导读:本文包含了二维板材论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:板材,算法,线性规划,静力,启发式,闭环,鱼群。
二维板材论文文献综述
曾兆敏,王继红,管卫利[1]（2016）在《二维板材切割下料问题的一种确定性算法》一文中研究指出研究二维板材切割下料问题,即使用最少板材切割出一定数量的若干种矩形件。提出一种结合背包算法和线性规划算法的确定性求解算法。首先构造生成均匀条带四块排样方式的背包算法;然后采用线性规划算法迭代调用上述背包算法,每次均根据生产成本最小原则改善目标函数并修正各种矩形件的当前价值,按照当前价值生成新的排样方式;最后选择最优的一组排样方式组成排样方案。采用基准测题,将该算法与着名的T型下料算法进行比较,实验结果表明,该算法比T型下料算法更能节省板材,计算时间能够满足实际应用需要。(本文来源于《图学学报》期刊2016年04期）
程春英,包兰英,包春花[2]（2014）在《改进的人工鱼群算法在二维板材下料问题中的应用》一文中研究指出为提高板材利用率,采用人工鱼群算法进行研究,算法中加入改进的觅食行为和改进的聚群行为,对行为进行了改进,并将该算法用于求解二维板材下料问题.通过仿真实验与文献中的改进粒子群算法和基本人工鱼群算法进行比较,结果表明:改进后的算法得到的最优解要优于文献中的算法,实现提高板材利用率的问题.(本文来源于《辽宁工程技术大学学报(自然科学版)》期刊2014年07期）
徐志斌,尤亚,龚声蓉,刘纯平[3]（2013）在《二维板材圆形下料的邻居关系算法》一文中研究指出二维圆形排样问题是工业设计与生产中经常遇到的问题.常规下料问题主要针对矩形或圆形等规则板材,常用算法包括模拟退火、遗传算法等.本文在分析规则板材下料算法的基础上,针对实际生产应用中更为复杂的、具有不规则边界板材下料问题,提出了一种基于人工下料思维的仿生下料算法--邻居关系算法.该算法具有很好的利用率和时效性,较好地满足了实际应用的需要.实际板材下料结果表明,平均面积利用率为75.56%,平均计算时间为13.84s.所得排样利用率与模拟退火算法相当,但排样运算时间大大缩小,适应了实际下料需求,已应用于某跨国企业优化下料中.(本文来源于《小型微型计算机系统》期刊2013年06期）
姚芳,罗家祥,胡跃明[4]（2012）在《二维板材组包排样问题的离散差分进化算法求解》一文中研究指出为了提高包装箱的空间利用率,提出一种基于离散差分进化算法的方法,以求解二维板材组包排样问题.采用带符号的序列代表一个排样方案,提出了基于最低水平线的空隙可再利用启发式算法,对单个包的子序列进行解码,获得对单包的排样子问题的自动排样方案,使板材充分填充产生的空隙;为了改进排样结果,提出邻近策略以进一步提高空间利用率.实验结果表明,对仿真实验数据,该算法获得了比遗传算法更好的结果;对实际生产数据,该算法所得结果比原有排样方案的空间利用率更高.(本文来源于《计算机辅助设计与图形学学报》期刊2012年03期）
曹翠,陈青华,侯卫权,肖志超[5]（2010）在《大尺寸二维炭/炭板材的成型与性能研究》一文中研究指出主要研究了大尺寸二维结构炭/炭板材的成型方法,讨论了成型过程对材料的外观、层间结合状态及其它力学性能的影响。结果表明:压制固化定型过程中采用中间保温措施可改善产品的外观状况,炭化升温速率缓慢有利于提高材料的层间结合状态;此外,产品的各项性能较高且具有良好的可铣削性。(本文来源于《第22届炭—石墨材料学术会论文集》期刊2010-10-01）
陈青华,肖志超,侯卫权,王石头,苏君明[6]（2009）在《二维C/C板材结构与性能分析》一文中研究指出对国内外的二维炭布迭层C/C板材进行结构和性能对比分析。结果表明,依据自主知识产权研制的ChaomaC/C板材具有高弯曲强度、高层剪强度、高压缩强度等优异的力学性能。由于采用特殊的工艺途径和方法,致使ChaomaC/C板材最突出的特点为具有良好的可机加性,尤其是可在X-Y平面进行任何的铣削加工,解决了二维炭布迭层C/C板材X-Y平面铣削加工极易分层的难题。(本文来源于《2009全国粉末冶金学术会议论文集》期刊2009-10-10）
安晓强[7]（2008）在《金属板材等离子弧二维精确成形技术的研究》一文中研究指出金属板材等离子弧成形技术是近年来提出的一种先进的零件成形方法。它的加工过程不需要模具,仅利用热应力和热应变来实现板材成形。与水火成形和激光成形相比,等离子弧加热成形在单件、小批量零件生产中具有极大的潜在优势,受到各国学者的广泛关注。本文在参考了国内外相关研究的基础上,采用ANSYS有限元仿真软件,对等离子弧加热二维成形进行热力耦合仿真,主要研究了多次扫描、增厚效应及沿宽度方向变形对成形精度的影响,并对机械折弯进行了比较分析,为等离子弧二维精确成形提供了理论基础。建立了二维精确成形检测单元,分析了几种常用边缘检测算子及滤波去噪的算法的性能,在像素级边缘检测的基础上采用了Gauss亚像素算法,考察了该算法的正确性,并对检测单元进行误差分析。通过对1Cr18Ni9Ti板材试验研究,分析了扫描速度、扫描次数和冗余变形对二维成形精度的影响规律,根据试验数据,建立了神经网络预测单元,对预测单元的可靠性进行了测试。搭建了金属板材二维成形闭环试验系统,进行了二维精确成形试验,并分析了板材加热区组织变化影响。本文的研究为实现等离子弧加热弯曲成形工艺的实际应用奠定了基础,有利于实现大型板件无模具化、柔性化生产,对于降低生产成本缩短生产周期具有重要意义。(本文来源于《哈尔滨工业大学》期刊2008-06-01）
李长荣[8]（2007）在《有限制二维板材启发式下料算法研究》一文中研究指出橱柜及板式家具生产都涉及二维板材下料,材料利用率的最大化一直是该类企业追求的目标。本文提出了基于启发式规则的有限制二维板材下料算法。通过在橱柜生产过程中自动下料系统的实施和理论分析,该算法是实用有效的。(本文来源于《微计算机信息》期刊2007年12期）
王忠金,刘建光[9]（2006）在《板材软模成形二维断面有限元分析界面接触摩擦处理》一文中研究指出板材软模成形是板材和柔性传力介质耦合变形过程,存在板材和刚性模具及板材和柔性传力介质两种类型的界面接触。采用罚函数法计算接触力,推导了Mindlin轴对称壳单元和实体单元两种不同单元类型之间接触摩擦的有限元列式。采用静力显式的时间积分方法,通过控制载荷步长保持接触状态稳定。粘弹塑性软模材料的板材变形数值算例表明该算法是有效的。该算法也适用于其他类型软模材料的板材变形接触摩擦问题的处理。(本文来源于《机械工程学报》期刊2006年05期）
董仁义,袁泽虎,王超[10]（2004）在《关于二维不规则零件自动板材排料的研究》一文中研究指出在讨论二维矩形排料的优化、二维不规则零件排料方法的基础上,介绍了一种"逐渐逼近"算法.该算法已应用到自行开发的二维不规则零件的自动板材排料系统中,效果较好.(本文来源于《湖北工学院学报》期刊2004年03期）
二维板材论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高板材利用率,采用人工鱼群算法进行研究,算法中加入改进的觅食行为和改进的聚群行为,对行为进行了改进,并将该算法用于求解二维板材下料问题.通过仿真实验与文献中的改进粒子群算法和基本人工鱼群算法进行比较,结果表明:改进后的算法得到的最优解要优于文献中的算法,实现提高板材利用率的问题.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
二维板材论文参考文献
[1].曾兆敏,王继红,管卫利.二维板材切割下料问题的一种确定性算法[J].图学学报.2016
[2].程春英,包兰英,包春花.改进的人工鱼群算法在二维板材下料问题中的应用[J].辽宁工程技术大学学报(自然科学版).2014
[3].徐志斌,尤亚,龚声蓉,刘纯平.二维板材圆形下料的邻居关系算法[J].小型微型计算机系统.2013
[4].姚芳,罗家祥,胡跃明.二维板材组包排样问题的离散差分进化算法求解[J].计算机辅助设计与图形学学报.2012
[5].曹翠,陈青华,侯卫权,肖志超.大尺寸二维炭/炭板材的成型与性能研究[C].第22届炭—石墨材料学术会论文集.2010
[6].陈青华,肖志超,侯卫权,王石头,苏君明.二维C/C板材结构与性能分析[C].2009全国粉末冶金学术会议论文集.2009
[7].安晓强.金属板材等离子弧二维精确成形技术的研究[D].哈尔滨工业大学.2008
[8].李长荣.有限制二维板材启发式下料算法研究[J].微计算机信息.2007
[9].王忠金,刘建光.板材软模成形二维断面有限元分析界面接触摩擦处理[J].机械工程学报.2006
[10].董仁义,袁泽虎,王超.关于二维不规则零件自动板材排料的研究[J].湖北工学院学报.2004
论文知识图
