一种基于深度学习的智能套料组合优化方法及系统技术方案

本发明专利技术公开了一种基于深度学习的智能套料组合优化方法及系统，通过深度学习技术对原材料进行特征提取和编码，获取原材料的隐向量表示；利用神经网络模型利用原材料的隐向量表示与产品的参数进行联合训练，获得套料组合的规律和优化策略；根据训练好的神经网络模型，对新的套料问题进行求解，得到最佳的套料组合方案。本发明专利技术能够自动计算出套料组合方案，具有较高的自动化程度，并实现优化选择，有效提高了计算结果的准确性及套料效率，降低了资源浪费。

【技术实现步骤摘要】

本专利技术涉及套料组合方法的，特别是一种基于深度学习的智能套料组合优化方法及系统。

技术介绍

1、目前在船舶、机械、建筑等行业的板材加工中，套料组合是实现高效利用原材料，减少资源浪费的关键环节。现有的套料方法单一，套料组合方案通常由人工计算，计算过程繁琐且易出错，实际效果和用户要求相距甚远，不能满足客户需求。虽然实现了部分自动套料，但所套的板材在板材利用率、合理性、切割顺序等方面不尽人意，需要人工干预才能投入下一个生产环节。例如在手工切割和机械切割中，切割工人按照产品下料清单的顺序依次切割，难以考虑优化套排问题，从而不可避免的产生大量边角余料，造成原材料浪费。此外，不同产品的加工要求、原材料属性等存在差异。因此，设计一种智能套料组合优化方法及系统，自动计算套料组合方案，实现套料组合的优化，对于提高套料组合的效率及准确性具有重要作用。

技术实现思路

1、本专利技术的目的在于克服现有技术的缺点，提供一种基于深度学习的智能套料组合优化方法及系统。

2、本专利技术的目的通过以下技术方案来实现：一种基于深度本文档来自技高网...

【技术保护点】

1.一种基于深度学习的智能套料组合优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的智能套料组合优化方法，其特征在于：所述步骤(1)中通过构建多层神经网络模拟人脑的学习过程，实现对数据的高级抽象和特征提取，包括数据准备、网络构建、特征提取、特征编码、隐向量表示。

3.根据权利要求1所述的基于深度学习的智能套料组合优化方法，其特征在于：所述原材料的隐向量将原材料的属性转换为特定的向量表示，所述隐向量作为神经网络模型的输入。

4.根据权利要求1所述的基于深度学习的智能套料组合优化方法，其特征在于：所述神经网络模型包括多个层次的神经...

【技术特征摘要】

1.一种基于深度学习的智能套料组合优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的智能套料组合优化方法，其特征在于：所述步骤(1)中通过构建多层神经网络模拟人脑的学习过程，实现对数据的高级抽象和特征提取，包括数据准备、网络构建、特征提取、特征编码、隐向量表示。

3.根据权利要求1所述的基于深度学习的智能套料组合优化方法，其特征在于：所述原材料的隐向量将原材料的属性转换为特定的向量表示，所述隐向量作为神经网络模型的输入。

4.根据权利要求1所述的基于深度学习的智能套料组合优化方法，其特征在于：所述神经网络模型包括多个层次的神经网络结构，每一层次均有多个神经元节点，通过不断堆叠多个层次，形成深度的神经网络结构。

5.根据权利要求1所述的基于深度学习的智能套料组合优化方法，其特征在于：所述产品的参数包括尺寸、尺寸公差、形状和位置公差、表面粗糙度。

6.根据权利要求1所述的基于深度学习的智能套料组合优化方法，其特征在于：所述步骤(3)中神经网络模型在进行联合训练的过程中，将原材...

【专利技术属性】
技术研发人员：汪猛，
申请(专利权)人：汪猛，
类型：发明
国别省市：