论文部分内容阅读
摘 要:本文针对基于CNC和RGV构成的智能加工系统的动态调度进行了详细研究,建立了2道工序在无故障的动态优化模型,并分别利用贪心算法和遗传算法对所建优化模型进行求解。本文运用搜索树对每一次RGV确定CNC的上下料作业顺序进行决策,搜索域为与RGV距离最短的3个CNC,寻找最短的遍历3个CNC的路径,通过运行算法输出第一组、第二组、第三组产出熟料的数量分别为371、346、371。
关键词:动态调度模型 粒子群算法 搜索树
中图分类号:TP39 文献标识码:A 文章编号:1674-098X(2019)04(a)-0124-02
智能RGV加工系统主要由8台计算机数控机床(CNC)、1辆自动引导车(RGV)、1条上料传送带和1条下料传送带构成,其中RGV是一种根据指令在固定轨道上自动控制移动方向和距离的智能车,并自一个带机械手臂、两只机械手爪和物料清洗槽,从而完成上下料及清洗物料等任务。
RGV系统由中间至两边分别为自动引导车RGV、物料传送带和数控机床CNC。自带机械手和清洗槽的自动引导车RGV,机械手臂前端的两个手爪通过旋转可先后抓取一个物料(未加工生料或已加工熟料),从而完成上下料任务;清洗槽每次仅可清洗1个熟料(不可清洗生料)。RGV系统的工作流程为:(1)RGV位于初始位置,所有CNC空闲→(2)空闲CNC向RGV发上料信号→(3)RGV收到信号,确定CNC上下料次序并完成上下料→(4)每完成一次上下料进行清洗作业→(5)REV完成一项任务后执行下一指令或原地等待→(6)重复步骤(3)~(5)直至系统停止作业。
对于有n(n=2)道加工工序的物料,将RGV的工作状态分为为第 道工序进行上下料几个作业状态,并考虑到n道加工顺序和CNC出现故障后维修时间的连续性,找到一种可行的调度方案,使CNC在时间约束下空闲时间最小。
1 符号说明
符号说明,如表1所示。
2 模型假设
(1)CNC系统在整个系统运行过程中,保持正常运行;(2)每台CNC前的传送带提供物料量远大于RGV的需求量,由于传送带造成的微小误差可忽略不计;(3)CNC在换刀片的过程中可以直接更换,不需要更换的时间;
3 模型的建立与求解
有2道工序的物料进行加工,目标为使得8h内完成的熟料个数最多。由于本题有2道工序,首先根据加工第1道工序所用时间与加工第2道工序所用时间的按比例分配加工2道工序CNC数量分别为N1、N2;其次对于RGV的线路规划秉承距离近的CNC先进行上下料作业的原则,可使得8h内CNC作业时间多。由于具有2道加工工序的物料加工总时间远大于RGV移动、上下料和清洗的时间,即出现多个CNC同时发出需求信号的几率是非常小的,秉承模型合理性以及实用性的原则,本模型对RGV的线路规划秉承距离近的CNC先进行上下料作业的原则。
在RGV系统整个运行过程中,RGV可分为3个主要阶段:为执行第1道工序的CNC进行上下料操作、为执行第2道工序的CNC进行上下料操作和休息。假设RGV携带已完成第1道工序的物料,此时用于加工第2道工序的CNC是n(n≤N2)个发出需求、用于第2道工序的CNC中距RGV最近的CNC,从而使CNC的时间利用尽可能的充分,达到完成数量足够多的目的。
算法设计:
除了的位置、完成本次加工物料时刻以及加工单个物料所需时间三个属性,RGV的位置和时刻两个属性以外,由于需要确定RGV下一阶段将对第几道工序的CNC进行上下料作业,因此对CNC增加是否携带物料属性,此物料为仅完成第一道加工工序的物料,由于不是加工完成的熟料,故此物料不用执行清洗作业。
本算法仍以RGV的时刻变化作为整个智能RGV系统的工作时间。对于RGV来说,只有为加工第1道工序的CNC换料、为加工第2道工序的CNC换料和原地等待三种状态,且同一时间内RGV只能执行其中一项,因此可将RGV整个工作程序分解为RGV为执行某一道工序的CNC进行上下料的小步骤。
下面给出算法的详细步骤:
(1)初始化CNCi的位置CNCi pos、完成本次加工物料时刻CNCi time、加工单个物料所需的时间t和CNCi是否携带物料,RGV的时间RGVt与RGVpos位置,用于加工第一道工序的CNC集合A以及用于加工第二道工序的CNC集合B。
(2)时间约束:判断RGV的时间是否小于8h:如果是,执行步骤(3);如果不是,运行停止。
(3)判断RGV上是否有物料:如果是,执行步骤(4);如果不是,执行步骤(7);
(4)判断集合B中是否有CNC发送需求:判断用于加工第二道工序的CNC集合B中是否有RGV的时间RGVt大于CNCi的时间:如果是,执行步骤(5);如果不是,执行步骤(6);
(5)决定对集合B中的CNC作业顺序并对CNCi和RGV的属性更新:秉承距离近的CNC先进行上下料作业的原则寻找全局最优线路,确定RGV下一个进行上下料作业的CNCi,并对CNCi的时间、RGV的时间、位置和是否携带物料进行更新,应注意此时对RGV时间RGVt的更新不包括对物料清洗的步骤,因为此物料为仅完成第一道加工工序的物料,下转步骤(2);
(6)集合B中没有CNC发送需求信号,对RGV的时间进行更新,RGV的时间CNCi为集合B中所有CNC时间中最小值,下转步骤(4);
(7)判断集合A中是否有CNC发送需求:判断用于加工第一道工序的CNC集合A中是否有RGV的时间RGVt大于CNCi的时间:如果是,执行步骤(8);如果不是,执行步骤(9);
(8)决定对集合A中的CNC作业顺序并对CNCi和RGV的属性更新:确定RGV下一个进行上下料作业的CNCi,并对CNCi的时间、RGV的时间、位置以及是否携带物料进行更新,下转步骤(2);
(9)集合A中没有CNC发送需求信号,对RGV的时间进行更新,RGV的时间CNCi为集合A中所有CNC时间中最小值,下转步骤(7)。
4 模型结果
在2道工序中,我们计算出的结果示237,所得到的顺序为0256。在2道工序模型的整个建立的过程中,采用粒子群算法进行分配工序给CNC,这样通过大量交叉、变异的方案,能做到相對最优,得到次优解,对CNC进行动态调度以时间优先,RGV做决策也会影响CNC的等待时间,我们建立了RGV的搜索树,进行广度搜索,这样保证了不会陷入局部最优解。
参考文献
[1] 杨红红,吴智铭.基于自适应遗传算法的柔性动态调度研究[J].中国机械工程,2002(21):1845-1848.
[2] 唐然,龙腾锐,龙向宇宙.基于模糊聚类的改进遗传算法[J].重庆大学学报:自然科学版,2008,31(2):166-169.
[3] 殷文.改进的并行遗传模型的构建及应用[J].计算机工程,2008,34(4):203-206.
关键词:动态调度模型 粒子群算法 搜索树
中图分类号:TP39 文献标识码:A 文章编号:1674-098X(2019)04(a)-0124-02
智能RGV加工系统主要由8台计算机数控机床(CNC)、1辆自动引导车(RGV)、1条上料传送带和1条下料传送带构成,其中RGV是一种根据指令在固定轨道上自动控制移动方向和距离的智能车,并自一个带机械手臂、两只机械手爪和物料清洗槽,从而完成上下料及清洗物料等任务。
RGV系统由中间至两边分别为自动引导车RGV、物料传送带和数控机床CNC。自带机械手和清洗槽的自动引导车RGV,机械手臂前端的两个手爪通过旋转可先后抓取一个物料(未加工生料或已加工熟料),从而完成上下料任务;清洗槽每次仅可清洗1个熟料(不可清洗生料)。RGV系统的工作流程为:(1)RGV位于初始位置,所有CNC空闲→(2)空闲CNC向RGV发上料信号→(3)RGV收到信号,确定CNC上下料次序并完成上下料→(4)每完成一次上下料进行清洗作业→(5)REV完成一项任务后执行下一指令或原地等待→(6)重复步骤(3)~(5)直至系统停止作业。
对于有n(n=2)道加工工序的物料,将RGV的工作状态分为为第 道工序进行上下料几个作业状态,并考虑到n道加工顺序和CNC出现故障后维修时间的连续性,找到一种可行的调度方案,使CNC在时间约束下空闲时间最小。
1 符号说明
符号说明,如表1所示。
2 模型假设
(1)CNC系统在整个系统运行过程中,保持正常运行;(2)每台CNC前的传送带提供物料量远大于RGV的需求量,由于传送带造成的微小误差可忽略不计;(3)CNC在换刀片的过程中可以直接更换,不需要更换的时间;
3 模型的建立与求解
有2道工序的物料进行加工,目标为使得8h内完成的熟料个数最多。由于本题有2道工序,首先根据加工第1道工序所用时间与加工第2道工序所用时间的按比例分配加工2道工序CNC数量分别为N1、N2;其次对于RGV的线路规划秉承距离近的CNC先进行上下料作业的原则,可使得8h内CNC作业时间多。由于具有2道加工工序的物料加工总时间远大于RGV移动、上下料和清洗的时间,即出现多个CNC同时发出需求信号的几率是非常小的,秉承模型合理性以及实用性的原则,本模型对RGV的线路规划秉承距离近的CNC先进行上下料作业的原则。
在RGV系统整个运行过程中,RGV可分为3个主要阶段:为执行第1道工序的CNC进行上下料操作、为执行第2道工序的CNC进行上下料操作和休息。假设RGV携带已完成第1道工序的物料,此时用于加工第2道工序的CNC是n(n≤N2)个发出需求、用于第2道工序的CNC中距RGV最近的CNC,从而使CNC的时间利用尽可能的充分,达到完成数量足够多的目的。
算法设计:
除了的位置、完成本次加工物料时刻以及加工单个物料所需时间三个属性,RGV的位置和时刻两个属性以外,由于需要确定RGV下一阶段将对第几道工序的CNC进行上下料作业,因此对CNC增加是否携带物料属性,此物料为仅完成第一道加工工序的物料,由于不是加工完成的熟料,故此物料不用执行清洗作业。
本算法仍以RGV的时刻变化作为整个智能RGV系统的工作时间。对于RGV来说,只有为加工第1道工序的CNC换料、为加工第2道工序的CNC换料和原地等待三种状态,且同一时间内RGV只能执行其中一项,因此可将RGV整个工作程序分解为RGV为执行某一道工序的CNC进行上下料的小步骤。
下面给出算法的详细步骤:
(1)初始化CNCi的位置CNCi pos、完成本次加工物料时刻CNCi time、加工单个物料所需的时间t和CNCi是否携带物料,RGV的时间RGVt与RGVpos位置,用于加工第一道工序的CNC集合A以及用于加工第二道工序的CNC集合B。
(2)时间约束:判断RGV的时间是否小于8h:如果是,执行步骤(3);如果不是,运行停止。
(3)判断RGV上是否有物料:如果是,执行步骤(4);如果不是,执行步骤(7);
(4)判断集合B中是否有CNC发送需求:判断用于加工第二道工序的CNC集合B中是否有RGV的时间RGVt大于CNCi的时间:如果是,执行步骤(5);如果不是,执行步骤(6);
(5)决定对集合B中的CNC作业顺序并对CNCi和RGV的属性更新:秉承距离近的CNC先进行上下料作业的原则寻找全局最优线路,确定RGV下一个进行上下料作业的CNCi,并对CNCi的时间、RGV的时间、位置和是否携带物料进行更新,应注意此时对RGV时间RGVt的更新不包括对物料清洗的步骤,因为此物料为仅完成第一道加工工序的物料,下转步骤(2);
(6)集合B中没有CNC发送需求信号,对RGV的时间进行更新,RGV的时间CNCi为集合B中所有CNC时间中最小值,下转步骤(4);
(7)判断集合A中是否有CNC发送需求:判断用于加工第一道工序的CNC集合A中是否有RGV的时间RGVt大于CNCi的时间:如果是,执行步骤(8);如果不是,执行步骤(9);
(8)决定对集合A中的CNC作业顺序并对CNCi和RGV的属性更新:确定RGV下一个进行上下料作业的CNCi,并对CNCi的时间、RGV的时间、位置以及是否携带物料进行更新,下转步骤(2);
(9)集合A中没有CNC发送需求信号,对RGV的时间进行更新,RGV的时间CNCi为集合A中所有CNC时间中最小值,下转步骤(7)。
4 模型结果
在2道工序中,我们计算出的结果示237,所得到的顺序为0256。在2道工序模型的整个建立的过程中,采用粒子群算法进行分配工序给CNC,这样通过大量交叉、变异的方案,能做到相對最优,得到次优解,对CNC进行动态调度以时间优先,RGV做决策也会影响CNC的等待时间,我们建立了RGV的搜索树,进行广度搜索,这样保证了不会陷入局部最优解。
参考文献
[1] 杨红红,吴智铭.基于自适应遗传算法的柔性动态调度研究[J].中国机械工程,2002(21):1845-1848.
[2] 唐然,龙腾锐,龙向宇宙.基于模糊聚类的改进遗传算法[J].重庆大学学报:自然科学版,2008,31(2):166-169.
[3] 殷文.改进的并行遗传模型的构建及应用[J].计算机工程,2008,34(4):203-206.