Генетика и отделка шпоном
Разработка импортозамещающей технологии, позволяющей создавать декоративные
изделия с абсолютным эффектом натуральной древесины, поможет подчеркнуть
особенности изделий мебели и интерьера, позволит обеспечить мебельные
предприятия сравнительно недорогим облицовочным материалом на основе лущеного
шпона из малоценных пород древесины, имитирующим текстуру ценных пород
древесины.
Следовательно, первоочередная задача для создания сложных, фигурных рисунков
и текстур древесины на поверхности декоративных элементов заключается
в прогнозировании рисунка в сечении клееного блока, после серии механических
преобразований пакета шпона. В связи с этим необходимо использовать методы
математического моделирования для получения необходимого рисунка на поверхности
клееных из шпона декоративных элементов мебели.
Для нахождения состава пакета, позволяющего получить декоративный элемент
с заданным рисунком, можно использовать различные методы решения. Самым
простым является метод полного перебора возможных вариантов. Суть метода
состоит в том, что на каждом шаге итерации один из листов шпона в пакете
поворачивается на некоторый угол и пакет подвергается операции изгиба
на произвольной пространственной фигуре. В качестве пространственных фигур
можно использовать как простейшие, такие как цилиндр, шар, так и более
сложные, получаемые использованием тригонометрических функций по отдельности
и совместно.
После этого проводится анализ полученного рисунка на различных срезах.
В случае, если полученный рисунок не соответствует заданному, необходимо
повторить операцию по модификации пакета шпона. При этом количество вариантов,
которые необходимо рассмотреть для получения решения, определим по формуле
[1]:
где S — количество слоев шпона в пакете, шт.; da — минимальный угол поворота
листа шпона в пакете; M — количество функций модификации формы пакета
шпона; D — количество функций, применяемых к пакету единовременно.
При S = 100 и da = 1°, MD = 8, N ~ 3,414.10256. Такое количество вариантов
не может быть решено за разумный промежуток времени.
Поэтому для решения данной задачи предлагается применить генетические
алгоритмы, которые являются наиболее предпочтительными методами многоэкстремальной
оптимизации. Генетические алгоритмы — адаптивные методы поиска, которые
в последнее время часто используются для решения задач функциональной
оптимизации. Они основываются на идее эволюции с помощью естественного
отбора (Чарльзом Дарвином [2]) и по принципу «выживает наиболее приспособленный»,
т.е. чем выше приспособленность особи, тем выше вероятность того, что
у потомков, полученных с ее участием, признаки, определяющие приспособленность,
будут выражены еще сильнее.
Если принять, что каждая особь популяции является точкой в координатном
пространстве оптимизационной задачи xi[x1i,x2i,…,xIi], а приспособленность
особи соответствующим значением функции цели f(X), то популяцию особей
можно рассматривать как множество координатных точек в пространстве, а
процесс эволюции — как движение этих точек в сторону оптимальных значений
целевой функции.
Следует отметить, что классический генетический алгоритм находит глобальный
экстремум в вероятностном смысле. И эта вероятность зависит от числа особей
в популяции. Как показали исследования, при оптимизации сложных многоконтурных
и многосвязных систем регулирования и аналогичных систем с нейроконтроллерами
генетические алгоритмы (в частности, диплоидная версия ГА) с достаточно
высокой вероятностью находят глобальный экстремум. Однако вычисление функции
цели отдельных видов зачастую требует значительных вычислительных ресурсов,
что существенно сказывается на общем времени работы ГА. 1 2 3 Следующая
Журнал ОКНА. ДВЕРИ. ВИТРАЖИ
Мастер
Смотрите также
|