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