CN112418530A - 管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其存储介质 - Google Patents

管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其存储介质 Download PDF

Info

Publication number
CN112418530A
CN112418530A CN202011332628.3A CN202011332628A CN112418530A CN 112418530 A CN112418530 A CN 112418530A CN 202011332628 A CN202011332628 A CN 202011332628A CN 112418530 A CN112418530 A CN 112418530A
Authority
CN
China
Prior art keywords
layout
pipe
processing
pipe parts
stock
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.)
Pending
Application number
CN202011332628.3A
Other languages
English (en)
Inventor
李芳卉
鲍娇阳
张艳丽
陈豫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Weihong Automation Technology Co ltd
Shanghai Weihong Intelligent Technology Co ltd
SHANGHAI WEIHONG ELECTRONIC TECHNOLOGY CO LTD
Original Assignee
Shanghai Weihong Automation Technology Co ltd
Shanghai Weihong Intelligent Technology Co ltd
SHANGHAI WEIHONG ELECTRONIC TECHNOLOGY CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Weihong Automation Technology Co ltd, Shanghai Weihong Intelligent Technology Co ltd, SHANGHAI WEIHONG ELECTRONIC TECHNOLOGY CO LTD filed Critical Shanghai Weihong Automation Technology Co ltd
Priority to CN202011332628.3A priority Critical patent/CN112418530A/zh
Publication of CN112418530A publication Critical patent/CN112418530A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Factory Administration (AREA)

Abstract

本发明涉及一种管材切割过程中实现管材零件排样优化处理的方法，其中，所述的方法对待排样管材零件进行预处理，根据系统预设的计算方法计算出其相应的相似度及切割线标准差，并在系统预设的策略下进行聚类及排样处理，以获取最终的排样结果。本发明还涉及一种管材切割过程中实现管材零件排样优化处理的系统，包括管材零件排样预处理模块、管材零件聚类控制模块、管材零件排样处理控制模块、管材零件排样处理优化控制模块及排样结果输出模块。本发明还涉及相应的装置及计算机可读存储介质。采用了本发明的管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其计算机可读存储介质，切割效率高，生产成本低，有效的节省了人力。

Description

管材切割过程中实现管材零件排样优化处理的方法、系统、装 置、处理器及其存储介质
技术领域
本发明涉及管材切割领域，特别涉及管材切割优化排样处理技术领域，具体是指一种管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其计算机可读存储介质。
背景技术
现有技术中，针对管材零件切割处理排样大致分为以下几个步骤：
步骤一：零件聚类处理。
背景技术1：基于聚类思想的排样图形匹配技术的研究；
对排样零件进行聚类，相似的几何图形归为一类，不相似的几何图形互相分开。这样，面积接近、几何结构相似的图形之间凹凸拼接的更紧密。
第一种聚类方法是，文献“二维排样系统的图形匹配、入排控制与碰靠算法研究”中给出了一种方法，排样零件聚类特征可选取：面积、外接矩形覆盖率或近似长短轴比。其中面积反映了零件几何大小；外接矩形覆盖率反映了图形的规则程度、是否存在孔洞和图形摆放位置倾斜程度；近似长短轴比反映了图形趋向于正方形还是矩形。
但是，上述方法对于同类型的截断面形状不同，拉伸轴方向不同的管材零件，计算过程复杂，效果不是很好。
第二种聚类方法是，判断几何图形是否相似，文献“图形相似的基本原理_方法及其在结构模式识别中的应用”中给出一种方法，将图形相似细分为三种不同的层级，通过对图形各特征属性比较、判断，确定图形间所具有的相似性的性质，并给出图形在三种相似层级上的相似度的计算方法。
不过，上述文献中给出的方法计算得到的结果严格，实际求解管材排样问题时，用户可能希望两个几何形状不完全相似的管材零件排在一起，需要将上述文献中给出的方法进行调整。
步骤二：管材优化排样，其中排样算法以及计算排样结果是重点。
背景技术2：动态规划法求解管材排样问题；
动态规划法可用于求解具有某种最优性质的问题，基本思想为，将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解，其中各子问题相互独立。
针对n长的钢管，可以分解成i长和n-i长的两段，对于i，N-i的段还可以继续分解去求，直至分解到最小单元为止，需要的时候，去检查是不是已经计算好了，如果是，则直接使用，如果不是，则计算并保存结果，这就是备忘录形式的动态规划算法。
然而实际管材排样问题，分解后的各子问题并不具备独立性，前一个管材零件的切割方式影响了一个零件的排样位置，相互之间存在影响，所以动态规划方法并不适用，求解的结果效果不理想。
背景技术3：利用遗传算法求解管材排样问题；
遗传算法是一种通过模拟自然进化过程搜索最优解的方法，包括初始化种群、评估种群中个体适应度、选择、交叉、变异五个过程，其中，选择、交叉和变异构成了遗传算法的遗传操作。
在求解管材排样问题时，由于遗传算法中变异过程存在人为不可控性，这会导致求得的排样结果不稳定。
背景技术4：贪心算法求解管材排样问题；
贪心算法是指在对问题求解时，总是做出在当前看来是最好的选择，此方法所能求得的是某种意义上的局部最优解，算法设计的关键在于贪心策略的选择。
背景技术5：几何图形之间最短距离的计算；
文献“求解简单多边形间最短距离的一个线性时间算法”证明了一种求解两个多边形之间最短距离的方法，构造一个关联多边形以便把两个多边形间的最短距离限制在这个关联多边形内部，并使关联多边形的在三角化分割后，最短距离位于某一个三角形区域内，或者至多位于两个相邻三角形区域内，这样就可以在遍历所有三角形之后，找出最短距离。
由于求解管材排样过程中两个零件之间的最短距离，比文献中的求解背景简单，本发明简化了关联多边形的构造方法，并引申出一个求解最短距离的方法。
发明内容
本发明的目的是克服了上述现有技术的缺点，提供了一种计算方法简单且排样效率显著的管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其计算机可读存储介质。
为了实现上述目的，本发明的管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其计算机可读存储介质具体如下：
该管材切割过程中实现管材零件排样优化处理的方法，其主要特点是，所述的方法包括以下步骤：
(1)对待排样管材零件进行排样预处理；
(2)根据系统预设的计算方法计算出待排样管材零件的相似度及其切割线标准差，并对所述的待排样管材零件进行聚类处理；
(3)在所述的系统预设的排样策略下通过贪心策略规则及第一辅助贪心策略规则对所述的待排样管材零件在待排管材上进行排样；
(4)根据系统预设的计算管材利用率的计算方法，对当前已完成排样的已排样管材零件进行衡量量化指标处理，并获取局部最优的排样结果；
(5)将所述的系统的全部的待排管材和待排样管材零件进行排样处理后，排样过程结束，输出相应的排样结果。
较佳地，所述的步骤(2)具体包括以下步骤：
(2.1)根据系统预设的计算方法，计算出待排样管材零件所对应的各个几何图形之间的相似度；
(2.2)根据计算出的所述的切割线标准差获取各个所述的待排样管材零件的切割线规则程度；
(2.3)根据系统预设的聚类规则，将各个所述的待排样管材零件划分为不同的聚类集合。
较佳地，所述的步骤(2.1)具体为：
根据所述的系统预设的几何图形之间相似性的计算方法获取所述的待排样管材零件所对应的各个几何图形之间在拓扑结构和几何结构上的相关性和约束性。
较佳地，所述的步骤(2.3)具体为：
根据计算出的所述的相似度及切割线标准差将所述的待排样管材零件划分为不同的聚类集合。
较佳地，所述的步骤(3)具体包括以下步骤：
(3.1)存储所述的待排样管材零件在系统预设的排样策略下的聚类集合数据；
(3.2)在进行下一个待排样管材零件的排样处理时，根据所述的第一辅助贪心策略规则，寻找与当前所述的已排样管材零件最相似的聚类集合进行排样。
较佳地，所述的步骤(3.2)具体为：
在所述的第一辅助贪心策略规则下将当前所述的已排样管材零件在所述的聚类集合中寻找与其最相似的聚类集合数据，进行待排样管材零件的排样处理，并重复该流程。
更佳地，所述的步骤(4)之后还包括以下步骤：
(4a)所述的系统进行扩大搜索范围排样处理，利用所述的系统预设的第二辅助贪心策略规则对所述的待排样管材零件进行快速定位寻优处理，以获取局部排样结果的最优解；
(4b)如果所述的局部排样结果不如所述的步骤(4)中获取的局部最优的排样结果理想，则返回上述步骤(3)，否则进入步骤(5)。
较佳地，所述的步骤(4a)具体包括以下处理步骤：
(4a.1)根据所述的系统预设的扩大搜索范围的方法，将与当前所述的已排样管材零件最相似的聚类集合扩大至N个聚类集合进行扩大排样处理；
(4a.2)将步骤(4a.1)中所述的扩大排样处理的排样结果通过所述的系统预设的第二辅助贪心策略规则进行排样计算，快速定位到所述的局部最优的排样结果。
本发明的该管材切割过程中实现管材零件排样优化处理的系统，其主要特点是，所述的系统包括：
管材零件排样预处理模块，用于对待排样管材零件进行排样预处理，以获取更稳定的管材排样结果；
管材零件聚类控制模块，用于计算待排样管材零件所对应的各个几何图形之间的相似性及待排样管材零件切割线的规则程度，并将待排样管材零件根据系统预设的聚类规则进行聚类处理；
管材零件排样处理控制模块，用于将待排样管材零件在系统预设的排样策略下进行管材排样；
管材零件排样处理优化控制模块，用于将待排样管材零件在系统预设的排样策略下进行优化排样处理，以获取当前系统所能获得的最优的管材排样结果；
排样结果输出模块，用于输出全部已完成排样处理的管材和零件的排样结果。
较佳地，所述的管材零件排样处理优化控制模块包括：
衡量量化指标处理优化单元，用于根据系统预设的计算管材利用率的计算方法，对当前已完成排样的已排样管材零件进行衡量量化指标处理，以获取局部最优的排样结果；
快速定位寻优处理优化单元，用于将所述的衡量量化指标处理优化单元所获取的局部最优的排样结果进行扩大搜索范围排样处理，利用所述的系统预设的第二辅助贪心策略规则对所述的待排样管材零件进行快速定位寻优处理，以获取局部排样结果的最优解。
本发明的该管材切割过程中实现管材零件排样优化处理的装置，其主要特点是，所述的装置包括：
处理器，被配置成执行计算机可执行指令；
存储器，存储一个或多个计算机可执行指令，所述计算机可执行指令被所述处理器执行时，实现上述处理方法的各个步骤。
本发明的该管材切割过程中实现管材零件排样优化处理的处理器，其主要特点是，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述处理方法的各个步骤。
本发明的该计算机可读存储介质，其主要特点是，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现上述处理方法的各个步骤。
采用了本发明的管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其计算机可读存储介质，通过系统预设好的计算方法及策略规则，能有效解决现有技术下排样效果不理想、排样结果不稳定的问题，同时也能克服管材零件排样效率慢、排样后切割造成的废料多进而导致能源浪费的问题，实现在管材零件切割的过程中排样效率快、排样后管材利用率高、排样效果稳定、切割成本降低的显著效果。
附图说明
图1为本发明的管材切割过程中实现管材零件排样优化处理的方法的流程图。
图2为本发明的管材切割过程中实现管材零件排样优化处理的方法的基本排样算法流程图。
图3为本发明的管材切割过程中实现管材零件排样优化处理的方法的优化排样算法流程图。
图4为本发明的管材切割过程中实现管材零件排样优化处理的方法的待排样管材零件三维视图。
图5为本发明的管材切割过程中实现管材零件排样优化处理的方法的待排样管材零件的排样结果示意图。
具体实施方式
为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。
在详细说明根据本发明的实施例前，应该注意到的是，在下文中，第一和第二之类的关系术语仅仅用来区分一个实体或动作与另一个实体或动作，而不一定要求或暗示这种实体或动作之间的任何实际的这种关系或顺序。术语“包括”、“包含”或任何其他变体旨在涵盖非排他性的包含，由此使得包括一系列要素的过程、方法、物品或者设备不仅包含这些要素，而且还包含没有明确列出的其他要素，或者为这种过程、方法、物品或者设备所固有的要素。
请参阅图1所示，本发明的该管材切割过程中实现管材零件排样优化处理的方法，其中，所述的方法包括以下步骤：
(1)对待排样管材零件进行排样预处理；
(2)根据系统预设的计算方法计算出待排样管材零件的相似度及其切割线标准差，并对所述的待排样管材零件进行聚类处理；
(3)在所述的系统预设的排样策略下通过贪心策略规则及第一辅助贪心策略规则对所述的待排样管材零件在待排管材上进行排样；
(4)根据系统预设的计算管材利用率的计算方法，对当前已完成排样的已排样管材零件进行衡量量化指标处理，并获取局部最优的排样结果；
(5)将所述的系统全部的待排管材和待排样管材零件进行排样处理后，排样过程结束，输出相应的排样结果。
请参阅图2所示，作为本发明的优选实施方式，所述的步骤(2)具体包括以下步骤：
(2.1)根据系统预设的计算方法，计算出待排样管材零件所对应的各个几何图形之间的相似度；
(2.2)根据计算出的所述的切割线标准差获取各个所述的待排样管材零件的切割线规则程度；
(2.3)根据系统预设的聚类规则，将各个所述的待排样管材零件划分为不同的聚类集合。
作为本发明的优选实施方式，所述的步骤(2.1)具体为：
根据所述的系统预设的几何图形之间相似性的计算方法获取所述的待排样管材零件所对应的各个几何图形之间在拓扑结构和几何结构上的相关性和约束性。
作为本发明的优选实施方式，所述的步骤(2.3)具体为：
根据计算出的所述的相似度及切割线标准差将所述的待排样管材零件划分为不同的聚类集合。
作为本发明的优选实施方式，所述的步骤(3)具体包括以下步骤：
(3.1)存储所述的待排样管材零件在系统预设的排样策略下的聚类集合数据；
(3.2)在进行下一个待排样管材零件的排样处理时，根据所述的第一辅助贪心策略规则，寻找与当前所述的已排样管材零件最相似的聚类集合进行排样。
作为本发明的优选实施方式，所述的步骤(3.2)具体为：
在所述的第一辅助贪心策略规则下将当前所述的已排样管材零件在所述的聚类集合中寻找与其最相似的聚类集合数据，进行待排样管材零件的排样处理，并重复该流程。
请参阅图3所示，作为本发明的优选实施方式，所述的步骤(4)之后还包括以下步骤：
(4a)所述的系统进行扩大搜索范围排样处理，利用所述的系统预设的第二辅助贪心算法策略规则对所述的待排样管材零件进行快速定位寻优处理，以获取局部排样结果的最优解；
(4b)如果所述的局部排样结果不如所述的步骤(4)中获取的局部最优的排样结果理想，则返回上述步骤(3)，否则进入步骤(5)。
作为本发明的优选实施方式，所述的步骤(4a)具体包括以下处理步骤：
(4a.1)根据所述的系统预设的扩大搜索范围的方法，将与当前所述的已排样管材零件最相似的聚类集合扩大至N个聚类集合进行扩大排样处理；
(4a.2)将步骤(4a.1)中所述的扩大排样处理的排样结果通过所述的系统预设的第二辅助贪心策略规则进行排样计算，快速定位到所述的局部最优的排样结果。
该管材切割过程中实现管材零件排样优化处理的系统，其中，所述的系统包括：
管材零件排样预处理模块，用于对待排样管材零件进行排样预处理，以获取更稳定的排样结果；
管材零件聚类控制模块，用于计算待排样管材零件所对应的各个几何图形之间的相似性及待排样管材零件切割线的规则程度，并将所述的待排样管材零件根据系统预设的聚类规则进行聚类处理；
管材零件排样处理控制模块，用于将待排样管材零件在系统预设的排样策略下进行管材排样；
管材零件排样处理优化控制模块，用于将待排样管材零件在系统预设的排样策略下进行优化排样处理，以获取当前系统所能获得的最优的管材排样结果；
排样结果输出模块，用于输出全部已完成排样处理的管材和零件的排样结果。
作为本发明的优选实施方式，所述的管材零件排样处理优化控制模块包括：
衡量量化指标处理优化单元，用于根据系统预设的计算管材利用率的计算方法，对当前已完成排样的已排样管材零件进行衡量量化指标处理，以获取局部最优的排样结果；
快速定位寻优处理优化单元，用于将所述的衡量量化指标处理优化单元所获取的局部最优的排样结果进行扩大搜索范围排样处理，利用所述的系统预设的第二辅助贪心策略规则对所述的待排样管材零件进行快速定位寻优处理，以获取局部排样结果的最优解。
该管材切割过程中实现管材零件排样优化处理的装置，其中，所述的装置包括：
处理器，被配置成执行计算机可执行指令；
存储器，存储一个或多个计算机可执行指令，所述计算机可执行指令被所述处理器执行时，实现上述处理方法的各个步骤。
该管材切割过程中实现管材零件排样优化处理的处理器，其中，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述处理方法的各个步骤。
该计算机可读存储介质，其特征在于，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现上述处理方法的各个步骤。
作为本发明的一具体实施方式，NcEditor软件中，“排样”一栏中的管材排样功能，可以实现本发明中所描述的管材零件排样及其优化处理功能，具体各环节所用到的伪代码如下：
STEP1预处理及聚类处理：
for(所有待排管材零件)
{
//其它处理
OtherProcess()；
//聚类处理
Cluster()；
}
STEP2基本贪心策略规则的管材零件排样伪代码如下：
while(未满足停止条件，满足终止条件则停止计算)
{
//根据自定义搜索策略，获取待排管材零件
FindFitPart()；
//计算排样结果
CalcResolution()；
}
STEP3扩大搜索范围的贪心策略规则的管材零件排样伪代码如下：
While(未满足停止条件，满足终止条件则停止计算)
{
//根据自定义搜索策略，获取N个候选解
findFitPartGroup()；
//根据自定义贪心策略快速定位局部最优解
findMostFitPart()；
//计算排样结果
CalcResolution()；
}
采用了本发明的管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其计算机可读存储介质，其排样效果如下：
管材数据：圆管，总长度3000mm，直径50mm；
待排管材零件数据：均是圆管，直径50mm，排样个数均为1，截面形状不一，长度分别为188.5mm,123.07mm,171.64mm,78.36mm，见图4所示；
管材排样数据：管材零件之间间距5mm，起始切割线距管材边缘距离10mm，末尾切割线距离管材末边缘至少预留出10mm；
排样结果如图5所示，如果没有策略的排放管材零件，那么排上述四个管材零件耗费的管材长度为：188.5+123.07mm+171.64mm+78.36＝561.57mm；而经过本发明所述的技术方案得到的结果为，耗费管材长度515.54mm，本发明将管材利用率提高到108％。
可以被理解的是：
1.本发明中系统预设的预处理规则，可根据实际加工需求扩充或修改，只要是符合功能需求的，都可以作为规则，也可以对管材进行预处理，甚至可根据实际加工需求，去除本发明中预处理模块。
2.本发明系统预设的管材利用率计算方式有很多种，根据工程需要可调整。包括但不限于常见的计算管材长度或面积等。
3.在扩大搜索范围时，其搜索方法包括但不限于常见的广度搜索或深度搜索，无论以何种方式进行，都要再次加工成适应排样功能的方法，进而才能获得有效的可行性解。
4.扩大贪心算法搜索范围时，为了加快寻优效率，本发明提出了第二个辅助贪心策略，此策略可根据实际需求调整，甚至在当前寻优效率可接受的前提下，不额外制定第二个辅助贪心策略也是可行的。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或更大的取样范围来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
此外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
采用了本发明的管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其计算机可读存储介质，通过系统预设好的计算方法及策略规则，能有效解决现有技术下排样效果不理想、排样结果不稳定的问题，同时也能克服管材零件排样效率慢、排样后切割造成的废料多进而导致能源浪费的问题，实现在管材零件切割的过程中排样效率快、排样后管材利用率高、排样效果稳定、切割成本降低的显著效果。
在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (13)

1.一种管材切割过程中实现管材零件排样优化处理的方法，其特征在于，所述的方法包括以下步骤：
(1)对待排样管材零件进行排样预处理；
(2)根据系统预设的计算方法计算出待排样管材零件的相似度及其切割线标准差，并对所述的待排样管材零件进行聚类处理；
(3)在所述的系统预设的排样策略下通过贪心策略规则及第一辅助贪心策略规则对所述的待排样管材零件在待排管材上进行排样；
(4)根据系统预设的计算管材利用率的计算方法，对当前已完成排样的已排样管材零件进行衡量量化指标处理，并获取局部最优的排样结果；
(5)将所述的系统的全部的待排管材和待排样管材零件进行排样处理后，排样过程结束，输出相应的排样结果。
2.根据权利要求1所述的管材切割过程中实现管材零件排样优化处理的方法，其特征在于，所述的步骤(2)具体包括以下步骤：
(2.1)根据系统预设的计算方法，计算出待排样管材零件所对应的各个几何图形之间的相似度；
(2.2)根据计算出的所述的切割线标准差获取各个所述的待排样管材零件的切割线规则程度；
(2.3)根据系统预设的聚类规则，将各个所述的待排样管材零件划分为不同的聚类集合。
3.根据权利要求2所述的管材切割过程中实现管材零件排样优化处理的方法，其特征在于，所述的步骤(2.1)具体为：
根据所述的系统预设的几何图形之间相似性的计算方法获取所述的待排样管材零件所对应的各个几何图形之间在拓扑结构和几何结构上的相关性和约束性。
4.根据权利要求2所述的管材切割过程中实现管材零件排样优化处理的方法，其特征在于，所述的步骤(2.3)具体为：
根据计算出的所述的相似度及切割线标准差将所述的待排样管材零件划分为不同的聚类集合。
5.根据权利要求1所述的管材切割过程中实现管材零件排样优化处理的方法，其特征在于，所述的步骤(3)具体包括以下步骤：
(3.1)存储所述的待排样管材零件在系统预设的排样策略下的聚类集合数据；
(3.2)在进行下一个待排样管材零件的排样处理时，根据所述的第一辅助贪心策略规则，寻找与当前所述的已排样管材零件最相似的聚类集合进行排样。
6.根据权利要求5所述的管材切割过程中实现管材零件排样优化处理的方法，其特征在于，所述的步骤(3.2)具体为：
在所述的第一辅助贪心策略规则下将当前所述的已排样管材零件在所述的聚类集合中寻找与其最相似的聚类集合数据，进行待排样管材零件的排样处理，并重复该流程。
7.根据权利要求1所述的管材切割过程中实现管材零件排样优化处理的方法，其特征在于，所述的步骤(4)之后还包括以下步骤：
(4a)所述的系统进行扩大搜索范围排样处理，利用所述的系统预设的第二辅助贪心策略规则对所述的待排样管材零件进行快速定位寻优处理，以获取局部排样结果的最优解；
(4b)如果所述的局部排样结果不如所述的步骤(4)中获取的局部最优的排样结果理想，则返回上述步骤(3)，否则进入步骤(5)。
8.根据权利要求7所述的管材切割过程中实现管材零件排样优化处理的方法，其特征在于，所述的步骤(4a)具体包括以下处理步骤：
(4a.1)根据所述的系统预设的扩大搜索范围的方法，将与当前所述的已排样管材零件最相似的聚类集合扩大至N个聚类集合进行扩大排样处理；
(4a.2)将步骤(4a.1)中所述的扩大排样处理的排样结果通过所述的系统预设的第二辅助贪心策略规则进行排样计算，快速定位到所述的局部最优的排样结果。
9.一种管材切割过程中实现管材零件排样优化处理的系统，其特征在于，所述的系统包括：
管材零件排样预处理模块，用于对待排样管材零件进行排样预处理，以获取更稳定的排样结果；
管材零件聚类控制模块，用于计算待排样管材零件所对应的各个几何图形之间的相似性及待排样管材零件切割线的规则程度，并将待排样管材零件根据系统预设的聚类规则进行聚类处理；
管材零件排样处理控制模块，用于将待排样管材零件在系统预设的排样策略下进行管材排样；
管材零件排样处理优化控制模块，用于将待排样管材零件在系统预设的排样策略下进行优化排样处理，以获取当前系统所能获得的最优的管材排样结果；
排样结果输出模块，用于输出全部已完成排样处理的管材和零件的排样结果。
10.根据权利要求9所述的管材切割过程中实现管材零件排样优化处理的系统，其特征在于，所述的管材零件排样处理优化控制模块包括：
衡量量化指标处理优化单元，用于根据系统预设的计算管材利用率的计算方法，对当前已完成排样的已排样管材零件进行衡量量化指标处理，以获取局部最优的排样结果；
快速定位寻优处理优化单元，用于将所述的衡量量化指标处理优化单元所获取的局部最优的排样结果进行扩大搜索范围排样处理，利用所述的系统预设的第二辅助贪心策略规则对所述的待排样管材零件进行快速定位寻优处理，以获取局部排样结果的最优解。
11.一种管材切割过程中实现管材零件排样优化处理的装置，其特征在于，所述的装置包括：
处理器，被配置成执行计算机可执行指令；
存储器，存储一个或多个计算机可执行指令，所述计算机可执行指令被所述处理器执行时，实现权利要求1至8中任一项所述的管材切割过程中实现管材零件排样优化处理的方法的各个步骤。
12.一种管材切割过程中实现管材零件排样优化处理的处理器，其特征在于，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现权利要求1至8中任一项所述的管材切割过程中实现管材零件排样优化处理的方法的各个步骤。
13.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现权利要求1至8中任一项所述的管材切割过程中实现管材零件排样优化处理的方法的各个步骤。
CN202011332628.3A 2020-11-24 2020-11-24 管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其存储介质 Pending CN112418530A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011332628.3A CN112418530A (zh) 2020-11-24 2020-11-24 管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011332628.3A CN112418530A (zh) 2020-11-24 2020-11-24 管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其存储介质

Publications (1)

Publication Number Publication Date
CN112418530A true CN112418530A (zh) 2021-02-26

Family

ID=74778531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011332628.3A Pending CN112418530A (zh) 2020-11-24 2020-11-24 管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其存储介质

Country Status (1)

Country Link
CN (1) CN112418530A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113427152A (zh) * 2021-07-07 2021-09-24 无锡信捷电气股份有限公司 一种用于3d标准零件的快速排样方法
CN113762380A (zh) * 2021-09-07 2021-12-07 成都理工大学 一种基于自适应分组的零件排样优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5341306A (en) * 1991-02-06 1994-08-23 Nippon Sheet Glass Co., Ltd. Blank layout method for plate-glass cutters
JP2005327010A (ja) * 2004-05-13 2005-11-24 Ihi Marine United Inc 自動ネスティング方法
CN105488562A (zh) * 2015-11-27 2016-04-13 浙江工业大学义乌科学技术研究院有限公司 一种基于多因子粒子群算法的不规则件排样方法
CN105956663A (zh) * 2016-03-04 2016-09-21 安徽工程大学 异形零件下料的并行排样优化方法
CN109118002A (zh) * 2018-08-09 2019-01-01 广东工业大学 一种板式产品切割下料与分箱分架集成优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5341306A (en) * 1991-02-06 1994-08-23 Nippon Sheet Glass Co., Ltd. Blank layout method for plate-glass cutters
JP2005327010A (ja) * 2004-05-13 2005-11-24 Ihi Marine United Inc 自動ネスティング方法
CN105488562A (zh) * 2015-11-27 2016-04-13 浙江工业大学义乌科学技术研究院有限公司 一种基于多因子粒子群算法的不规则件排样方法
CN105956663A (zh) * 2016-03-04 2016-09-21 安徽工程大学 异形零件下料的并行排样优化方法
CN109118002A (zh) * 2018-08-09 2019-01-01 广东工业大学 一种板式产品切割下料与分箱分架集成优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宋亚男: "二维排样系统的图形匹配、入排控制与碰靠算法研究", 《中国博士学位论文全文数据库(信息科技辑)》 *
张鹏程: "基于贪心策略的单一下料问题求解研究", 《河北水利电力学院学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113427152A (zh) * 2021-07-07 2021-09-24 无锡信捷电气股份有限公司 一种用于3d标准零件的快速排样方法
CN113427152B (zh) * 2021-07-07 2023-12-19 无锡信捷电气股份有限公司 一种用于3d标准零件的快速排样方法
CN113762380A (zh) * 2021-09-07 2021-12-07 成都理工大学 一种基于自适应分组的零件排样优化方法

Similar Documents

Publication Publication Date Title
CN112418530A (zh) 管材切割过程中实现管材零件排样优化处理的方法、系统、装置、处理器及其存储介质
Jin et al. Generation of unstructured tetrahedral meshes by advancing front technique
Zhang et al. Building pattern recognition in topographic data: examples on collinear and curvilinear alignments
Lillis et al. Simultaneous routing and buffer insertion for high performance interconnect
Held FIST: Fast industrial-strength triangulation of polygons
CN103529843A (zh) Lambda*路径规划算法
CN112306067A (zh) 一种全局路径规划方法及系统
CN101527000A (zh) 一种基于取样的快速移动对象轨迹聚类方法
CN109727252B (zh) 一种任意分割线分割多边形的方法
CN106874469B (zh) 一种新闻综述生成方法与系统
Asano et al. Reprint of: Memory-constrained algorithms for simple polygons
CN112197783B (zh) 一种考虑车头指向的两阶段多抽样的rrt路径规划方法
CN113034515A (zh) 基于包围盒树的多边形裁剪方法、电子设备及存储介质
CN117150664A (zh) Cad模型解析方法、装置、设备和存储介质
Fowler et al. Planar preprocessing for spring embedders
CN116764225A (zh) 一种高效寻路的处理方法、装置、设备及介质
CN110807061A (zh) 一种基于分层搜索不确定图的频繁子图的方法
Hu et al. Research and realization of optimum route planning in vehicle navigation systems based on a hybrid genetic algorithm
Cao et al. Quasi-second-order parsing for 1-endpoint-crossing, pagenumber-2 graphs
CN113284245B (zh) 巷道三维模型构建方法、装置和电子设备
Long et al. Attribute reduction based on rough sets and the discrete firefly algorithm
CN115481268A (zh) 一种平行线墙体数据识别方法、装置、设备及存储介质
CN107038731B (zh) 一种解决交点退化问题的复杂多边形裁剪方法
Hobbs et al. Representing space: A hybrid genetic algorithm for aesthetic graph layout
Bartels et al. Elimination is not enough: Non-minimal triangulations for graphical models

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210226

RJ01 Rejection of invention patent application after publication