一种用于金属结构件下料与加工排产集成优化方法
【技术领域】
[0001] 本发明涉及金属结构件制造领域，更具体地，涉及一种用于金属结构件排料与排 产集成优化方法。
【背景技术】
[0002] 金属结构件被广泛应用于工程机械、船舶行业、港口机械、重工机械和航天航空等 多个领域。它们大都具有相同的工艺流程例如订单一工艺设计一制定生产作业计划一优化 排料一下料一机械加工一折弯成型一构件焊合一入库。随着市场的竞争的加剧，金属结构 件制造业和其他行业企业一样，面临着激烈的竞争。当今激烈的竞争，迫切要求企业对整体 制造流程进行优化，缩短生产周期、提高生产效率和材料的利用率，进而提升企业的经济效 益。
[0003] 不同的零件组合在一起形成一个下料模型，在同一下料模型上所有的零件的切割 完成时间是相同的，如何安排不同的零件在同一下料模型，在保证材料利用率的同时，使得 后序生产过程中在制品的数量最少，也是金属结构件生产过程中要解决的重要问题之一。
[0004] 目前，现有技术中单独对排料或排产的技术方案都有披露，给出了多种对于金属 结构件的排料方案，可以很好地对金属结构件进行下料优化。对于排产问题，目前的方案一 般都是以利用率高为目标，但是由于排产中存在着复杂约束状态，例如加工制造过程的工 艺约束、零件交货期约束、库存约束等，如果只是一味的采用排料利用率高的方案，会导致 在制品数量大，加工等待时间长，生产周期长，生产成本高等问题。特别是，目前对下料和排 产的优化都是各自独立设计，通过考虑各自因素而形成各自单一的优化目标。而在实际的 金属结构件的加工制造中，由于不同的零件通常可以组合在一起形成一个下料模型，一个 下料模型往往需要在不同的加工设备上完成加工，因此下料和排产往往相互影响，交叉作 用，单一的优化无法实现加工效率的最大化。
【发明内容】
[0005] 针对现有技术的以上缺陷或改进需求，本发明提供了一种金属结构件的排料与排 产集成优化方法，通过排料方案和排产方案的集成优化，解决目前安排下料模型在不同切 割上切割和安排零件在不同的机器上加工中存在的设备利用率低、加工等待时间长、生产 周期长而使得效率无法最大化的问题。
[0006] 按照本发明的一个方面，提供一种金属结构件的排料与排产集成优化方法，包括 如下步骤：
[0007] (1)从零件库中选取一组待下料零件并提取零件相关信息；
[0008] (2)从板材库中选择可以用于该零件排料的板材；
[0009] (3)根据选取的下料零件和板材，对零件放置在可用板材上进行排料，得到多种排 料方案（根据零件的多少和板材规格，对同一批零件，不同的排料方案包括不同的下料模 型，一种排料方案可能包含多个下料模型）；
[0010] (4)针对每一组待下料零件利用蚁群算法选择一种排料方案；
[0011] (5)基于该排料方案利用递阶遗传算法求解得到一组零件加工顺序和机器选择方 案；
[0012] (6)以材料利用率、makespan、机器最大负载为目标综合评价该排料方案及零件加 工顺序和机器选择方案；
[0013] (7)循环执行步骤（4)和步骤（5)，并利用上述目标值修正蚁群算法和递阶遗传算 法参数以继续优化，直至获得最优排料方案和排产方案。
[0014] 其中，材料利率、makespan、机器最大负载为目标综合评价是通过Pareto最优解 来实现的，Pareto最优解是指若x*GC，且在C中不存在比x*更优越的解X，则称x*是多 目标最优化模型式的Pareto最优解，又称为有效解。
[0015] 作为本发明的改进，所述步骤（4)具体过程为：
[0016] Stepl:设置相关参数：a、|3、p、e、最大迭代次数NCmax、Q、蚂蚁数量Nant;
[0017] Step2 :生成蚂蚁Nmt并放置在第一级节点上（ylg,g= 1，1 = 1，2,…，L);
[0018] St印3 :-次迭代循环：计算所有蚂蚁的状态转移概率并选择下一组的节点，直至 走完所有级（g= 1，2,…，G)，如果蚂蚁没有能够走完所有小组，则将该蚂蚁k所选择的节 点放入的禁忌表tabuk;
[0019] Step4 :算本次迭代的最好解，如果优于当前的最好解，则用其替换当前的最好；
[0020] St印5 :更新各个节点的信息素量；
[0021] St印6 :循环执行上述步骤直至达到最大迭代次数NC_，并输出选择排样方案；
[0022] 作为本发明的改进，所述步骤（5)具体过程为：
[0023] Stepl:产生初始种群，将代数置0,并初如化参数；
[0024] Step2 :找出种群的Pareto集合，并分配阶层；计算种群中每个个体的适应度，将 适应度较大的前Elite_Size个个体复制到精英列表中；
[0025] Step3 :选择、交叉、变异；
[0026] Step4 :将精英列表中的个体添加到种群中，计算种群中每个个体的适应度和各目 标值，然后找出该种群的Pareto集合，并分配阶层；
[0027] Step5 :保留阶层数较小的Nind个个体；用前Elite_Size个个体更新精英列表；更 新群体Pareto最优解集合；代数自加1;
[0028] Step6 :如果代数尚未达到最大代数，转到Step3 ;否则，输出最优解，结束。
[0029] 作为本发明的改进，所述选择具体采用轮盘赌的方式来进行，即个体每次被选中 的概率与其在整个种群中的相对适应度成正比例关系。
[0030] 作为本发明的改进，对于控制基因串采用换序变异，即随机选择基因串上的两个 位置，将这两个位置上的基因进行交换；对于参数基因串采用整数变异，即对每一个基因 以一定的概率用一整数代替该基因，其中该整数可以用机器集合里的与该基因不相同的整 数。
[0031] 本发明中，通过研宄金属结构件下料与加工排产中N个零件生成P个下料模型在M 台不同类型机器加工过程，其中，下料工序是以下料模型为单位，并且同一下料模型在不同 切割机下料时其切割速度不一定相同，其它的加工工序是以零件为单位，对于同一零件在 不同的机器上的加