桶紗配重過(guò)程的計(jì)算機(jī)軟件模擬

桶紗配重過(guò)程的計(jì)算機(jī)軟件模擬,配重,過(guò)程,進(jìn)程,計(jì)算機(jī)軟件,模擬,摹擬 桶紗配重過(guò)程的計(jì)算機(jī)軟件模擬1 背景介紹近幾十年來(lái)，隨著我國(guó)綜合國(guó)力和科技水平的不斷提升，紡織行業(yè)與國(guó)外先進(jìn)水平的差距日漸縮小，但也存在不少問(wèn)題。例如勞動(dòng)力較為密集，自動(dòng)化程度不高，生產(chǎn)效率相對(duì)較低等。因此，提高企業(yè)生產(chǎn)自動(dòng)化和管理水平，改進(jìn)產(chǎn)品質(zhì)量和生產(chǎn)效率將成為整個(gè)紡織企業(yè)的發(fā)展趨勢(shì)。隨著市場(chǎng)的多元化和用工成本的不斷上漲，紡織行業(yè)也需要轉(zhuǎn)型升級(jí)。除了紡織機(jī)械的主要設(shè)備外，紡織生產(chǎn)和流通的不同環(huán)節(jié)也逐步采用智能化裝置來(lái)代替人工。目前網(wǎng)絡(luò)交流以及網(wǎng)上購(gòu)物的發(fā)展與流行，紡織企業(yè)為了在競(jìng)爭(zhēng)日益激烈市場(chǎng)中吸引潛在的客戶，利用互聯(lián)網(wǎng)平臺(tái)來(lái)實(shí)現(xiàn)產(chǎn)品的推廣，網(wǎng)上銷售紡紗的店鋪越來(lái)越多?；ヂ?lián)網(wǎng)電子商務(wù)的迅速發(fā)展，也就出現(xiàn)了一些個(gè)性化的客戶市場(chǎng)，企業(yè)要根據(jù)客戶的需求生產(chǎn)桶紗并裝箱。但是每箱桶紗的重量都不是一定的，選擇哪幾箱桶紗進(jìn)行裝箱，如何才能讓客戶和商販都滿意，就需要計(jì)算機(jī)程序的幫助了。2 研究現(xiàn)狀我國(guó)是紡織大國(guó)，2015 年紡紗產(chǎn)量高達(dá)四千多萬(wàn)噸，紡紗生產(chǎn)的最后環(huán)節(jié)是將生產(chǎn)好的桶紗進(jìn)行裝箱，裝箱前需要對(duì)裝箱的桶紗重量進(jìn)行測(cè)量。目前紡織行業(yè)的自動(dòng)化技術(shù)水平仍然比較低，一方面由于用工成本不斷上漲，紡織行業(yè)也需要進(jìn)行轉(zhuǎn)型升級(jí)，通過(guò)智能化裝備來(lái)節(jié)省勞動(dòng)力成本，提高生產(chǎn)效率已經(jīng)成為紡織企業(yè)的必由之路。另一方面，互聯(lián)網(wǎng)電子商務(wù)發(fā)展迅速，為了在激烈競(jìng)爭(zhēng)的市場(chǎng)中增加企業(yè)的客戶，利用互聯(lián)網(wǎng)平臺(tái)來(lái)實(shí)現(xiàn)產(chǎn)品的推廣和銷售紡紗已經(jīng)越來(lái)越普遍，這種小批量個(gè)性化的需求，每箱桶紗的重量往往是不同的。采用計(jì)算機(jī)軟件對(duì)桶紗裝箱過(guò)程進(jìn)行優(yōu)化，不僅可以減輕裝箱人員的工作量，還可優(yōu)化裝箱質(zhì)量，降低裝箱成本，使裝箱過(guò)程快速高效，這些情況使得1用計(jì)算機(jī)輔助桶紗裝箱更有必要。3 課題研究的內(nèi)容本課題針對(duì)中國(guó)紡紗企業(yè)多，產(chǎn)量巨大，生產(chǎn)智能化程度需要進(jìn)一步提升的現(xiàn)狀，以紡紗生產(chǎn)的最后環(huán)節(jié)的桶紗裝箱為研究對(duì)象，解決人工裝紗工作量太大并且誤差也很大的問(wèn)題。通過(guò)采用計(jì)算機(jī)來(lái)管理桶紗裝紗，在裝箱前對(duì)桶紗的重量進(jìn)行測(cè)量和控制，收集桶紗信息，采用遺傳算法，利用 Matlab 軟件編寫(xiě)程序來(lái)實(shí)現(xiàn)桶紗裝紗過(guò)程的優(yōu)化。4 課題研究的意義根據(jù)博思數(shù)據(jù)發(fā)布的《2016-2022 年中國(guó)紗線產(chǎn)業(yè)調(diào)研現(xiàn)狀及投資咨詢戰(zhàn)略研究報(bào)告》 ，我國(guó)在 2015 年的紡紗市場(chǎng)生產(chǎn)的紗量將高達(dá) 4047.5 萬(wàn)噸，同比2014 年增長(zhǎng) 4.7%。因此采用計(jì)算機(jī)軟件對(duì)桶紗裝箱過(guò)程進(jìn)行優(yōu)化是十分重要的，這不僅可以減輕裝箱人員的工作量，還可以優(yōu)化選擇的過(guò)程，降低裝箱的成本，使裝箱過(guò)程高效、快速。5 技術(shù)路線運(yùn)用軟件開(kāi)發(fā)工具，使用兩種不同的方法（智能算法或窮舉方法）實(shí)現(xiàn)桶紗配重的自動(dòng)計(jì)算，軟件可以設(shè)定配重范圍和裝箱的桶紗數(shù)量（10-50 個(gè)） ，為自動(dòng)配重提供支持。最后以計(jì)算機(jī)動(dòng)畫(huà)的方式演示配重的計(jì)算結(jié)果。1. 收集資料。包括：（1）開(kāi)發(fā)軟件的相關(guān)資料。了解所用軟件工具的主要功能、運(yùn)行環(huán)境等；（2）收集智能算法、配種知識(shí)等信息，為軟件開(kāi)發(fā)提供基礎(chǔ)。2．采用 matlab 為開(kāi)發(fā)平臺(tái)，實(shí)現(xiàn)配重的自動(dòng)計(jì)算軟件和結(jié)果的動(dòng)畫(huà)顯示軟件的開(kāi)發(fā)。26 關(guān)鍵技術(shù)介紹遺傳算法是基于自然界生物進(jìn)化基本法則而發(fā)展起來(lái)的一類新算法。1962年霍蘭德(Holland)首次提出了 GA 算法的思想，它借用了仿真生物遺傳學(xué)和自然選擇機(jī)理，通過(guò)自然選擇、遺傳、變異等作用機(jī)制，實(shí)現(xiàn)各個(gè)個(gè)體的適應(yīng)性的提高。1975 年 Holland 出版專著《自然系統(tǒng)和人工系統(tǒng)的自適應(yīng)》 ，系統(tǒng)論述遺傳算法，有人把 1975 年作為遺傳算法的誕生年。6.1 遺傳算法的基本原理遺傳算法是一種優(yōu)化種群規(guī)模，使其走向某一優(yōu)勢(shì)的過(guò)程。遺傳算法運(yùn)用的原理跟達(dá)爾文在進(jìn)化論中提到的適者生存、優(yōu)勝劣汰的原理是一樣的。遺傳算法就是模擬生物遺傳、變異、繁衍、基因優(yōu)化的過(guò)程。通過(guò)某種需求確定所需的種群要求，然后進(jìn)行遺傳優(yōu)化，使得遺傳下來(lái)的基因中符合要求的基因越來(lái)越多，最終一步步達(dá)到所需的要求。它比枚舉法運(yùn)算更快速，是一種全局優(yōu)化方法。6.2 遺傳算法的特點(diǎn)（1） 簡(jiǎn)捷、試用范圍廣，適應(yīng)性強(qiáng)，應(yīng)用領(lǐng)域廣。（2） 是一種群體優(yōu)化過(guò)程，可以同時(shí)處理大量數(shù)據(jù)； （3） 不是枚舉法，是一種優(yōu)化過(guò)程；（4） 適應(yīng)度函數(shù)受到的約束條件少，因此在很多領(lǐng)域都可以使用。（5） 為了達(dá)到所需要某種要求，對(duì)種群不斷地進(jìn)行篩選、優(yōu)化，在一定的迭代次數(shù)內(nèi)選出最優(yōu)解，運(yùn)算量小。6.3 遺傳算法的組成6.3.1 編碼遺傳算法將所要研究的對(duì)象（桶紗）看成是生物遺傳進(jìn)化過(guò)程中的染色體，然后將染色體作為初始種群進(jìn)行優(yōu)化。由于染色體上存在基因，因此種群優(yōu)化3的過(guò)程實(shí)際上就是染色體上的基因變異的過(guò)程。遺傳算法根據(jù)研究者的需要，用一定的方法將研究對(duì)象也就是染色體分成若干個(gè)部分，每個(gè)部分就叫做一個(gè)種群。每個(gè)種群中擁有的染色體的數(shù)量稱為種群規(guī)模。 6.3.2 適應(yīng)度函數(shù)在遺傳算法中，適應(yīng)度函數(shù)值是用來(lái)評(píng)價(jià)優(yōu)化結(jié)果符合要求的程度大小，適應(yīng)度函數(shù)值越大說(shuō)明優(yōu)化效果越好，種群的質(zhì)量越高。適應(yīng)度函數(shù)值越小，說(shuō)明優(yōu)化效果越差，種群的質(zhì)量越低。不同的研究對(duì)象所確定的適應(yīng)度值也是不一樣的。不同問(wèn)題不同討論（適應(yīng)度值=1/重量偏離合格區(qū)間的距離） 。 6.3.3 遺傳算子 （1） 選擇算子選擇算子是選擇優(yōu)勢(shì)個(gè)體的過(guò)程，通過(guò)對(duì)所研究的種群進(jìn)行優(yōu)勝劣汰的選擇，使得符合要求的個(gè)體有更多的機(jī)會(huì)生存下來(lái)，并且把他們的基因遺傳給下一代。而不符合要求的個(gè)體雖然也有機(jī)會(huì)生存下來(lái)，但是經(jīng)過(guò)很多次的迭代必然所占比例逐漸減少，最終慢慢會(huì)走向消亡。（2） 交叉算子我們所說(shuō)的交叉算子，實(shí)際上是根據(jù)生物遺傳過(guò)程中相互配對(duì)的兩個(gè)染色體可能由于某種原因交換它們的一部分基因從而產(chǎn)生新的個(gè)體的原理，依據(jù)一定的變異概率 Pc 通過(guò)改變研究對(duì)象的部分基因以便產(chǎn)生新的個(gè)體，正是由于交叉算子使得遺傳算法同其他算法區(qū)別開(kāi)來(lái)。遺傳算法產(chǎn)生新個(gè)體的主要方式是通過(guò)交叉算子實(shí)現(xiàn)的。 （3） 變異算子通常所說(shuō)的變異運(yùn)算是指依據(jù)生物染色體在遺傳的過(guò)程中有一定的概率 Pm將自身的一部分基因轉(zhuǎn)換為其他的基因，進(jìn)而產(chǎn)生新的種群。變異算子是遺傳算法產(chǎn)生新個(gè)體的輔助方法。交叉算子和變異算子的互相交流與融合，共同完成了遺傳算法的種群更新，使得產(chǎn)生符合要求的種群的數(shù)量的概率大大提升。46.3.4 運(yùn)行參數(shù) （1） M:所研究的種群的規(guī)模（2） T:遺傳算法終止的迭代次數(shù)（3） Pc：染色體交叉概率（4） Pm：染色體變異概率6.4 遺傳算法的選擇機(jī)制遺傳算法的基本原理是模仿了大自然中生物在生存繁衍過(guò)程中基因的變異現(xiàn)象，利用遺傳算子（選擇算子、交叉算子、變異算子）來(lái)改變所研究種群的基因，以便在每次的迭代過(guò)程中不斷優(yōu)化種群，選擇更符合要求的個(gè)體生存下來(lái)并將它們的基因遺傳給下一代。直到種群滿足所要達(dá)到的要求。達(dá)到這種要求的種群往往比其他種群更具有某一方面的優(yōu)勢(shì)。6.5 遺傳算法的流程遺傳算法基本原理框圖如圖 2.1 所示。5圖 2-1 遺傳算法基本原理框圖遺傳算法的基本流程是：(1) 初始化群體；(2) 計(jì)算群體上每個(gè)個(gè)體的適應(yīng)度值；(3) 按由個(gè)體適應(yīng)度值所決定的某個(gè)規(guī)則選擇將進(jìn)入下一代的個(gè)體；(4) 按概率進(jìn)行交叉操作；(5) 按概率進(jìn)行突變操作；(6) 沒(méi)有滿足某種停止條件，則轉(zhuǎn)第(2)步，否則進(jìn)入第(7)步；(7) 輸出種群中適應(yīng)度值最優(yōu)者作為最優(yōu)解。遺傳算法通過(guò)不斷的遺傳并且積累下來(lái)，使所得到的后代種群越來(lái)越接近所需要的最優(yōu)解。6.6 遺傳算法的收斂性分析要進(jìn)行遺傳算法的收斂性分析，必須要保證初始的種群經(jīng)過(guò)一定次數(shù)的迭6代循環(huán)都能達(dá)到所需要的最優(yōu)解。并且必須要保證最優(yōu)解包含的基因在遺傳的過(guò)程不會(huì)丟失。與算法收斂性有關(guān)的因素主要包括種群規(guī)模、選擇操作、交叉概率和變異概率。 6.6.1 種群規(guī)模對(duì)收斂性的影響 一般地，種群規(guī)模太小可能會(huì)導(dǎo)致遺傳算法經(jīng)過(guò)有限次的迭代進(jìn)化不出符合要求的種群，使得算法的優(yōu)勢(shì)無(wú)法體現(xiàn)出來(lái)。而種群的規(guī)模和數(shù)目如果太大，會(huì)使得運(yùn)算量十分巨大，加重勞動(dòng)量降低效率，因此在實(shí)際應(yīng)用的時(shí)候要注意選擇合適的種群規(guī)模。6.6.2 選擇操作對(duì)收斂性的影響選擇操作通過(guò)選擇能達(dá)到所需要求的個(gè)體，讓他們的基因一代代地遺傳下來(lái)，不進(jìn)行任何的變異或者交叉。這樣就會(huì)使得每一代種群中含有該基因的個(gè)體越來(lái)越多，該基因所占的百分比也越來(lái)越大，使得遺傳算法以無(wú)限接近于 1的概率得到所需的最優(yōu)解。6.6.3 交叉概率對(duì)收斂性的影響交叉概率主要是通過(guò)交換相互配對(duì)的染色體之間的部分基因產(chǎn)生新的個(gè)體。如果交叉的概率很大，那么產(chǎn)生新個(gè)體的速度就會(huì)太快，基因也更新很快，使得前代父本保留下來(lái)的優(yōu)良基因被淡化、降低了他們遺傳下去的概率。而交叉概率太小，基因更新的頻率就會(huì)太慢，可能父本中一直選不出好的基因來(lái)進(jìn)行遺傳。因此合理的選擇交叉概率是保障遺傳算法正常進(jìn)行、縮短迭代時(shí)間的必要條件。6.6.4 變異概率對(duì)收斂性的影響變異操作可以豐富種群的多樣性。變異概率如果太小，則種群的多樣性會(huì)一直得不到提高，而變異概率太大則會(huì)使種群的個(gè)體太多樣性，使得遺傳算法的迭代次數(shù)無(wú)限增大，使得遺傳算法的操作顯得十分的復(fù)雜。因此要選擇合適7的變異頻率限制新模式產(chǎn)生的頻率，使得遺傳算法能夠更快的優(yōu)化。 6.7 遺傳算法的本質(zhì)遺傳算法的本質(zhì)就是利用生物界染色體的基因在遺傳過(guò)程中產(chǎn)生的交叉、變異的現(xiàn)象，通過(guò)改變所研究對(duì)象的基因從而產(chǎn)生新的個(gè)體，再?gòu)倪@些個(gè)體中選擇符合要求的個(gè)體將他們的基因遺傳下來(lái)，從而使包含這些優(yōu)良基因的個(gè)體在種群中所占的比例逐漸增加，使問(wèn)題逐漸地得到解決。 6.8 遺傳算法的發(fā)展遺傳欺騙問(wèn)題：在遺傳算法進(jìn)行迭代優(yōu)化的過(guò)程中，有時(shí)候可能會(huì)由于某個(gè)個(gè)體的十分突出，導(dǎo)致了其競(jìng)爭(zhēng)力遠(yuǎn)遠(yuǎn)的超過(guò)了包含所需求基因的個(gè)體。從而使得遺傳算法沒(méi)能選擇出優(yōu)良基因而是選擇了錯(cuò)誤的個(gè)體的基因。因此這時(shí)候就需要對(duì)遺傳算法進(jìn)行改進(jìn)以彌補(bǔ)這個(gè)不足。6.8.1 編碼方式二進(jìn)制編碼的優(yōu)點(diǎn)是只有 0 和 1 兩個(gè)數(shù)字，編寫(xiě)起來(lái)方便。缺點(diǎn)是如果種群的規(guī)模太大，則二進(jìn)制編碼就會(huì)太長(zhǎng)，顯得十分冗長(zhǎng)。也會(huì)無(wú)形中加大遺傳算法的計(jì)算量。6.8.2 遺傳算子6.8.2.1 排序選擇 (1)按照種群的適應(yīng)度函數(shù)值由高（低）到低（高）對(duì)種群里面的個(gè)體進(jìn)行降（升）序排序；(2) 根據(jù)具體的實(shí)際要解決的問(wèn)題，確定種群中每個(gè)個(gè)體基因遺傳下來(lái)的概率。(3) 基于確定好的概率，產(chǎn)生新的種群。 86.8.2.2 均勻交叉 (1) 隨機(jī)產(chǎn)生一個(gè)與種群個(gè)體染色體所含基因長(zhǎng)度相同的二進(jìn)制編碼A=W1W2.Wn(2)按照如下規(guī)則從父代種群中產(chǎn)生新的種群，如果 Wi=0 則將父代染色體的基因一一對(duì)應(yīng)的遺傳給子代；如果 Wi=1，就將父代的染色體進(jìn)行交叉然后在分別傳給對(duì)應(yīng)的子代。 6.8.2.3 逆序變異變異前：2 |5 9 | 4 3 7 |9 7 |9變異前：3 |5 9 | 3 4 5 |6 7 |96.8.3 控制參數(shù)Schaffer 建議的最優(yōu)參數(shù)范圍是： M = 20-100， T = 100-500， Pc = 0.4-0.9，Pm = 0.001-0.01。Srinvivas 和它的同事提出了一種叫做自適應(yīng)的遺傳算法，這種遺傳算法的特點(diǎn)是它的交叉概率 Pc 和變異概率 Pm 會(huì)隨著適應(yīng)度函數(shù)值的變化而變化，這種遺傳算法當(dāng)種群無(wú)限趨于最優(yōu)解的時(shí)候就會(huì)增大交叉概率 Pc 和變異概率Pm，以增大種群的豐富性以便繼續(xù)優(yōu)化。當(dāng)種群的優(yōu)化迭代次數(shù)比較少的時(shí)候就降低交叉概率 Pc 和變異概率 Pm，以便先使種群中原有的符合要求的個(gè)體優(yōu)先遺傳進(jìn)而完成優(yōu)化過(guò)程。6.8.4 執(zhí)行策略(1)混合遺傳算法9(2)免疫遺傳算法(3)小生境遺傳算法(4)單親遺傳算法(5)并行遺傳算法7、要解決的技術(shù)問(wèn)題7.1 桶紗裝箱過(guò)程相關(guān)信息的收集。7.2 遺傳算法與窮舉方法的對(duì)比分析。7.3 如何用 Matlab 制作動(dòng)畫(huà)。7.4 選取過(guò)程要一直持續(xù)下去直到手動(dòng)停止。108、日程安排序號(hào) 各階段名稱 起止日期1 調(diào)研、收集資料 2015 年 12 月 15 日 ~ 2015年 12 月 22 日2 學(xué)習(xí)資料、選擇開(kāi)發(fā)工具、設(shè)計(jì)軟件 功能 2015 年 12 月 23 日 ~ 2016年 1 月 25 日3 編制配重的計(jì)算程序 2016 年 2 月 20 日 ~ 2016 年3 月 22 日4 編制計(jì)算機(jī)的動(dòng)畫(huà)演示程序 2016 年 3 月 23 日 ~ 2016 年4 月 24 日5 撰寫(xiě)畢業(yè)論文 2016 年 4 月 25 日 ~ 2016 年5 月 1 日6 準(zhǔn)備答辯文件 2016 年 5 月 2 日 ~ 2016 年5 月 10 日9 參考文獻(xiàn)[1] 《物流配送區(qū)域劃分模型及優(yōu)化計(jì)算研究》 《重慶交通大學(xué)碩士論文》 2009[2] 《基于庫(kù)存策略的生產(chǎn)計(jì)劃問(wèn)題的研究》 吉林 2008 43-50[3] 《遺傳算法和模擬退火算法求解 TSP 的性能分析》 《計(jì)算機(jī)技術(shù)與發(fā)展》 2009 年 11 期 97-100[4] 2006-5-18 唐慧豐-遺傳算法原理與應(yīng)用-百度文庫(kù) 2012[5] 《基于 Petri 網(wǎng)和改進(jìn)遺傳算法的 AS/RS 調(diào)度系統(tǒng)的研究》 河北 2009 301-306[6] 《MIMO 檢測(cè)算法研究與實(shí)現(xiàn)》 西安 2010 119-123[7] 《遺傳算法的改進(jìn)與算法收斂性分析》 《機(jī)械研究與應(yīng)用》 2008 年 4 期 90-9211[8] 《MIMO 檢測(cè)算法研究與實(shí)現(xiàn)》 西安 2010 156-158[9] 《基于遺傳算法的船舶電力系統(tǒng)網(wǎng)絡(luò)故障重構(gòu)》 華中科技大學(xué) 2009 322-323[10] 《城市交通路徑誘導(dǎo)算法研究》 長(zhǎng)安 2009 492-492[11] 《基于混合遺傳算法的汽車企業(yè)營(yíng)銷資源分配策略研究》 武漢 2012 67-68[12] 《移動(dòng)計(jì)算設(shè)備電能消耗估計(jì)》 合肥 2007 32-34[13] 《基于 QoS 的 Web 服務(wù)發(fā)現(xiàn)與組合研究》 湖南 2010 68-70[14] 《遺傳算法的收斂性統(tǒng)一判據(jù)》 電子科技大學(xué) 2010 19-23[15] 《沖突探測(cè)與解脫技術(shù)在未來(lái)空中交通管理中的應(yīng)用》 《計(jì)算機(jī)應(yīng)用于軟件》 2004 年 2 期 69-73[16] 《三相異步電動(dòng)機(jī)穩(wěn)態(tài)參數(shù)優(yōu)化研究》 《黑龍江科技信息》 2010 年 13 期 79-80[17] 《磁粉檢測(cè)系統(tǒng)中圖像恢復(fù)的方法研究》 《學(xué)院》 2011 年 11期 12-15[18] 《一種基于遺傳神經(jīng)網(wǎng)絡(luò)的股票決策的方法研究》 陜西 2010 34-39 [19] 《基于 MATLAB/Simulink/GUIDE 的 PID 工具箱的設(shè)計(jì)》 山東 2008[20] 《混合式步進(jìn)電動(dòng)機(jī)無(wú)刷直流電機(jī)方式驅(qū)動(dòng)方案及其仿真分析》長(zhǎng)春 2010 100-103[21] 《基于 BP 神經(jīng)網(wǎng)絡(luò)的企業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)及應(yīng)用研究》 青島 2010 87-9012[22] 《基于 MATLAB 的大學(xué)物理仿真實(shí)驗(yàn)研究》 湖南 2008 年 5期 67-74[23] 《IDL 與 MATLAB 的比較分析》 廣西 2011 95-97[24] 《轎車后橋混流裝配線規(guī)劃設(shè)計(jì)及平衡研究》 蘇州 2004 78-83[25] 胡志鵬,盧險(xiǎn)鋒.提高沖裁件斷面剪切面的新方法[J] .機(jī)械工人(冷加工 ), 2007 .(4):33-37.[26] 秦小瓊 , 盛尚雄.沖裁間隙對(duì)產(chǎn)質(zhì)量及模具壽命的影響[J] .金屬成形工藝, 2004 .(3):67-69.[27] 肖作義 , 房曉東.對(duì)影響沖裁件質(zhì)量的幾個(gè)參數(shù)的討論[J] .鍛壓機(jī)械, 2001 .(1):13-15.[28] G.F.Pan, L.Lou. Finite element simulation of the effect of clearance on the forming quality in the blanking process[J].Journal of Material Processing Technology.2002.(122).[29] E.Taupin, J.Breitling, et al. Material fracture and burr formation in blanking results of FEM simulaition and comparison and experiments[J]. Materials Processing Technology , 1996.(59):68-78.[30] N.Hatanaka, K.Yamaguchi, N.Takakura, et al. Simulation of sheared edge fo rmation process in blanking of sheet metals[J]. Journal of Materials Processing Technology, 2003.(140):628-634.[31] 趙振鐸,邵明志,張召鐸等.金屬塑性成形中的摩擦與潤(rùn)滑[ M].北京:化學(xué)工業(yè)出版社,2004[32] 袁清珂 . Logopress 3 沖壓模設(shè)計(jì)從入門(mén)到精通[M]. 北京：化學(xué)工業(yè)出版社，2009:1-2.[33] H.Q.Wang, G.cheng, et al. Standard of Edge Quality of Precise Part. Tool Engineering,2004,41:11-14.[34] P. F. Zheng. Finite element analysis of the combined fine-blanking and extrusion process. PhD. Dissertation of Hong Kong Polytechnic 13University,2000.[35] W.X.Liu. Simple Fine Blanking. Science and Technology Publishing House, Shanghai 1990, 281:111-112.