基于遗传算法与重心最小化的二维不规则图形排样

采用不规则图形挤压算法,在不规则图形排样过程中通过向左、向下挤压以实现重心最小化,尽管该方法计算量较大,但能有效提高板材的利用率。

二维不规则图形排样问题的一种混合求解算法

针对二维不规则图形排样问题,实现了一种基于启发式定位策略与自适应遗传算法的混合排样算法(AGAHA)。首先,考虑到单一指标的放置策略容易陷入局部最优的问题,提出了一种基于临界多边形(NFP)的混合放置策略,综合考虑排样效果的整体紧密度和局部紧密度。之后,为了提高搜索最优解的效率,在优化图形的顺序时使用了自适应遗传算法,在标准遗传算法的基础上,根据种群适应度的变化,自适应地改变交叉与变异概率。最后,利用文献中的标准测试案例和实际生产中的案例分别进行测试,结果表明:AGAHA算法在多数案例上较普通遗传算法结合BL算法更优,并且在实际案例中也取得了优于人工排样的结果。

基于遗传算法的二维不规则形排样研究

二维不规则零件的排样问题,在理论上属于NP完全问题,有着较高的计算复杂度,求解很困难,但是在工业上有着广泛的应用,迫切需要解决此类问题.笔者结合启发式算法思想,将二维不规则图形排样问题建模成一个变异的旅行商问题,采用遗传算法求解.并在经典BL排样算法基础上进行改进,提出了一种基于多路径搜索的图形排样算法,在此排样算法基础上,应用遗传算法优化计算,成功的解决了不规则图形的排样问题.

不规则场地中跟踪式光伏阵列的优化排布方法

针对边界不规则的光伏电站建设场地,以提高土地利用率为目标,在相邻光伏设备阴影互不遮挡的前提下,研究了影响跟踪式光伏阵列工作效率、装机容量的主要因素,引入二维图形排样理论设计了一种不规则场地中跟踪式光伏阵列的优化排布方法,并仿真验证了该方法的有效性,实验结果表明优化排布可提高装机容量5.94%～11.59%,能更有效利用土地资源。

基于阿里云的裁断机监控系统设计

采用云技术和WEB技术,设计了一款基于阿里云的裁断机监控系统,系统主要分为阿里云WEB监控端和本地运动控制端,本地运动控制端主要工作是采用Winform框架在本地服务器搭建了上位机系统,通过OPC UA协议与裁断机控制器进行数据交互,控制裁断机完成对冲裁料的加工;阿里云WEB监控端采用前后端分离的模式进行开发,基于VUE框架设计了前端用户操作界面,并通过Canvas标签搭建了排样结果可视化区域;基于Django框架设计后端,主要编写了刀模排样算法用于生成单一刀模样片在冲裁料上的排样方案,并将开发完成的系统部署至阿里云服务器;最后,通过搭建MQTT数据交互模块实现裁断机冲裁命令的下发和运行数据的回传。