基于数控冲压加工的整张板料混合排样连续冲压方法

科学技术的快速发展,为数控冲压加工技术水平提升带来了重要的保障作用,优化各零件加工性能的同时,推动了工业经济的快速发展。结合当前整张板料混合排样连续冲压的实际发展概况,可知选择可靠的操作方法对于其加工质量的提高至关重要。因此,本文将对基于数控冲压加工的整张板料混合排样连续冲压方法进行系统阐述。

基于数控冲压加工的整张板料混合排样连续冲压方法

设计了数控加工整张板料混合排样方案,对所排样零件之间以"微连接"连接,工艺试验参数为:宽度0.6mm,间距不大于200 mm。改变原压凸模高度,使凸模上平面与托料板上平面处于同一平面,解决了连续送料中的碰挂,实现了数控冲压整张板料混合排样连续冲压加工。加工结果显示,该方法使材料利用率提高约15%,加工所用时间下降约30%,冲压件质量得到提高。

大规模零件优化排样研究

优化排样研究是为提高排样效率及材料利用率以增强企业市场竞争力而进行的研究。针对大规模零件优化排样问题,研究了一种混合排样策略和排样解码算法及相应的智能排样算法。该策略对图形处理、同型排样、解码算法、智能算法进行研究,采用在最低水平线法排样解码算法基础上加入分列思想的排样解码算法和在改进遗传算法基础上加入元算法和禁忌搜索算法的方法提高了大规模零件的排样效率。最后给出了混合排样系统的流程与计算实例,验证了算法的可行性。

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。