导读:本文包含了不规则件优化排样论文开题报告文献综述及选题提纲参考文献，主要关键词:展开图,排样图形,排样信息模型,改进遗传算法
不规则件优化排样论文文献综述
张京京[1]（2014）在《二维不规则图形优化排样系统关键技术研究》一文中研究指出图形排样技术以应用范围广、种类多等显着特点，使得我国工业对优化排样方案的需求增加。为缩短零件排样所需周期、降低制造成本及提高材料利用率，并且使图形排样方案能够快速响应市场需求，本文对排样算法、图形排样的关键技术、数据库开发及叁维软件二次开发等相关内容进行了较深入研究，在此基础上，针对研究对象的具体特点开发了基于Solidworks的二维不规则图形优化排样系统。本文研究内容是对二维不规则图形的优化排样问题进行研究，主要是针对叁维钣金件展开图的优化布局。图形排样系统包含基于叁维钣金件展开图的参数化设计及图形排样设计两部分。其中，基于叁维钣金件的展开图设计主要是通过解析法在Solidworks中实现钣金件的展开绘制。本文在此参数化设计的基础上，针对钣金件展开图的特点及排样工艺，设计出了适合本文排样子图的位置变换方案，并分析了二维不规则图形排样系统的主要设计要求，确定了主要功能模块，规划系统工作流程，并根据系统需求及研究条件，确定了系统开发工具及实现方法，完成了二维不规则图形的排样工作。排样信息模型是二维不规则图形排样系统的信息基础，综合考虑钣金件展开图的特点和排样工艺，建立了面向排样序列及角度规划的排样信息模型，利用VisualBasic.NET语言开发了SQL Server数据库对其进行信息管理，所建模型能够完整表达图形及其排样信息。通过设计二维CAD辅助数据提取程序，从钣金件展开图中获取图形数据信息，并按照排样需求将其数据信息进行分类整理，并与对应的排样信息模型相连接。针对叁维钣金件展开图是由曲线构成并且含有孔洞的特点，本文利用Matlab数学运算工具及其遗传算法测试函数，通过对基本遗传算法的选择、交叉、变异操作算子进行改进和测试，使其在二维不规则图形序列角度规划中取得了更好的效果。以排样信息模型为基础，并以排样序列角度为依据，结合定位扫描算法，判断遗传个体的序列角度参数所对应的图形是否适应于此位置，从而最终生成了能够指导生产的排样结果图。根据不同的排样类型，分别对要进行排样的子图及数据存储表进行分析，获得板料中剩余空白处的最低点，以此为基点，经过与临近图之间的接触判交，获得子图在板料中的最终放置位置。利用Solidworks二次开发技术进行基于定位扫描算法的图形排列位置规划，得到子图的确定位置。按照排样序列依次添加排样子图，并依据与已排临近图的关系对其进行向右向上移动，直到完成所有子图位置的确定，从而实现了所有图形的排样。利用Visual Basic.NET开发平台、SQL Server数据库管理技术以及Solidworks二次开发技术开发了二维不规则图形优化排样系统，为钣金件的加工制造提供了技术支持。(本文来源于《中国矿业大学》期刊2014-04-01）
徐志斌[2]（2012）在《不规则板材圆形优化排样研究》一文中研究指出不规则板材圆形优化排样在工业设计与生产中经常用到，具有很高的理论意义和应用价值。一个排样效果好，效率高的求解算法是该领域所要达到的目标。本文深入研究了排样问题的研究现状、二维圆形排样自身的特点以及二维板材圆形零件排样问题的关键技术，主要研究内容如下:⑴针对圆形零件排样，特别是带瑕疵点的不规则板材排样问题，本文研究并建立了二维板材圆形零件优化排样问题的描述形式和数学模型，解决了对不规则板材边界和瑕疵地带的处理模型问题。分析了二维不规则件板材优化排样问题的求解难度，针对该问题的提出了相应的求解思路及优化策略。⑵大部分智能算法以较高的时间和空间复杂度来优化下料，却没有大幅提高板材的利用率。针对这个问题，本文提出了一种基于人工下料思维的仿生下料算法—邻居关系算法。该算法中在放置新的圆时，总是从已经排好的圆出发，使新排的圆与其他圆有恰当的位置关系，并定义空隙度来量化圆形零件位置之间的紧密程度，以达到将这种位置关系量化，使算法具有可行性与简便性的目的。实验证明该算法以较低的时间复杂度和空间复杂度实现了不规则板材上的圆形件优化排样。⑶针对邻居关系算法排样效果不稳定问题，本文采用模拟退火算法与粒子群算法，建立了新的适应度函数，准确反映板材中圆形零件与圆形零件之间以及圆形零件与边界和瑕疵点之间的关系，较好的利用模拟退火粒子群算法解决了二维板材圆形排样问题。(本文来源于《苏州大学》期刊2012-05-01）
陈小雨[3]（2012）在《二维不规则零件自动优化排样算法的研究》一文中研究指出零件排样在制造业中具有广泛的应用，计算机排样可以把零件的排样通过计算机解决，不但提高排样的效率，同时可以大大提高材料的利用率。计算机排样具有广泛的应用场景和重要的研究意义。本文以二维不规则图形为研究对象，对二维不规则图形进行矩形包络，在矩形包络的基础上，通过各种算法的比较，研究了一种基于最低轮廓线的蚂蚁排样搜索算法，并实现了蚂蚁搜索排样系统。本文研究了矩形包络法的算法，该算法首先将无规律的不规则图形通过直线拟合转换为多边形图形，在多边形图形的基础上对矩形包络法进行了深入的研究。通过对多边形图形进行顶点方向性判断、凹凸性判断、以及凹凸多边形的转换后，成功的将不规则图形转化为最小包络矩形。矩形件排样作为研究目标，本文将排样效果较好的最低轮廓线排样算法与蚂蚁搜索算法进行融合，提出一种基于最低轮廓线的蚂蚁搜索排样算法，此方法可以充分利用矩形件的长宽比信息和面积信息，建立各个矩形件之间的信息素，在最低轮廓线排样算法的基础上运用蚂蚁搜索寻找最优序列。根据本文研究的矩形包络法以及基于最低轮廓线的蚂蚁排样搜索算法，实现了不规则零件自动优化排样系统的开发。此系统包含零件图形的添加与删除，并可输入每个零件的所需数量，以及显示待排零件的包络状况，设置蚂蚁算法的迭代次数、蚂蚁数量，原材料的高度和宽度以及蚂蚁算法的各个参数，能够图形化的显示最后的排样效果。本文对不规则图形排样进行研究，并将算法进行程序实现，充分证实了算法的有效性和可利用性，对于计算机排样的应用具有很高的研究意义和研究价值。(本文来源于《哈尔滨理工大学》期刊2012-03-01）
史俊友,苏传生,翟红岩[4]（2009）在《基于小生境遗传模拟退火算法的不规则件优化排样》一文中研究指出针对二维不规则图形零件在排样区域上的最优排列问题,将排样和制造工艺联系起来,先将多边形各边向外扩充,为零件预留加工余量;然后采用遗传模拟退火算法与小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度,再用基于"最低水平线与填充算法相结合"策略的启发式排样算法实现二维不规则件自动排样,得到了满意的优化排样结果。(本文来源于《青岛科技大学学报(自然科学版)》期刊2009年05期）
史俊友,苏传生,翟红岩[5]（2009）在《不规则零件优化排样的神经网络混合优化算法》一文中研究指出提出一种利用人工神经网络求解不规则件排样问题的混合优化方法.该方法首先把排样和制造工艺联系起来,将多边形各边向外扩充,为零件预留加工余量;然后采用自组织特征映射模型(SOM)和Hopfield人工神经网络相结合的方法,运用SOM神经网络对初始在板材内随机排布的不规则零件进行平移,逐步减小不规则零件之间的重迭面积,求得各零件的最优位置,再运用Hopfield神经网络对平移后的零件旋转,进行迭代运算,当能量函数达到稳定状态时,得到各排样零件的最优旋转角度组合,实现自动排样.算法可以解决不规则件和矩形件在规则板材以及不规则板材上的排样问题,实例证明了该算法的有效性和实用性.(本文来源于《工程设计学报》期刊2009年04期）
苏传生[6]（2009）在《基于智能混合优化算法的不规则件优化排样技术研究》一文中研究指出排样问题在工业生产中广泛存在,因而解决它具有很深远的理论意义和现实意义。寻找通用性好、求解质量和效率高、易于实现的排样问题求解算法一直是该领域所追求的目标。本文根据排样问题的研究现状及其自身特点,深入研究了二维不规则零件排样问题的关键技术,并提出两种智能混合优化算法解决排样问题。本文主要研究以下内容:⑴分析并建立了二维不规则件优化排样问题的形式化描述和数学模型。分析了二维不规则件优化排样问题的求解难度,提出求解该问题的求解思路及优化策略;⑵通过合适的计算机表达,实现了不规则件的输入和排样过程中的几何变换。把不规则件排样问题转化为解决图形之间的运算问题。⑶通过对各种智能优化算法进行分析,将自组织特征映射模型(SOM)和Hopfield神经网络引入不规则零件排样求解中,运用SOM神经网络对初始在板材内随机排布的不规则零件进行平移,寻求各零件的最优位置,再运用Hopfield神经网络进行迭代运算,寻求各排样零件的最优旋转角度组合,构成一种神经网络混合算法来解决不规则件优化排样问题。⑷通过探讨各种智能优化算法和启发式算法在不规则件优化排样问题中的应用,将遗传算法、模拟退火算法与小生境技术、正交试验法相结合,互相取长补短,构成正交小生境遗传模拟退火混合优化排样策略。⑸研究了矩形排样单元与空白区域填充算法。对不规则零件的矩形排样单元构造过程中的关键技术进行了探讨;给出了具体算法,解决了由于简单采用最小包络矩形代替零件进行排样而导致的多边形外轮廓与多边形矩形包络之间存在空白区域,材料利用率过低的问题。⑹设计并实现了基于神经网络混合算法和正交小生境遗传模拟退火算法的不规则件优化排样系统。通过测试实例验证了算法的有效性和实用性,证明了不规则件优化排样系统完全可以满足现代制造业的需求,达到节约原材料的目的。⑺总结本论文的研究内容,并对下一步的工作提出建议。(本文来源于《青岛科技大学》期刊2009-04-20）
梁利东,叶家玮[7]（2009）在《基于遗传算法的不规则件优化排样研究》一文中研究指出提出了一种基于遗传算法的不规则件优化排样的求解方法,通过剩余矩形匹配算法实现解码和局部寻优,并结合正交靠接算法实现自动排样。实例证明,该方法是有效的。(本文来源于《计算机工程与应用》期刊2009年02期）
胡志刚[8]（2008）在《二维不规则零件优化排样系统的研究与开发》一文中研究指出计算机辅助优化排样问题就是将一系列形状各异的零件排放在给定的材料上,找出零件的最优布局,使得给定材料的利用率最高,以达到节约材料、提高效益的目的。从数学计算复杂性理论看,二维不规则样件的排样问题在理论上属于NP完全问题,因为存在实际形状的复杂性和计算上的复杂性,求解十分困难。传统的排样工作都是人工依靠经验进行的,时间长并且效果不理想。由于生产实际的需要,人们迫切需要利用现代科技来解决这一问题。目前研究较多的是规则零件(如矩形)的排样问题,对不规则件的研究较少。本文在分析国内外排样问题研究现状以及遗传算法局限性的基础上,针对传统遗传算法在求解排样问题时存在的不足,提出了基于最优保持的单亲遗传算法,用于求解二维不规则零件优化排样问题。单亲遗传算法取消了传统遗传算法的交叉算子,采取单亲繁殖方式。跟传统遗传算法相比,单亲遗传算法遗传操作简单,容易在遗传操作过程中处理约束条件,不要求初始群体具有多样性,不存在早熟收敛问题,计算效率高。通过两个实例验证,此方法所得结果在计算精度和计算时间上优于常用算法,表明此方法与传统方法相比具有更高的准确性、有效性以及可行性。本文利用单亲遗传算法固有的并行特性,将并行技术与单亲遗传算法相结合,在局域网中运行并行单亲遗传算法突破单台计算机计算能力的局限性,加快单亲遗传算法的运行速度。并行计算时所选用的模型为粗粒度的主/从模型,在计算过程中,将初始个体分别分配到各台slave机器上,然后slave机就开始计算,在slave机计算到一定的时间以后,依据一定的迁移策略,向master迁移个体,然后再从master机上取回其它机器的个体继续运算,直到满足中止条件为止。实验表明,分布式并行单亲遗传算法不但可以加快优化排样的速度,而且还可以提高解的质量。本文以Visual C++6.0作为开发平台,MFC作为工具库,开发具有实用价值的二维不规则零件优化排样系统。该系统具有良好的数据接口,可以和AutoCAD平台顺畅地交互数据;该系统具有友好的交互环境,用户可以方便地输入和调整参数;该系统具有快速的响应特性,可以在比较短的时间内得到排样结果;该系统具有优良的排样功能,可以得到比较好的排样结果;该系统易于维护,易于扩充。(本文来源于《浙江大学》期刊2008-06-14）
冯美贵[9]（2008）在《基于NGSA算法的不规则件优化排样系统的研究》一文中研究指出二维零件的优化排样技术广泛应用于装备制造业,同时也是一个具有最高计算复杂度的NP完全问题。本文根据国内外的研究现状、排样问题的自身特点及前排样算法中存在的问题,针对任意形状的二维不规则零件排样问题的关键技术,进行了深入的研究,提出了一系列解决优化排样间题的算法。本文主要研究包括以下内容:(1)分析并建立了二维不规则件优化排样问题的形式化描述和数学模型。(2)分析二维不规则件优化排样问题的求解难度,提出了求解该问题的优化策略及求解思路。(3)通过对各种智能优化算法和启发式算法进行分析,并通过探讨其在不规则件优化排样问题中的应用,将遗传算法、模拟退火算法与小生境技术相结合,互相耳义长补短,构成小生境遗传模拟退火混合优化排样策略。(4)研究了矩形排样单元与空白区域填充算法。针对不规则形状零件的矩形排样单元构造过程中的关键技术进行了探讨,并针对在多边形的外轮廓与矩形包络之问容易产生一些空白块,给出了具体算法,克服了以往简单采用最小包络矩形代替零件排样存在空白区域,导致材料利用率过低问题。(5)提出了基于BLF策略的不规则件的动念扫描定位启发式算法。本算法综合了改进的一步平移法、基于“最低水平线法”策略的动态定位算法与空白区域填充算法。(6)设计并实现了基于小生境遗传模拟退火算法的不规则件优化排样系统。通过实例验证了算法的有效性和实用性,证明了不规则件优化排样系统完全适合现代制造业的需求,不仅满足材料利用率的要求,也达到了节约原材料的目的。(7)总结本论文的研究内容,对下一步的工作提出建议。(本文来源于《青岛科技大学》期刊2008-04-20）
史俊友,冯美贵,苏传生,张莹[10]（2007）在《不规则件优化排样的小生境遗传模拟退火算法》一文中研究指出提出一种基于小生境遗传模拟退火算法求解不规则件排样问题的方法。该方法首先充分考虑不规则形状零件自身的形状特征,采用组合矩形包络算法将二维不规则零件的排样问题转化为矩形件的排样问题,克服了以往简单采用最小包络矩形代替零件排样存在空白区域,从而导致材料可能发生的利用率过低问题;然后利用遗传模拟退火算法及小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度;最后用"最低水平线与填充算法相结合"策略的启发式排样算法实现自动排样。实例表明了该算法的有效性和实用性。(本文来源于《机械科学与技术》期刊2007年07期）
不规则件优化排样论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
不规则板材圆形优化排样在工业设计与生产中经常用到，具有很高的理论意义和应用价值。一个排样效果好，效率高的求解算法是该领域所要达到的目标。本文深入研究了排样问题的研究现状、二维圆形排样自身的特点以及二维板材圆形零件排样问题的关键技术，主要研究内容如下:⑴针对圆形零件排样，特别是带瑕疵点的不规则板材排样问题，本文研究并建立了二维板材圆形零件优化排样问题的描述形式和数学模型，解决了对不规则板材边界和瑕疵地带的处理模型问题。分析了二维不规则件板材优化排样问题的求解难度，针对该问题的提出了相应的求解思路及优化策略。⑵大部分智能算法以较高的时间和空间复杂度来优化下料，却没有大幅提高板材的利用率。针对这个问题，本文提出了一种基于人工下料思维的仿生下料算法—邻居关系算法。该算法中在放置新的圆时，总是从已经排好的圆出发，使新排的圆与其他圆有恰当的位置关系，并定义空隙度来量化圆形零件位置之间的紧密程度，以达到将这种位置关系量化，使算法具有可行性与简便性的目的。实验证明该算法以较低的时间复杂度和空间复杂度实现了不规则板材上的圆形件优化排样。⑶针对邻居关系算法排样效果不稳定问题，本文采用模拟退火算法与粒子群算法，建立了新的适应度函数，准确反映板材中圆形零件与圆形零件之间以及圆形零件与边界和瑕疵点之间的关系，较好的利用模拟退火粒子群算法解决了二维板材圆形排样问题。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
不规则件优化排样论文参考文献
[1].张京京.二维不规则图形优化排样系统关键技术研究[D].中国矿业大学.2014
[2].徐志斌.不规则板材圆形优化排样研究[D].苏州大学.2012
[3].陈小雨.二维不规则零件自动优化排样算法的研究[D].哈尔滨理工大学.2012
[4].史俊友,苏传生,翟红岩.基于小生境遗传模拟退火算法的不规则件优化排样[J].青岛科技大学学报(自然科学版).2009
[5].史俊友,苏传生,翟红岩.不规则零件优化排样的神经网络混合优化算法[J].工程设计学报.2009
[6].苏传生.基于智能混合优化算法的不规则件优化排样技术研究[D].青岛科技大学.2009
[7].梁利东,叶家玮.基于遗传算法的不规则件优化排样研究[J].计算机工程与应用.2009
[8].胡志刚.二维不规则零件优化排样系统的研究与开发[D].浙江大学.2008
[9].冯美贵.基于NGSA算法的不规则件优化排样系统的研究[D].青岛科技大学.2008
[10].史俊友,冯美贵,苏传生,张莹.不规则件优化排样的小生境遗传模拟退火算法[J].机械科学与技术.2007