板材排样优化的计算智能方法研究

发布时间：2020-09-18 12:47

　　大型机电设备的生产制造过程中，零件毛坯下料生产的组织管理水平和技术手段，对设备的制造成本和生产周期有很大的影响。对于不同类型的零件和原材料，下料规划问题在形式上略有不同，但解决的难度均较大。各种基于不同原理的智能下料规划方法一直是国内外研究的热点，其核心目标在于寻找一套速度快效果好，同时又经济实用的解决方案。板材排样优化问题是指当平面零件从规则的矩形板材上下料时，规划零件在板型原材料上最佳的下料组合与每个下料零件最优布局的问题。国内外许多科研人员对该类问题进行了深入和广泛的研究。理论证明板材排样优化问题的难度不低于装箱问题。装箱问题是具有最高计算复杂性的一类问题：NPC(Nondeterministic Polynomial Complete非确定型多项式算法)类问题。而且板材排样优化问题并不完全等同于普通装箱问题。在实际下料生产中，板材排样需要用到多张板材，且要优先考虑利用板材余料，以至于板材面积不相同。此外，板材排样优化还应满足板材上零件图形间互不重叠，且在板材矩形区域内，需要对零件图形进行复杂的布尔运算、位置方向变换等图形操作。这些约束条件使得求解板材排样优化问题变得更加困难。对此类问题使用传统优化技术难以取得较好的效果。 20世纪80年代后发展起来的诸如禁忌搜索、模拟退火、遗传算法和人工神经网络算法等被统称为现代优化算法，主要用于解决NPC类问题。然而这些优化算法在求解NPC类问题时，并不能保证一定找到最优解。同样，在求解板材排样优化问题时，单一地使用一种算法不易得到十分满意的结果。本文针对论文摘要这种情况提出了协同优化策略：采用遗传算法，局部搜索算法，模拟退火算法三种算法协同计算的方式来解决板材排样优化问题。本文以机电设备的焊接零件毛坯生产过程为应用背景，设计了一套以多种优化算法相互协作的智能下料系统。该系统由五个部分组成：零件信息管理，板材信息管理，协同优化计算，排样图形生成，下料结果输出。该智能下料系统具有交互界面直观明了，操作简单，排样优化计算高效等优点。在优化算法中采用独特的协同优化策略是本系统的一大特色。
【学位单位】：四川大学
【学位级别】：硕士
【学位年份】：2002
【中图分类】：TH164
【部分图文】：

模型图,库结构,决策支持系统,方法库管理系统

图1.1决策支持系统的三库结构模型图中nBMS(DataBaseManagementSystem)是数据库管理系统，MEBMS(MethoeMan吧ementSystem)是方法库管理系统，MBMs(ModelBaseManagemeem)是模型库管理系统，DGMs(DialogueGenerationManagementsystem)是人。

智能决策支持系统,结构模型,相关技术,数据库系统

机会话管理系统。当决策支持系统发展到智能决策支持系统以后，经典的三库结构就成了四库结构。这四库是:数据库、模型库、方法库和知识库。其典型的形式如图1.2。2智能决策支持系统的相关技术智能决策支持系统的相关技术主要有这些:(1)数据库系统。数据库系统是IDSS重要的组成部分，是信息存储、处理的基础。

排样图,封面,程序

1智能优化排样系统的运行示例本节主要是介绍智能优化排样系统软件模块的运行情况。在运行本软件的执行程序后，首先出现的是该程序的封面，如图5.1。此时，如果点击鼠标或按键盘上的任何一个键，此封面将消失进入程序主界面。在没有任何动作的情况下，10秒后封面会自动消失。蛾蛾蛾图5.1程序封面封面过后就进入了程序主界面，程序主界面如图5.2。程序主界面被设计为左右两部分。左半部分为功能区，包括给定迭代次数和待排矩形个数，数据读入，计算排样和适应值的显示等功能。右半部分为排样图案显示区

【引证文献】