解决二维下料问题的最优两阶段排样方式

提出了一种用于生成矩形毛坯二维下料方案的同质块两阶段排样方式算法.下料方案中仅允许一种尺寸的毛坯出现在指定大小的矩形块即同质块中,从而简化了切割过程.该算法使用隐式枚举方法来考虑所有可能的同质块大小,从中选择最优同质块;结合线性规划确定最佳两阶段排样方式,以达到最佳效果.通过文献中的测题,将该算法与2种普通两阶段排样方式算法及普通T型排样方式算法进行比较,实验结果表明,该算法在计算时间和材料利用率两方面均有优势.     

有约束单一尺寸矩形毛坯下料问题的一种求解算法

讨论有约束单一尺寸矩形毛坯下料问题:切割库存板材满足一定数量的单一尺寸矩形毛坯的需求,优化目标是使所切割的板材总面积最小,该问题广泛的出现在制造业领域的板材切割下料环节。提出一种基于五块布局模式的优化下料算法。首先调用无约束五块布局算法生成整张板材上的毛坯排样方式,然后调用有约束五块布局算法生成部分板上的毛坯排样方式。使用算例对文中下料算法进行了测试,并与文献中下料算法进行了比较。实验结果表明,下料算法可以提高下料利用率,而且计算时间合理。     

一维下料问题的启发式方法

针对单一规格的一维下料问题,提出一种新的随机启发式搜索算法,在求出所有可能切割方式的情况下,搜索出最优解,而且保证最后一根原材料余料长度最长,方便以后下料.对于多规格原材料情况的一维下料分解为多个单一原材料的一维下料问题来进行求解.计算表明,与启发式算法或者遗传算法相比较,随机启发式搜索算法结构简明,易于编程,计算速度快,节材效果优.     

解决二维下料问题的最优两阶段排样方式

提出了一种用于生成矩形毛坯二维下料方案的同质块两阶段排样方式算法.下料方案中仅允许一种尺寸的毛坯出现在指定大小的矩形块即同质块中,从而简化了切割过程.该算法使用隐式枚举方法来考虑所有可能的同质块大小,从中选择最优同质块;结合线性规划确定最佳两阶段排样方式,以达到最佳效果.通过文献中的测题,将该算法与2种普通两阶段排样方式算法及普通T型排样方式算法进行比较,实验结果表明,该算法在计算时间和材料利用率两方面均有优势.     

冲裁条带剪切下料问题的一种求解算法

金属板材经常采用剪冲工艺分割出零件毛坯。首先在剪切阶段用剪床将板材剪切成条带,然后在冲压阶段用冲床将条带冲压出所需的毛坯。讨论条带最优剪切下料方案的设计问题。文中首先提出一个生成条带最优三块布局方式的递归算法;然后采用基于列生成的线性规划算法迭代调用上述布局方式生成算法,每次都根据生产成本最小的原则改善目标函数并确定各种毛坯的当前价值,按照当前价值生成一个新的布局方式,最后选择最优的一组布局方式组成下料方案。采用例题将文中下料算法与文献中T型下料算法进行比较,实验计算结果表明,文中下料算法板材利用率高于T型下料算法,并且计算时间合理。     

基于欧拉回路的数控火焰切割路径优化研究与实现

数控火焰切割路径优化问题是尽量减少点火次数,保证每个零件的轮廓轨迹只切割一次的条件下尽可能的缩短火焰割嘴在轮廓间移动的空行程距离。在零件外轮廓切割问题上提出了一种基于欧拉回路的切割路径规划算法,先计算零件外轮廓的相邻关系,然后基于最小生成树算法思想利用空白废料区域通过搭"桥"法构造欧拉图,最后求解该欧拉图的欧拉回路,从而确定整个样板的切割路径。与现有文献的算法与工厂数控机床生产统计结果表明,使用该方法在外轮廓切割上能够保证一笔切割,解决了点火熄火打孔位置选取问题,空程比例大幅降低,明显提高了生产效率。     

面向排样方式中零件种类数约束的一维优化下料方法

在一维下料方案的每种排样方式中,零件种类数决定后续切割加工过程中零件分类搬运的复杂度,进而影响下料全过程的加工成本。针对这类问题,以最小化原材料成本为主要优化目标的同时,兼顾考虑排样方式中零件种类数这一重要约束,建立了基于排样方式中零件种类数约束的一维多种原材料下料问题的数学模型,提出了一种面向排样方式中零件种类数约束的一维优化下料方法。采用基于排样方式中零件种类数约束的排样生成方法,获取多种原材料利用率高、同时满足排样方式中零件种类数约束的排样方式;以每种排样方式为基础,运用基于排样方式中零件种类数约束的顺序启发式算法生成多种优化下料方案,选取加工总成本最小的一种下料方案作为当前最优的下料方案。最后,通过实例验证了所提方法的可行性和有效性。     

基于改进遗传算法的铝合金型材下料方法研究

铝合金型材的下料问题属于一维下料问题。主要针对多规格铝合金型材下料问题,在铝合金原材料长度大于零件长度的情况下,采用了蚁群算法和遗传混合模拟退火算法两种不同的求解方法求解多规格铝合金型材下料问题,并进行分析对比。根据某门窗有限公司在铝合金门窗方面实际下料情况,建立一维下料优化模型并设计算法,通过MATLAB进行编程,并以企业的门窗切割实例进行模拟计算。结果表明,遗传混合模拟退火算法比蚁群算法更为优异,能有效提高铝合金门窗下料的材料利用率。     

矩形件同质条料五块排样方式的生成算法

材料利用率和切割工艺复杂度是金属板材切割排样中主要考虑的两个因素。提出矩形件同质条料五块排样方式的生成算法,用以解决金属板材切割排样问题。这种算法将板材分为五个块,各块中只排放方向和长度均相同的条料。通过求解背包问题优化块中条料的布局,使得块中排放的矩形件总价值达到最大;采用隐式枚举法考察所有可能的五块组合的排样价值,选择排样价值最大的一个组合作为最终的五块排样方式。用文献中的基准测题,验证文中的五块排样算法。数值实验结果表明,文中算法在提高材料利用率和简化板材切割工艺两方面均有效,且算法计算时间较短。     

蚁群算法在一维下料优化问题中的应用

研究了一维下料优化问题,建立了一维下料的双目标多约束数学优化模型,并给出了求解模型的蚁群算法的具体实现过程;针对模型的特殊性,提出了零件编码和将所有下料方式首尾连接转化为蚂蚁路径的方法,并讨论了初始化参数变量的选择问题。通过一维下料实例进行验证,计算结果表明,此算法可逼近理论最优解,收敛速度较快,理论上可以解决多规格大规模的一维下料优化问题。     

多板材单一圆片剪冲下料的一种优化算法

讨论多板材单一圆片剪冲下料问题,即使用剪冲工艺将若干种不同尺寸的板材剪冲出一定数量的单一尺寸圆片,优化目标是使得材料利用率尽可能的高。文中采用由圆片条带组成的规范多级排样方式,简化剪切工艺;采用多板材组合下料方案,提高下料利用率。首先运用动态规划算法确定圆片在每种板材中的排样方式;然后运用整数规划算法确定多板材组合下料方案。计算结果表明,对于板材使用张数无约束问题和有约束问题,文中算法生成的下料方案比文献中算法生成的下料方案,下料利用率分别提高了1.75%和1.38%。     

基于零件形心的数控火焰切割路径的规划

研究了数控火焰切割中多边形零件切割路径规划、打孔点的位置选择、带有内轮廓的零件打孔点位置选择和内轮廓的切割路径规划等关键问题,提出了一种基于零件外轮廓多边形形心的规划算法。首先根据零件外轮廓多边形计算零件的形心,然后把各个零件的形心作为TSP问题中的城市,采用蚁群算法对零件的切割路径进行分析。在此基础上,应用改进的局部优化算法研究了多边形零件切割打孔点的位置和内外轮廓的切割路径规划。     

同尺寸矩形件多板材下料算法

针对机械制造业领域中的同尺寸矩形件多板材下料问题,提出一种基于动态规划和整数规划的求解算法。在单张板材上采用五块布局方式简化切割工艺,该布局方式将板材划分为五个块,每个块中矩形件按照规范多级方式排列。首先采用具有全容量特性的动态规划算法一次性生成所有尺寸块的规范多级方式,并运用隐式枚举法确定最优五块组合生成五块布局方式;然后采用整数规划算法选择最优板材组合生成下料方案。数值实验结果表明,文中算法能够有效地解决同尺寸矩形件多板材下料问题。     

递推矩阵的列生成算法下的一维下料方案研究

针对工程实际中一维下料优化问题,这里采用以原材料使用量最少为目标,以每根原材料的余料长度小于最短零件长度等为约束,建立数学优化模型,提出使用一种基于递推矩阵的列生成算法进行求解该模型.此算法主要通过求解列生成优化模型中的递推矩阵,生成添加列,最终得出下料方案.最后针对单一订单的情况,并根据实例优化计算所得结果进行对比,...     

板类零件分组下料优化研究

针对金属结构件生产过程中板类零件大规模集中下料问题,一种基于工艺与形状特征的下料零件分组下料优化方法被提出。该方法首先将待下料零件按材质、板厚及加工工艺相似性进行分组,然后构建一种能够描述零件形状特征的零件特征矩阵,并设计一种人工神经网络算法求解该零件特征矩阵与零件分组之间的映射关系,根据这种映射关系对待下料零件进一步分组。通过对零件分组下料优化,可以提高零部件的齐套性、降低在制品数量,并且能够有效解决排料效率和材料利用率相互矛盾的问题。最后通过实例验证了该方法的有效性。     

一种等离子切割机切割机构的设计

针对等离子切割在不锈钢板材下料方面的应用讨论,通过对目前下料方式的优缺点分析,阐述了等离子切割在该领域应用的重大意义,设计出了一种等离子切割机的整体结构方案,详细说明了切割工艺过程。同时,对机器切割机构部分进行了深入的探讨,通过对该机构的功能和运动分析、对各种实现方案的比较以及对关键部件的设计计算,提出了一种经济适用的结构方案。该切割机构结构简单,调整方便,能较好地满足切割生产要求。     

面向可加工性的矩形件优化下料方法

针对多规格、大批量的矩形件优化下料问题,综合考虑原材料利用率高、切割加工路径短等优化目标,提出一种面向可加工性的矩形件优化下料方法。运用矩形原材料单方向余料最小化计算方法优选出候选板条,候选板条构造过程中的共边排样可用于共边切割,缩短了矩形原材料上局部切割加工路径;利用基于候选板条的连续启发式排样算法实现矩形原材料上优化排样设计,保证高原材料利用率的同时,简化了矩形原材料上切割加工总路径。通过实例验证了所提方法的可行性和有效性。     

基于MATLAB和Lingo的AHP角钢优化下料方法研究

使用MATLAB软件,利用Lingo语言的非线性规划优点,通过Java编写的GUI来解决铁塔角钢下料的多参数优化问题,最后利用层次分析法来评价模型的多次优化结果,提供给生产决策者角钢的最优切割方法以配合生产加工以提高原料利用率。通过接收原料长度、需求长度与数量、切缝宽度四个模型基本参数,该方法计算出切割模式、种类、根数三个约束条件的上下界,自动生成格式化的可查看与编辑的Lingo程序并计算出最优决策结果。方法的多次运算结果表明,其可适用于同类型情况下全局最优下料结果的计算。     

生成矩形毛坯最优三块排样方式的精确算法

采用三块排样方式,基于背包问题和动态规划算法,用两条成T形的剪切线将板材分成三个矩形区域,每个区域中包含一个由同尺寸毛坯组成的规范块.实验计算表明,所述算法时间效率合理,能够有效提高材料利用率和简化切割下料过程.     

基于4块结构的斩断切割布局启发性算法

提出了基于4块结构的斩断切割布局方案,建立了相应的优化模型和算法,并进行了废料分析和利用率上界分析.经过计算实例,并与国外有关文献对比,证明了模型和算法的有效性.