An adaptive particle swarm optimization algorithm acceleration factor cutting method based on the bed, which comprises the following steps: the first step, the parameters of cutting bed to set the initial constraints and SAPSO algorithm; the second step, according to the initial conditions set by the user, calculate the number of beds: according to the sample size may be needed to cut the number of to calculate the sum of the number of cutting, the average bed cloth layer, average layer cloth cutting pieces, to calculate the upper and lower bounds for the number of beds; the third step, first search scheme of small bed bed number, if the number of small programs to meet the requirements of the bed, is no longer to search a large number of bed the. If the number of beds is small and does not meet the requirements, then search for a bed with a large number of beds. In the case of a certain number of beds, the SAPSO algorithm is used to search the number of plies. The invention improves the efficiency of the determination of the bed scheme, reduces the material budget, and reduces the number error of the cutting.
【技术实现步骤摘要】
一种基于自适应加速因子粒子群优化算法的裁剪分床方法
本专利技术属于工业数控设备自动化
,涉及一种应用于裁床裁剪分床的方法。
技术介绍
中国是人口大国,是世界上最大的服装生产国和消费国。近年来随着人民币汇率的波动,企业雇用工人的成本和生产原材料的成本越来越高,导致企业生存越来越困难。尤其是近年来物价迅速上涨,出现了劳动力缺口大,招工难的问题。服装行业是传统的劳动密集型的企业,生存发展就更加的困难。因此,企业要想在激烈的市场竞争和生产成本上涨的环境下屹立不倒,就必须从降低生产成本的角度出发,提高企业的生产效益。伴随着工业自动化进程的加速,服装行业也就自然而然的融入了现代工业自动化生产技术,机器换人成为了必然的趋势。从而裁床的应用越来越普遍,其不仅能够降低人工生产成本,而且还提高了原材料的利用率和生产效率。如今,裁床系统的技术发展日趋成熟,从控制软件到底层硬件控制板的技术都相当完善,各种实际应用中的工艺难题都得到了很好地解决,实际生产制造中也印证了其高效的性能。目前,我国裁床在中小型企业中的销量占有很大比重,由于一些成熟的裁床控制软件成本高昂,保密性强,所以中小型企业只能望而却步。针对裁床控制软件目前遇到的种种难题,我国也研发了一些拥有自主知识产权的裁床控制软件,其中也集成了分床的功能。裁剪分床主要包括以下几个方面:(1)生产订单裁剪分床床数。裁剪分床床数决定了裁剪工时的消耗;(2)每床需要铺的号型种类,每个号型铺布的件数。在生产条件允许的范围内,套排号型种类越多越节约原材料;(3)每床需要铺布料的层数。在生产条件允许的铺布层数范围内,铺布层数越大,裁剪的 ...
【技术保护点】
一种基于自适应加速因子粒子群优化算法的裁剪分床方法,其特征在于:包括以下步骤:第一步,对裁剪分床设定初始限制条件和SAPSO算法的参数:首先由用户设定每床铺布层数Cnt的上限Cntmax和下限Cntmin,每层布可裁剪总件数T的上限Tmax和下限Tmin,每个号型样片每床排的数量Pb的上限Pbmax,各号型样片所需裁剪的数量Si;算法的自适应加速因子正整数参数γ,认知因子c1,社会因子c2,算法迭代过程中层数粒子速度向量的最大限度Vcmax、配比粒子速度向量的最大限幅Vbmax;第二步,根据用户设定的初始限制条件,计算出可能的分床数量:根据各号型样片所需裁剪数量计算出所需裁剪数量总和S,平均每床铺布层数Laver,平均每层布裁剪件数Taver,从而计算出所需分床数量Bed的上限Bedmax和下限Bedmin;第三步,确定出来的分床床数Bed是在一个有限的范围内,在某一分床床数情况下,采用SAPSO算法搜索铺布层数,过程如下:3.1)以各床上的铺布层数作为粒子的位置,给各床在搜索空间ΩK内随机初始化一个层数,同理初始化M个粒子{Cnt1,Cnt2…CntM},以及速度向量值{v1,v2… ...
【技术特征摘要】
1.一种基于自适应加速因子粒子群优化算法的裁剪分床方法,其特征在于:包括以下步骤:第一步,对裁剪分床设定初始限制条件和SAPSO算法的参数:首先由用户设定每床铺布层数Cnt的上限Cntmax和下限Cntmin,每层布可裁剪总件数T的上限Tmax和下限Tmin,每个号型样片每床排的数量Pb的上限Pbmax,各号型样片所需裁剪的数量Si;算法的自适应加速因子正整数参数γ,认知因子c1,社会因子c2,算法迭代过程中层数粒子速度向量的最大限度Vcmax、配比粒子速度向量的最大限幅Vbmax;第二步,根据用户设定的初始限制条件,计算出可能的分床数量:根据各号型样片所需裁剪数量计算出所需裁剪数量总和S,平均每床铺布层数Laver,平均每层布裁剪件数Taver,从而计算出所需分床数量Bed的上限Bedmax和下限Bedmin;第三步,确定出来的分床床数Bed是在一个有限的范围内,在某一分床床数情况下,采用SAPSO算法搜索铺布层数,过程如下:3.1)以各床上的铺布层数作为粒子的位置,给各床在搜索空间ΩK内随机初始化一个层数,同理初始化M个粒子{Cnt1,Cnt2…CntM},以及速度向量值{v1,v2…vM},以各号型样片误差平方和为适应值Fvalue。令各个粒子的个体历史最优Pbesti=Cnti,i=1,2,…,M,粒子的全局最优Gbest=Cnt1;3.2)再采用SAPSO算法搜索在对应铺布层数下,使Fvalue最小的配比Pb:其搜索过程为:3.2.1)将第j种号型样片在各床上的配比作为粒子的位置Pbi,在搜索空间ΨK内,给该号型样片在各床上的配比随机初始化一个值,同理初始化M个粒子{Pb1,Pb2…PbM},速度向量值{vb1,vb1…vbM},令每个粒子的个体历史最优Pbest1i=Pbi,粒子的全局最优Gbest1=ceil(Pb1);3.2.2)根据速度更新公式:来计算粒子寻优的速度向量值,判断速度绝对值是否小于等于最大速度值Vbmax,如果超过了,则令3.2.3)再根据位置更新公式:
【专利技术属性】
技术研发人员:董辉,江丽林,刘家林,康磊,童辉,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。