基于均匀条带排样方式的二维下料启发式算法

条带结构排样方式在机械制造业下料领域有广泛的应用。针对矩形件二维下料问题,提出一种基于均匀条带排样方式的启发式下料算法。下料方案包含多个排样方式,每个排样方式满足部分矩形件的需求量。首先构造均匀条带四块排样方式的约束排样算法;然后采用列生成法反复调用上述约束排样算法生成各个排样方式,直到所有矩形件需求量得到满足为止。采用文献中的基准例题,将本文下料算法和文献中下料算法进行比较,数值实验结果表明本文下料算法能有效地提高板材利用率,且计算时间能满足实际应用要求。     

针对大规模两重互异性矩形件组批排样方法

针对智能优化算法求解大规模矩形排样问题时，求解速度慢、稳定性差的弊端，提出了一种启发式算法，即带对偶项的降序有限首次适应算法。经实验验证，算法在测试集上的求解时长在100 ms内，求解出的板材利用率可达95%左右，相较于现有启发式算法有2%的提升。此外，针对个性化订单矩形件材料强互异性的情况，提出了一种考虑材料相似度的二阶段贪心算法。定量描述订单间材料的相似度，最大程度的将相似度高的订单组批进同一生产批次来提高板材利用率。实验表明，用该算法对订单进行组批优化后再进行排样求解出的板材利用率相较于未考虑材料相似度有12%的提升。     

矩形件优化排样模拟退火算法求解

综合条料生成算法与填充算法思想，提出了一种适用于矩形件优化排样的最小宽度算法，将其与模拟退火算法相结合，能够跳出局部搜索，最终可获得近似总体最优的排样结果。使用表明，该优化排样算法具有广泛的适应性，并可适合“一刀切”的高效率下料工艺。     

约束剪切问题的三块排样方式及其生成算法

讨论了矩形件有约束剪切排样问题,即在一张板材上剪切下若干种已知尺寸和价值的矩形件,约束每种矩形件允许剪切的数量不能超过其需求量,优化目标为使板材剪切出的矩形件总价值最大。提出了一种三块排样方式及其生成算法。这种算法用两条互相垂直的剪切线将板材分成3个块;对于每个块,排放一个矩形件在其左下角,将其剩余部分划分为2个子块;将子块看作块继续递归排样,直到其无法再容纳矩形件为止。采用基准例题将本文算法与文献算法进行实验对比,结果表明本文算法排样价值比4种文献算法分别高0. 35%,0. 31%,0. 19%和0. 37%,且计算时间可满足实际应用需要。     

矩形件排样问题的遗传模拟退火混合求解算法

为了提高矩形件排样问题的板材利用率,提出了基于匹配度的最低水平线定位方法和遗传模拟退火的排序方法。对于矩形件排样问题,建立了以提高板材利用率为目标的优化模型。在矩形件的定位方法中,为了提高最低水平线算法的板材利用率,提出了矩形件与板材匹配度的概念,实现了基于匹配度的最低水平线算法,此方法可以对排序结果进行微调和再优化。在排序方法中,给出了遗传模拟退火的混合算法,此算法依概率选择染色体,相比于贪婪准则可有效提高染色体的多样性。经Benchmark中的C算例进行验证,遗传模拟退火算法排样的板材利用率均高于遗传算法排样的板材利用率,验证了所提排样方法的优越性。     

基于顺序价值修正算法的矩形件二维优化下料

针对矩形件二维下料问题,提出一种顺序价值修正下料算法。构造了四块排样算法,生成矩形件数量有上界约束的四块排样方式;这种排样方式将板材划分为4个块,每个块包含方向相同的条带,每条条带包含同种矩形件。采用顺序启发式算法调用上述四块排样算法逐个生成排样方式,按照不产生多余矩形件原则,确定每个排样方式的最大使用次数;在生成每个排样方式后修正该种排样方式中矩形件的价值。将上述顺序启发式算法迭代执行多次,生成多个下料方案,选择板材使用张数最小的一个作为最终解。采用文献例题进行计算比较,数值实验结果表明本文算法比文献算法更能节省板材。     

可减少排样方式数的二维下料顺序启发式算法

讨论矩形件二维下料问题，将板材成本最小作为主要优化目标，将排样方式数最少作为辅助优化目标。提出一种可减少排样方式数的下料算法。该算法基于顺序启发式框架，按顺序逐个产生排样方式满足剩余矩形件的部分需求量，直到矩形件的所有需求量均得到满足为止。它采用一种分组技术选择可用来生成下一个排样方式的矩形件，用这些矩形件生成下一个排样方式后根据顺序价值校正方法调整矩形件的价值，其中每个排样方式均采用动态规划程序生成。将本文下料算法与两种文献算法进行对比，实验结果表明，本文下料算法使用的板材面积比文献算法分别节省了1.12%和0.89%,排样方式数比文献算法分别减少了45.56%和30.79%,且计算时间与文献算法接近。     

基于T型布局方式的异构矩形件下料算法

讨论异构矩形件下料问题,提出一种基于T型布局方式的优化下料算法。首先构造一种约束布局算法,生成矩形件在单张板材上的T型布局方式,然后采用列生成算法,依据当前矩形件剩余需求量,迭代调用上述约束布局算法,生成一个虚拟下料方案,按照不产生多余矩形件原则,选取虚拟下料方案中的部分布局方式加入到实际下料方案中,更新当前矩形件剩余需求量,重复上述步骤,直到矩形件剩余需求量为零。采用文献中基准例题将本文算法与3种文献中算法进行比较,数值实验结果表明,本文算法比3种文献中算法分别节省3.93%,1.27%和1.17%的板材。     

应用递归划分策略解决矩形件剪切排样问题

针对机械制造领域的矩形件剪切排样问题,提出一种基于递归划分思想的排样算法。用两条互相垂直呈T型的剪切线将板材划分为3个子板,称板材的左下角子板为排样块,称其余两个子板为递归块。对于排样块,按照简单方式排放矩形件;对于递归块,将其看做板材继续划分。用隐式枚举算法确定排样块的最优排样方式,得到块中排放的最优矩形件种类和矩形件的行列数;用分支定界算法确定递归块是否继续划分。采用基准例题将本文算法与文献算法进行对比,实验结果表明,本文算法排样价值高于文献算法,且计算时间能满足实际应用需要。     

基于两段排样方式的剪冲下料优化算法

针对金属板材剪冲下料问题,提出一种基于两段排样方式的优化算法。下料过程分两个阶段:第1阶段将板材剪切成条料,第2阶段将条料冲压出零件。两段排样方式把板材划分为两个段,每个段包含一组相同长度和方向的条料,每根条料仅包含同种零件。首先构造排样算法生成单张板材上零件的两段排样方式,采用动态规划技术确定条料在段中的优化布局,采用启发式方法确定板材的最优两段划分。然后构造下料算法,通过调用上述排样算法生成一系列排样方式,按照板材使用张数最小原则确定每个排样方式的使用次数,得到下料方案。对比文献中基准例题的计算结果表明,本文算法的板材下料利用率高于其他3种文献算法,并且计算时间合理。     

减少切割成本的圆形件下料优化算法

针对圆形件下料问题,从减少条带数量的角度考虑降低下料总成本,提出一种基于顺序价值修正的启发式下料算法.一个下料方案由一个或多个排样方式组成,每个排样方式均采用T形结构布局.T形结构用一条分界线将板材为两段,同一段中所有条带的方向相同、长度相等.首先,根据所需的不同圆形件直径确定所有的断点长度,再将其代入排样方式生成函数...     

基于两阶段排样方式的卷材下料算法研究

讨论矩形件卷材下料问题,采用切割工艺简单的两阶段排样方式采进行下料。这种排样方式采用一组平行于卷材宽度方向的剪切线将卷材切割成多个条带,然后将每个条带切割成所需要的矩形件。首先,构造一种有界背包算法确定矩形件在条带中的优化布局;然后,采用基于列生成的线性规划算法调用上述有界背包算法生成排样方式;最后,采用顺序启发式算法,用当前矩形件剩余需求量反复调用线性规划算法生成各个排样方式,直至每种矩形件剩余需求量均为零,组合各个排样方式形成下料方案。将本文算法与2种文献算法进行比较,计算结果表明,本文算法下料方案比2种文献算法分别节省1.97%和1.66%的卷材。     

可减少条带数的矩形件二维下料算法

从板材上切割矩形件的过程通常包含两个阶段:第1阶段用大型刀具将板材切成条带;第2阶段用小型刀具将条带切成所需要的矩形件.第1阶段的切割成本随着下料方案中条带数的增加而增加.针对矩形件二维下料问题,提出一种可减少条带数的下料算法,其优化目标是最小化材料成本和切割成本之和.首先,建立该问题的整数线性规划模型;然后,构造T型...     

基于两段方式的圆形片约束排样算法

讨论圆形片约束排样问题,提出一种两段排样方式生成算法。两段排样方式用一条分界线将板材划分为两个段,每个段由相同长度和方向的条料组成,每根条料排放同种圆形片。首先确定所有可能尺寸的条料中圆形片的排样方式;然后采用背包算法,生成所有可能尺寸的段中条料的排样方式;最后依据板材排样价值最大原则,确定段的分界线位置,得到整张板材上圆形片的两段排样方式。将本文算法和文献算法进行比较,数值实验结果表明,本文算法排样价值高于文献算法。     

基于交通约束及多元启发函数的改进A^*算法

针对多移动机器人的环境下容易出现碰撞的情况以及传统A^*算法规划的路径容易出现拐角数多的问题,基于栅格建模的方法,提出了交通约束法,并且在A^*算法原有启发函数的基础上,添加拐角数的评判指标,构成多元启发函数。在MATLAB仿真平台上对基于交通约束及多元启发函数A^*算法进行仿真实验,结果证明在多AGV系统下,基于交通约束及多元启发函数的A^*算法在规划出合理路径的前提下,减少了拐角数,降低了碰撞几率,提高了移动机器人完成路径的效率,具有较强的稳定性。     

六自由度机械臂反向动力学递推算法研究

针对多自由度串联型工业机械臂反向动力学求解问题,提出一种基于解耦自然正交补的反向动力学递推算法。通过六维旋量描述相邻连杆的速度约束,用自然正交补矩阵构建关节速度与六维旋量之间的关系。采用非解耦的Newton-Euler方程建立机械臂的动力学模型,当考虑连杆间的速度约束时,将该动力学模型用基于自然正交补的方法进行解耦,形成机械臂反向动力学递推算法,得到动力学模型的最小阶形式。以KUKA KR5六自由度机械臂为例,在仿真环境下对所提算法的有效性进行验证。结果表明:与其他4种算法相比,该算法计算复杂度低、计算效率高;该算法计算效率比ADAMS高67.7%。     

基于路径优化混合算法的自动化物流控制系统研究

为了提高自动化物流控制系统的效率,提出了基于路径优化的混合算法实现路径规划方法。在模型设计中,将仓库货柜设计适用于自动引导车无障碍行驶的矩阵排列,按照货柜编号与货柜物理位置进行建模,在自动引导车的路径规划设计中,将模糊算法与启发式算法相结合来完成目标函数求解。实验证明:相比于蚁群算法和模拟退火算法,本文算法在最优解求解和收敛性方面优势明显,在路径优化方面具有较强适用性。     

基于改进蚁群算法的农用喷药机器人路径规划

研究农用喷药机器人路径规划问题,提出一种基于改进蚁群算法的路径寻优方法。首先,获取实际工作环境信息,抽象化处理工作环境,采用栅格法建立喷药机器人工作环境模型;其次,为使算法搜索更具目的性,引入目标点诱导机制,设计新的距离启发函数,并在此基础上对状态转移概率进行改进;为避免算法搜索出现停滞和提高路径搜索效率,通过引入信息素阈值限定、信息素局部和全局更新相结合的策略对信息素更新方式进行优化;最后,通过仿真实验测试两种算法解决喷药机器人路径规划问题的实际效果。结果表明:两种算法均能有效解决喷药机器人路径规划问题,且相比传统蚁群算法,改进蚁群算法不仅可以有效改善自身收敛性能,而且可以增强自身全局寻优能力。     

基于改进蚁群算法的果园移动机器人路径规划研究

蚁群算法作为一种模仿蚂蚁觅食行为的仿生算法,常常被人们优先用于路径规划。但是,普通蚁群算法计算量大,容易出现局部最优化。为了提高最短路径搜索速度,建立了新的基于方向夹角的启发因子,使得蚂蚁优先选择夹角小的节点作为下一移动节点;同时采用了较复杂的对角线距离的倒数作为新的启发式因子,该距离公式无需进行平方根运算,求解简单,再一次提高了搜索效率。实验表明:在同等最短路径的情况下,与原蚁群算法相比,最短路径的搜索效率提升了3倍。满足在复杂果园环境下移动机器人的实时路径规划需求。     

基于同质段矩形优化排样问题求解

为有效解决企业实际生产中的矩形优化排样问题,对矩形优化排样算法进行研究,给出基于同质段矩形优化排样问题的求解算法,该算法可同时有效解决企业实际生产中矩形优化排样的单一排样和套裁排样问题。算法首先基于隐式枚举法求出所有同质条带的最优排样及备选同质段,对备选同质段进行规范化处理求出所有的候选同质段,使用候选同质段将板材分成若干个子段,并将矩形优化排样问题转化为完全背包问题,最后基于动态规划算法进行求解。两组应用实例验证了本文算法的有效性。