面向智能工厂应用的启发式板材排样优化算法

发布时间：2022-02-14 19:03

　　为给出企业合理的订购原材料方案,需要使得板材的利用率达到最大化.针对智能工厂应用场景,构建了二维规则板材的排料优化问题,并在此基础上提出了一种启发式的板材排样优化算法.该算法利用板材原料的基础信息,进行剪枝搜索排样.通过仿真实验结果表明:该算法具有较高的利用率以及时效性,较好地满足实际生产中的需求. 

【文章来源】：北京交通大学学报. 2020,44(05)北大核心CSCD

【文章页数】：6 页

【部分图文】：

不同算法排样结果

式中:rj表示零件的型号;Mrj表示rj型号的零件总数;m r j i 为第i张板材上零件型号为rj的数量;n为最少所需的板材数量.如图1所示,针对的L,宽为W的规则板材的排料,要求零件之间没有重叠,并使得板材的利用率最大,从而最大限度节省原材料.在矩形件排样过程中需要满足以下约束条件:1)矩形件rj排列在板材区域内;2)不同的矩形件ri和rj(i≠j)排列不能重叠;3)矩形件rj的边与板材边平行.

针对矩形件排样,假定每次排样总是将零件排列在板材(L,W)的左下方,排样过程就是求解零件的最优排列位置,将板材和零件置于同一个二维平面,则零件的位置(x,y)可根据矩形件的长宽和排列方式确定.实际中,约定按照大件优先原则进行排样,取得尽可能大的利用率的原则进行优化排样.以3个矩形(A,B,C)为例,在排样的过程中,可看作为排样树,如图2所示.由图2可得,3个矩形所构成的排样树分支数已经很多,在实际的工业大规模生产中,工件种类多、数量大,构成的排列树的分支数会急剧增加,属于计算复杂性较高的一类NP完全问题,随着零件的增加解的数量成指数倍数增长,因此确定性算法在庞大的解空间中寻找最优解的时间会急剧增加,达到让人不可接受的程度.为了满足生产需要,高效的求解矩形件排样问题,并使排样结果尽可能接近最优,本文提出了一种基于启发式的板材排样优化算法,其是在状态空间中的搜索对每一个搜索的位置进行评估,得到最好的位置,再从这个位置进行搜索直到最终目标.这样可以省略大量无谓的搜索路径,提高了效率.

【参考文献】：
期刊论文
[1]基于粗糙集的矩形件优化填充排样方法研究[J]. 苗志民,盛步云,萧筝,罗军.  机械设计与制造. 2020(01)
[2]矩形件简单块占角排样方式的动态规划[J]. 潘卫平,张瑞友.  中国图象图形学报. 2019(06)
[3]改进填充算法在矩形件排样中的应用[J]. 计明军,邓文浩,郭文文,郭兴海.  数学的实践与认识. 2019(04)
[4]基于自适应遗传模拟退火算法的矩形件排样[J]. 夏以冲,陈秋莲,宋仁坤.  计算机工程与应用. 2018(22)
[5]基于自适应加速因子粒子群优化算法的裁剪分床研究[J]. 江丽林,周巨栋,董辉.  计算机测量与控制. 2018(01)
[6]改进的双种群遗传算法在矩形件排样中的应用[J]. 孙佳正,郭骏.  计算机工程与应用. 2018(15)
[7]基于粒子群优化算法的多目标裁剪优化分配的研究[J]. 王学骥,周俊.  工业控制计算机. 2014(12)
[8]基于启发式动态分解算法的矩形件优化排样[J]. 李波,王石,施松新,胡俊勇.  计算机应用. 2013(07)
[9]矩形件排样优化贪婪算法及系统开发[J]. 宋连超,朱建良,张彤.  哈尔滨理工大学学报. 2007(01)
[10]基于动态分割与合一的排样算法[J]. 文贵华,丁月华.  计算机工程. 1999(12)

硕士论文
[1]基于灰狼算法的矩形优化排样及其在板式家具开料中的应用[D]. 罗强.华中科技大学 2019



本文编号：3625100