【技术实现步骤摘要】
本专利技术属于不规则零件排样，具体涉及一种基于轮廓匹配的二维不规则零件的排样方法及系统。
技术介绍
1、二维不规则件排样是一类经典的组合优化问题，其几何形状的多变性和不同排列组合的复杂性会对排样效果产生显著影响，一些企业尚使用传统的手工排样方法，但是因其复杂性往往准确并且高效的完成排样任务，使用计算机辅助排样可以大大提高排样效率和准确度，最大限度地利用原材料，提高企业收益，减少原材料的浪费，节约社会资源和保护环境。
2、专利cn110059864 a公开了一种基于知识迁移的矩形智能排样方法及系统，基于知识迁移的矩形智能排样方法可以提高板材利用率和求解速度，在求解大中规模矩形排样问题上具有较好的实用性。但是在生产实践中，排样问题多以不规则轮廓的形式出现，相较于矩形排样问题，在不规则轮廓排样问题中，轮廓的定位过程更加复杂。
技术实现思路
1、本专利技术的目的在于克服现有技术中的不足，提供一种基于轮廓匹配的二维不规则零件的排样方法及系统，排样效果好，利用率高。
2、本专利技术提供了如下的技术方案：
3、第一方面，提供了一种基于轮廓匹配的二维不规则零件的排样方法，包括：
4、根据二维不规则零件的图形坐标信息，提取各个零件的轮廓特征；
5、根据输入的待排板材尺寸以及各个零件的轮廓特征，利用小生境遗传模拟退火算法确定零件的最优下料顺序；
6、根据零件的下料顺序以及零件的轮廓特征，利用混合匹配方式确定零件的最佳定位，完成零件
7、可选地，所述根据二维不规则零件的图形坐标信息，确定各个零件的轮廓特征包括：
8、利用autocad将二维零件的图形保存为dxf文件格式；
9、利用dxf读取程序对dxf文件格式的二维零件进行图形零件信息的读取，获取每个零件的坐标信息；
10、根据离散程度对每个零件的坐标信息进行离散化处理，获取离散点集；
11、根据离散点集，使用像素法和freeman链码提取零件的轮廓特征，所述零件的轮廓特征包括零件的面积和轮廓点坐标集。
12、可选地，所述根据输入的待排板材尺寸以及各个零件的轮廓特征，利用小生境遗传算法和模拟退火算法确定零件的最优下料顺序包括：
13、对每个零件进行编码，随机生成由所有待排零件个体组成的初始群；
14、利用小生境遗传算法，获取初始群的个体适应度；
15、根据适应度数值大小，对初始群中个体进行降序排列，并选择降序排列的前n个零件个体作为第一中间群体，并提取出第一中间群体的个体适应度；
16、对初始群进行选择、交叉和变异操作，获取第二中间群体；
17、将第一中间群体和第二中间群体集合在一起，通过小生境遗传算法操作，获取混合群体的个体适应度，并将混合群体的个体适应度进行降序排序，选取与初始群体相同个数的零件个体作为新一代种群；
18、对新一代种群进行模拟退火算法操作，确定下一代群体，并计算下一代群体的群体适应度；
19、判断下一代群体的群体适应度是否满足约束条件，
20、若满足，则输出下一代群体的零件个体顺序，完成零件的最优下料顺序确定；若不满足，则对初始群重新进行选择、交叉和变异操作，直至群体适应度满足约束条件。
21、可选地，所述对新一代种群进行模拟退火算法操作，确定下一代群体，并计算下一代群体的群体适应度中，所述群体适应度f′通过下列公式确定：
22、f′＝αf+β
23、其中，f为原适应度，α为第一线型比例系数，β为第二线型比例系数；
24、所述原适应度f为：
25、
26、其中，f(x)为下料零件总面积在所用板材面积中的最大占比，cmin为下料零件总面积在所用板材面积占比的最小值估计；
27、所述下料零件总面积在所用板材面积中的最大占比f(x)为：
28、
29、其中，sn第n个零件的占据面积，m为零件总数，w为待排板材宽度，h*为该排样方案下m个零件排放完毕后，零件排样图的最大使用高度；
30、所述第一线型比例系数α和第二线型比例系数β分别为：
31、
32、
33、其中，c为最佳个体的期望复制数量，favg为群体所有个体的个体适应度平均值，fmax为群体所有个体的个体适应度的最大值。
34、可选地，所述利用小生境遗传算法，获取初始群的个体适应度中和所述通过小生境遗传算法操作，获取混合群体的个体适应度中：
35、所述个体适应度通过下列公式确定：
36、
37、其中，fi(x)为利用混合匹配方式确定的第i个个体的个体适应度，si为共享度；
38、所述共享度si为：
39、
40、其中，dij为第i个零件与第j个零件kendall tau距离。
41、可选地，所述根据零件的下料顺序以及零件的轮廓特征，利用混合匹配方式确定零件的最佳定位，完成零件的排样包括：
42、根据零件的轮廓特征，利用包络矩形将零件的轮廓特征转化为宽度匹配特征和长度匹配特征；
43、根据长度匹配特征、宽度匹配特征和零件的最优下料顺序，确定零件的下料位姿；
44、根据零件的下料位姿和零件的轮廓特征，利用基于局部轮廓相似性匹配的方式确定零件的局部轮廓利用率，利用基于考虑空腔因素的匹配方式确定零件的空腔废料率，利用考虑结构因素的匹配方式确定结构损失函数；
45、将局部轮廓利用率、空腔废料率和结构损失函数进行无量纲化，确定最佳个体适应度函数，实现零件的最佳定位，完成零件的排样。
46、可选地，所述根据零件的下料位姿和零件的轮廓特征，利用基于局部轮廓相似性的匹配方式确定零件的局部轮廓利用率，利用基于考虑空腔因素的匹配方式确定零件的空腔废料率，利用考虑结构因素的匹配方式确定结构损失函数时，使用前锋线法对已排零件的边界轮廓进行表达，在每次排放新零件时，均将前锋线的状态更新方式转换为接触部分的序列替换；
47、所述利用基于局部轮廓相似性的匹配方式确定零件的局部轮廓利用率中，所述零件的局部轮廓利用率f1为：
48、
49、所述利用基于考虑空腔因素的匹配方式确定零件的空腔废料率中，所述零件的空腔废料率f2为：
50、
51、所述利用考虑结构因素的匹配方式确定结构损失函数中，所述结构损失函数f3为：
52、
53、其中，[x1，x2]为匹配区域的边界横坐标，yci为更新后前锋线在横坐标为i位置时的纵坐标，ybi为零件底部特征线段在横坐标为i位置时的纵坐标，yai为待排板材原前锋线在横坐标为i位置时的纵坐标，λ为调整系数，sc表示由于直角代替方式产生的空腔面积，μ为权重系数，为更新后前锋线在横坐标为i位置时的纵坐标本文档来自技高网...
【技术保护点】
1.一种基于轮廓匹配的二维不规则零件的排样方法，其特征在于，包括：
2.根据权利要求1所述的基于轮廓匹配的二维不规则零件的排样方法，其特征在于，所述根据二维不规则零件的图形坐标信息，确定各个零件的轮廓特征包括：
3.根据权利要求1所述的基于轮廓匹配的二维不规则零件的排样方法，其特征在于，所述根据输入的待排板材尺寸以及各个零件的轮廓特征，利用小生境遗传算法和模拟退火算法确定零件的最优下料顺序包括：
4.根据权利要求3所述的基于轮廓匹配的二维不规则零件的排样方法，其特征在于，所述对新一代种群进行模拟退火算法操作，确定下一代群体，并计算下一代群体的群体适应度中，所述群体适应度F′通过下列公式确定：
5.根据权利要求3所述的基于轮廓匹配的二维不规则零件的排样方法，其特征在于，所述利用小生境遗传算法，获取初始群的个体适应度中和所述通过小生境遗传算法操作，获取混合群体的个体适应度中：
6.根据权利要求1所述的基于轮廓匹配的二维不规则零件的排样方法，其特征在于，所述根据零件的下料顺序以及零件的轮廓特征，利用混合匹配方式确定零件的最佳定
7.根据权利要求6所述的基于轮廓匹配的二维不规则零件的排样方法，其特征在于，所述根据零件的下料位姿和零件的轮廓特征，利用基于局部轮廓相似性的匹配方式确定零件的局部轮廓利用率，利用基于考虑空腔因素的匹配方式确定零件的空腔废料率，利用考虑结构因素的匹配方式确定结构损失函数时，使用前锋线法对已排零件的边界轮廓进行表达，在每次排放新零件时，均将前锋线的状态更新方式转换为接触部分的序列替换；
8.一种基于轮廓匹配的二维不规则零件的排样系统，其特征在于，包括：
9.一种计算机设备，其特征在于，包括处理器和存储器；其中，处理器执行存储器中保存的计算机程序时实现权利要求1-7任一项所述的基于轮廓匹配的二维不规则零件的排样方法的步骤。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；计算机程序被处理器执行时实现权利要求1-7任一项所述的基于轮廓匹配的二维不规则零件的排样方法的步骤。
...【技术特征摘要】
1.一种基于轮廓匹配的二维不规则零件的排样方法，其特征在于，包括：
2.根据权利要求1所述的基于轮廓匹配的二维不规则零件的排样方法，其特征在于，所述根据二维不规则零件的图形坐标信息，确定各个零件的轮廓特征包括：
3.根据权利要求1所述的基于轮廓匹配的二维不规则零件的排样方法，其特征在于，所述根据输入的待排板材尺寸以及各个零件的轮廓特征，利用小生境遗传算法和模拟退火算法确定零件的最优下料顺序包括：
4.根据权利要求3所述的基于轮廓匹配的二维不规则零件的排样方法，其特征在于，所述对新一代种群进行模拟退火算法操作，确定下一代群体，并计算下一代群体的群体适应度中，所述群体适应度f′通过下列公式确定：
5.根据权利要求3所述的基于轮廓匹配的二维不规则零件的排样方法，其特征在于，所述利用小生境遗传算法，获取初始群的个体适应度中和所述通过小生境遗传算法操作，获取混合群体的个体适应度中：
6.根据权利要求1所述的基于轮廓匹配的二维不规则零件的排样方法，其特征在于，所述根据...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。