基于模拟退火遗传算法的变压器硅钢片优化排样的研究

【摘要】：二维排样问题是一类具有最高计算复杂度的NPC（Non-deterministicPolynomial Complete）类问题，同计算机图形学、人工智能、神经网络、运筹学等学科有着广泛的联系与交叉，被广泛运用于服装、机械制造、玻璃、造纸等行业。研究排样问题不仅能给社会带来不可估量的经济价值和社会价值，而且能进一步促进社会向环境保护型、资源节约型方向发展。计算机技术的不断更新和发展，排样方式已由以前的手工排样发展到计算机的辅助排样，排样算法已由简单的搜索算法发展到智能的启发式算法，排样复杂度也随排样件的形状和计算复杂度的增加而增加。本文研究了变压器铁芯片的排样问题，主要工作和成果如下： 1.深入研究国内外排样问题的发展现状和趋势，以及变压器铁芯片现行的排样方式和局限性。在现在的变压器铁芯片制造基础上，根据变压器铁芯片的种类、形状和片数的特点提出了本文的排样系统，建立了排样系统框架，并且阐述了排样系统的基本内容和理论。 2.在本文的排样系统中，横向排样和纵向排样的系统是分开的。横向排料的目的是找出排入板材的零件种类，纵向排样的目的是找到参加排样的每个零件排在这张板中的片数，使得整张排料图的利用率达到要求。 3.横向排样的直接结果就是找到这样的零件排列组合，使得排入板材的零件的宽度和尽量接近板宽，也就是这些零件排在板材上时，尽可能占满板材。横向方向排样时，采用遗传算法中融入模拟退火的算法的优化算法，克服了遗传算法早熟和优化结果收敛性不够好的缺点，使算法每次都能解出横向板材利用率最高的最优解，保证了每次整体排样中横向排样结果的最优，最大限度的节约了硅钢片。 4.在纵向方向排样时，根据动态规划理论中的“最优化原理”建立了排样算法的数学模型，一张排料图完成后，剩余的零件也用这种方法进行排样。这样就可以保证每次排样的结果都是最好的，到最后整体排样所有的排样图加在一起的板材利用率就一定是最好的。 5.本文在MATLAB上对这种排料方法进行了仿真，并研究了板材横向宽度值的选择与余料的关系以及纵向剪切长度范围选择与排料利用率的关系，得到了最合适的板材宽度和纵向剪切范围。