基于BIM的PC构件排样优化设计

针对PC构件排样与上游装配式建筑设计模型的协同效用问题,进行了基于BIM的PC构件排样优化设计研究。分析了装配式BIM中PC构件的组成元素,完成PC构件信息的提取;结合改进蚁群算法与动态剩余矩形算法对PC构件排样进行优化,采用遗传变异策略与路径选择机制改进算法后期易陷入局部最优的不足,经过多次优化迭代得出最优排样。某PC构件企业的生产排样实例验证了基于BIM的PC构件排样优化方案可实现上游装配式建筑设计模型与PC构件排样的协同效用,提高了排样效率。

矩形件排样优化问题的DPSO-CG混合优化算法研究

针对矩形件排样问题非线性、高复杂计算性等特点,提出一种结合离散粒子群优化(DPSO)算法和混沌遗传(CG)策略的DPSO-CG混合优化算法。利用混沌运动的遍历性和随机性,引入混沌交叉和混沌变异的遗传操作,通过增加个体的多样性,增强算法全局搜索能力,结合最低水平线定位算法,实现矩形件排样后板材利用率的提高。最后针对实例进行排样优化验证,排样结果表明,DPSO-CG混合优化算法能够使板材利用率最大值达到0.9417,实现更优的排样,验证了算法的正确性和有效性。

基于图神经网络和深度强化学习的二维矩形排样优化方法研究

本文结合生产实际中的零件母板带约束二维矩形下料优化问题,设计并提出了二维矩形排样问题的异构图和深度强化学习的算法架构。通过图神经网络和强化学习算法对排样问题中零件和母板的特征进行高度的集成和学习,并对零件的排布顺序和排布位置进行决策,在更短的时间内得到相比于传统优化算法更优秀的计算结果。实验证明,本文的深度强化学习算法训练的模型可以在较短时间得到良好的排样结果,且基于小规模问题训练的模型解决较大规模的问题实例也可以获得较好的效果,证明了算法具有较好的泛化能力。

两阶段遗传算法和贪心策略相结合的多约束排样优化方法

为了提升产品排样问题的板材利用率,降低生产成本,同时满足切割过程中的“齐头切”和“阶段数不超过3”的约束,分别建立产品和条带组合优化的数学模型;引入序号编码、部分交叉映射,设计局部最优解码方案,进而建立两阶段遗传算法模型。基于贪心策略分别建立产品和条带余料再利用算法来提升利用率,提出一种两阶段遗传算法和贪心策略的排样优化方法。5个基准数据集验证的结果表明:与其他排样优化模型相比,多阶段遗传算法和贪心策略的排样结果不仅满足“齐头切”和“阶段数”的约束,同时板材的利用率更高,在5个数据集上的板材利用率基本上都可保持在80%以上。

基于贪婪最佳优先搜索算法的方形件排样优化问题研究

方形件排样优化问题是运筹学应用的重要领域,也是实现产品个性化定制的关键,如何提高材料利用率是制造企业的一大难题。文章针对该问题充分考虑各种情形下的约束条件,建立了以板材原片利用率及生产效率最大为目标的混合整数规划模型。运用Matlab进行仿真,针对多个数据集,采用贪婪最佳优先搜索算法求解出其最优的方形件排样方案,验证了模型的有效性和可行性。实验结果表明,文章的算法可以有效减少板材用量,且计算时间满足实际应用需要,能够为实际生活中制造企业涉及到的玻璃、钢材切割等问题提供新的启发和思路。

基于改进麻雀算法的铜带排样优化应用

剪切工序既是小批量多品种的铜板带生产企业产品交付的瓶颈,也是企业追求高成材率关键工序。以湖北精益高精铜板带有限公司剪切生产为研究对象建立优化排样模型,基于匀质块的思想处理剪切生产中的“一刀切”约束,并使用罚函数处理单卷长度浮动约束,再用改进麻雀算法自动生成排样方案。该算法采用Singer混沌序列提高初始种群多样性并且结合柯西变异提升后期寻优精度,卷料利用率高于其他算法。基于剪切优化排样模型方案的滚动排产很好解决了产品交付和高成材率的矛盾,为类似企业剪切生产提供了很好的借鉴意义。

三轴激光切割方形件组批排样优化建模研究

激光切割在处理大件原材料方面具有巨大优势,在激光切割方形件的生产中,排样优化与订单组批问题一直是企业节约原材料和能源使用的关键。在充分考虑其约束并建立其混合整数规划模型后,本文首先按产品的规格即长或宽的尺寸进行分类,将长度或者宽度相同的产品项归为一类,给予它们同一个型号,并排列成一个更大的产品项(item)组成一个栈(stack)。然后将栈(stack)按照从大到小的顺序依次组成条带(stripe),直到达到条带(stripe)长度限制下的条带长度最大值。最后对得到的条带(stripe)进行预处理并利用遗传算法求出可行的排样方式。通过与传统按照每个产品项的ID进行全排列并对其使用遗传算法求解方法对比,本文提出方法使得板材有效利用率提高了近15%,同时也大大提高三轴激光切割的工作效率。

基于遗传算法的方形件订单组批与排样优化

由于订单组批和排样优化在个性化定制生产模式中至关重要,基于此,本文以减少原片板材用量为目标,构建了混合整数规划模型。通过编写算法来求解此模型,初始算法采用K-means聚类算法与遗传算法进行混合使用,通过K-means聚类算法将相似的item分类,然后以类别进行随机,建立遗传算法的初始种群,从而提高初始种群的适应度,在算法过程中按照指定规则按照染色体基因顺序放置,计算原片板材用量用以评估染色体适应度。结果如下:平均板材利用率为63%,平均板材使用数量为133块。之后提出贪婪策略优化算法,优化后的结果如下:平均板材利用率为85%,平均板材使用数量为97块。

面向多规格板材的矩形工件排样优化方法

针对规格板材件的矩形工件排样问题,提出一种支持一刀切工艺约束的放宽式搜索算法,利用多规格板材组合的构造算法,依据工件的总面积形成多种可行的板材组合;根据组合的总面积大小排序,优先选择面积较少的组合进行排样,单片板材的排放采用组化策略和启发式的排样规则;在多规格板材的排样过程中如果排样失败,则针对组合中还未排样的板材所构成的组合进行放宽式替换,再重复上述排样过程,以此搜索最佳板材组合,从而使所有工件可以排放且板材利用率最高。实验结果显示:该算法行之有效,测试结果相对于文献报道的算法具有一定优势。

一种用于矩形排样优化的改进遗传算法

矩形排样优化属于NPC问题,在工业界有着广泛的应用,如布料切割、金属下料和新闻组版等。提出了一种基于环形交叉算子和环形变异算子的自适应遗传算法,并将改进的自适应遗传算法和IBL启发式布局算法相结合,有效地解决了矩形排样优化问题。对比实验结果表明,环形交叉算子和环形变异算子对遗传算法是有效的,所提出的改进混合自适应遗传算法能够在一个较短的时间内找到满意解。

冲裁件二维排样优化

分析了整体板料上对单一冲裁件的排样。以有限长、宽的整体板料上所能冲裁出最大样件个数为目标，给出单一冲裁件排样的数学模型及相应的优化算法。

粒子群算法在不规则件排样优化中的应用

针对不规则件排样问题,提出一种应用粒子群算法优化求解的方法。首先以零件的入排交换序列和角度变异序列作为粒子运动速度构造粒子群算法,然后运用剩余矩形动态匹配算法实现解码和局部寻优,并结合不规则件的正交靠接算法实现自动排样。排样实例表明,该优化排样算法是有效的。

基于改进遗传算法的矩形件排样优化算法

针对现代制造、加工行业中广泛存在的矩形件排样优化问题,提出一种基于分阶段遗传算子的改进遗传算法,通过在算法的不同阶段设置不同的遗传算子,提高算法的自适应能力。将改进的遗传算法与基于最低水平线方法的排放策略相结合,有效地解决矩形件排样优化问题。实验结果表明,采用分阶段遗传算子对遗传算法有改进作用,所提出的排样优化算法能够在一个较短时间内找到满意解。

矩形件排样优化贪婪算法及系统开发

针对矩形件排样优化问题,分析了传统近似算法的主要缺陷,在此基础上,提出一种新的排样算法——贪婪算法.该算法的主要思想是在每次排样过程中,都用面积最大的矩形件对板材进行填充.同时,开发了一个矩形件排样优化系统.实际排样结果表明,贪婪算法能够获得比近似算法更有效的排样结果.

基于排样优化与车间调度的粮机装备智能制造平台研究

针对我国粮机装备制造业的现状与存在的问题,在智能制造的发展趋势下,提出了构建智能化、低成本、高效率的粮机装备智能制造平台的思路。分析了粮机装备制造业在制造成本与生产效率方面的智能制造需求,提出了以切割下料排样优化与车间作业调度优化为核心的粮机装备智能制造技术体系。详细给出了平台的关键技术与实现方法,主要包括型材零件切割下料排样优化、板材零件切割下料排样优化与车间作业调度优化等核心内容。在此基础上,设计并开发了基于排样优化与车间调度的粮机装备智能制造平台。该平台能够较好地增强粮机企业的智能化制造程度,降低制造成本,提高生产效率。

基于并行遗传算法的矩形件排样优化

利用遗传算法对待排零件进行编码,将矩形件正交排样问题转化为排列问题。然后采用一种新的解码排样算法——基于最低水平线的改进算法,将每一个体编码转化为排样图,进行适应度评价,以驱动遗传进化,最终寻找出最优排样图。对遗传算法进行了并行性改进,较好地维持了种群的多样性,增强了算法的搜索效率。对文献中的两个算例进行了求解,结果表明该算法是有效的。

碰靠定位算法在不规则件排样优化中的应用研究

基于不规则零件碰靠算法的思想,提出了最小静矩吻合碰靠定位方法。将碰靠定位的参考区域限定在入排零件当前排样高度最低的未排空间内,零件以不同入排角度进行正交靠接排放和定位,以零件定位后的静矩最小作为排样方案优劣的评估规则。在自动碰靠算法基础上,设计了交互排样中的点对点交互碰靠算法,实现零件以任意碰靠方向进行最优布局调整,为完善自动排样提供了有效的辅助作用。

基于自适应蚁群算法的矩形件排样优化

蚁群算法是一种新型的进化算法,但它与其他进化算法一样也存在容易陷入局部搜索空间等缺陷。将蚁群算法引入到矩形零件的排样优化问题中,根据待排矩形零件面积和长宽比对每个蚂蚁节点赋予一定的初始信息量,同时对基本蚁群系统中的状态转移概率与信息素挥发因子做了适当改进,使其拥有自适应调节作用,从而有效的避免了蚂蚁长时间陷入局部搜索空间,使算法能在较短的时间内收敛到全局最优或近似最优解。最后两个实例表明,此算法用于求解矩形件排样问题是有效的。

基于两参数的冲裁件二维排样优化

通过对冲裁件在板料上的排样优化问题的分析， 建立了基于两参数的冲裁件二维排样优化模型， 根据对其数学模型的分析， 提出了求解该问题的方法。由该方法求得到的优化解更趋近于冲裁件在板料上的排样优化的全局最优解。

基于AutoCAD的钣金自动展开及排样优化

针对传统钣金生产过程中的效率低下、精度不高、材料浪费等缺点,提出基于CAD自动化技术的钣金展开及排样优化应用系统,设计了系统的整体流程结构;借助于旋转最低水平线的遗传算法、最小矩形包络法和平移靠接算法为核心,分别处理规则矩形和不规则矩形的排样优化问题。开发了基于AutoCAD应用平台的钣金展开及排样优化的插件系统,该系统主要由参数化绘图、三维图显示、确定图幅及尺寸精度等功能组成;最后通过实例应用,表明该系统能有效提高钣金生产的效率和制造精度,降低材料浪费率。