【摘 要】
：
异形件排样问题是指在满足一定约束条件的前提下,将若干个零件摆放到给定的板材上,优化目标是使得板材的利用率最大化。排样问题广泛存在于各类制造业与空间布局优化问题中,其研究具有重要的实际应用价值。本文以实际项目需求为导向,针对异形件在封闭边界和开放边界约束条件下的排样问题进行了深入研究。首先,在分析了常用临界多边形（No-Fit Polygon,NFP）生成算法的优缺点之后,提出了一种改进的移动碰撞法
【基金项目】
：
中国船舶重工集团舰船研究设计中心的非标项目《XX流程及XX保障仿真优化技术研究》,项目号为0262100367；
论文部分内容阅读
异形件排样问题是指在满足一定约束条件的前提下,将若干个零件摆放到给定的板材上,优化目标是使得板材的利用率最大化。排样问题广泛存在于各类制造业与空间布局优化问题中,其研究具有重要的实际应用价值。本文以实际项目需求为导向,针对异形件在封闭边界和开放边界约束条件下的排样问题进行了深入研究。首先,在分析了常用临界多边形（No-Fit Polygon,NFP）生成算法的优缺点之后,提出了一种改进的移动碰撞法用于求解多边形之间的NFP,接着利用外靠接临界多边形（NFP）与内靠接临界多边形（Inner-Fit Polygon,IFP）提取待排样零件的可行定位点,引入无碰撞区域（Collision Free Region,CFR）的概念,以保证排样方案的可行性。其次,根据NFP的基本性质对可行定位点进行筛选,从而有效降低零件定位过程的几何计算量,在综合考虑重合率和BL排样策略,以及CFR退化为点或线段的情况之后,提出了一种基于CFR的混合启发式定位算法,作为封闭边界约束条件下的零件定位算法。针对单一类型零件在不规则板材上的排样问题,提出了基于起始方位角和第一个排样零件旋转角度搜索的改进排样策略。再者,通过分析开放边界约束条件对求解排样问题的影响,提出基于板材动态边界搜索的零件定位算法,并对板材边界扩展距离的计算方式进行了说明。分析了麻雀搜索算法的基本原理与应用,通过将麻雀种群的智能行为进行离散化设计,提出离散麻雀搜索算法（Discrete Sparrow Search Algorithm,DSSA）优化零件的排样顺序,并结合本文提出的定位算法对排样结果进行优化,实验测试的结果表明,本文所提排样算法是可行有效的。最后,根据项目实际需求,在全文理论研究的基础之上,应用软件开发技术,开发了一款异形件自动排样软件。该排样软件已经在国防科研项目中得到成功应用,可用于对航空母舰上舰载机的布列问题进行优化仿真。
其他文献
多目标稳健性设计优化是求解工程产品设计优化问题的常用有效方法,能够在设计阶段考虑实际工程问题中输入不确定性因素的影响,避免其导致目标或约束产生超出允许范围的波动,从而获得对不确定性不敏感的最优解集。然而,现有的多目标稳健性设计优化方法大多单一考虑区间不确定性或概率不确定性,且通常视区间不确定性不可缩减,这可能会使稳健性分析不准确,从而导致求得的最优解质量不佳;此外,实际工程设计优化问题中优化目标和
前端γ光子探测器是PET系统中的核心组件之一,其性能与PET系统重建图像的质量直接相关。本文针对传统离散晶体阵列探测器灵敏度有限、搭建成本高、组装难度大等问题,提出使用环形闪烁晶体搭建前端γ光子探测器的思想,并且通过图像重建实验评估了探测器的整体性能。除此之外,测试了基于环形闪烁晶体的探测器用于辐射探测的探测性能。最后提出了一种改进环形连续晶体探测器高度方向解码精度有限的新型探测器结构——基于环形
柔性作业车间调度问题中工件、机器、工序之间存在错综复杂的约束关系,可以看作一种复杂网络关系。通过复杂网络理论对节点和边等产生的行为特征之间的关系进行分析,可以获取一些目前数学模型等无法获取的对于调度的指导性意见用于求解调度问题。用复杂网络理论建立调度问题的网络模型,发现复杂网络抗毁性测度值的大小变化受到网络结构拓扑的影响,表现为调度方案的执行过程中动态扰动事件的发生,假设复杂网络抗毁性与调度方案鲁
＜正＞中粮信托针对供应链金融、农业金融、农地金融开展了广泛探索。从初期的规模覆盖深入到粮源的质量管理，再到释放农村资产潜能，逐步摸索出一条助力乡村振兴的信托创新之路农业金融是一件“看起来很美、说起来很重要、做起来很难”的事情。中粮信托有限责任公司（以下简称“中粮信托”）作为国内一家以发展农业金融服务为战略定位及专设农业金融部的信托公司，自成立起便依托集团的农业产业背景，积极响应国家号召，致力于打造
数控机床是装备制造业的核心装备,其技术发展对智能制造的影响重大。中国的机床技术研发起步较晚,与发达国家还存在较大差距,研究数控机床领域的技术演化规律对于国家制定战略发展规划、抢占技术先机具有重要意义。传统的技术演化研究多面向科技文献数据开展技术挖掘,但这些方法依赖于引用信息或局限于关键词分析导致数据挖掘深度不足;其次,现有研究的分析视角较为单一,难以准确地概括技术发展全貌。针对现有研究存在的不足,
＜正＞为了持续推进制造强国和质量强国建设，数字化企业网e-works于2022年3月16-17日在北京召开主题为“智能制造开启高质量发展新征程”的“第十二届中国智能制造高峰论坛”。李培根是中国工程院院士，华中科技大学教授、博士生导师、原校长，国内知名机械制造及自动化专家。他长期从事机械制造及其自动化领域的教学及科研工作，主持了CAPP（计算机辅助工艺规划）系统的研究与开发。论坛邀请李培根院士讲解2
目标检测是机器人物体识别和抓取检测的核心技术。现有的目标检测获得优良性能的前提是有含类别和位置标签的数据。然而,收集目标边界框位置信息是昂贵耗时的。基于弱监督学习的目标检测仅需要类别标签数据即可训练,因此表现出了极大的潜力。随着深度学习的发展,基于卷积神经网络的方法成为现阶段弱监督目标检测的主流技术。但是,该方法存在局部感知和混淆感知问题。为此,本文针对上述两个问题展开研究,改进了基于卷积神经网络
变可信度代理模型在融合不同精度数据、降低建模成本方面展现出了突出的性能,已被广泛应用于工程产品的优化设计中。基于变可信度代理模型的优化设计方法能够利用变可信度代理模型的优势显著地提高优化过程的效率,在工程产品的优化设计中表现出了巨大的潜力。目前基于变可信度代理模型的优化设计方法仍存在以下不足:（1）传统的置信下界（Lower Confidence Bound,LCB）准则难以直接应用于变可信度优化
随着5G时代的到来,人们对高性能集成芯片的需求快速增长,半导体产业不断追求更高的芯片刻蚀分辨率来提高芯片性能。目前10nm以下芯片加工工艺方案中极紫外光刻技术被认为是最佳解决方案,激光等离子体（LPP）是目前实现极紫外光刻光源的主流方案。传统研究中驱动光源多集中使用CO2激光作用锡靶材,本文探索使用多台MOPA光纤激光器空间合束的工作方式,通过脉冲光纤激光轰击金属锡靶材产生激光等离子体。本文围绕着