汽车覆盖件智能排样系统的研究

论文摘要

排样是冲压生产中的一个重要环节,不同的排样方案对冲压加工的材料利用率有重要影响,在冲压生产中,材料费约占整个冲压成本的60%左右,因此提高材料利用率是降低冲压零件成本的重要途径,而材料利用率的高低主要取决于冲压零件的排样。随着计算机技术的不断发展,国内外的一些学者对冲裁件排样问题进行了研究,并在研究排样算法的同时也开发了相应的排样软件。在算法方面,基于人工智能技术的很少。尽管模拟退火算法(SA)、遗传算法(Genetic Algorithm,简称GA)在许多领域已经成功的应用于各种优化问题,解决了诸多问题,但是还没有任何一个建立在SA、GA或机器学习理论上比较成熟的优化排样系统。本文提出了用连续型Hopfield人工神经元网络(CHNN)与遗传算法相结合的算法进行排样计算。针对采用包络矩形法和图形组合处理后的异形零件进行建模,讨论了CHNN人工神经网络的模型以及到排样问题的映射,并用遗传算法训练CHNN神经网络的权值;以AutoCAD作为开发平台,核心程序采用VB程序语言编写,开发了智能排样系统。该系统通过读入冲裁零件排样图形,输入排样参数,通过图形的预处理,能够自动计算出排样结果,并输出零件的优化排样图形。实例分析结果表明,该系统不但具有良好的界面和人机交互功能,而且求解质量稳定、速度快。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 国外排样问题的研究现状
• 1.2.1 一维下料问题的研究现状
• 1.2.2 二维下料问题
• 1.2.3 三维布局问题
• 1.3 国内排样问题的研究现状
• 1.4 智能排样问题的研究趋势
• 1.5 课题的来源与研究的目的和内容
• 1.5.1 研究目的
• 1.5.2 主要研究内容
• 第2章 智能排样算法模型建立及算法分析
• 2.1 人工神经网络的引入
• 2.1.1 连续型Hopfield 神经网络（CHNN）
• 2.1.2 Hopfield 能量函数及其稳定性分析
• 2.2 遗传算法的引入
• 2.2.1 遗传算法的特点
• 2.2.2 遗传算法在排样问题中的应用
• 2.3 智能排样的模型和性质
• 2.3.1 模型简化和优化目标
• 2.3.2 汽车覆盖件排样的数学模型
• 2.3.3 排样问题的性质
• 2.4 本章小结
• 第3章 智能排样系统设计及其模块分析
• 3.1 排样下料的分析和系统的设计
• 3.1.1 排样下料分析
• 3.1.2 系统的设计分析
• 3.2 包络矩形法的求取
• 3.2.1 单个零件的矩形代替
• 3.2.2 两个零件的矩形代替
• 3.3 系统模块程序的设计
• 3.3.1 系统的总体模块结构
• 3.3.2 智能排样模块
• 3.3.3 矩形拟和模块中的旋转平移
• 3.3.4 智能排样结果文件的构建
• 3.4 本章小结
• 第4章 智能排样系统的开发
• 4.1 开发工具的选择
• 4.1.1 程序开发环境的选择
• 4.1.2 VBA 开发工具
• 4.2 智能排样系统的结构程序
• 4.2.1 智能排样系统的功能
• 4.2.2 钣金件管理数据库的开发
• 4.2.3 图形用户界面开发
• 4.2.4 系统的运行环境
• 4.3 本章小结
• 第五章 智能排样系统的应用实例
• 5.1 单种零件排样
• 5.2 组合零件排样
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢