圆形件优化排样问题研究

【摘要】： 计算机辅助优化排样是计算机辅助设计与制造(CAD/CAM)技术的重要分支之一,解决的问题就是在给定的原材料上放置所需求的各种毛坯零件,使毛坯的布局最优,目的是在满足毛坯需求的前提下,最大限度地提高原材料的利用率,降低生产成本。 在生产实践中,优化排样问题广泛存在于机械制造业、服装加工业、家具制造业、木材加工业以及皮革制品制造业等行业,大量应用于线材、卷材、板材以及三维物品的分割排样。传统的排样工作都是由人工完成,存在时间耗费大而且下料利用率低等缺点,造成原材料的浪费,加大了企业的生产成本。因此,对排样问题进行研究、设计行之有效的排样算法具有深远的理论和实际意义。 对优化排样问题的研究,国内外的学者都给予了足够的重视,特别是针对矩形毛坯和二维不规则件的排样问题提出了许多算法,如:动态规划算法、多项式时间算法、连分数算法以及分支定界算法等确定性算法,也有禁忌搜索算法、蚁群算法、遗传算法、神经网络算法等概率性算法。然而,针对圆形件优化排样问题的研究却比较少,圆形件优化排样作为二维优化排样的一个分支,在实际生产当中也非常普遍。因此,针对圆形片排样问题开展研究非常必要。 本文研究的是圆形件剪冲排样问题:在指定长度和宽度的板材上,首先在剪切阶段用剪床将板材切割成水平或竖直条带,每根条带中所含圆片的直径相同;然后在冲裁阶段用冲床从条带上冲出圆片。生成的排样方案应在满足所有圆形毛坯需求量的前提下,使得所消耗的板材尽可能地少,以达到提高利用率、节约生产成本的目的。 本文的主要内容包括以下两个方面: 第一,设计实现了圆片无约束排样算法,用于生成排样方式。采用动态规划算法和背包算法相结合的方式,在精确求解的基础上,选取规范尺寸的子集进行计算,确定条带在板材上的最优布局,使得板材所含圆片的总价值最大。 第二,将圆片无约束排样算法和线性规划方法(LP:Linear Programming)相结合来求解大规模的二维圆片剪冲下料问题:已知库存板材尺寸、m种圆片的直径和需求量,对库存板材进行剪冲下料,要求确定排样方案,在满足所有毛坯需求的前提下,使得所消耗板材的总成本最小。本文使用单纯形法来求解线性规划问题,在求解过程中,需要反复迭代调用圆片无约束排样算法,根据毛坯的当前价值,生成一个能使目标改善的排样方式,最终生成最优圆片下料排样方案。 由于使用单纯形法求解线性规划问题的过程中需要反复调用无约束排样算法,因此无约束排样算法的效率对于整个排样方案生成算法的效率至关重要。本文在实现无约束排样算法时,引入了规范尺寸以及合适的规范尺寸子集选取策略对其进行优化,以提高算法的运行效率。 设计开发了圆形件下料排样系统,并采用了文献中报道的例题和生产实例对本文算法的有效性进行检验。对排样方式例题的计算结果表明,本文算法生成的排样方式的利用率比部分三块排样方式以及全部T型排样方式的利用率都有所提高,与精确算法生成的排样方式的利用率相同,计算时间却相对较少;对下料方案例题的计算结果表明,本文算法生成的排样方案的利用率比全部T型排样方案以及直切排样方案的利用率都有所提高;对生产实例的计算结果表明,本文算法的计算时间能满足实际生产应用的要求,生成的排样方案效果明显优于多段排样方案及直切排样方案的效果。因此,本文所提的圆形件下料排样算法在生产实践当中是一种行之有效的算法。