论文部分内容阅读
合理利用原材料的优化下料技术,在机械制造、造船、汽车、航空、轻工等行业中的应用非常广泛。国内外研究表明优化下料问题非常困难。该问题作为典型的组合优化难题不但具有NP类复杂度,同时还需要进行复杂图形运算和工艺处理,因此难以建立统一和简单的数学模型,用传统的优化技术来解决。板材排样用于处理平面零件从原材料上的合理下料方案规划,是优化下料问题中应用最广,也是最难的一种。板材排样优化的核心问题是规划零件在板型原材料上最佳的下料组合与每个下料零件在板材上的最优布局方案。探索排样优化技术具有重要的理论意义和工程应用价值。 板材排样问题的核心是解决一个组合优化难题。本文通过分析各种排样优化技术方案的特点,以及在工程应用中排样问题表现出的复杂性、约束性、非线性和建模困难等特点,指出在工程实践中合理的排样优化技术方案,必须适应下料生产作业过程的需要,适合于大规模零件排样,采用具有智能特征的多种算法协同求解的模型来解决下料方案的规划。基于这一技术思想,本文以大型机电产品的毛坯下料生产为背景,研究提出了一种分布式协同优化算法模型,开发了用于大规模矩形零件排样的分布式协同优化排样软件系统。这一排样优化技术方案,能够有效地保证下料生产作业管理中“集中下料”模式的实施,提供最合理的下料方案,同时为计划、调度、材料库存提供决策支持信息。 本文的理论研究与研制开发工作主要包括: (1)首先分析了工业应用领域对排样优化技术的基本要求,并以大型机论文摘要电设备零件下料生产过程为应用背景,建立了排样优化的一般模型。该模型以解决大规模零件优化排样为核心,并可为生产计划、调度、材料库存提供决策支持信息。 (2)在对比分析各种排样优化技术方案的基础上,本文提出了GASA分布式协同优化算法模型。该模型以嵌入模拟退火的遗传算法为基础,利用不同运行参数的多种群并行进化保证种群的基因多样性,并采用结果集交换技术与多种寻优方法协同优化,充分发挥各种方法的局部优势。计算实验的统计结果表明,该模型从整体上提高了求解质量,并在计算效率和求解质量两方面取得了较好的平衡。 (3)本文采用组件技术,提出了在企业内部网络环境中实施大规模矩形零件排样的分布式协同优化计算的技术方案,开发了多个基于DCOM标准的组件,主要包括:优化任务调度组件、排样优化组件集、数据管理组件以及通信管理组件等。 (4)设计开发了大规模矩形零件优化排样系统,主要由四部分组成:协同优化排样、通信管理、结果集管理、优化任务调度。系统界面直观明了,操作简单。