

基于骨架线匹配的二维不规则轮廓排样方法.pdf
冷霜****魔王
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于骨架线匹配的二维不规则轮廓排样方法.pdf
基于骨架线匹配的二维不规则轮廓排样方法,该方法首先将母板和待排样件的轮廓进行多边形逼近,然后提取样件的所有骨架线;将得到的所有骨架线通过计算Hu矩匹配进行相似性检查,将形状近似的骨架线进行合并,得到轮廓简化后的骨架线;然后通过计算简化骨架线与母板轮廓之间的Hu矩,按照母板与样件的匹配程度降序并使排入样件的高度最低的原则下,确定样件的排样顺序,最终完成任意二维轮廓的排样。本发明算法实现简单,不需要多次对样件进行旋转与迭代计算,只需要一次匹配就能得到理想的排样结果,而且排样填充率高,耗费时间少,具有非常理想的
基于轮廓骨架特征的二维轮廓排样方法.pdf
本发明公开了一种基于轮廓骨架特征的二维轮廓排样方法,其内容包括:根据最左最下原则将排样母材离散成排样优选点;在离散排样优选点中选择初始排样点;读入排样轮廓,对排样轮廓凸特征进行提取;采用中轴变换的方法计算排样轮廓的骨架线并确定骨架线端点指向;根据骨架线端点指向对排样轮廓进行旋转,每旋转一次得到一个新的排样姿态,确定3个靠接姿态;判断所有的靠接姿态是否有合适的排样点,如果有则将轮廓沿重力方向进行靠接;选择轮廓重心最低的排样姿态作为当前轮廓的最终排样姿态。本发明排样填充率高,排样效率高。
基于深度学习的二维轮廓排样定序方法.pdf
本发明公开了一种基于深度学习的二维轮廓排样定序方法,具体包括:获取排样历史大数据并预处理,对历史数据中所有已排样的零件进行标定得到排样顺序矩阵Y;提取每个已排样零件的几何特征,得到几何特征矩阵X;整理得到排样定序数据集PRD‑T;建立深度学习模型Packing‑Sort‑Model;输入PRD‑T数据集,训练得到能够输出待排样零件排样顺序的模型Packing‑Sort‑Model;提取待排样零件几何特征,得到待排样零件的几何特征矩阵A;将待排样零件的几何特征矩阵输入到已训练完成的深度学习模型中;计算得待排
基于可变夹角链码的二维轮廓排样方法.pdf
一种基于可变夹角链码的二维轮廓排样方法,其内容是:提取排样边界和待排样轮廓的Beamlet曲线,分别按分割层次参数进行分割,连接各分割点生成曲线,进行凹特征点和凸特征点的判断,生成凹区间和凸区间;利用区间端点重新提取Beamlet曲线,将母材的凹区间/凸区间的Beamlet曲线和将要与之匹配的待排样的凸区间/凹区间的Beamlet曲线按照相同的分割层参数进行分割,生成母材凹区间和待排样的所有凸区间的夹角链码以及成母材凸区间和待排样的所有凹区间的夹角链码;利用所得的夹角、夹角链长度以及将区间端点连接形成的面
一种基于重心居中的二维轮廓排样方法.pdf
一种基于重心居中的二维轮廓排样方法,内容是将各排样件按面积从大到小的顺序排列并计算各排样件的重心;将第一块排样件的重心与母材重心重合排放;第二块排样件在确定初始排样姿态后,以一定的角度为旋转角度对排样件进行旋转,每旋转一次确定一个排样姿态;相对于每一个排样姿态,确定待排样件重心对已排样件的NFP;从重心NFP轨迹中找出一个排样位置,使待排样件与已排样件靠接后的重心距离母材重心最近;在重心轨迹中确定重心位置后,检测排样件是否超出母材边界;从所有排样姿态中选出使待排样件与已排样件靠接后重心距母材重心最近的角度