[发明专利]一种针对具有缺陷的天然石板的切割排样方法

摘要

一种针对具有缺陷的天然石板的切割排样方法，一种建筑用石材的表面处理方法，包括以下步骤：对待加工的具有缺陷的石材大板进行数据的采集和处理；对所确定的待加工的石材进行排样；将该排样方案输入数控桥式切机的控制系统，对步骤1的待加工的石材进行切割，获得符合工艺的工程板。本发明一种针对具有缺陷的天然石板的切割排样方法，通过计算机计算得出的解无论是精确度和准确度都可以满足需求。应用遗传算法具有较强的全局思想，不容易产生局部最优解，使得优化计算失败，利用本发明方法可以尽可能的节约材料，提高材料的利用率。

主权项

一种针对具有缺陷的天然石板的切割排样方法，其特征在于：包括以下步骤：步骤1：对待加工的具有缺陷的石材大板进行数据的采集和处理：(1)测量待加工石材大板的长和宽；(2)确定石材的缺陷，包括：大斑、空洞、颜色和花纹不统一的区域；对缺陷部位进行处理：首先利用矩形框对具有缺陷的区域进行标识：以大板左下角点作为坐标原点，确定该矩形各顶点相对于坐标原点的距离，用xmin表示缺陷区域距左下角点的横向最小距离，用xmax表示缺陷区域距左下角点的横向最大距离，用ymin表示缺陷区域距左下角点的纵向最小距离，用ymax表示缺陷区域距左下角点的纵向最大距离；再根据上述的距离对待加工板材进行区域划分，划分的规则为：以矩形的4条边为边界，顺时针或逆时针将石材大板依次划分成4个区域块，分别为第0块、第1块、第2块、第3块，保证每个区域都没有缺陷，该矩形区域的划分具有8种划分方案，8种划分方案分别计算比较出材率，选择其中最优的方案作为最终划分方案；步骤2：对步骤1所确定的待加工的石材进行排样，具体过程为：步骤2‑1：建立缺陷石板排样模型，其目标是输出最优的排样方案，具体如下：设步骤1中测量的大板的长度为L，宽为W，预切割的工程板的长度为l，宽为w；排样时工程板横放时设置和竖放，用r＝1或0分别表示横放和竖放；在步骤1中划分的4个区域分别进行排样，设i为区域号，mi表示大板上第i块区域内工程板横放时可排多少行；ni表示大板上第i块区域内工程板竖放时可排多少行；yi表示大板上第i块区域内工程板横放时每行可排多少个；xi表示大板上第i块区域内工程板竖放时每行可排多少个；确定待加工板材产生最大工程板块数的目标函数为： N = max Σ i = 0 3 [ ( 1 - r i ) n i x i + r i m i y i ] - - - ( 1 ) 式中，N‑可排的最大工程板的块数；ri＝1或0分别表示横放和竖放；mi‑表示大板上第i块区域内工程板横放时可排多少行；ni‑表示大板上第i块区域内工程板竖放时可排多少行；yi‑表示大板上第i块区域内工程板横放时每行可排多少个；xi‑表示大板上第i块区域内工程板竖放时每行可排多少个；对于经步骤1划分的各区域，其应满足如下的约束条件：约束条件1：对于块0的位置的固定约束为：(a)块0内所排的工程板的长度不能超过L，公式为：L‑[(1‑r0)x0w+r0y0l]≥0       (2)式中：L‑大板的长度；l‑工程板的长度；w‑工程板的宽度；r0＝1或0分别表示横放和竖放；y0‑表示大板上第0块区域内工程板横放时每行可排多少个；x0‑表示大板上第0块区域内工程板竖放时每行可排多少个。(b)块0内所排的工程板的的高度不能超过ymin，公式为：ymin‑[(1‑r0)n0l+r0m0w]≥0      (3)式中：ymin‑缺陷纵坐标的极小值；l‑工程板的长度；w‑工程板的宽度；r0＝1或0分别表示横放和竖放；n0‑表示大板上第0块区域内工程板竖放时可排多少行；m0‑表示大板上第0块区域内工程板横放时可排多少行。约束条件2：对于块1的位置的固定约束为：(a)块0和块1的高度之和不能超过W，公式为：W‑[(1‑r0)n0l+r0m0w]‑[(1‑r1)n1l+r1m1w]≥0    (4)式中：W‑均质大板的宽度；l‑工程板的长度；w‑工程板的宽度；i‑取(0，1)分别表示第0块区域、第1块区域；ri＝1或0分别表示横放和竖放；mi‑表示大板上第i块区域内工程板横放时可排多少行；ni‑表示大板上第i块区域内工程板竖放时可排多少行；yi‑表示大板上第i块区域内工程板横放时每行可排多少个；xi‑表示大板上第i块区域内工程板竖放时每行可排多少个；(b)块1的宽度不能超过xmin，公式为：xmin‑[(1‑r1)x1w+r1y1l]≥0       (5)式中：xmin‑缺陷横坐标的极小值；l‑工程板的长度；w‑工程板的宽度；r1＝1或0分别表示横放和竖放；y1‑表示大板上第1块区域内工程板横放时每行可排多少个；x1‑表示大板上第1块区域内工程板竖放时每行可排多少个；约束条件3：对于块2的位置的固定约束为：(a)块1和块2的长度之和不能超过L，公式为：L‑[(1‑r1)x1w+r1y1l]‑[(1‑r2)x2w+r2y2l]≥0       (6)式中：L‑均质大板的长度；l‑工程板的长度；w‑工程板的宽度；i‑取(1，2)分别表示第1块区域、第2块区域；ri＝1或0分别表示横放和竖放；yi‑表示大板上第i块区域内工程板横放时每行可排多少个；xi‑表示大板上第i块区域内工程板竖放时每行可排多少个。(b)块2的高度和ymax之和不能超过W，公式为：W‑ymax‑[(1‑r2)n2l+r2m2w]≥0     (7)式中：W‑均质大板的宽度；l‑工程板的长度；w‑工程板的宽度；r2＝1或0分别表示横放和竖放；n2‑表示大板上第2块区域内工程板竖放时可排多少行；m2‑表示大板上第2块区域内工程板横放时可排多少行。约束条件4：对于块3的位置的固定约束为：(a)块3的长度和xmax之和不能超过L，公式为：L‑xmax‑[(1‑r3)x3w+r3y3l]≥0      (8)式中：L‑均质大板的长度；l‑工程板的长度；w‑工程板的宽度；r3＝1或0分别表示横放和竖放；y3‑表示大板上第3块区域内工程板横放时每行可排多少个；x3‑表示大板上第3块区域内工程板竖放时每行可排多少个。(b)块0、块3、块2的高度之和不能超过W，公式为：W‑[(1‑r0)n0l+r0m0w]‑[(1‑r2)n2l+r2m2w]‑[(1‑r3)n3l+r3m3w]≥0    (9)式中：W‑均质大板的宽度；l‑工程板的长度；w‑工程板的宽度；i‑取(0,2,3)分别表示第0块、第2块、第3块；ri＝1或0分别表示横放和竖放；mi‑表示大板上第i块区域内工程板横放时可排多少行；ni‑表示大板上第i块区域内工程板竖放时可排多少行；步骤2‑2：利用遗传算法计算目标函数的最优解，该最优解即为产生最大的工程板块数的最优排样方案，具体包括以下步骤：步骤2‑2‑1：若S代表排样方案的集合，对于一块石材大板的排样方式有S={S1，S2，.....Si.....，Sn}种，其中，S1，S2，.....Si.....，Sn为排样方式，n为排样方案的个数，n∈[1，+∞]，i为其中任意一个排样方案，i∈[1，n]，则该问题就是如何找到最优的排样方案；随机产生{S1，S2，.....Si.....，Sn}，Si为一个32位经过编码的随机数，Si用4个8位数a1，a2，a3，a4形式表示，其中a1代表第0块的排样方案，a2代表第1块的排样方案，a3代表第2块的排样方案，其中a4代表第3块的排样方案；随机数S的编码规则为：a1左数第一位表示块0内工程板横排或竖排r0；接下来的三位表示块0内工程板横放时可排的行数m0或竖放时可排的行数n0；最后四位表示每行排列的个数y0或x0；a2，a3，a4代表不同的划分块但编码规则与a1相同；则S={a1，a2，a3，a4}代表了一个完整的排样方案，并作为遗传算法中的染色体；步骤2‑2‑2：在步骤2‑2‑1中随机选择m个不同的染色体作为初始种群，产生初始的种群为P(0)={S1，S2，......Si.....，Sm}，P(0)表示初始排样方案的集合；m为初始种群中的染色体个数，m≥20。步骤2‑2‑3：对步骤2‑2‑2产生初始种群进行解码和评价，对于P(0)中的任意染色体Si，Si的左数第1位代表r0，第2‑4位代表m0或n0，第5‑8位代表y0或x0；第9位代表r1，第10‑12位代表m1或n1，第13‑16位代表y1或x1；第17位代表r2，第18‑20位代表m2或n2，第21‑24位代表y2或x2；第25位代表r3，第26‑28位代表m3或n3，第29‑32位代表y3或x3；由于排列的最大块数N越多，说明染色体S越好，则将目标函数作为评价染色体S的适应值函数，则适应值函数为： f = Σ i = 0 3 [ ( 1 - r i ) n i x i + r i m i y i ] - - - ( 11 ) 将染色体解码后的参数带入式(11)即可算出评价染色体的适应值；对初始种群P(0)中的染色体进行解码和适应值计算并按照适应值大小将染色体排序；步骤2‑2‑4：检测步骤2‑2‑3产生的排样方案是否超出步骤1中待加工的石材的长宽和缺陷边界，若超出，则舍弃该方案，否则，则保留该方案；在群体中删除不符合条件的染色体，再补上符合条件的染色体组成新的群体；步骤2‑2‑5：建立选择算子，按照一定的概率在步骤2‑2‑4得到的群体中选择适应值高的染色体作为下一步交叉使用。采用适应值比例选择，其中新群体中每个染色体被选择的期望数量于其适应值和群体平均适应值的比例有关，采用轮盘赌的方式实现。对于给定规模为n的群体p={s1，s2，…sn}，个体适应值为f(sj)其选择概率为： p ( s j ) = f ( s j ) Σ i = 1 n f ( s i ) , j = 1,2 , . . . , n - - - ( 12 ) 式中：p(sj)表示该个体被选择的概率；f(sj)表示该个体的适应值；即计算每个个体适应值在群体适应值总和中所占的比例，来表示该个体在选择过程中被选中的概率；然后生成一个[0，1]间的随机数rand，如果满足：∑[P(S1)+P(S2)+......+P(Si‑1)]≤rand≤∑[P(S1)+P(S2)+......+P(Si)]则选择第i个染色体Si；步骤2‑2‑6：对步骤2‑2‑4所生成的种群进行交叉，采用多点交叉方法，利用步骤2‑2‑5中的选择算子选出要交配的一对个体，在区间[1，31]中随机选取三个交叉位置，在交叉点之间的变量间续的相互交换，产生两个新的后代，但在第一个交叉点之前的不做交换；交叉概率设置在0.7～0.9之间，交叉m次，得到下一代种群；步骤2‑2‑7：对步骤2‑2‑6产生的下一代种群进行变异操作，变异操作模拟自然界生物体进行中染色体上面某位基因发生的突变现象，从而改变染色体的结构和物理性状；变异概率pm影响着群体的多样性，其取值范围设定为：pm=(ex‑1)／(e0.7‑1)，x∈{0.0，…，0.7}；式中，Pm的取值范围为{0.01，0.1}，取随机变量r，若r≤pm则对该个体进行变异，否则表示不发生变异，随机在染色体中选取一位进行反转，再插入到下一代中去；步骤2‑2‑8：重复执行步骤2‑2‑3步骤2‑2‑7，直至种群收敛，即某一代种群中所有的排样方案均一致，则结束，此时产生的排样方案为最优的排样方案；步骤3：将该排样方案输入数控桥式切机的控制系统，对步骤1的待加工的石材进行切割，获得符合工艺的工程板。