一种二维不规则板件排样方法技术

本发明专利技术公开了板件排样方法技术领域的一种二维不规则板件排样方法，具体步骤包括对参与本次排样过程的家具零件进行规则化预处理：预处理主要包括通过提取家具零件的几何特征对家具零件进行规则化包络以及对家具零件进行组合和填充等简化操作，然后进行初始化种群：若待入排家具零件个数为n，粒子群中粒子的个数为k，则设定粒子群中粒子的基因个数为n。设最大迭代次数为iteration粒子i当前位置为χi(t)，则该粒子的个体最优位置为Pbest，群体最优位置为gbest，通过遗传算法的交叉变异原理改进离散粒子群算法对二维不规则家具零件的排样序列进行了优化，通过优化排样来提高板材利用率，降低生产成本。

A Two-Dimensional Irregular Plate Layout Method

The invention discloses a two-dimensional irregular panel layout method in the technical field of panel layout method. The specific steps include regularized pretreatment of furniture parts participating in the layout process: the pretreatment mainly includes regularized envelope of furniture parts by extracting geometric characteristics of furniture parts, simplified operation of combination and filling of furniture parts, etc., and then proceeds. Initial population: If the number of furniture parts to be arranged is n and the number of particles in the particle swarm is k, then the number of genes of particles in the particle swarm is set to n. If the maximum iteration number is I (t), then the particle's individual optimal position is Pbest and the group optimal position is gbest. The discrete particle swarm optimization algorithm is improved by crossover mutation principle of genetic algorithm to optimize the layout sequence of two-dimensional irregular furniture parts. By optimizing the layout, the utilization ratio of sheet metal is improved and the production cost is reduced.

【技术实现步骤摘要】
一种二维不规则板件排样方法
本专利技术涉及二维不规则板件排样方法
，具体为一种家具零件的二维不规则板件排样方法。
技术介绍
在当前的家具生产中，排样是家具生产过程中从设计到自动化生产的一个关键环节，排样质量的好坏直接影响家具板材的利用率高低，排样质量的差时会导致直接影响原材料的利用率变低，从而使得当前家具生产中原材料浪费大，因此，家具零件的排样对家具生产和工厂提供原材料利用率，降低生产成本具备十分积极的意义。但是，另一方面，家具零件排样问题已被证实是典型的NP难组合优化问题，计算复杂度非常高，无法在多项式时间内求出最优解，为此，我们迫切需要提出一种二维不规则板件排样方法，以解决家具零件的排样问题。现有技术中，粒子群优化(ParticleSwarmOptimization,简称PSO)算法是由Eberhart和Kennedy在1995年首先提出的一种进化计算方法。PSO起源于对鸟群觅食行为的模拟,它与人工生命理论关系密切,是一种基于群智能的优化算法。PSO算法和其他大多数进化算法主要区别在于:PSO算法中的解(称为粒子)与其运动速度有关，通过粒子之间的相互影响,根据各自的速度和位置搜索求解。PSO中,每个优化问题的解都是解空间中的一个粒子。所有的粒子都追随当前的最优粒子，通过叠代在解空间中找到最优解。在每一次叠代中，粒子通过跟踪两个极值以更新自己。第一个就是粒子本身所找到的最优解。由于PSO算法的优化速度快速，收敛效果好，因此适合用于本申请的家具零件排样的优化。此外，在现有技术中，进行排样时，并未考虑用于裁剪原材料的特性，如面积，几何尺寸等特征，这会导致虽然优化的排样结果无法再实际的裁剪原材料上进行使用，为此，本申请提供了一种通过遗传算法的交叉变异原理改进离散粒子群算法对二维不规则家具零件的排样序列进行了优化，项目采用参考点不固定的动态更新排样点集合的方式进行零件位置确定，从而通过优化排样来提高板材利用率，降低生产成本，同时在进行裁剪是还考虑原材料的特性，以使得优化结果更加符合实际，实用。
技术实现思路
本专利技术的目的在于提供一种二维不规则板件排样方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种二维不规则板件排样方法，对参与本次排样过程的家具零件进行规则化预处理：预处理主要包括通过提取家具零件的几何特征对家具零件进行规则化包络以及对家具零件进行组合和填充等简化操作，具体步骤如下：a、家具零件的规则化包络拟合：不规则多边形家具零件的最小包络矩形是多边形所有的包络矩形中面积最小的一个，通过矩形包络的方法，可以化简不规则家具零件的边角特征，简化排样过程，如图2所示，通过连接多边形的全部凸点，求出新的凸多边形，并求得该凸多边形的每条边与X轴所行成的夹角，依次使该凸多边形的每条边与X轴平行，并求得当前状态下的包络矩形，计算其面积，所求得的全部包络矩形中面积最小的一个矩形即为该多边形的最小包络矩形；b、同类家具零件组合：对于同类互补家具零件一般具有互补对称的特征，如图3所示，对于这类家具零件，我们可以采用两两组合的形式，通过分析家具零件特征，识别出互补边，将其中一个家具零件旋转180°，将两个家具零件的互补边进行碰靠，组合成一个更为规则的图形，即如图4所示的图形；c、互补家具零件组合和填充：对于具有互补特征的两个不同家具零件，可以将他们进行组合，如图5所示的图形，将家具零件A和家具零件B组合成更为规则的整体进行下一步排样，能够有效提高排样效率。对于家具零件组合行成包络矩形后的空白区域，可以选择合适的家具零件进行填充，如图6所示，两个相同的家具零件A组合后产生的空白区域恰好可以通过家具零件B进行填充；d、提供当前厂内的原材料的尺寸，和几何形状特征，将排样的零件包络矩形在原材料中进行填充，并需保证零件的包络矩形全部处于原材料的区域内。优选的，初始化种群：若待入排家具零件个数为n，粒子群中粒子的个数为k，则设定粒子群中粒子的基因个数为n，每个粒子基因中的单个编码分别对应一个家具零件的家具零件类型。设最大迭代次数为iteration粒子i当前位置为χi(t)，则该粒子的个体最优位置为Pbest，群体最优位置为gbest，算法流程如图6所示，具体实现过程如下：Step1：初始化粒子群，按照给定编码方式初始化各个粒子，给定学习因子变异概率Pω，自身最优交叉的概率P(r1)，全局最优位置交叉概率P(r2)；Step2：对于种群中每个粒子作如下交叉变异操作，操作步骤如下：a、粒子i当前位置χit和该粒子的最优位置Pbest交叉得到χi't；b、χi't与全局最优位置gbest交叉得到χi”t；c、χi”t变异得到xi(t+1)；Step3：计算xi(t+1)的适应度值f(xi(t+1))；Step4：对于每一个粒子执行Step2和Step3，对该次所有粒子的适应度值进行比较，查找出最大的适应度的粒子，并记录到数据库中，形成一个数据记录；Step5：判断是否达到迭代次数iteration或者达到给定终止条件，若达到最大迭代次数或满足给定程序终止条件，则输出最终结果并退出程序执行，否则进行下一次迭代过程，再次记录下一次迭代过程中最大的适应度的粒子的数据记录；Step6:对数据库储存的粒子记录和最后2次迭代的所有粒子的结果，使用原材料的几何形状去分析，是否能够处于几何形状内，将处于几何形状内，同时使用度最大的一个粒子即为优化结果。优选的，Step1中初始化粒子群时需要建立适应度函数，即：其中S为所有样片的最小包络矩形的面积总和，H为样片排入后的高度，W为样片材料的宽度，函数f的值越大，说明排样效果越好。当函数值f越接近于1，说明排样效果较好；当函数值f远小于1，说明排样效果差；当函数值f远大于1，说明排样效果很好。优选的，Step3中计算出的f(xi(t+1))和上一次计算出的f(xit)进行对比，比较f(xi(t+1))和f(xit)的大小：如果f(xi(t+1))＞f(xit)，更新粒子为xi(t+1)，比较f(xi(t+1))和f(Pbest)；如果f(xi(t+1))＞f(Pbest)，更新Pbest为xi(t+1)，比较f(xi(t+1))和f(gbest)；如果f(xi(t+1))＞f(gbest)，更新gbest为xi(t+1)，如果f(xi(t+1))＜f(xit)，粒子位置不变。优选地，所述排样方法可以根据订单的多少，同时将所有订单的家具的零件参与零件板件的排样。本申请还提供一种执行二维不规则板件排样方法的程序，所述的程序用于执行前述的二维不规则板件排样方法。本申请还提供一种便携式可存储设备，所述设备存储执行前述方法设备的程序，该便携式可存储设备可以方便携带，将其携带至需要应用的厂区进行控制机床操作。本申请还提供一种数控机床，所述机床具备控制系统，控制系统具备控制接口，所述接口可以连接前述的便携式可存储设备，从而执行便携式可存储设备的工序，从而实现控制机床。优选地，所述数控机具备储存模块，所述储存模块能够存储家具的零件的历史记录，从而在下次裁剪同样尺寸的家具时，机床可以直接调用储存模块内的记录，从而节省再次二维不规则板件排样的工序。优选地，所述数控机场包括图像扫描设备，所述扫本文档来自技高网...

【技术保护点】
1.一种二维不规则板件排样方法，其特征在于：对参与本次排样过程的家具零件进行规则化预处理：预处理主要包括通过提取家具零件的几何特征对家具零件进行规则化包络以及对家具零件进行组合和填充等简化操作，具体步骤如下：a、家具零件的规则化包络拟合：不规则多边形家具零件的最小包络矩形是多边形所有的包络矩形中面积最小的一个，通过矩形包络的方法，可以化简不规则家具零件的边角特征，简化排样过程，通过连接多边形的全部凸点，求出新的凸多边形，并求得该凸多边形的每条边与X轴所行成的夹角，依次使该凸多边形的每条边与X轴平行，并求得当前状态下的包络矩形，计算其面积，所求得的全部包络矩形中面积最小的一个矩形即为该多边形的最小包络矩形；b、同类家具零件组合：对于同类互补家具零件一般具有互补对称的特征，如图3所示，对于这类家具零件，我们可以采用两两组合的形式，通过分析家具零件特征，识别出互补边，将其中一个家具零件旋转180°，将两个家具零件的互补边进行碰靠，组合成一个更为规则的图形，即如图4所示的图形；c、互补家具零件组合和填充：对于具有互补特征的两个不同家具零件，可以将他们进行组合，如图5所示的图形，将家具零件A和家具零件B组合成更为规则的整体进行下一步排样，能够有效提高排样效率。对于家具零件组合行成包络矩形后的空白区域，可以选择合适的家具零件进行填充，如图6所示，两个相同的家具零件A组合后产生的空白区域恰好可以通过家具零件B进行填充；d.提供当前厂内的原材料的尺寸，和几何形状特征，将排样的零件包络矩形在原材料中进行填充，并需保证零件的包络矩形全部处于原材料的区域内。...

【技术特征摘要】
1.一种二维不规则板件排样方法，其特征在于：对参与本次排样过程的家具零件进行规则化预处理：预处理主要包括通过提取家具零件的几何特征对家具零件进行规则化包络以及对家具零件进行组合和填充等简化操作，具体步骤如下：a、家具零件的规则化包络拟合：不规则多边形家具零件的最小包络矩形是多边形所有的包络矩形中面积最小的一个，通过矩形包络的方法，可以化简不规则家具零件的边角特征，简化排样过程，通过连接多边形的全部凸点，求出新的凸多边形，并求得该凸多边形的每条边与X轴所行成的夹角，依次使该凸多边形的每条边与X轴平行，并求得当前状态下的包络矩形，计算其面积，所求得的全部包络矩形中面积最小的一个矩形即为该多边形的最小包络矩形；b、同类家具零件组合：对于同类互补家具零件一般具有互补对称的特征，如图3所示，对于这类家具零件，我们可以采用两两组合的形式，通过分析家具零件特征，识别出互补边，将其中一个家具零件旋转180°，将两个家具零件的互补边进行碰靠，组合成一个更为规则的图形，即如图4所示的图形；c、互补家具零件组合和填充：对于具有互补特征的两个不同家具零件，可以将他们进行组合，如图5所示的图形，将家具零件A和家具零件B组合成更为规则的整体进行下一步排样，能够有效提高排样效率。对于家具零件组合行成包络矩形后的空白区域，可以选择合适的家具零件进行填充，如图6所示，两个相同的家具零件A组合后产生的空白区域恰好可以通过家具零件B进行填充；d.提供当前厂内的原材料的尺寸，和几何形状特征，将排样的零件包络矩形在原材料中进行填充，并需保证零件的包络矩形全部处于原材料的区域内。2.根据权利要求1所述的一种二维不规则板件排样方法，其特征在于：初始化种群：若待入排家具零件个数为n，粒子群中粒子的个数为k，则设定粒子群中粒子的基因个数为n，每个粒子基因中的单个编码分别对应一个家具零件的家具零件类型。设最大迭代次数为iteration粒子i当前位置为χi(t)，则该粒子的个体最优位置为Pbest，群体最优位置为gbest，算法流程如图6所示，具体实现过程如下：Step1：初始化粒子群，按照给定编码方式初始化各个粒子，给定学习因子变异概率Pω，自身最优交叉的概率P(r1)，全局最优位置交叉概率P(r2)；Step2：对于种群中每个粒子作如下交叉变异操作，操作步骤如下：a、粒子i当前位置χit和该粒子的最优位置Pbest交叉得到χi't；b、χi't与全局最优位置gbest交叉得到χi”t；C、χi”t变异得到xi(t+1)；Step3：计算xi(t+1)的适应度值f(xi(t+1))；Step4：对于每一个粒子执行Step2和Step3，对该次所有粒子的适应度值进行比较，查找出最大的适应度...

【专利技术属性】
技术研发人员：陈威，朱有亭，陈金凤，朱丽娟，郭坚浩，彭坚强，
申请(专利权)人：浙江优尼家装饰科技有限公司，
类型：发明
国别省市：浙江,33