不规则件论文

2024-05-26

不规则件论文(精选4篇)

不规则件论文 篇1

0 引言

二维不规则零件的排样问题是,在给定规格的板材上,按最优方式获得零件的排布方案,即零件必须排放在板材内,各个零件互不重叠,并满足一定的工艺要求,以达到节约材料、提高效益的目的。该类排样问题广泛应用于机械制造、轻工、船舶、家具以及服装等行业。

排样优化的关键在于零件入排序列和入排角度的确定。目前常用的优化方法有遗传算法[1]和模拟退火算法[2],但是,遗传算法的局部搜索能力较差,而模拟退火算法难以跳出局部最优解。粒子群优化(particle swarm optimization, PSO)算法[3,4]是一种基于群智能的优化算法,与遗传算法中均匀的搜索过程相比,PSO算法的搜索更新过程是跟随当前最优解的过程,不仅简单快速,而且所有粒子可能更快地收敛于最优解而避免陷入局部最优,对于多重最优解问题,粒子群算法可以提供良好的解决方案。本文针对不规则排样问题,以零件入排交换序列和角度变异序列作为粒子运动速度以构造PSO算法,并以此开发船体零件的智能排样系统。

1 排样系统分析

1.1 零件的预处理

本文采用提取零件最小包络矩形的方法进行零件的简化预处理,并对同类零件通过平移和旋转操作进行互补组合。同时,基于组合的对称特征,实现对组合后形成的较大空白区域的自动填充处理,如图1所示。零件的预处理就是在初排阶段将二维不规则零件排样转化为矩形件的正交排样的过程。经过矩形化预处理的不规则件,在后续的排样中可只考虑其横向或纵向排放,从而减小了多角度旋转造成的计算复杂度。在此基础上对不规则件进行自动靠接来完成最终的排样。

1.2 解的编码方法

编码是排样优化过程的关键步骤,不同的编码方法,优化排样求解过程也不同。在排样问题中,粒子的编码包含了排样零件的入排次序和各自的旋转角度与镜像。假设有m个待排零件,若其排放序列为{p1,…,pi,…,pm},则所排零件构成的粒子编码值表示为{(p1,α(p1),flag(p1)),…,(pi,α(pi),flag(pi)),…,(pm,α(pm),flag(pm))},其中,pi为零件ID;α(pi)为旋转角度,0°≤α(pi)≤360°,旋转角度以零件初始入排角度作为起始参考值,基于时间复杂度考虑,通常只按设定角度(倍数)进行旋转;flag(pi)为1表示镜像,为0表示无镜像。

1.3 排样算法分析

排样算法是根据编码来求解粒子排样结果的解码方法,只有根据排样算法实现的排样图才能计算出排样图(或排样结果)的适应度值并对排样结果进行评价,从而实现粒子种群的优化。在一定宽度和高度的板材上排放不同的矩形件(即二维不规则零件的最小包络矩),常用的方法有BL算法、下台阶法或最低水平线方法等。然而,BL算法容易出现板材左侧零件排放偏高的情况;下台阶算法则易出现板材右侧偏高情况;最低水平线算法无法对中空未排区域进行入排。剩余矩形的匹配方法[5,6]虽然改善了对未排的空白区域的排放和填充,但“匹配”却不够灵活,对于给定剩余矩形空间,入排零件对其的适应性不足,当给定零件入排次序后,当前入排零件如果与剩余矩形空间匹配度较差时,仍然会导致排放的不合理而影响排样效率。此外,每个零件的排放都是在上一个零件排放的基础上进行的,因此前面排放的“误差”可能会影响或累加到后面的排放过程。基于上述考虑和实算分析,本文提出剩余矩形的动态匹配算法,其主要思想如下:

(1)当入排零件与剩余空间不能匹配或匹配度较差时,则对后面所有零件进行匹配搜索,为减少中空区域,以宽度匹配优先的原则,选择最佳零件对当前形成的剩余空间进行填充。

(2)基于最低水平线的算法,为避免局部排样过高,在每个零件入排的过程中以当前排样高度作为评估标准,通过调整该零件与前面已排零件的排放位置,来保证最低的排样高度。

(3)对于可在中空区域排放的零件,匹配原则是,选择零件面积与未排的矩形空间的面积之比值最大的零件进行优先排放。图2给出了两种算法的排样结果。

(a)剩余矩形匹配算法 (b)剩余矩形动态匹配算法

2 不规则件排样的粒子群算法求解过程

2.1 粒子群初始化

在粒子群优化算法中,粒子代表解空间中的一个解,粒子的长度由零件的数量决定(零件的组合体看作一个零件进行处理)。排样零件按照不同的顺序组合和旋转角度可构成不同的粒子。按照面积大小依次排序即构成了一个粒子,随机调换其中一些零件的顺序即构造出初始粒子群。赋予每个粒子的随机速度作为其初始速度,初始速度即为零件交换序列和旋转角度变异的个数。

2.2 适应度评价

粒子适应度是用于评价排样优劣的目标函数,适应度越大,排样的质量越好。本文的适应度函数表示为

fitness()=αA/A1+β/h

式中,A为排入零件的总面积;A1为排样图高度轮廓线以下的板材面积;h为排样图高度值;αβ为影响系数,其取值要满足αβ,以保证当前面的函数值不同时,后面的函数值不会对结果的判断造成影响。

2.3 构造粒子群算法

采用粒子群算法求解排样问题的关键是如何表示粒子的速度和位置及其计算方法[7,8],在排样问题中,本文以零件入排编码值来表示粒子的位置,以零件入排次序的交换序列和旋转角度的变异序列来表示粒子的运动速度,从而构造粒子群算法。假设一个粒子i(包含5个零件,暂不考虑镜像)的编码即位置Xi(t)={(p3,α3),(p1,α1),(p2,α2),(p5,α5),(p4,α4)},制定其交换序列为{(2,3),(1,4)},旋转角度变异序列为{2,β1),(4,β2)},则经过运动,新的粒子位置Xi(t+1)={(p5,α5),(p2,α2+β1),(p1,α1),(p3,α3+β2),(p4,α4)},其中,(2,β1)表示该粒子中第2个入排零件旋转角度为β1。由此构造出粒子速度算式为

v(t+1)id=wv(t)id⊕c1(Pid-Xid(t))⊕c2(Pgd-Xid(t)) (1)

式中,⊕为交换或角度变换序列的合并运算符;w为惯性权重因子;c1、c2为介于[0,1]的随机数;Pid-Xid(t)Pgd-Xid(t)分别为粒子当前位置与个体极值和全局极值的交换序列和角度变异序列。

由此可见,c1和c2决定了Pid和Pgd对粒子当前位置的影响程度。粒子群算法的主要数据结构定义如下:

Private Type Particle

VpartLen As Integer // 粒子群的长度即入排零件数量

Vpart() As Integer //粒子速度

PartPos() As Integer //粒子位置

PartFit As Double //粒子的个体适应度

pBestPos() As Double //粒子最优位置

pBestFit As Double //粒子最优适应度

PartAngle() As Double //粒子旋转角度

End Type

Private Type Bestpart

gBestPos() As Integer //全局最优位置

gBestFit As Double //全局最优适应度

End Type

粒子群算法的基本步骤如下:

(1)初始化粒子群,即随机产生各粒子的初始解和交换序列。

(2)根据粒子当前位置Xi(t)求出其个体极值Pid和群体最佳极值Pgd,并计算新解:①计算当前粒子与Pid、Pgd的交换序列和旋转角度变异序列;②根据式(1)计算粒子速度,得到粒子新的解Xid(t+1)=X(t)id+v(t+1)id,如果有更好的解,更新Pid。

(3)如果在整个粒子群中能找到更好的解,则更新Pgd。

(4)如果满足停止循环条件(足够好的位置或最大迭代次数),则终止计算,输出结果;否则转步骤(2),继续循环计算。

3 算例分析

笔者开发了船体零件智能排样系统对上述算法进行实例验证。系统中设定粒子数为10;随机赋予粒子的初始位置和速度;粒子的速度范围取决于粒子中所含零件的个数;最大进化代数为20。这里给出两个算例:选择板材长为8000mm、宽为2000mm,分别排入39个和50个零件,排样结果如图3和图4所示,以已排的板材区域计算材料利用率,分别达到86.3%和82.6%。

为了与其他算法进行比较,本文基于剩余矩形匹配算法并结合遗传算法给出实验结果。其中,取群体规模N=10,交叉概率Pc=0.8,变异概率Pm=0.05,设定进化代数为20。图5和图6所示分别为应用PSO算法和遗传算法在20次进化后得到的最优排样结果,入排零件个数为49。

通过分析PSO算法与遗传算法的优化机制和排样实例可知,两种方法都是一种基于群体的优化方法,即都是随机初始化种群,使用评价函数来衡量个体的优劣程度,并根据由评价函数得到的适应值来进行一定的随机搜索。但与遗传算法中均匀的搜索过程相比,PSO算法的搜索更新过程则是跟随当前最优解的过程,不仅简单快速,而且所有粒子可能更快地收敛于最优解而避免陷入局部最优,对于多重最优解问题可以提供良好的解决方案。其特点主要表现在:

(1)PSO算法没有交叉和变异遗传操作,而是利用个体在解空间中的随机速度来改变个体,其解群相对进化代数而言,表现出更强的随机性,其计算复杂度比遗传算法低。

(2)粒子具有“记忆”的特性,它们通过“自我”学习和向“他人”学习,使其下一代解有针对性地从“先辈”那里继承更多的信息,从而能在较短的时间内找到最优解。

(3)与遗传算法相比,PSO算法的信息共享机制不同:在遗传算法中,染色体互相共享信息,所以整个种群的移动是较均匀地向最优区域移动;在PSO算法中,信息流动是单向的,即只有最优粒子将信息传给其他的粒子,这使得整个搜索更新过程均跟随当前最优解。

4 结束语

本文对粒子群算法在不规则件排样优化问题的实际应用进行了探讨和尝试,并对运用粒子群算法在排样中构造粒子飞行速度更新运算的方法进行了讨论。算例表明,该方法提高了系统自动排样的效率,获得了较好的排样结果。 ()

摘要:针对不规则件排样问题,提出一种应用粒子群算法优化求解的方法。首先以零件的入排交换序列和角度变异序列作为粒子运动速度构造粒子群算法,然后运用剩余矩形动态匹配算法实现解码和局部寻优,并结合不规则件的正交靠接算法实现自动排样。排样实例表明,该优化排样算法是有效的。

关键词:不规则件,粒子群算法,剩余矩形动态匹配,排样优化

参考文献

[1]贾志欣.二维不规则零件排样问题的遗传算法求解[J].计算机辅助设计与图形学学报,2002,14(5):1-4.

[2]王桂宾,周来水,邓冬梅.基于模拟退火算法的矩形件排样[J].中国制造业信息化,2006,35(15):65-68.

[3]Eberhart R C,Shi Y.Particle Swarm Opti mization:Devel-opment,Applications and Resources[C]//Proc.Congresson Evolutionary Computation.Seoul,2001:81-86.

[4]刘晓峰,陈通.PSO算法的收敛性及参数选择研究[J].计算机工程与应用,2007,43(9):14-17.

[5]李满江,孟祥旭.矩形件和任意多边形排样问题的算法及应用[J].贵州工业大学学报(自然科学版),2002,31(4):126-130.

[6]梁利东,叶家玮,魏栋.基于剩余矩形匹配算法的船体零件排样[J].船海工程,2008,37(4):7-9.

[7]黄岚,王康平,周春光,等.粒子群优化算法求解旅行商问题[J].吉林大学学报(理学版),2003,41(4):477-480.

[8]黄建江,须文波,董宏伟.一种不规则零件排样的新粒子群优化策略[J].计算机工程与应用,2007,43(19):64-70.

不规则件论文 篇2

记得有一次,我和爸爸到新合作超市买东西。我们走到新华路口时,看到一个红绿灯,路口站着交通警察,在指挥车辆和行人过马路。我上幼儿园时有一首关于交通规则的儿歌:”红灯停,绿灯行,安全有保证。……“于是,我和爸爸等红绿灯。突然,有一辆小汽车闯了红灯,撞到了一位骑自行车的老爷爷,被警察给拦住了。不一会儿,120急救车来了,救走受伤的老爷爷。这时,人行道的绿灯亮了,我们赶快走到路的对面。爸爸对我说:”人人都要遵守交通规则,要不然社会就会处于混乱之中。“

到了超市,我们买了很多的用品,有我爱吃的零食,还有生活用品。去收银台付款时,看见很多的在排队。爸爸让我按顺序排队,我就排队等候。有一个小男孩偷偷的插队,一不小心踩住了一位叔叔的脚上,小男孩连忙说对不起,害羞地站在我的后面,也排起队。我想,如果大家都不排队,我的面前是不是一幅混乱的景象呢?

不规则件论文 篇3

一、 具体做法

1. 针对归纳的工程项目档案, 依照其本身的文件级实施分类管理 (采用“件”的理念) , 能够构建项目文件目录与工程项目及目录。针对工程项目目录而言, 应当采用逐项的方式来构建。针对工程项目文件来说, 应当严格根据时间的先后顺序来建立文件目录。以“件”为管理单位的整理方法通过计算机检索实现文件的系统化, 达到快捷、简便、实用, 从而为查询利用提供了方便的途径。

2. 按“件”整理。一般来说, 卷内具体文件的件数应当将每一个文件单独算作一件, 然后以这种文件来进行请示, 来文与复文一般应分别计算件数;正件与附件, 按照一件来进行计算;原件和复制件算作一件, “为一件”是指在实体上装订在一起, 编目时也只体现为一条条目。

二、 工程档案按“件”整理的步骤和办法

工程档案的按件整理一般分为4个阶段:

第一阶段:档案的分类和著录。1. 分类:房地产项目工程档案的分类, 公司档案按内容分为5大类, 包括拆迁类、建设类、营销策划类、财务类和行政类, 按照公司《工程档案归档范围》规定的内容名称进行细分类, 按“件”整理方法可选择保管期限分类法、年度分类法以及问题分类法等等。针对完成分类的档案文件, 应当严格按照重要程度、时间来进行编号排序, 必须要在文件首页上面部分的空白区域加盖归档章, 同时要在当中记录有关内容。如按机构—年度—保管期限方法分类的, 归档章上的机构项为必选项;2. 著录:根据项目名称的不同, 依次记录机构工程名称、工程简介、监理机构、施工企业、勘测企业、设计企业、建设企业、施工地质、开工时间、竣工时间、建筑总面积、建筑结构以及建筑防火等级等。

第二阶段:档案的装订、编号。1. 装订:归档文件按“件”整理装订, 根据《归档文件整理规则》对工程档案进行系统整理, 工程档案以“件”为保管单位, 工程档案档号, 由:全宗号—年度—机构或问题—保管期限—项目代号—件号组成。装订时, 正文在前, 附件在后;批复、批示在前, 请示、报告在后;转发文在前, 被转发文在后;来文与复文作为一件时, 复文在前, 来文在后。文件要去掉金属物, 对破损的文件资料应裱糊、复制, 装订整齐;2. 编号:文件排列是指固定各“件”之间排放顺序, 一般按照时间先后依次排列。文件排放的顺序一经确定, 就应对各文件逐个进行编号。对于工程项目管理性文件, 参照文书档案的装订方法进行装订。

第三阶段:档案的编目。按照文书档案编目方法, 工程档案归档文件以“件”为单位, 在归档文件目录中, 一“件”文件体现为一条归档文件。并将工程档案编目《工程档案索引》和《工程档案归档文件目录》打印出来以便于检索。

第四阶段:档案的装盒、上架。1. 装盒:编目完成后即可进行装盒步骤, 装盒的顺序是填写档案盒封面、盒脊、归档文件目录、备考表。备考表内容:盒内文件情况说明、整理人、检查人、日期等等相关内容;2. 上架:工程档案归档文件装盒后, 按照盒号顺序排列到档案密集架或档案柜上, 按从左到右, 从上到下的顺序排列。档案盒排架的顺序可按照分类排序, 也可按照工程项目启动时间来排序等。

三、 按“件”整理对房地产档案工作的意义

(一) 加强规范、提高快捷、效率。通过按“件”整理归档, 规范了公司档案收集、整理环节, 大大提高了工作效率。这种由“卷”转变为“件”的整理方法, 能够有效保证档案收集齐全、完整。同时, 由于借助计算机的管理, 便于更快、更准地检索、查找档案资料, 大大提高了利用率。

(二) 按“件”整理, 为科学鉴定档案提供条件。以前, 由于传统的以“卷”为单位的立卷方法的存在, 使工程档案的鉴定只能建立在项目、卷的基础上, 根据项目重要性判定密级和保管期限。按“件”整理使检索更为直接和深化, 保管期限定位到每件, 改变了原来一卷内文件保管期限不一。

(三) 按“件”整理, 保证了档案利用的安全有序。按照以前的按卷整理办法, 在向利用者提供利用服务的时候, 即使对方只看一份文件、一份材料、也必须把整卷装订好的档案调阅出来, 供对方查阅。现在是需要一份就调阅一份, 大大提高了档案的安全度。

(四) 按“件”整理, 方便实现了工程档案的按“件”扫描。具有极大的便利性, 已经成为公司工程档案工作的一项重点工作。

摘要:房地产工程项目档案整理的必要性;信息化技术管理模式下, 使得以科技档案“卷”为管理单位改变成以文书档案“件”为管理单位;工程档案按“件”整理的步骤和办法;以及按“件”整理对房地产档案工作的意义。

关键词:工程档案,按“件”整理,应用

参考文献

小学作文:一件有关规则的事 篇4

它就是规则,人们看见他并遵守就不会出现危险,如果不管这位规则警察就很有可能出现危险,甚至死亡。在,二零一六年八月七日至十二月一日出现过一次危险事故,我坐着公交车,左边是我爸爸我们目的地洪濑。

那天我后两排有一位叔叔他嘴里抽了根烟,翘着二郎腿很是不让人喜欢。有一位老爷爷上了公交车并付了三元,那位老爷爷东张西望,正好看中了有叔叔的那个位置,爷爷走了过去,说:“能让我坐那吗?”叔叔满不在乎地回答:“不能,你走开,不要打扰我抽烟!”我当时怒气冲天正气得上头,爸爸就让出了位置直到那位爷爷下车。我又在车上坐了几分钟就到了洪濑,可是,爸爸说:“我们不是去洪濑而是泉州。”我竟然搞错了。那位叔叔也是去泉州,当马上要到泉州时,那位叔叔一把抓住窗户站了起来,他把嘴里的烟扔出窗外,连手也伸出去,下车时听到那位叔叔“啊”的一声叫了起来。我连忙往后一瞧,他的手被撞得流血不止,我和爸爸赶紧把他带进医院,他手已经骨折了,而且根被撞断了,因为他无视规则,所以有危险。

从那以后我就遵守每一条规则。

小作者:黄书涛

上一篇:调整结果下一篇:喷漆废气