣中的應(yīng)用[J]. 孫佳正,郭駿.  計算機工程與應(yīng)用. 2018(15)
[7]基于粒子群優(yōu)化算法的多目標裁剪優(yōu)化分配的研究[J]. 王學驥,周俊.  工業(yè)控制計算機. 2014(12)
[8]基于啟發(fā)式動態(tài)分解算法的矩形件優(yōu)化排樣[J]. 李波,王石,施松新,胡俊勇.  計算機應(yīng)用. 2013(07)
[9]矩形件排樣優(yōu)化貪婪算法及系統(tǒng)開發(fā)[J]. 宋連超,朱建良,張彤.  哈爾濱理工大學學報. 2007(01)
[10]基于動態(tài)分割與合一的排樣算法[J]. 文貴華,丁月華.  計算機工程. 1999(12)

碩士論文
[1]基于灰狼算法的矩形優(yōu)化排樣及其在板式家具開料中的應(yīng)用[D]. 羅強.華中科技大學 2019



本文編號：3625100