異形零件下料的并行排樣優(yōu)化方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種異形零件下料的并行排樣優(yōu)化方法,對(duì)下料零件的圖形特征進(jìn)行預(yù)處理,實(shí)現(xiàn)聚類(lèi)組合;依據(jù)個(gè)體適應(yīng)度值的大小和相似性對(duì)整個(gè)種群進(jìn)行合理劃分,在每次進(jìn)化中,個(gè)體適應(yīng)度度值較好的子種群利用遺傳算法(GA)進(jìn)化,個(gè)體適應(yīng)度值較差的子種群則利用粒子群算法(PSO)處理,實(shí)現(xiàn)優(yōu)化方法的優(yōu)勢(shì)互補(bǔ)、信息增值;通過(guò)設(shè)置多樣性度量標(biāo)準(zhǔn)來(lái)控制種群特征信息和搜索空間,從而加快了尋找最優(yōu)解的時(shí)間,使得整個(gè)系統(tǒng)效率大幅提升。該方法可用于不同種類(lèi)零件的自動(dòng)下料優(yōu)化,滿(mǎn)足了對(duì)于大規(guī)模排樣數(shù)據(jù)進(jìn)行處理和管理的要求。
【專(zhuān)利說(shuō)明】
異形零件下料的并行排樣優(yōu)化方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及機(jī)械加工下料的排樣優(yōu)化方法領(lǐng)域,具體是一種異形零件下料的并行 排樣優(yōu)化方法。
【背景技術(shù)】
[0002] 板材自動(dòng)下料優(yōu)化是機(jī)械制造實(shí)現(xiàn)自動(dòng)化生產(chǎn)的重要工序,也是影響原材料利用 率的一個(gè)關(guān)鍵環(huán)節(jié),因此零件的排樣優(yōu)化技術(shù)對(duì)于資源的有效利用、降低工作強(qiáng)度和簡(jiǎn)化 加工工藝W及制造自動(dòng)化和企業(yè)信息化的發(fā)展有著重要的推動(dòng)作用。
[0003] 目前,智能優(yōu)化算法如蟻群算法、粒子群算法、遺傳算法等已成為解決排樣優(yōu)化問(wèn) 題的有力工具。然而不同的智能優(yōu)化算法總存在一些固有的缺點(diǎn)如優(yōu)化效率不高、全局優(yōu) 化和局部?jī)?yōu)化不平衡等。近年來(lái)人們不斷嘗試對(duì)智能優(yōu)化算法本身提出了更多的改進(jìn),使 算法性能在一定程度上得到了提高,但是算法固有缺點(diǎn)并沒(méi)有從根本上得到有效的解決。 因此算法混合的并行優(yōu)化方法逐漸成為提高優(yōu)化性能的一個(gè)重要且有效的途徑。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明的目的是提供一種異形零件下料的并行排樣優(yōu)化方法,W解決現(xiàn)有技術(shù)優(yōu) 化算法存在的問(wèn)題。
[0005] 為了達(dá)到上述目的,本發(fā)明所采用的技術(shù)方案為:
[0006] 異形零件下料的并行排樣優(yōu)化方法,其特征在于:包括W下步驟:
[0007] (1)、通過(guò)對(duì)零件圖形的預(yù)處理,提取排樣零件的幾何數(shù)據(jù),根據(jù)提取的幾何數(shù)據(jù) 對(duì)排樣零件進(jìn)行特征編碼和排樣編碼,特征編碼和排樣編碼分別反映了零件圖形的屬性, 針對(duì)零件的組合及填充操作亦進(jìn)行相應(yīng)編碼;然后根據(jù)編碼對(duì)排樣零件進(jìn)行聚合、填充及 靠接處理,實(shí)現(xiàn)不規(guī)則零件的矩形化操作,矩形化過(guò)程如下:
[000引(1.1)、同類(lèi)零件的組合:將零件圖形繞參考點(diǎn)旋轉(zhuǎn)180°相位,分別通過(guò)橫向和縱 向進(jìn)行組合,依據(jù)組合圖形的包絡(luò)矩形面積最小獲得最佳包絡(luò)矩形;
[0009] (1.2)、同類(lèi)零件組合形成空白區(qū)域的填充:對(duì)于同類(lèi)組合零件生成的內(nèi)孔,由于 互補(bǔ)零件的對(duì)稱(chēng)性,其生成的內(nèi)孔也是具有對(duì)稱(chēng)特征的,根據(jù)運(yùn)一特性,可W判斷內(nèi)孔的形 屯、位置,從而可W-定程度的實(shí)現(xiàn)填充功能的自動(dòng)處理;
[0010] (1.3)、互補(bǔ)零件的組合和填充:對(duì)于形狀具有互補(bǔ)特征的零件或零件的包絡(luò)矩形 形成的空白區(qū)域進(jìn)行適當(dāng)?shù)木酆虾筒逖a(bǔ)填充;
[0011] (2)、建立排樣零件的優(yōu)化種群,并根據(jù)計(jì)算種群個(gè)體的適應(yīng)度大小進(jìn)行等級(jí)劃分 為優(yōu)良種群和普通種群,通過(guò)優(yōu)良種群的GA操作和普通種群的PSO進(jìn)化,實(shí)現(xiàn)種群個(gè)體的并 行協(xié)作,過(guò)程如下:
[0012] 在初始階段依據(jù)適應(yīng)度評(píng)價(jià)將整個(gè)種群劃分兩個(gè)子種群,即優(yōu)良種群化和普通種 群Cp,規(guī)模分別為M和N-M,其中優(yōu)良種群為當(dāng)前種群中M個(gè)適應(yīng)度最高的個(gè)體群,其余構(gòu)成 普通種群;各父代種群通過(guò)GA和PSO進(jìn)化產(chǎn)生相應(yīng)的子代種群,即子代精英種群Ec和子代普 通種群Ce,基于種群多樣性評(píng)估將子代種群劃分構(gòu)成下一代種群,
[0013] (3)、建立多樣性度量標(biāo)準(zhǔn),在個(gè)體適應(yīng)度評(píng)估(即排樣密度評(píng)價(jià))的基礎(chǔ)上用來(lái)控 制選擇優(yōu)良種群特征,保證下代優(yōu)良子種群個(gè)體的多樣性;如果系統(tǒng)多樣性下降至某個(gè)預(yù) 定的指標(biāo),算法將重新選擇優(yōu)良種群的新個(gè)體;多樣性度量標(biāo)準(zhǔn)的制定設(shè)及捜索空間、種群 規(guī)模和個(gè)化賠化倍烏.加公立(1 )所元.
[0014]
[0015] 公式(1)中,M是種群規(guī)模;fik是第i個(gè)個(gè)體的第k個(gè)進(jìn)化適應(yīng)度值;;f是所有個(gè)體 的第k次進(jìn)化的適應(yīng)度平均值,k為進(jìn)化次數(shù)。
[0016] 本發(fā)明優(yōu)點(diǎn)為:
[0017] 本發(fā)明提出一種遺傳算法和粒子群算法的混合智能優(yōu)化方法,對(duì)不同的特征種群 實(shí)現(xiàn)并行進(jìn)化,可實(shí)現(xiàn)不種智能優(yōu)化算法的有效融合,提升了排樣效率的和板材利用率。
【附圖說(shuō)明】
[001引圖1為本發(fā)明中同類(lèi)零件組合圖。
[0019] 圖2為本發(fā)明中零件填充圖。
[0020] 圖3為本發(fā)明中互補(bǔ)零件組合填充圖。
[0021] 圖4為混合算法模型圖。
[0022] 圖5為算法流程圖。
[0023] 圖6為不同染色體間的交叉操作圖。
[0024] 圖7為服PA最優(yōu)排樣布局圖。
[0025] 圖8為CAD排樣圖。
【具體實(shí)施方式】
[0026] 異形零件下料的并行排樣優(yōu)化方法,包括W下步驟:
[0027] (1)、通過(guò)對(duì)零件圖形的預(yù)處理,提取排樣零件的幾何數(shù)據(jù),根據(jù)提取的幾何數(shù)據(jù) 對(duì)排樣零件進(jìn)行特征編碼和排樣編碼,特征編碼和排樣編碼分別反映了零件圖形的屬性, 針對(duì)零件的組合及填充操作亦進(jìn)行相應(yīng)編碼,編碼方式如表1所示:
[0028] 表1為零件特征編碼信息表
[00991
[0030] 然后根據(jù)編碼對(duì)排樣零件進(jìn)行聚合、填充及靠接處理,實(shí)現(xiàn)不規(guī)則零件的矩形化 操作,矩形化過(guò)程如下:
[0031] (1.1)、如圖1所示,同類(lèi)零件的組合:將零件圖形繞參考點(diǎn)旋轉(zhuǎn)180°相位,分別通 過(guò)橫向和縱向進(jìn)行組合,依據(jù)組合圖形的包絡(luò)矩形面積最小獲得最佳包絡(luò)矩形;
[0032] (1.2)、如圖2所示,同類(lèi)零件組合形成空白區(qū)域的填充:對(duì)于同類(lèi)組合零件生成的 內(nèi)孔,由于互補(bǔ)零件的對(duì)稱(chēng)性,其生成的內(nèi)孔也是具有對(duì)稱(chēng)特征的,根據(jù)運(yùn)一特性,可W判 斷內(nèi)孔的形屯、位置,從而可W-定程度的實(shí)現(xiàn)填充功能的自動(dòng)處理;
[0033] (1.3)、如圖3所示,互補(bǔ)零件的組合和填充:對(duì)于形狀具有互補(bǔ)特征的零件或零件 的包絡(luò)矩形形成的空白區(qū)域進(jìn)行適當(dāng)?shù)木酆虾筒逖a(bǔ)填充;
[0034] (2)、建立排樣零件的優(yōu)化種群,并根據(jù)計(jì)算種群個(gè)體的適應(yīng)度大小進(jìn)行等級(jí)劃分 為優(yōu)良種群和普通種群,通過(guò)優(yōu)良種群的GA操作和普通種群的PSO進(jìn)化,實(shí)現(xiàn)種群個(gè)體的并 行協(xié)作,過(guò)程如下:
[0035] 如圖4所示,在初始階段依據(jù)適應(yīng)度評(píng)價(jià)將整個(gè)種群劃分兩個(gè)子種群,即優(yōu)良種群 Ep和普通種群Cp,規(guī)模分別為M和N-M,其中優(yōu)良種群為當(dāng)前種群中M個(gè)適應(yīng)度最高的個(gè)體 群,其余構(gòu)成普通種群;各父代種群通過(guò)GA和PSO進(jìn)化產(chǎn)生相應(yīng)的子代種群,即子代精英種 群Ec和子代普通種群Ce,基于種群多樣性評(píng)估將子代種群劃分構(gòu)成下一代種群,
[0036] (3)、如圖5所示,建立多樣性度量標(biāo)準(zhǔn),在個(gè)體適應(yīng)度評(píng)估(即排樣密度評(píng)價(jià))的基 礎(chǔ)上用來(lái)控制選擇優(yōu)良種群特征,保證下代優(yōu)良子種群個(gè)體的多樣性;如果系統(tǒng)多樣性下 降至某個(gè)預(yù)定的指標(biāo),算法將重新選擇優(yōu)良種群的新個(gè)體;多樣性度量標(biāo)準(zhǔn)的制定設(shè)及捜 索空間、種群規(guī)模和個(gè)體特征信息,如公式(1)所示:
[0037]
[0038] 公式(1)中,M是種群規(guī)模;fik是第i個(gè)個(gè)體的第k個(gè)進(jìn)化適應(yīng)度值;7&是所有個(gè)體 的第k次進(jìn)化的適應(yīng)度平均值,k為進(jìn)化次數(shù)。
[0039] 具體實(shí)施例:
[0040] (1)初始化設(shè)置
[0041] 確定排樣種群規(guī)模,設(shè)定混合算法參數(shù):初始解(粒子位移和速度)、交叉概率、變 異概率等。
[0042] (2)計(jì)算個(gè)體適應(yīng)度值及種群劃分
[0043] 根據(jù)排樣密度計(jì)算種群中所有個(gè)體的的適應(yīng)度,并按其大小將種群劃分為兩個(gè)子 種群。其中為避免個(gè)體中存在同類(lèi)或相似零件而影響種群多樣性及進(jìn)化的重復(fù)性,可通過(guò) 對(duì)個(gè)體的編碼相似性判斷和適應(yīng)度計(jì)算來(lái)更新調(diào)整,適應(yīng)度計(jì)算公式如下式(2)所示。其中 是排入N個(gè)零件的總面積,S是排樣圖高度輪廓線(xiàn)W下的板材面積。 i 二t
[0044]
(2),
[0045] (3)對(duì)于優(yōu)良子種群進(jìn)行遺傳操作
[0046] 交叉算子采用個(gè)體優(yōu)良基因優(yōu)先的交叉操作,即在交叉中不會(huì)使得基因丟失良好 的染色體信息,同時(shí)可W穩(wěn)固由變異操作得到的新的基因特征,保證種群多樣性和收斂性 的統(tǒng)一,交叉示意如圖6所示。優(yōu)良基因保持機(jī)制可在排樣優(yōu)化的預(yù)處理階段引入圖形聚類(lèi) 思想作為評(píng)估手段,排樣圖形聚類(lèi)特征可選取:面積、位圖外包矩形覆蓋率、近似長(zhǎng)短軸比、 對(duì)稱(chēng)性等;變異操作則包括個(gè)體零件的位置變異和角度變異。
[0047] (4)對(duì)于適應(yīng)度較差的子種群進(jìn)行粒子群優(yōu)化
[0048] 設(shè)粒子群一個(gè)D維的目標(biāo)捜索空間中,第i個(gè)粒子在第d(l《d《D)維的位置向量表 示為Xid,其飛行速度為Vid。第i個(gè)粒子目前捜索到的最優(yōu)解為個(gè)體極值,記作Pid,整個(gè)粒子 群目前找到的最優(yōu)解為全局最佳極值,記作Pgd。整個(gè)粒子群通過(guò)跟蹤個(gè)體極值和最佳極值 來(lái)更新自己的飛行速度和位置,在解空間中尋求最優(yōu)解。PSO算法迭代公式如下:
[0049] (3),
[0050] (4),
[0化1]其中,W為慣性權(quán)重因子;Cl, c2為加速因子;
分別為粒子當(dāng)前 位置與個(gè)體極值和全局極值的交換序列和角度旋轉(zhuǎn)序列。由此可見(jiàn),Cl和c2決定了 Pid和Pgd 對(duì)粒子當(dāng)前位置的影響程度。
[0052] (5)將GA和PSO算法生產(chǎn)的新個(gè)體進(jìn)行混合處理,產(chǎn)生下一代新種群。根據(jù)迭代次 數(shù)或終止條件繼續(xù)執(zhí)行(2)至(5)或結(jié)束。
[0053] 根據(jù)算法思想及模型,算法的程序偽代碼如表2所示:
[0054] 表2為算法程序偽代碼表
[0化5]
[0化6] 取U種不同形狀的零件,總數(shù)n = 39,板材尺寸為SOOOmmX 2000mm。設(shè)定種群規(guī)模S = 10,粒子速度映射的交換序基于粒子中所含零件的個(gè)數(shù)W學(xué)習(xí)概率Cl, C2G(0,1)進(jìn)行隨 機(jī)選取,交叉概率Pc = 0.8,變異概率Pm=0.05。=種算法其最佳排樣密度的計(jì)算結(jié)果如表3 所示,取其最優(yōu)排樣布局如圖7所示,圖8為輸出的CAD排樣圖。
[0057]表3為=種算法求出的板材利用率
【主權(quán)項(xiàng)】
1.異形零件下料的并行排樣優(yōu)化方法,其特征在于:包括以下步驟: (1) 、通過(guò)對(duì)零件圖形的預(yù)處理,提取排樣零件的幾何數(shù)據(jù),根據(jù)提取的幾何數(shù)據(jù)對(duì)排 樣零件進(jìn)行特征編碼和排樣編碼,特征編碼和排樣編碼分別反映了零件圖形的屬性,針對(duì) 零件的組合及填充操作亦進(jìn)行相應(yīng)編碼;然后根據(jù)編碼對(duì)排樣零件進(jìn)行聚合、填充及靠接 處理,實(shí)現(xiàn)不規(guī)則零件的矩形化操作,矩形化過(guò)程如下: (1.1) 、同類(lèi)零件的組合:將零件圖形繞參考點(diǎn)旋轉(zhuǎn)180°相位,分別通過(guò)橫向和縱向進(jìn) 行組合,依據(jù)組合圖形的包絡(luò)矩形面積最小獲得最佳包絡(luò)矩形; (1.2) 、同類(lèi)零件組合形成空白區(qū)域的填充:對(duì)于同類(lèi)組合零件生成的內(nèi)孔,由于互補(bǔ) 零件的對(duì)稱(chēng)性,其生成的內(nèi)孔也是具有對(duì)稱(chēng)特征的,根據(jù)這一特性,可以判斷內(nèi)孔的形心位 置,從而可以一定程度的實(shí)現(xiàn)填充功能的自動(dòng)處理; (1.3) 、互補(bǔ)零件的組合和填充:對(duì)于形狀具有互補(bǔ)特征的零件或零件的包絡(luò)矩形形成 的空白區(qū)域進(jìn)行適當(dāng)?shù)木酆虾筒逖a(bǔ)填充; (2) 、建立排樣零件的優(yōu)化種群,并根據(jù)計(jì)算種群個(gè)體的適應(yīng)度大小進(jìn)行等級(jí)劃分為優(yōu) 良種群和普通種群,通過(guò)優(yōu)良種群的GA操作和普通種群的PSO進(jìn)化,實(shí)現(xiàn)種群個(gè)體的并行協(xié) 作,過(guò)程如下: 在初始階段依據(jù)適應(yīng)度評(píng)價(jià)將整個(gè)種群劃分兩個(gè)子種群,即優(yōu)良種群Ep和普通種群 Cp,規(guī)模分別為Μ和N-M,其中優(yōu)良種群為當(dāng)前種群中Μ個(gè)適應(yīng)度最高的個(gè)體群,其余構(gòu)成普 通種群;各父代種群通過(guò)GA和PSO進(jìn)化產(chǎn)生相應(yīng)的子代種群,即子代精英種群Ec和子代普通 種群Cc,基于種群多樣性評(píng)估將子代種群劃分構(gòu)成下一代種群, (3) 、建立多樣性度量標(biāo)準(zhǔn),在個(gè)體適應(yīng)度評(píng)估(即排樣密度評(píng)價(jià))的基礎(chǔ)上用來(lái)控制選 擇優(yōu)良種群特征,保證下代優(yōu)良子種群個(gè)體的多樣性;如果系統(tǒng)多樣性下降至某個(gè)預(yù)定的 指標(biāo),算法將重新選擇優(yōu)良種群的新個(gè)體;多樣性度量標(biāo)準(zhǔn)的制定涉及搜索空間、種群規(guī)模 和個(gè)體特征信息,如公式(1)所示:公式(1)中,Μ是種群規(guī)模;是第i個(gè)個(gè)體的第k個(gè)進(jìn)化適應(yīng)度值;;f是所有個(gè)體的第k 次進(jìn)化的適應(yīng)度平均值,k為進(jìn)化次數(shù)。
【文檔編號(hào)】G06N3/12GK105956663SQ201610124467
【公開(kāi)日】2016年9月21日
【申請(qǐng)日】2016年3月4日
【發(fā)明人】梁利東
【申請(qǐng)人】安徽工程大學(xué)