针对传统工业生产中二维不规则钣金零件的利用率不高、计算时间较长的问题,提出了以能量函数为载体的BL-NFP(Bottom Left-No Fit Polygon)神经网络算法。该算法是将BL(Bottom-Left)定位算法和临界多边形(No-Fit Polygon,NFP)几何特性相...针对传统工业生产中二维不规则钣金零件的利用率不高、计算时间较长的问题,提出了以能量函数为载体的BL-NFP(Bottom Left-No Fit Polygon)神经网络算法。该算法是将BL(Bottom-Left)定位算法和临界多边形(No-Fit Polygon,NFP)几何特性相结合,同时模拟了钣金零件的排样过程。并采取对待排入零件优先进行面积大小核算、再排入待排物体的方式,并利用Matlab对算法的输出数据和前人所列出的数据结果进行了测试对比。结果表明:BL定位算法能够合理地计算出零件的排入位置,NFP能够有效地解决不规则零件排样利用率小的问题,神经网络算法则能够有效地提高求解速度。针对二维不规则钣金零件的排样问题,与传统神经网络算法相比较,采用该算法缩短了钣金零件下料机器计算最优解40%的时间,并提高了约8%的钣金材料利用率。展开更多
文摘针对传统工业生产中二维不规则钣金零件的利用率不高、计算时间较长的问题,提出了以能量函数为载体的BL-NFP(Bottom Left-No Fit Polygon)神经网络算法。该算法是将BL(Bottom-Left)定位算法和临界多边形(No-Fit Polygon,NFP)几何特性相结合,同时模拟了钣金零件的排样过程。并采取对待排入零件优先进行面积大小核算、再排入待排物体的方式,并利用Matlab对算法的输出数据和前人所列出的数据结果进行了测试对比。结果表明:BL定位算法能够合理地计算出零件的排入位置,NFP能够有效地解决不规则零件排样利用率小的问题,神经网络算法则能够有效地提高求解速度。针对二维不规则钣金零件的排样问题,与传统神经网络算法相比较,采用该算法缩短了钣金零件下料机器计算最优解40%的时间,并提高了约8%的钣金材料利用率。
