一种钢异形构件混合下料排样与切割路径优化方法及系统与流程

本发明属于钢异形构件加工，具体涉及一种钢异形构件混合下料排样与切割路径优化方法及系统。

背景技术：

1、在钢结构制造产业链中，下料工序是决定材料成本与产出效率的首要环节。钢材物料成本通常占构件生产总成本的较大比例，下料工序的原料利用率与加工效率直接决定了产品的综合生产成本与交付周期。当前，多数钢结构车间配备有等离子火焰切割机、平面激光切割机、光纤激光切管机等多型下料设备，分别对应不同厚度、不同精度要求的构件加工需求。

2、然而，现有下料生产模式存在以下技术缺陷：

3、第一，各切割设备通常独立进行排样设计与任务分配，同材质、同厚度的钢构件因对应加工设备不同，无法跨设备统筹共用钢板原料，导致不同设备分别产生大量规格不一的边角余料，难以二次利用，造成钢板原料的浪费。此外，不同设备的板材幅面、切割工艺参数差异较大，独立排样进一步加剧了原料利用效率低下的问题。

4、第二，现有下料流程普遍采用“先排样、后规划路径”的分步执行模式，排样阶段仅考虑板材利用率，未结合切割路径的空行程损耗进行全局优化，最终得到的排样方案往往存在切割空走路径过长、穿孔点设置不合理的问题，降低了设备实际加工效率。排样与路径规划的解耦使得两个环节无法协同寻优，难以同时兼顾材料利用率与加工效率。

5、第三，等离子与激光切割均属于热加工工艺，切割过程中局部高温输入会导致钢构件产生热变形，尤其对于轮廓复杂的异形构件，不同曲率位置的热收缩量存在明显差异。现有排样设计大多仅设置固定的构件间距，未针对异形构件的轮廓特征嵌入差异化的热变形补偿机制，导致切割完成后的构件尺寸偏差超出公差要求，需要额外进行二次修整甚至直接报废，进一步增加了生产成本与工序时长。

6、第四，针对轮廓复杂度较高的钢异形构件，常规排样算法的适配性不足。现有排样算法多针对规则形状（如矩形、圆形）设计，难以有效处理异形构件的非规则几何轮廓，且无法在同时满足切割工艺可行性约束、热变形预留间距约束与设备加工幅面约束的条件下实现高密度排样，难以兼顾原料利用率与加工可行性。

7、综上所述，现有下料技术在多设备协同、排样与路径协同优化、热变形补偿以及异形构件适配性等方面均存在明显不足，亟需一种能够统筹多设备资源、实现排样与路径全局协同、自适应热变形补偿的钢异形构件混合下料排样与切割路径优化方法及系统。

技术实现思路

1、为此，本发明提供一种钢异形构件混合下料排样与切割路径优化方法及系统，解决现有下料技术中多设备独立排样导致原料利用率低，排样与路径分步执行致使空行程占比高，缺乏差异化热变形补偿造成构件精度不足，以及常规排样算法对复杂异形构件适配性差的问题。

2、为了实现上述目的，本发明提供如下技术方案：一种钢异形构件混合下料排样与切割路径优化方法，包括以下步骤：

3、步骤s1：采集车间内切割设备的加工参数、待加工钢异形构件的几何轮廓与工艺要求、以及可用钢板原料的基础信息，对所述几何轮廓进行去噪、简化与参数化处理，建立标准化的原料与构件数字数据集；

4、步骤s2：基于所述标准化的原料与构件数字数据集，以同材质、同厚度为分组依据，将适配设定切割设备的钢异形构件统一归入同一排样池，以板材综合利用率最大化及切割空行程损耗最小化为联合优化目标，并在排样寻优过程中引入切割工艺可行性约束、设备加工幅面约束与热变形预留间距约束，采用改进的自适应遗传算法进行全局寻优，输出跨设备混合排样方案；

5、步骤s3：在所述排样寻优过程中，采用路径规划算法对每一候选排样方案进行切割空行程的评估，将所述切割空行程的评估结果实时反馈至所述联合优化目标中，实现排样与路径的协同优化；在最终排样方案确定后，对单张板材的排样结果执行切割路径规划，生成无干涉的切割路径代码；

6、步骤s4：针对设定切割工艺的热输入特性建立热变形预测模型，结合所述钢异形构件的轮廓曲率分布、板材厚度与切割工艺参数，计算构件轮廓的热收缩补偿量，对步骤s2输出的所述跨设备混合排样方案中的构件轮廓进行法向预补偿修正，并根据所述热收缩补偿量的计算结果动态调整相邻构件的预留间距，匹配对应的切割功率与切割速度；

7、步骤s5：将步骤s3生成的所述无干涉的切割路径代码与步骤s4匹配的所述切割功率和切割速度分别分发至指定切割设备的数控系统，驱动切割设备并行执行下料作业；实时采集切割设备的运行状态与加工进度，当出现设备故障或订单变更时，将剩余待加工任务重新纳入排样池，执行任务动态重分配。

8、作为钢异形构件混合下料排样与切割路径优化方法优选方案，步骤s1中，对所述几何轮廓进行参数化处理包括：对轮廓进行nurbs曲线拟合，提取构件的几何重心、最小包络矩形及轮廓位置的曲率值，建立归一化的特征向量空间所述特征向量空间表示为：

9、

10、式中，为第j个构件的归一化特征向量空间；分别为所述几何轮廓经nurbs拟合后提取的几何特征参。

11、作为钢异形构件混合下料排样与切割路径优化方法优选方案，步骤s2中，所述改进的自适应遗传算法的适应度函数为：

12、

13、式中，为综合适应度评分；为板材综合利用率，指排样区域内构件实际占用面积与板材总面积的比值；为预估空行程长度因子，由当前排样布局下所有切割头移动路径的近似总空程长度归一化得到；为约束违反惩罚项，包括构件间干涉、超出板材边界及热变形预留间距不足情况的加权和；、、分别为板材综合利用率、预估空行程长度因子和约束违反惩罚项的无量纲权重系数。

14、作为钢异形构件混合下料排样与切割路径优化方法优选方案，步骤s3中，采用蚁群算法对候选排样方案进行切割空行程的评估，所述蚁群算法中每只蚂蚁从当前节点转移到下一节点的状态转移概率为：

15、

16、信息素更新规则为：

17、

18、式中，表示第k只蚂蚁在t时刻从节点i转移到节点j的概率；为t时刻路径i-j上的信息素浓度；为启发式因子，表征从节点i到j的距离优劣；为信息素重要程度因子，为启发式因子重要程度权重，二者均为无量纲常数；为信息素挥发率，取值范围为0到1之间；s为候选节点遍历变量， allowed为可行节点集合，为本次迭代中路径i-j上新增的信息素量；将所述蚁群算法计算出的最短空行程距离经归一化处理后作为所述预估空行程长度因子的输入。

19、作为钢异形构件混合下料排样与切割路径优化方法优选方案，步骤s3中，所述切割路径规划采用a*算法进行避障寻优，规划顺序遵循先切割内轮廓后切割外轮廓、先切割小尺寸构件后切割大尺寸构件的优先级原则，并将构件的穿孔点设置于所述几何轮廓的平直段边角位置。

20、作为钢异形构件混合下料排样与切割路径优化方法优选方案，步骤s4中，所述热收缩补偿量的计算公式为：

21、

22、式中，为构件轮廓在弧长处的法向外向补偿量；为该处轮廓的曲率值；为切割热输入线能量，即单位长度上输入的热量；为构件对应的板材厚度；为材料热变形响应系数，由材质在对应工艺下的线膨胀系数及约束条件实验标定得到；为曲率敏感系数，用于调节曲率对补偿量的放大程度；为长度量纲的曲率增强系数，用于控制曲率影响随弧长变化的衰减或增幅；根据所述热收缩补偿量对构件轮廓进行法向向外预补偿，生成实际切割轮廓。

23、作为钢异形构件混合下料排样与切割路径优化方法优选方案，步骤s4中，所述相邻构件的动态预留间距的计算公式为：

24、

25、式中，为相邻两构件和之间的实际预留间距；为基础工艺间距，为满足切割割缝及基本热影响区所需的最小安全距离；和分别为构件和对应轮廓上弧长处的热收缩补偿量；表示取构件轮廓上补偿量的最大值。

26、作为钢异形构件混合下料排样与切割路径优化方法优选方案，步骤s4中，所述切割速度与切割功率的匹配关系为：

27、

28、式中，为切割速度；为能量吸收效率，表示输入功率中实际用于加热熔化金属的比例；为切割设备输出功率；为材料密度；为切缝宽度，即割嘴有效加热区域的等效宽度；为材料比热容；为材料熔点温度；为环境温度。

29、作为钢异形构件混合下料排样与切割路径优化方法优选方案，步骤s5中，所述任务动态重分配以最小化所有剩余待加工任务的最大完工时间为目标，所述最大完工时间的计算公式为：

30、

31、式中，为所有剩余待加工任务的最大完工时间；unfinished为尚未完成的待加工任务集合；为未加工任务j的重新启动时间，由重调度算法中该任务分配至可用设备的起始时刻确定；为该任务的预估加工时长，由该任务的切割路径总长与对应设备切割速度相除得到。

32、本发明还提供一种钢异形构件混合下料排样与切割路径优化系统，用于上述的钢异形构件混合下料排样与切割路径优化方法，包括：

33、多源数据采集与标准化预处理模块，用于采集车间内切割设备的加工参数、待加工钢异形构件的几何轮廓与工艺要求、以及可用钢板原料的基础信息，对所述几何轮廓进行去噪、简化与参数化处理，建立标准化的原料与构件数字数据集；

34、跨设备混合排样全局优化模块，用于基于所述标准化的原料与构件数字数据集，以同材质、同厚度为分组依据，将适配设定切割设备的钢异形构件统一归入同一排样池，以板材综合利用率最大化及切割空行程损耗最小化为联合优化目标，并在排样寻优过程中引入切割工艺可行性约束、设备加工幅面约束与热变形预留间距约束，采用改进的自适应遗传算法进行全局寻优，输出跨设备混合排样方案；

35、排样-路径协同优化与切割路径生成模块，用于在所述排样寻优过程中，采用路径规划算法对每一候选排样方案进行切割空行程的评估，将所述切割空行程的评估结果实时反馈至所述联合优化目标中，实现排样与路径的协同优化；在最终排样方案确定后，对单张板材的排样结果执行切割路径规划，生成无干涉的切割路径代码；

36、切割热变形预测与动态补偿模块，用于针对设定切割工艺的热输入特性建立热变形预测模型，结合所述钢异形构件的轮廓曲率分布、板材厚度与切割工艺参数，计算构件轮廓的热收缩补偿量，对输出的所述跨设备混合排样方案中的构件轮廓进行法向预补偿修正，并根据所述热收缩补偿量的计算结果动态调整相邻构件的预留间距，匹配对应的切割功率与切割速度；

37、多设备任务分发与动态调度模块，用于将生成的所述无干涉的切割路径代码与匹配的所述切割功率和切割速度分别分发至指定切割设备的数控系统，驱动切割设备并行执行下料作业；实时采集切割设备的运行状态与加工进度，当出现设备故障或订单变更时，将剩余待加工任务重新纳入排样池，执行任务动态重分配。

38、本发明具有如下优点：

39、本发明通过建立同材质同厚度构件的跨设备混合排样池，打破各切割设备独立使用原料的资源孤岛，将整张板材与边角余料统一归集并统筹调配，结合改进自适应遗传算法的全局寻优能力，显著提升钢板原料的综合利用率，有效降低边角余料产生量，节约钢材物料采购成本。

40、本发明在排样迭代过程中同步嵌入切割路径空行程的快速评估机制，将蚁群算法计算的近似最短空程距离实时反馈至排样适应度函数，形成排样与路径规划的闭环协同优化，避免传统分步执行模式下易陷入局部最优的缺陷，有效缩短切割头的无效空走时间，提升多台切割设备并行作业的整体加工节拍与设备利用率。

41、本发明基于构件轮廓的曲率分布建立差异化热变形补偿模型，针对曲率越大热收缩越显著的特性，采用曲率增强因子实现补偿量的自适应分配，并结合切割功率与速度的匹配关系反向调控热输入，从轮廓预补偿与工艺参数调控两个维度协同抵消热变形影响，显著降低切割后构件的尺寸偏差，减少后续修整工序及报废损耗，保障复杂异形构件的交付精度。

42、本发明以改进的自适应遗传算法作为混合排样的寻优引擎，并引入蚁群算法对候选排样的空行程损耗进行快速评价，二者协同配合，能够在满足设备加工幅面约束、切割工艺可行性约束及热变形预留间距约束等多重条件下实现高密度排样，显著提升本发明对轮廓复杂、形状各异的钢异形构件的排样适配性。

43、本发明实时采集各切割设备的运行状态与加工进度，当出现设备故障、订单变更等突发情况时，自动执行剩余任务的重排样与重分配，通过动态更新排样池并重新调用优化算法快速生成调整后的方案，避免因单设备停机导致整条产线停滞，保障下料工序的连续性与产线韧性。