基于神经网络的不规则件排样技术研究

《基于神经网络的不规则件排样技术研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、作者简介：翟红岩（1979~），女，讲师，研究方向：CAD/CAM/PDM，现代优化技术苏传生（1984～），男，硕士研究生，研究方向：现代优化技术基于神经网络的不规则件排样技术研究翟红岩，苏传生，张莹，史俊友(青岛科技大学机电工程学院，山东青岛266061)摘要：提出一种利用人工神经网络求解不规则件排样问题的方法。对于二维不规则零件在排样区域上的优化排列问题，采用自组织特征映射模型(SOM)和Hopfield人工神经网络相结合的方法，寻找排样件在排样时的最优位置及各自的旋转角度，实现二维不规则件自动排样，得到满意的优化排样结果，实例证明了该算

2、法的有效性和实用性。关键词：自组织特征映射模型；Hopfield人工神经网络；不规则件；优化排样中图分类号：TP391.7文献标识码：ATheoptimalLayouttechnologyresearchofirregularpartsbasedonArtificialNeuralNetworksZHAIHong-yan，SUChuan-sheng，ZHANGYing，SHIJun-you(CollegeofMechanicalandElectricalEngineering，QingdaoUniversityofScienceandTechn

3、ology，Qingdao　266061，China)Abstract：Anirregularpartslayoutmethodbasedonartificialneuralnetworksisproposedinthispaper.Fortheirregularshapesnestingprobleminthegivennestregionoftwo-dimensionalirregularparts,Self-OrganizingMap(SOM)andHopfieldartificialneuralnetworksareintegrated

4、tolookforthebestpositionoftheshapedpartsandeachpart'soptimumrotatingangle,completetheautomaticlayoutoftwodimensionalirregularparts,thesatisfactoryresultsofoptimallayouthavebeenobtained.Examplesindicatethatouralgorithmiseffectiveandpractical.Keywords：Self-OrganizingMap；Hopfie

5、ldartificialneuralnetworks；irregularparts；optimallayout最大限度地节约材料，提高材料利用率是实际生产中的一个基本原则，由于在工业生产中排样问题广泛存在，因而解决它具有很深远的理论意义和现实意义。寻找通用性好、求解质量和效率高、易于实现的排样问题求解算法一直是该领域所追求的目标[1]。人工神经网络具有自适应性、自学习性、强容错性和并行性等特性，已为模式识别、优化技术和其它领域提供了新的技术[2]。利用人工神经网络求解组合优化问题是一个既新颖又有前途的研究领域。黄兆龙[3]采用SOM神经网络寻求

6、各排样零件在排样板材上的最优位置；李建勇[4]等人采用Hopfield神经网络对待排矩形零件进行分组，通过恰当选取分组数目，从而使排料对象放置到板材中。6用神经网络解决优化问题的主要难点在于很难找到问题模型与神经网络之间的映射关系。本研究将SOM神经网络和Hopfield神经网络引入排样求解中，运用SOM神经网络对初始随机排布的零件进行平移，寻求各零件的最优位置，运用Hopfield神经网络寻求各排样零件的最优旋转角度组合，最后得到较好的排样方案，并进行了相应的分析和软件模拟计算，验证算法的可行性和有效性。1模型分析1.1数学模型一个零件在板材

7、上的定位实际上只需3个参数即可完全确定。这3个参数是该零件的一个给定点在板材上的坐标(X，Y)和该零件的排放角度θ。当这3个参数确定后，该零件的其它各顶点坐标都可由这3个参数计算。设Gj(j∈J，J为零件集合)为零件j的图形，(xj，yj)为该零件的给定点的坐标，则该零件在板材上的定位可以表示为下述过程：先将该零件以该定点为轴旋转角度θj，然后再将定点(xj，yj)在板材作位移(∆xj，∆yj)。这时零件j在板材上的方位可表示为Gj(∆xj，∆yj，θj)。零件的数量为n，Sj为零件j的面积。L为板材的长，D为板材的宽，排样图形外接矩形高度为H

8、，宽度为W。定义排样布局的原材料利用率，为排样零件的面积和与排样图形外接矩形的面积的比值。零件优化排样的模型为[5]：(1)Gj(∆xj，∆yj，θj