CN113705860A - 一种实时智能强鲁棒性的多形状制造件排样优化方法及系统 - Google Patents

一种实时智能强鲁棒性的多形状制造件排样优化方法及系统 Download PDF

Info

Publication number
CN113705860A
CN113705860A CN202110895700.1A CN202110895700A CN113705860A CN 113705860 A CN113705860 A CN 113705860A CN 202110895700 A CN202110895700 A CN 202110895700A CN 113705860 A CN113705860 A CN 113705860A
Authority
CN
China
Prior art keywords
matrix
value
convolution kernel
placement
size
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
Application number
CN202110895700.1A
Other languages
English (en)
Other versions
CN113705860B (zh
Inventor
钟睿
任和
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202110895700.1A priority Critical patent/CN113705860B/zh
Publication of CN113705860A publication Critical patent/CN113705860A/zh
Application granted granted Critical
Publication of CN113705860B publication Critical patent/CN113705860B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • 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)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种实时智能多任务强鲁棒性的多形状制造件排样优化方法及系统，所述方法包括如下步骤：步骤S1：根据要求的矩形件、圆形件、直角三角形件尺寸，将其转化为形状卷积核。步骤S2：根据原材料矩形板材的尺寸，生成同比例的板材矩阵。步骤S3：将形状卷积核与板材矩阵做卷积运算，得到放置矩阵LOC。步骤S4：根据制造件尺寸生成一个价值检测卷积核，与放置矩阵LOC做卷积运算，得到价值矩阵。步骤S5：根据制造件尺寸，生成判断卷积核，综合考虑板材矩阵，放置矩阵LOC，价值矩阵信息，最终得到最优排样结果。本发明能够处理多种形状制造件混合排样优化的实际工程问题。

Description

一种实时智能强鲁棒性的多形状制造件排样优化方法及系统
技术领域
本发明属于多种形状制造件智能排样问题的制造业和运输业技术领域，尤其涉及一种实时智能多任务强鲁棒性的多形状制造件排样优化方法及系统
背景技术
在二维零件排样是实际生产中最为常见的排样问题，广泛应用于机械制造，轻工，服装和印刷业等行业中。而在传统的排样方法中，大多只研究了简单常见的矩形件排样方法，由于矩形件形状简单，可以较快的进行碰撞检测。可随着工业的迅速发展，生产速度越来越快，在一次生产中可能需要多种形状的制造件，如常见的圆形件、直角三角形件和矩形件。多形状制造件排样问题难度比一般的2D-BPP问题难度更大，情况更加复杂，传统的排样方法已经无法解决工业需求。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供一种实时智能多任务强鲁棒性的多形状制造件排样优化方法及系统，能够同时进行多形状制造件的排样优化，大大降低工业原材料的浪费。
本发明目的通过以下技术方案予以实现：一种实时智能多任务强鲁棒性的多形状制造件排样优化方法及系统，所述方法包括如下步骤：步骤S1：根据要求的矩形件、圆形件或直角三角形件尺寸，将其转化为形状卷积核。步骤S2：根据原材料矩形板材的尺寸，生成同比例的板材矩阵。步骤S3：将形状卷积核与板材矩阵做卷积运算，得到放置矩阵LOC。步骤S4：根据制造件尺寸生成一个价值检测卷积核，与放置矩阵LOC做卷积运算，得到价值矩阵。步骤S5：根据制造件尺寸，生成判断卷积核，综合考虑板材矩阵，放置矩阵LOC，价值矩阵信息，最终得到最优排样结果。
上述实时智能多任务强鲁棒性的多形状制造件排样优化方法中，在步骤S1 中，根据制造件(矩形件、圆形件或直角三角形件)的尺寸信息，生成与尺寸相同维度的形状卷积核矩阵，如圆形件的直径为2r,则矩形长宽为2r×2r的，圆形件圆心在矩阵中心，与圆形件面积同等比例的矩阵元素值为1，值为1的元素在矩阵中的分布与圆形件形状相同，形状矩阵中其余元素值为0；
上述实时智能多任务强鲁棒性的多形状制造件排样优化方法中，在步骤S2 中，所述原材料矩形板材的长宽尺寸为L、W，则对应的板材矩阵的长宽也为L、 W，板材矩阵中，原材料矩形板材上未被使用的部分对应板材矩阵中元素值为0，已经使用部分对应板材矩阵中元素值为1；
上述实时智能多任务强鲁棒性的多形状制造件排样优化方法中，在步骤S3 中，放置矩阵的计算方式如下：
Figure BDA0003197809650000022
其中，i，j代表的就是矩阵元素的序号；
上述实时智能多任务强鲁棒性的多形状制造件排样优化方法中，在步骤S4 中，矩形件由于有横排和竖排两种方式，会分别得到对应的价值矩阵，在不同的排样方式中，取其贴底边的一边边长的三分之二作为价值检测卷积核的尺寸，卷积核元素值全为1；
上述实时智能多任务强鲁棒性的多形状制造件排样优化方法中，在步骤S4 中，直角三角形件有无数种旋转方式，本发明只考虑四种，分别是顺时针旋转 0°、顺时针旋转90°、顺时针旋转180°、顺时针旋转360°，计算其对应的价值矩阵。卷积核的尺寸取两直角边边长和的均值，卷积核元素值全为1；
上述实时智能多任务强鲁棒性的多形状制造件排样优化方法中，在步骤S4 中，圆形件的卷积核尺寸为其直径，卷积核元素值全为1；
上述实时智能多任务强鲁棒性的多形状制造件排样优化方法中，在步骤S4 中，价值矩阵元素值为每一步卷积运算后得到的结果；
上述实时智能多任务强鲁棒性的多形状制造件排样优化方法中，在步骤S5 中，对于圆形件，其判断卷积核的尺寸为其直径，卷积核除右下四分之一元素值为10外，其余元素值均为1。其最优排样结果的计算方式为：首先根据放置矩阵LOC判断其在板材上各个位置是否可行，如不可行，则继续判断下一个位置，如可行，将板材矩阵对应区域元素值从0设为1，使用判断卷积核在该位置处做卷积运算，得到判断标识S，利用判断标识除以价值矩阵相同位置处的元素值得到放置价值V，取V最大处作为圆形件排样位置；
上述实时智能多任务强鲁棒性的多形状制造件排样优化方法中，在步骤S5 中，对于矩阵件，其判断卷积核的尺寸为其贴近板材底边的边长，卷积核元素值全为1，其最优排样结果计算方式如下：首先根据放置矩阵LOC判断其在板材上各个位置是否可行，如不可行，则继续判断下一个位置，如可行，将板材矩阵对应区域元素值从0设为1，使用判断卷积核在该位置处做卷积运算，得到判断标识S，利用判断标识除以价值矩阵相同位置处的元素值得到放置价值V，取V最大处作为矩形件的排样位置；在得到横排和竖排两种排样方式的放置价值后，取放置价值大的位置为最优排样结果；
上述实时智能多任务强鲁棒性的多形状制造件排样优化方法中，在步骤S5 中，对于直角三角形件，其判断卷积核的尺寸为两直角边边长均值，卷积核元素为1，排样结果计算方式与矩形件相同：首先根据放置矩阵LOC判断其在板材上各个位置是否可行，如不可行，则继续判断下一个位置，如可行，将板材矩阵对应区域元素值从0设为1，使用判断卷积核在该位置处做卷积运算，得到判断标识S，利用判断标识除以价值矩阵相同位置处的元素值得到放置价值V，取V最大处作为直角三角形的件排样位置；
一种实时智能多任务强鲁棒性的多形状制造件排样优化系统，包括：第一模块，用于根据要求的矩形件、圆形件、直角三角形件尺寸，将其转化为形状卷积核；第二模块，用于根据原材料矩形板材的尺寸，生成同比例的板材矩阵；第三模块，用于将形状卷积核与板材矩阵做卷积运算，得到放置矩阵LOC；第四模块，用于根据制造件尺寸生成一个价值检测卷积核，与放置矩阵LOC做卷积运算，得到价值矩阵；第五模块，用于根据制造件尺寸，生成判断卷积核，综合考虑板材矩阵，放置矩阵LOC，价值矩阵信息，最终得到最优排样结果。
本发明与现有技术相比具有如下有益效果：
(1)能够处理多种形状制造件的混合排样优化问题
(2)从占角优化，贴边优化，环境融合度优化三个方面对每次排样进行优化，使得每次结果为当前最优，能够大大节省工业原材料。
(3)本发明借鉴中国古代围棋中‘金角银边草肚皮’的优化思想，只需进行三次卷积操作即可得到待放置物件(待裁剪单件)的局部最优位置，计算速度快，实时性高。
(4)本发明能够处理各种已经被处理或已经破损的原材料，抗干扰性强。
附图说明
图1是本发明实施例提供的矩形制造件转化为同比例矩阵的方式。
图2是本发明实施例提供的直角三角形制造件转化为同比例矩阵的方式。
图3是本发明实施例提供的圆形制造件转化为同比例矩阵的方式。
图4是本发明实施例提供的矩形制造件排样前原材料板材的使用情况。
图5是本发明实例提供的矩形制造件实时排样优化结果。
图6是本发明实施例提供的圆形制造件排样前原材料板材的使用情况。
图7是本发明实例提供的圆形制造件实时排样优化结果。
图8是本发明实施例提供的直角三角形制造件排样前原材料板材的使用情况。
图9是本发明实例提供的直角三角形制造件实时排样优化结果。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本实施例提供了一种实时智能多任务强鲁棒性的多形状制造件排样优化方法及系统，该方法包括如下步骤：
步骤S1：根据要求的制造件尺寸，生成对应的形状卷积核。具体的，根据制造件尺寸信息生成外包络矩形，根据矩形尺寸生成同比例的形状矩阵，记为形状卷积核，卷积核中元素值为1的元素位置与制造件形状对应。
步骤S2：根据原材料矩形板材的尺寸，生成同比例的板材矩阵。具体的，板材未被使用的区域对应于板材矩阵中的元素值为0，已经使用的部分对应于板材矩阵中元素值为1.设矩形板材长为BL，宽为BW，则板材矩阵也是BL×BW 维的。
步骤S3：将形状卷积核与板材矩阵做卷积运算，得到放置矩阵LOC。具体的，由于板材矩阵中元素值为0的区域对应于板材未使用的部分，所以形状卷积核与之卷积运算后得到的结果为0，板材矩阵中元素值为1的部分对应于板材已被使用的部分，故卷积核与之卷积运算后得到的结果为1，故放置矩阵LOC 中元素值计算方式为：
Figure BDA0003197809650000051
步骤S4：根据制造件尺寸生成一个价值检测卷积核，与放置矩阵做卷积运算，得到价值矩阵。具体的，设圆形件的尺寸为2R,则卷积核的尺寸是2R×2R 维的，在做卷积运算前，先对在步骤S3中得到的放置矩阵进行padding，先在放置矩阵外填充R层全0的元素，价值矩阵中元素值维卷积运算的结果，价值矩阵的维数与板材矩阵的维数是相等的。同理，矩形件和直角三角形件的价值检测卷积核对应的尺寸为其两边长的均值，计算价值矩阵方法与圆形件相同。
步骤S5：根据制造件尺寸，生成判断卷积核，综合考虑板材矩阵，放置矩阵LOC，价值矩阵信息，最终得到最优排样结果。
具体的，对于圆形件，其判断卷积核的尺寸为其直径，卷积核除右下四分之一元素值为10外，其余元素值均为1.其最优排样结果的计算方式为：首先根据放置矩阵LOC判断其在板材上各个位置是否可行，如不可行，则继续判断下一个位置，如可行，将板材矩阵对应区域元素值从0设为1，使用判断卷积核在该位置处做卷积运算，得到判断标识S，利用判断标识除以价值矩阵相同位置处的元素值得到放置价值V，取V最大处作为圆形件排样位置。
对于矩阵件，其判断卷积核的尺寸为其贴近板材底边的边长，卷积核元素值全为1，其最优排样结果计算方式如圆形件相同，在得到横排和竖排两种排样方式的放置价值后，取放置价值大的最为最优排样结果。
对于直角三角形件，其判断卷积核的尺寸为两直角边边长均值，卷积核元素为1，排样结果计算方式如矩形件相同。
本实施例还提供了一种实时智能多任务强鲁棒性的多形状制造件排样优化系统，包括：第一模块，用于根据要求的矩形件、圆形件、直角三角形件尺寸，将其转化为形状卷积核；第二模块，用于根据原材料矩形板材的尺寸，生成同比例的板材矩阵；第三模块，用于将形状卷积核与板材矩阵做卷积运算，得到放置矩阵LOC；第四模块，用于根据制造件尺寸生成一个价值检测卷积核，与放置矩阵LOC做卷积运算，得到价值矩阵；第五模块，用于根据制造件尺寸，生成判断卷积核，综合考虑板材矩阵，放置矩阵LOC，价值矩阵信息，最终得到最优排样结果。
实施例一：
本实例考虑矩形件排样优化的情况，以验证本发明对矩形件的排样优化的可行性。设原材料复合矩形板材的长宽为300×300，且原材料复合矩形板材已有一部分被切割使用，如图4所示，目前需要切割出长为50，宽为45的矩形件用于加工生产，算法经过计算，得到最佳排样为横排，左上顶点坐标为(52， 98)，如图5所示；
实例二：
本实例考虑圆形件排样优化的情况，以验证本发明对圆形件排样优化的可行性。设原材料复合矩形板材的长宽为300×300，且原材料复合矩形板材已有一部分被切割使用，如图6所示；现需要切割出一个半径为17的圆形件用于加工生产，算法经过计算，得到的排样结果如图7所示；
实例三：
本实例考虑圆形件排样优化的情况，以验证本发明对圆形件排样优化的可行性。设原材料复合矩形板材的长宽为300×300，且原材料复合矩形板材已有一部分被切割使用，如图8所示；现需要切割出一个边长为50的等边直角三角形件用于加工生产，算法经过计算，得出最佳的排样为旋转0°，直角顶点坐标为(0，230)；如图9所示。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (10)

1.一种实时智能强鲁棒性的多形状制造件排样优化方法，其特征在于：具体步骤如下：
步骤S1：根据要求的矩形件、圆形件或直角三角形件尺寸，将其转化为形状卷积核；
步骤S2：根据原材料矩形板材的尺寸，生成同比例的板材矩阵；
步骤S3：将形状卷积核与板材矩阵做卷积运算，得到放置矩阵LOC；
步骤S4：根据制造件尺寸生成一个价值检测卷积核，与放置矩阵LOC做卷积运算，得到价值矩阵；价值矩阵元素值为每一步卷积运算后得到的结果；
步骤S5：根据制造件尺寸，生成判断卷积核，综合考虑板材矩阵，放置矩阵LOC，价值矩阵信息，最终得到最优排样结果。
2.根据权利要求1所述的一种实时智能强鲁棒性的多形状制造件排样优化方法，其特征在于：在步骤S1中，根据制造件的尺寸信息，生成与尺寸相同维度的形状卷积核矩阵。
3.根据权利要求1所述的一种实时智能强鲁棒性的多形状制造件排样优化方法，其特征在于：步骤S2中，所述原材料矩形板材的长宽尺寸为L、W，则对应的板材矩阵的长宽也为L、W，板材矩阵中，原材料矩形板材上未被使用的部分对应板材矩阵中元素值为0，已经使用部分对应板材矩阵中元素值为1。
4.根据权利要求1所述的一种实时智能强鲁棒性的多形状制造件排样优化方法，其特征在于：在步骤S3中，放置矩阵的计算方式如下：
Figure FDA0003197809640000011
其中，i，j代表的就是矩阵元素的序号。
5.根据权利要求1所述的一种实时智能强鲁棒性的多形状制造件排样优化方法，其特征在于：在步骤S4中，矩形件由于有横排和竖排两种方式，会分别得到对应的价值矩阵，在不同的排样方式中，取其贴底边的一边边长的三分之二作为价值检测卷积核的尺寸，卷积核元素值全为1。
6.根据权利要求1所述的一种实时智能强鲁棒性的多形状制造件排样优化方法，其特征在于：在步骤S4中，直角三角形件有无数种旋转方式，这里只考虑四种，分别是顺时针旋转0°、顺时针旋转90°、顺时针旋转180°、顺时针旋转360°，计算其对应的价值矩阵；卷积核的尺寸取两直角边边长和的均值，卷积核元素值全为1。
7.根据权利要求1所述的一种实时智能强鲁棒性的多形状制造件排样优化方法，其特征在于：在步骤S4中，圆形件的卷积核尺寸为其直径，卷积核元素值全为1。
8.根据权利要求1所述的一种实时智能强鲁棒性的多形状制造件排样优化方法，其特征在于：在步骤S5中，对于圆形件，判断卷积核的尺寸为其直径，卷积核除右下四分之一元素值为10外，其余元素值均为1；最优排样结果的计算方式为：首先根据放置矩阵LOC判断其在板材上各个位置是否可行，如不可行，则继续判断下一个位置；如可行，将板材矩阵对应区域元素值从0设为1，使用判断卷积核在该位置处做卷积运算，得到判断标识S，利用判断标识除以价值矩阵相同位置处的元素值得到放置价值V，取V最大处作为圆形件排样位置。
9.根据权利要求1所述的一种实时智能强鲁棒性的多形状制造件排样优化方法，其特征在于：在步骤S5中，对于矩阵件，判断卷积核的尺寸为其贴近板材底边的边长，卷积核元素值全为1，最优排样结果计算方式如下：首先根据放置矩阵LOC判断其在板材上各个位置是否可行，如不可行，则继续判断下一个位置，如可行，将板材矩阵对应区域元素值从0设为1，使用判断卷积核在该位置处做卷积运算，得到判断标识S，利用判断标识除以价值矩阵相同位置处的元素值得到放置价值V，取V最大处作为矩形件的排样位置；在得到横排和竖排两种排样方式的放置价值后，取放置价值大的位置为最优排样结果。
10.根据权利要求1所述的一种实时智能强鲁棒性的多形状制造件排样优化方法，其特征在于：在步骤S5中，对于直角三角形件，判断卷积核的尺寸为两直角边边长均值，卷积核元素为1，排样结果计算方式与矩形件相同：首先根据放置矩阵LOC判断其在板材上各个位置是否可行，如不可行，则继续判断下一个位置；如可行，将板材矩阵对应区域元素值从0设为1，使用判断卷积核在该位置处做卷积运算，得到判断标识S，利用判断标识除以价值矩阵相同位置处的元素值得到放置价值V，取V最大处作为直角三角形的件排样位置。
CN202110895700.1A 2021-08-05 2021-08-05 一种实时智能强鲁棒性的多形状制造件排样优化方法及系统 Active CN113705860B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110895700.1A CN113705860B (zh) 2021-08-05 2021-08-05 一种实时智能强鲁棒性的多形状制造件排样优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110895700.1A CN113705860B (zh) 2021-08-05 2021-08-05 一种实时智能强鲁棒性的多形状制造件排样优化方法及系统

Publications (2)

Publication Number Publication Date
CN113705860A true CN113705860A (zh) 2021-11-26
CN113705860B CN113705860B (zh) 2023-10-17

Family

ID=78652149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110895700.1A Active CN113705860B (zh) 2021-08-05 2021-08-05 一种实时智能强鲁棒性的多形状制造件排样优化方法及系统

Country Status (1)

Country Link
CN (1) CN113705860B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114862013A (zh) * 2022-04-29 2022-08-05 大连海事大学 一种基于拼接的矩形件板材剪切排样方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050197977A1 (en) * 2003-12-09 2005-09-08 Microsoft Corporation Optimizing performance of a graphics processing unit for efficient execution of general matrix operations
JP2008016622A (ja) * 2006-07-05 2008-01-24 Sony Corp パターン抽出方法，パターン抽出装置および半導体装置の製造方法
US20110209107A1 (en) * 2010-02-24 2011-08-25 Katsuyoshi Kodera Mask-layout creating method, apparatus therefor, and computer program product
CN107330214A (zh) * 2017-07-11 2017-11-07 哈尔滨工业大学（威海） 基于离散化与启发式进化算法的空间布局优化方法
WO2018061960A1 (ja) * 2016-09-29 2018-04-05 大日本印刷株式会社 マルチビーム電子線描画装置における露光強度分布を求める方法および装置
CN109063917A (zh) * 2018-08-14 2018-12-21 苏州瑞思智造信息科技有限公司 基于遗传优化算法的分阶布料排样方法
CN110059864A (zh) * 2019-03-26 2019-07-26 华中科技大学 一种基于知识迁移的矩形智能排样方法及系统
CN110751319A (zh) * 2019-09-27 2020-02-04 合肥黎曼信息科技有限公司 基于Alpha Zero以及结合启发式策略的自动排料方法
CN111553531A (zh) * 2020-04-27 2020-08-18 郑州轻工业大学 一种面向矩形板材的圆形件启发式排样方法
CN111598316A (zh) * 2020-05-06 2020-08-28 深圳大学 物体转移装箱过程策略生成方法、装置、计算机设备
US20200364047A1 (en) * 2019-05-16 2020-11-19 Facebook, Inc. High throughput neural network operations using inter-layer memory layout transformation
US20210073349A1 (en) * 2019-09-05 2021-03-11 Palo Alto Research Center Incorporated Method and System for Part Design Using Heterogeneous Constraints
CN112949851A (zh) * 2021-02-01 2021-06-11 安徽芯纪元科技有限公司 一种基于位掩码的卷积压缩计算方法及系统
CN112990458A (zh) * 2021-04-14 2021-06-18 北京灵汐科技有限公司 卷积神经网络模型的压缩方法及装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050197977A1 (en) * 2003-12-09 2005-09-08 Microsoft Corporation Optimizing performance of a graphics processing unit for efficient execution of general matrix operations
JP2008016622A (ja) * 2006-07-05 2008-01-24 Sony Corp パターン抽出方法，パターン抽出装置および半導体装置の製造方法
US20110209107A1 (en) * 2010-02-24 2011-08-25 Katsuyoshi Kodera Mask-layout creating method, apparatus therefor, and computer program product
WO2018061960A1 (ja) * 2016-09-29 2018-04-05 大日本印刷株式会社 マルチビーム電子線描画装置における露光強度分布を求める方法および装置
CN107330214A (zh) * 2017-07-11 2017-11-07 哈尔滨工业大学（威海） 基于离散化与启发式进化算法的空间布局优化方法
CN109063917A (zh) * 2018-08-14 2018-12-21 苏州瑞思智造信息科技有限公司 基于遗传优化算法的分阶布料排样方法
CN110059864A (zh) * 2019-03-26 2019-07-26 华中科技大学 一种基于知识迁移的矩形智能排样方法及系统
US20200364047A1 (en) * 2019-05-16 2020-11-19 Facebook, Inc. High throughput neural network operations using inter-layer memory layout transformation
US20210073349A1 (en) * 2019-09-05 2021-03-11 Palo Alto Research Center Incorporated Method and System for Part Design Using Heterogeneous Constraints
CN110751319A (zh) * 2019-09-27 2020-02-04 合肥黎曼信息科技有限公司 基于Alpha Zero以及结合启发式策略的自动排料方法
CN111553531A (zh) * 2020-04-27 2020-08-18 郑州轻工业大学 一种面向矩形板材的圆形件启发式排样方法
CN111598316A (zh) * 2020-05-06 2020-08-28 深圳大学 物体转移装箱过程策略生成方法、装置、计算机设备
CN112949851A (zh) * 2021-02-01 2021-06-11 安徽芯纪元科技有限公司 一种基于位掩码的卷积压缩计算方法及系统
CN112990458A (zh) * 2021-04-14 2021-06-18 北京灵汐科技有限公司 卷积神经网络模型的压缩方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HE K ETC.: "A Greedy Heuristic Based on Corner Occupying Action for the 2D Circular Bin Packing Problem", THEORETICAL COMPUTER SCIENCE, pages 75 - 85 *
KUNDU O ETC.: "Deep-Pack: A Vision-Based 2D Online Bin Packing Algorithm with Deep Reinforcement Learning", 2019 28TH IEEE INTERNATIONAL CONFERENCE ON ROBOT AND HUMAN INTERACTIVE COMMUNICATION (RO-MAN), pages 1 - 7 *
高荣宇: "二维不规则件排样优化系统研究与实现", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑 (月刊) 2020 年 第07期, pages 27 - 46 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114862013A (zh) * 2022-04-29 2022-08-05 大连海事大学 一种基于拼接的矩形件板材剪切排样方法
CN114862013B (zh) * 2022-04-29 2023-01-31 大连海事大学 一种基于拼接的矩形件板材剪切排样方法

Also Published As

Publication number Publication date
CN113705860B (zh) 2023-10-17

Similar Documents

Publication Publication Date Title
Tam et al. 2D finite element mesh generation by medial axis subdivision
CN113705860A (zh) 一种实时智能强鲁棒性的多形状制造件排样优化方法及系统
CN102568009A (zh) 用于电子地图的线段抽稀装置及其方法
CN111382485A (zh) 一种基于三维打印的三维模型二维嵌套摆放方法
CN106774164B (zh) 一种基于AutoCAD进行板件排料的方法
CN112847375B (zh) 一种工件抓取方法、装置、计算机设备及存储介质
CN112802093A (zh) 对象抓取方法及装置
CN112070908B (zh) 三维模型的自动拆分方法、计算机设备以及存储介质
CN106570922A (zh) 一种提高三维模型渲染性能的方法
CN114219899B (zh) 一种基于改进叉树算法的网格生成方法及装置
CN116091526A (zh) 一种智慧城市三维场景瓦片化加速方法
CN107886199A (zh) 一种对经过一次加工后原材料下料排样方法
CN114859319A (zh) 一种牵引车与挂车的定位方法、系统、存储介质及车辆
CN117291395B (zh) 基于环形填充的填充线加工排序方法、装置和存储介质
CN112802106A (zh) 对象抓取方法及装置
CN104765804A (zh) 一种根据特征选择负载的方法和系统
CN109359381B (zh) 一种基于体素的激光路径规划方法
CN111453401A (zh) 工件的自动拾取方法和装置
CN106898028A (zh) 一种弧段多边形二维布尔运算方法
JPWO2022181674A5 (zh)
CN105880943A (zh) 一种大型空间曲面板的成型方法
CN114146955B (zh) 一种led晶粒的排列方法、成品方片
CN112435342B (zh) 一种异型曲面的区域划分方法及系统
CN111260723B (zh) 棒材的质心定位方法及终端设备
CN1663703A (zh) 散热鳍片组制造方法

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