CN112296357A - 面向激光选区熔融工艺的增材制造相同并行机调度方法 - Google Patents
面向激光选区熔融工艺的增材制造相同并行机调度方法 Download PDFInfo
- Publication number
- CN112296357A CN112296357A CN202011178159.4A CN202011178159A CN112296357A CN 112296357 A CN112296357 A CN 112296357A CN 202011178159 A CN202011178159 A CN 202011178159A CN 112296357 A CN112296357 A CN 112296357A
- Authority
- CN
- China
- Prior art keywords
- additive manufacturing
- scheduling
- firefly
- machine
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 53
- 239000000654 additive Substances 0.000 title claims abstract description 43
- 230000000996 additive effect Effects 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000010309 melting process Methods 0.000 title claims abstract description 27
- 241000254158 Lampyridae Species 0.000 claims abstract description 100
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000003754 machining Methods 0.000 claims abstract description 28
- 238000010276 construction Methods 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 239000000843 powder Substances 0.000 claims description 23
- 239000002184 metal Substances 0.000 claims description 19
- 238000002844 melting Methods 0.000 claims description 11
- 230000008018 melting Effects 0.000 claims description 11
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000011261 inert gas Substances 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000002360 preparation method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 229910001092 metal group alloy Inorganic materials 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y10/00—Processes of additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Chemical & Material Sciences (AREA)
- Development Economics (AREA)
- Materials Engineering (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Powder Metallurgy (AREA)
Abstract
本发明涉及一种面向激光选区熔融工艺的增材制造相同并行机调度方法,包括以下步骤:步骤S1:获取加工作业相关参数;步骤S2:根据加工作业相关参数,构建加工成本模型;步骤S3:根据加工成本模型,以最小化所有作业的单位体积加工成本为优化目标,建立考虑零件构建方向的增材制造相同并行机调度模型;步骤S4:构建改进的萤火虫算法;步骤S5:基于改进的萤火虫算法,获取所有作业的最终优化目标值和对应的调度方案。本发明解决面向激光选区熔融工艺的增材制造相同并行机调度问题,降低零件加工成本的同时提高并行机调度效率。
Description
技术领域
本发明涉及增材制造并行机调度领域,涉及一种面向激光选区熔融工艺的增材制造相同并行机调度方法。
背景技术
增材制造(Additive manufacturing,AM),也称3D打印、快速成形技术,是基于分层制造原理直接将数字化模型加工为实体零件,是一种与减材制造相反的新型制造技术。近年来AM技术逐渐发展成熟,在航空航天、医学、汽车、模具和文化创意等领域有了广泛的应用,被众多专家誉为“第三次工业革命”的代表性技术。激光选区熔融(Selective LaserMelting,SLM)技术是金属AM领域的重要技术之一,它利用高能量激光束根据模型切片的二维截面将金属合金粉末熔化,逐层堆叠成致密的三维金属零件实体。该技术在成形过程中为防止金属被氧化,需要向封闭腔体不断填充惰性保护气体,具有直接成型和多个金属零件同时加工且不需要传统制造的模具、夹具等辅助工具的特点,在形状复杂、小批量、个性化金属零件的制备方面具有独特的优势。由于激光选区熔融工艺不需要后续热处理和渗金属就可加工出致密度高且具有良好力学性能的金属零件,且激光选区熔融技术烧结速度快,能为复杂薄壁型腔结构件提供全新的制造方法。因此,激光选区熔融技术被广泛应用在制造业且被认为是所有增材制造技术中最具发展前景的技术之一。
近年来较多学者对增材制造生产调度问题进行研究,目前的研究假设零件只有一种构建方向,很少考虑零件的不同构建(打印)方向对生产调度的影响。然而,有文献指出零件在满足AM的加工工艺、质量和精度要求的前提下,零件有多种不同的构建方向可供选择,而不同构建方向会对零件组合、加工时间和成本有很大影响。对于激光选区熔融工艺的分层加工而言,零件的加工时间主要受零件高度的影响,而不同的构建方向导致零件不同的加工高度,所以合理地安排零件的构建方向对零件的加工成本和时间影响很大,因此面向激光选区熔融工艺研究考虑零件构建方向的增材制造调度问题符合生产实际,具有重要的研究意义。
发明内容
有鉴于此,本发明的目的在于提供一种面向激光选区熔融工艺的增材制造相同并行机调度方法,解决面向激光选区熔融工艺的增材制造相同并行机调度问题,降低零件加工成本的同时提高并行机调度效率。
为实现上述目的,本发明采用如下技术方案:
一种面向激光选区熔融工艺的增材制造相同并行机调度方法,包括以下步骤:
步骤S1:构建加工成本模型;
步骤S2:根据加工成本模型,以最小化所有作业的单位体积加工成本为优化目标,建立考虑零件构建方向的增材制造相同并行机调度模型;
步骤S3:构建改进的萤火虫算法;
步骤S4:基于改进的萤火虫算法,获取所有作业的最终优化目标值和对应的调度方案。
进一步的,所述步骤S1具体为:
步骤S11:设作业j在机器m上完工时间Tmj表示为:
Tmj=Tm(j-1)+ts+tfj+trj+tc Tm0=0 (1)
式(1)中,ts表示AM机器的准备时间;tfj表示第j个作业的粉末分层时间;trj表示第j个作业的金属粉末熔化时间;tc表示每个作业从AM机器上拆卸和清洗零件时间;Tm0表示AM机器加工起始时间从0开始计算;
作业j的粉末分层时间tfj和金属粉末熔化时间trj的计算表达式为:
tfj=hj·th (2)
式(2)-(3)中,hj表示作业j中零件的最大高度;th表示单位高度的粉末分层时间;vi表示零件i的体积;tv表示单位体积金属粉末熔化时间;
步骤S12:作业j在机器m上的加工成本Cmj表示为:
式(4)中,ct表示AM机器单位时间运行成本;cg表示单位时间惰性气体的成本;cu表示单位体积金属粉末的成本;ch表示单位时间的人工成本;
步骤S13:因为作业在AM机器上加工时,不能中途将作业内加工完成的零件取出,所以同一个作业内所有零件具有同一个完工时间,则零件i的完工时间Ti为:
Ti=Tmj·Xji (5)
式(5)中,Tmj表示第j个作业在机器m上的完工时间。
进一步的,所述步骤S3具体为:以最小化所有作业的单位体积加工成本为优化目标,建立考虑零件构建方向的增材制造相同并行机调度模型描述如下:
di-Ti≥0 (11)
其中,式(6)表示为最小化所有作业的单位体积加工成本的优化目标函数;式(7)表示每个零件加工时只能在其备选构建方向中选择一种构建方向;式(8)表示每个零件只能在一个作业中加工且不能被重复加工;式(9)表示每个作业只能在一台AM机器上加工;式(10)表示作业内零件投影面积之和不能超过AM机器加工区域的面积;式(11)表示零件的完工时间不超过交货期。
进一步的,所述步骤S3具体为:
Step1:初始化算法基本参数;
Step2:随机初始化萤火虫种群,基于交货期升序规则重新更新萤火虫种群,然后计算每只萤火虫的目标函数值作为各自的最大荧光亮度I0;
Step3:分别计算萤火虫的相对亮度I和吸引度β,依据萤火虫的亮度来确定萤火虫的移动方向;
Step4:更新一般萤火虫的位置,重新计算每只萤火虫的目标函数值fi,并与该代的最优解目标函数值fg进行对比,如果fi值更优,则fg=fi;否则fg值不变;
Step5:更新种群中最优目标函数值对应萤火虫的空间位置;
Step6:当达到最大迭代次数MaxG时,循环结束输出最终优化目标值和对应的调度方案,否则,转到Step3进行下一次搜索。
进一步的,所述基本参数包括萤火虫数目n,最大吸引力β0,初始步长α0,光吸收系数γ,最大迭代次数MaxG。
进一步的,使用汉明距离度量两个萤火虫的距离,即序列中相同位置元素不同的个数,则所述萤火虫的相对荧光亮度计算如下:
dij=μ·Gij (13)
式(12)中,I0是萤火虫的最大荧光亮度,即自身处荧光亮度,目标函数值越优自身亮度就越高;γ为光强吸收系数;式(13)中,μ值大小影响领域集的更新,该值的取值范围为本算法中取值为1;式(14)中,Gij为两只萤火虫之间的汉明距离;式(13)计算两个萤火虫的汉明距离可知,Gij∈[0,n],并且个体之间的间距存在对称性,即Gij=Gji。
进一步的,所述萤火虫的吸引度为:
式(16)中,β0为两萤火虫距离为0时的吸引力,此时的最大吸引度为1。
进一步的,所述更新种群中最优目标函数值对应的萤火虫采用改进的进化计算策略为:
XB(t+1)=XB(t)+α·(r2-0.5) (17)
式(17)中,t表示进化代数;α表示步长;r2表示服从在(0,1)上均匀分布的随机数。
进一步的,所述改进的萤火虫算法,步长为:
式(18)中,MaxG表示最大迭代代数,t表示迭代次数;α0表示初始步长,取值为1;r3为放大倍数,算法中取值为10。
进一步的,所述更新种群中非最优目标函数值对应的萤火虫采用改进的进化计算策略为:
ω=-0.02t+6.5 (20)
本发明与现有技术相比具有以下有益效果:
本发明解决面向激光选区熔融工艺的增材制造相同并行机调度问题,降低零件加工成本的同时提高并行机调度效率。
附图说明
图1是本发明一实施例中考虑零件构建方向的增材制造相同并行机调度流程示意图;
图2是本发明一实施例中基本萤火虫算法的流程图;
图3是本发明一实施例中改进的萤火虫算法的流程图;
图4是本发明一实施例中基本萤火虫算法最优解甘特图;
图5是本发明一实施例中改进的萤火虫算法最优解甘特图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1,本发明提供一种面向激光选区熔融工艺的增材制造相同并行机调度方法,包括以下步骤:
步骤S1:构建加工成本模型;
步骤S2:根据加工成本模型,以最小化所有作业的单位体积加工成本为优化目标,建立考虑零件构建方向的增材制造相同并行机调度模型;
步骤S3:构建改进的萤火虫算法;
步骤S4:基于改进的萤火虫算法,获取所有作业的最终优化目标值和对应的调度方案。
在本实施例中,设有m(m≥2)台完全相同的机器对零件集(每次加工所有单个零件组成的集合)进行加工,任一零件或零件特定子集(多个零件的组合)可以任选一台机器进行加工。在AM机器加工区域允许的情况下,尽可能地安排多个零件同时加工,可以提高设备使用效率并减少加工准备时间。图1给出了AM相同并行机调度流程示意图,如图AM1、AM2和AM3组成相同并行机加工环境,共同对所有待加工零件进行加工,根据每个零件的交货期给所有待加工的零件编号,每个零件都至少有一种备选构建方向(如编号为1的零件有四种构建方向表示为11121314),加工时每个零件只能选择一种构建方向(如编号为1的零件选择构建方向为12),不同构建方向对应零件不同的加工高度和投影面积。本发明将同时在同一AM机器上加工的零件组合定义为作业(如零件1和零件5组成Job1),将作业集中的作业分配给AM并行机加工时,需要合理地安排作业在每台AM并行机上的加工顺序(如作业集内的Job3和Job4分配到AM并行机加工时,分别为AM1机器上的作业1和作业2),保证所有零件在交货期内顺利完成加工的同时能提高AM机器加工效率,降低所有作业加工的成本。
并设置参数
i:第i个零件,i=1,2,3...n;
j:第j个作业,j=1,2,3...l;
m:第m个AM机器,m=1,2,3...k;
s:零件的第s种构建方向,s=1,2,3...z;
ais:零件i在构建方向为s时在AM机器加工区域上的投影面积;
di:零件i的交货期;
A:AM机器加工区域面积;
C:所有作业的单位体积加工成本;
定义三个决策变量:
在本实施例中,所述步骤S1具体为:
步骤S11:设作业j在机器m上完工时间Tmj表示为:
Tmj=Tm(j-1)+ts+tfj+trj+tc Tm0=0 (1)
式(1)中,ts表示AM机器的准备时间;tfj表示第j个作业的粉末分层时间;trj表示第j个作业的金属粉末熔化时间;tc表示每个作业从AM机器上拆卸和清洗零件时间;Tm0表示AM机器加工起始时间从0开始计算;
作业j的粉末分层时间tfj和金属粉末熔化时间trj的计算表达式为:
tfj=hj·th (2)
式(2)-(3)中,hj表示作业j中零件的最大高度;th表示单位高度的粉末分层时间;vi表示零件i的体积;tv表示单位体积金属粉末熔化时间;
步骤S12:作业j在机器m上的加工成本Cmj表示为:
式(4)中,ct表示AM机器单位时间运行成本;cg表示单位时间惰性气体的成本;cu表示单位体积金属粉末的成本;ch表示单位时间的人工成本;
步骤S13:因为作业在AM机器上加工时,不能中途将作业内加工完成的零件取出,所以同一个作业内所有零件具有同一个完工时间,则零件i的完工时间Ti为:
Ti=Tmj·Xji (5)
式(5)中,Tmj表示第j个作业在机器m上的完工时间。
在本实施例中,所述步骤S3具体为:以最小化所有作业的单位体积加工成本为优化目标,建立考虑零件构建方向的增材制造相同并行机调度模型描述如下:
di-Ti≥0 (11)
其中,式(6)表示为最小化所有作业的单位体积加工成本的优化目标函数;式(7)表示每个零件加工时只能在其备选构建方向中选择一种构建方向;式(8)表示每个零件只能在一个作业中加工且不能被重复加工;式(9)表示每个作业只能在一台AM机器上加工;式(10)表示作业内零件投影面积之和不能超过AM机器加工区域的面积;式(11)表示零件的完工时间不超过交货期。
在本实施例中,使用汉明距离度量两个萤火虫的距离,即序列中相同位置元素不同的个数,则优化算法萤火虫的相对荧光亮度为:
dij=μ·Gij (13)
式(12)中,I0是萤火虫的最大荧光亮度,即自身(d=0)处荧光亮度,目标函数值越优自身亮度就越高;γ为光强吸收系数,取值为0.5,主要是因为萤火虫的荧光会随着距离的增加和传播介质的吸收逐渐减弱,γ∈[0.01,100];式(13)中,μ值大小影响领域集的更新,该值的取值范围为本算法中取值为1;式(14)中,Gij为两只萤火虫之间的汉明距离;用式(13)计算两个萤火虫的汉明距离可知,Gij∈[0,n],并且个体之间的间距存在对称性,即Gij=Gji。
萤火虫的吸引度为:
式(16)中,β0为两萤火虫距离为0时的吸引力,此时的最大吸引度为1。
最亮萤火虫XB按照式(17)执行随机移动操作:
XB(t+1)=XB(t)+α·(r2-0.5) (17)
式(17)中t表示进化代数;α表示步长;r2表示服从在(0,1)上均匀分布的随机数;从式(17)可知,最亮萤火虫的迭代只受局部随机波动的影响。
在本实施例中,将基本萤火虫算法(FA)改进为一种适合求解面向激光选区熔融工艺的增材制造相同并行机调度问题的改进的萤火虫算法(IFA)。图3是改进的萤火虫算法流程图,在改进的萤火虫算法中,萤火虫算法每一代搜索完成后,种群中最优解对应的萤火虫会影响下一代萤火虫的移动位置。具体包括如下:
1.步长改进:
对步长进行改进,使步长不再是固定值。
式(18)中,MaxG表示最大迭代代数,t表示迭代次数;α0为初始步长,取值为1;r3为放大倍数,算法中取值为10。从上式可以看出,随着迭代代数不断增加,移动步长α会逐渐减小。
2.改进的种群进化机制:使用改进的进化计算策略:
ω=-0.02t+6.5 (20)
与基本萤火虫算法的种群进化策略相比,式(19)中增加了当前种群最优个体对下一代萤火虫个体的影响,利用在范围[0,1]内的随机数rand来进一步增加萤火虫个体进化的多样性,式(20)中设置了随迭代次数增加而线性减小的吸引权重ω;在进化初期ω值较大,有利于更好地完成全局寻优任务;随着迭代次数的增加ω值逐渐减小,使算法在运行后期快速收敛,还能避免因种群最佳萤火虫对其他个体吸引过大而造成早熟收敛现象。
3.编码与解码方法:应用萤火虫算法求解有n个零件的零件集在k台相同AM机器上加工问题时,需要选择零件构建方向和优化零件加工顺序,本文设计了与问题相适应的四重整数编码方式,即整数互相联合的编码方式。所谓四重整数编码方式是通过整数1~n的任意全排列与其对应零件构建方向的序号组成的矩阵,即每只萤火虫表示为其中ai是1~n之间的整数,表示第ai个零件在加工顺序的第i个位置,bi表示第i个零件所选择的构建方向编号,ci表示零件组合成作业的方法,di表示零件作业在AM机器上的分配方案。例如,对于9个零件在三台AM机器上加工调度问题,得到一个可行的编码为其中第一行[9 1 5 7 4 2 8 3 6]表示零件的加工顺序,例如第一个位置9表示编号为9的零件第一个被分配组合作业;第二行[3 2 4 1 32 3 1 2]表示第一行编号对应零件构建方向的序号,例如第一个位置上是3,表示编号为9的零件选择的构建方向序号为3,第三行[0 1 0 1 0 0 1 0 1]表示将零件组合成作业的方法,第2个位置上1表示编号为9和1的两个零件组合成第一个作业,第4个位置上是1表示编号为5和7的两个零件组合成第二个作业,第7个位置上的1表示将编号为4 2 8的三个零件组合成第三个作业,第9个位置上的1表示编号为3和6的两个零件组合成第四个作业;最后根据第四行[1 2 3 3 0 0 0 0 0]表示四个作业在AM机器上的分配方案,如第四行的第1个数据1表示第一个作业在AM机器1上加工,第2个数据的2表示第二个作业在AM机器2上加工,第3个数据3表示第三个作业在AM机器3上加工,第4个数据3表示第四个作业在AM机器3上加工,且第四个作业应等AM机器3加工完第三个作业后再进行加工,所以9个零件在三台AM机器上加工方案为:AM1:[(91)];AM2:[(57)];AM3:[(428),(36)]。因此每一个排列方式都有与其对应的编码方式,任何一个可行的编码都能按照解码的方法存在一个可行排列方案与之对应,均可进行成功解码。
在本实施例中,所述步骤S3具体为:
Step1:初始化算法基本参数,设置萤火虫数目n,最大吸引力β0,初始步长α0,光吸收系数γ,最大迭代次数MaxG等;
Step2:随机初始化萤火虫种群,基于交货期升序规则重新更新萤火虫种群,然后计算每只萤火虫的目标函数值作为各自的最大荧光亮度I0;
Step3:根据式(12)和(16)分别计算萤火虫的相对亮度I和吸引度β,依据萤火虫的亮度来确定萤火虫的移动方向;
Step4:根据式(19)更新一般萤火虫的位置,重新计算每只萤火虫的目标函数值fi,并与该代的最优解目标函数值fg进行对比,如果fi值更优,则fg=fi;否则fg值不变;
Step5:根据式(17)更新种群中最优目标函数值对应萤火虫的空间位置;
Step6:当达到最大迭代次数MaxG时,循环结束输出最终优化目标值和对应的调度方案,否则,转到Step3进行下一次搜索。
实施例1:
选用一个有10个零件的零件集和三台加工参数和性能都相同的AM机器来进行研究实验,其中零件的构建方向、体积、交货期和投影面积数据如表1所示;AM机器的加工参数如表2所示。
表1 待加工零件数据
表2 AM机器加工参数
表3 FA和IFA的性能对比
将改进的萤火虫算法与基本萤火虫算法进行比较,采用Matlab R2018b编程工具进行仿真实验。萤火虫种群个体为200,最大迭代次数MaxG为300;在算法中,最大吸引度β0为1,初始步长α0为1,光强吸收系数γ为0.5。为了消除算法随机性影响,两种算法均独立运行300次,记录300次实验中适应度值的最优值、最差值、平均值、标准差,仿真结果如表3所示。从表3中可以看出,IFA的最优值比FA的最优值小,说明IFA300次迭代能搜索到更好解,表现出改进的萤火虫算法具有更好的全局寻优能力;而IFA的平均值比FA的平均值小,表明IFA寻优精度更高;IFA的标准差比FA的标准差小,表明IFA算法具有更加稳定的寻优过程。因此,与基本萤火虫算法相比,本发明方法具有更好的全局寻优能力的同时具有更高的寻优精度和稳定性。
使用基本萤火虫算法和改进的萤火虫算法求解的最佳调度方案对应的萤火虫编码分别为
由上述的解码方法可知,基本萤火虫算法和改进的萤火虫算法对应的调度方案分别为:
M1={AM1:[(9 1 7)];AM2:[(5 4),(6)];AM3:[(2 3 8 10)]}
M2={AM1:[(9 5),(6)];AM2:[(1 7 2)];AM3:[(4 8 3 10)]}。
M1表示的具体调度方式为:零件9、零件1和零件7组成AM机器1的作业1;零件5和零件4组成AM机器2的作业1,零件6是AM机器2的作业2;零件2、零件3、零件8和零件10组成AM机器3的作业1;M2表示的具体调度方式为:零件9、零件5组成AM机器1的作业1,零件6是AM机器1的作业2;零件1、零件7和零件2组成AM机器2的作业1;零件4、零件8、零件3和零件10组成AM机器3的作业1。其中每个零件的构建方向分别对应萤火虫算法编码的第二行数字。
图4和图5分别是基本萤火虫算法和改进的萤火虫算法优化得出的最佳调度方案的甘特图。其中图4上的j(917)=72.63表示零件编号为9、1和7的零件组合成一个作业,且作业是在AM机器1上加工,该作业的加工时间为72.63h。由图4与图5相比较可知,改进的萤火虫算法求解的最优调度方案的最大完工时间是87.79h,基本萤火虫算法求解的最优调度方案的最大完工时间是97.13h,说明使用改进的萤火虫算法得到的调度方案加工相同的零件,零件完工的总时间更短。计算图4和图5中所有作业加工时间总和可知,使用改进的萤火虫算法得到的调度方案比基本萤火虫算法得到的调度方案的总加工时间小,充分说明了本发明方法得到的调度方案,在单位体积成本和总加工时间两方面都更优,更满足实际生产的要求。
综上,本发明面向激光选区熔融工艺,建立了以最小化所有零件单位体积加工成本为优化目标的相同并行机调度模型,解决考虑零件构建方向的增材制造生产调度问题,并根据增材制造调度问题的特点,重新设计了算法的编码规则和种群进化机制,为扩大算法迭代前期种群搜索范围和迭代后期的搜索精度提出了步长改进策略,设计了一种改进的萤火虫算法求解本发明的调度问题。通过实验测试分析得到改进的萤火虫算法提高了算法的稳定性、搜索效率和精度,为增材制造生产调度问题的研究提供了一种新的可行且有效的方法,同时也扩展了萤火虫群优化算法的应用领域。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (10)
1.一种面向激光选区熔融工艺的增材制造相同并行机调度方法,其特征在于,包括以下步骤:
步骤S1:构建加工成本模型;
步骤S2:根据加工成本模型,以最小化所有作业的单位体积加工成本为优化目标,建立考虑零件构建方向的增材制造相同并行机调度模型;
步骤S3:构建改进的萤火虫算法;
步骤S4:基于改进的萤火虫算法,获取所有作业的最终优化目标值和对应的调度方案。
2.根据权利要求1所述的面向激光选区熔融工艺的增材制造相同并行机调度方法,其特征在于,所述步骤S1具体为:
步骤S11:设作业j在机器m上完工时间Tmj表示为:
Tmj=Tm(j-1)+ts+tfj+trj+tc Tm0=0 (1)
式(1)中,ts表示增材制造机器的准备时间;tfj表示第j个作业的粉末分层时间;trj表示第j个作业的金属粉末熔化时间;tc表示每个作业从增材制造机器上拆卸和清洗零件时间;Tm0表示增材制造机器加工起始时间从0开始计算;
作业j的粉末分层时间tfj和金属粉末熔化时间trj的计算表达式为:
tfj=hj·th (2)
式(2)-(3)中,hj表示作业j中零件的最大高度;th表示单位高度的粉末分层时间;vi表示零件i的体积;tv表示单位体积金属粉末熔化时间;
步骤S12:作业j在机器m上的加工成本Cmj表示为:
式(4)中,ct表示增材制造机器单位时间运行成本;cg表示单位时间惰性气体的成本;cu表示单位体积金属粉末的成本;ch表示单位时间的人工成本;
步骤S13:同一个作业内所有零件具有同一个完工时间,则零件i的完工时间Ti为:
Ti=Tmj·Xji (5)
式(5)中,Tmj表示第j个作业在机器m上的完工时间。
4.根据权利要求1所述的面向激光选区熔融工艺的增材制造相同并行机调度方法,其特征在于,所述步骤S3具体为:
Step1:初始化算法基本参数;
Step2:随机初始化萤火虫种群,基于交货期升序规则重新更新萤火虫种群,然后计算每只萤火虫的目标函数值作为各自的最大荧光亮度I0;
Step3:分别计算萤火虫的相对亮度I和吸引度β,依据萤火虫的亮度来确定萤火虫的移动方向;
Step4:更新一般萤火虫的位置,重新计算每只萤火虫的目标函数值fi,并与该代的最优解目标函数值fg进行对比,如果fi值更优,则fg=fi;否则fg值不变;
Step5:更新种群中最优目标函数值对应萤火虫的空间位置;
Step6:当达到最大迭代次数MaxG时,循环结束输出最终优化目标值和对应的调度方案,否则,转到Step3进行下一次搜索。
5.根据权利要求4所述的面向激光选区熔融工艺的增材制造相同并行机调度方法,其特征在于,所述基本参数包括萤火虫数目n,最大吸引力β0,初始步长α0,光吸收系数γ,最大迭代次数MaxG。
8.根据权利要求4所述的面向激光选区熔融工艺的增材制造相同并行机调度方法,其特征在于,所述更新种群中最优目标函数值对应的萤火虫采用改进的进化计算策略为:
XB(t+1)=XB(t)+α·(r2-0.5) (17)
式(17)中,t表示进化代数;α表示步长;r2表示服从在(0,1)上均匀分布的随机数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011178159.4A CN112296357B (zh) | 2020-10-29 | 2020-10-29 | 面向激光选区熔融工艺的增材制造相同并行机调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011178159.4A CN112296357B (zh) | 2020-10-29 | 2020-10-29 | 面向激光选区熔融工艺的增材制造相同并行机调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112296357A true CN112296357A (zh) | 2021-02-02 |
CN112296357B CN112296357B (zh) | 2021-11-30 |
Family
ID=74331422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011178159.4A Active CN112296357B (zh) | 2020-10-29 | 2020-10-29 | 面向激光选区熔融工艺的增材制造相同并行机调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112296357B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113311791A (zh) * | 2021-05-26 | 2021-08-27 | 福州大学 | 考虑零件构建方向的激光选区熔化不相同并行机调度方法 |
CN113334773A (zh) * | 2021-06-11 | 2021-09-03 | 电子科技大学 | 一种基于自适应分层的3d打印成型方向多目标优化方法 |
CN114115161A (zh) * | 2021-11-30 | 2022-03-01 | 福州大学 | 考虑能耗的增材制造slm不相同并行机调度方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106707990A (zh) * | 2016-12-19 | 2017-05-24 | 湘潭大学 | 一种基于离散萤火虫算法的多目标柔性作业车间调度方法 |
CN107329461A (zh) * | 2016-04-28 | 2017-11-07 | 中移(杭州)信息技术有限公司 | 一种流水线车间调度方法和装置 |
CN109011675A (zh) * | 2018-07-06 | 2018-12-18 | 昆明理工大学 | 一种化工原料精馏过程的优化调度方法 |
CN109967741A (zh) * | 2019-03-29 | 2019-07-05 | 贵州翰凯斯智能技术有限公司 | 一种基于增强学习的3d打印工艺优化方法 |
CN110162841A (zh) * | 2019-04-26 | 2019-08-23 | 南京航空航天大学 | 一种引入三维稳定性约束的铣削加工多目标优化决策方法 |
US20200096970A1 (en) * | 2017-05-24 | 2020-03-26 | Relativity Space, Inc. | Real-time adaptive control of additive manufacturing processes using machine learning |
CN111290283A (zh) * | 2020-04-03 | 2020-06-16 | 福州大学 | 一种面向选择性激光熔融工艺的增材制造单机调度方法 |
CN111665799A (zh) * | 2020-05-20 | 2020-09-15 | 同济大学 | 一种基于协同算法的时间约束型并行机节能调度方法 |
-
2020
- 2020-10-29 CN CN202011178159.4A patent/CN112296357B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107329461A (zh) * | 2016-04-28 | 2017-11-07 | 中移(杭州)信息技术有限公司 | 一种流水线车间调度方法和装置 |
CN106707990A (zh) * | 2016-12-19 | 2017-05-24 | 湘潭大学 | 一种基于离散萤火虫算法的多目标柔性作业车间调度方法 |
US20200096970A1 (en) * | 2017-05-24 | 2020-03-26 | Relativity Space, Inc. | Real-time adaptive control of additive manufacturing processes using machine learning |
CN109011675A (zh) * | 2018-07-06 | 2018-12-18 | 昆明理工大学 | 一种化工原料精馏过程的优化调度方法 |
CN109967741A (zh) * | 2019-03-29 | 2019-07-05 | 贵州翰凯斯智能技术有限公司 | 一种基于增强学习的3d打印工艺优化方法 |
CN110162841A (zh) * | 2019-04-26 | 2019-08-23 | 南京航空航天大学 | 一种引入三维稳定性约束的铣削加工多目标优化决策方法 |
CN111290283A (zh) * | 2020-04-03 | 2020-06-16 | 福州大学 | 一种面向选择性激光熔融工艺的增材制造单机调度方法 |
CN111665799A (zh) * | 2020-05-20 | 2020-09-15 | 同济大学 | 一种基于协同算法的时间约束型并行机节能调度方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113311791A (zh) * | 2021-05-26 | 2021-08-27 | 福州大学 | 考虑零件构建方向的激光选区熔化不相同并行机调度方法 |
CN113311791B (zh) * | 2021-05-26 | 2022-06-14 | 福州大学 | 考虑零件构建方向的激光选区熔化不相同并行机调度方法 |
CN113334773A (zh) * | 2021-06-11 | 2021-09-03 | 电子科技大学 | 一种基于自适应分层的3d打印成型方向多目标优化方法 |
CN114115161A (zh) * | 2021-11-30 | 2022-03-01 | 福州大学 | 考虑能耗的增材制造slm不相同并行机调度方法及系统 |
CN114115161B (zh) * | 2021-11-30 | 2024-03-29 | 福州大学 | 考虑能耗的增材制造slm不相同并行机调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112296357B (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112296357B (zh) | 面向激光选区熔融工艺的增材制造相同并行机调度方法 | |
CN111290283B (zh) | 一种面向选择性激光熔融工艺的增材制造单机调度方法 | |
Lynn‐Charney et al. | Usage of accuracy models in stereolithography process planning | |
CN113158368B (zh) | 一种增减材复合制造零件变形的预测及控制方法与设备 | |
Fok et al. | An ACO-based tool-path optimizer for 3-D printing applications | |
JP2019532848A (ja) | モジュール式積層造形システム | |
EP4180209A1 (en) | Method and device for formulating printing process in additive manufacturing | |
CN110287512A (zh) | 一种求解制造约束下变厚度薄壁结构最优厚度分布的混合元胞自动机算法 | |
Mak et al. | Production scheduling and cell formation for virtual cellular manufacturing systems | |
Liu et al. | Toolpath planning for additive manufacturing using sliced model decomposition and metaheuristic algorithms | |
CN107932505A (zh) | 基于关节臂机器人的最优打磨任务路径规划方法和装置 | |
Kucukkoc | Metal additive manufacturing: Nesting vs. scheduling | |
Gorski et al. | Selection of Fused Deposition Modeling Process Parameters using Finite Element Analysis and Genetic Algorithms. | |
CN107437138B (zh) | 基于改进引力搜索算法的生产运输协同调度方法及系统 | |
CN111400798B (zh) | 一种建筑3d切片建造方法及3d打印装置 | |
Mostafavi et al. | Multimode robotic materialization: design to robotic fabrication method of integrating subtractively produced hard components and additively deposited soft silicone | |
CN106611213A (zh) | 一种求解作业车间调度问题的混合粒子群算法 | |
CN115659776A (zh) | 一种3d打印模型成型质量参数预测方法 | |
CN102968702B (zh) | 一种基于遗传算法的曲面分段场地布局调度方法 | |
CN114115161B (zh) | 考虑能耗的增材制造slm不相同并行机调度方法及系统 | |
CN113311791B (zh) | 考虑零件构建方向的激光选区熔化不相同并行机调度方法 | |
CN107187016A (zh) | 立体列印装置与立体列印方法 | |
CN115129017B (zh) | 基于混合阿基米德算法的热冷加工离散制造生产调度方法 | |
Sridhar et al. | A bioinspired optimization strategy: to minimize the travel segment of the nozzle to accelerate the fused deposition modeling process | |
CN117077524A (zh) | 基于混合式算法的混凝土叠合板模具智能布置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |