汽车零件排样及激光切割路径规划研究
作者单位:西南大学
学位级别:硕士
导师姓名:闫嘉
授予年度:2023年
学科分类:080901[工学-物理电子学] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 082304[工学-载运工具运用工程] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080204[工学-车辆工程] 0802[工学-机械工程] 0803[工学-光学工程] 0823[工学-交通运输工程]
主 题:汽车板材 二维不规则排样 激光切割 路径规划 智能优化
摘 要:在汽车智能制造领域,汽车的生产环节包括汽车零件排样以及对排样后的零件进行切割。汽车零件排样问题是指研究如何将零件紧凑的排布在板材上,研究该问题可以极大提高板材利用率。零件排样后需要使用激光对已排零件进行切割,切割前需要寻求一条合理的切割路径,该问题主要指激光切割路径规划,研究该问题的目的是为了提高激光切割效率并实现汽车零件自动化加工。本文针对上述两个问题开展研究,提出相关求解策略及智能优化算法解决这两个问题,并在此基础上实现汽车不规则零件排样与切割路径规划系统。主要工作为:(1)针对汽车零件排样问题,本文提出一种改进免疫遗传算法用于解决该问题,该算法融合了遗传算法与免疫算法各自的优点。为避免算法过早陷入局部最优,在算法的遗传选择操作中加入个体浓度计算并设计自适应策略来调整遗传算法的相关参数及执行步骤;另外通过自适应计算免疫选择、克隆的个体数来提高算法的收敛能力。选取ESICUP网站提供的多边形数据集以及实际的汽车零件数据集对算法进行测试,并将测试结果和现有的一些文献结果进行对比,最终的测试和对比结果表明本文所提的算法在大多数情况下能获得更高的材料利用率。(2)针对单激光切割路径规划,本文提出一种量子免疫算法用于求解零件的切割定序问题,将免疫算法的免疫选择、克隆、变异、克隆抑制算子引入量子进化算法中来提高算法的局部搜索能力。本文同样选取ESICUP提供的多边形样片数据以及实际的汽车零件数据测试本文所提算法,并将测试结果和传统智能优化算法结果进行对比。实验结果表明本文所提算法改善了量子进化算法的局部搜索能力,可以有效减少激光切割的空行程、提高激光切割的效率。(3)为进一步提高激光加工效率,研究了双激光切割路径规划问题,提出模糊聚类疫苗免疫算法来求解该问题。该方法将双激光切割路径规划分两步进行解决:第一步使用模糊C均值聚类算法为两个激光头分配切割任务,继而将双激光切割路径规划转化为两个单激光切割路径规划;第二步使用疫苗免疫算法求解零件的切割定序问题,该算法在免疫算法的基础上引入疫苗接种操作,用于改善免疫算法的全局寻优能力。最后同样选取相关数据集对算法进行测试,测试结果表明本文所提算法可以近似均衡分配切割任务、提高切割效率,并且规划的两个激光头的空行程路径没有交叉,可以有效避免两个激光头切割时相互干扰的问题。(4)依据本文所提的用于求解汽车零件排样、激光切割路径规划问题的算法实现了汽车不规则零件排样与切割路径规划系统。该系统基于QT平台、使用C++语言进行开发。