论文部分内容阅读
实际的生产车间中,机器发生故障、工件随机到达、交货期延迟、紧急插单等动态事件频繁发生,使得柔性作车间动态调度问题成为生产制造系统的研究热点之一。其中,机器故障作为实际加工过程中最为常见的动态事件之一,对柔性作业车间生产调度的效率和稳定性造成了严重的影响。因此,本文针对机器发生故障下的柔性作业车间动态调度问题,构建基于调度效率指标和调度稳定性指标的多目标优化模型,提出适应性的动态重调度策略,并采用不同的多目标优化算法对动态模型进行求解。以下是主要研究内容:(1)深入分析柔性作业车间动态调度问题(Dynamic Flexible Job Shop Scheduling Problem,DFJSP)的分类和特征。在此基础上,总结机器故障下的柔性作业车间动态调度国内外的研究现状,并具体分析当前柔性作业车间动态调度问题研究存在的难点。此外,结合多目标动态调度优化方法,深入探讨针对机器故障的动态重调度策略以及动态调度性能指标,并给出各指标的计算方法。(2)为了求解机器随机故障干扰下的柔性作业车间动态调度问题,本文先构建基于平均流经时间和加工能耗的多目标动态调度模型,然后根据机器故障发生的随机性,采用基于事件驱动与周期驱动的混合驱动重调度策略生成重调度方案。其次,针对上述模型,将遗传算法(Genetic Algorithm,GA)和模拟退火算法(Simluated annealing Algorithm,SA)相结合设计了一种混合遗传算法(Genetic and Simulated annealing Algorithm,GASA)进行求解。该混合遗传算法首先通过遗传算法的选择交叉变异操作产生一组新个体,再对种群中的每个个体进行模拟退火过程,以避免陷入局部最优。最后,通过实验算例仿真,证明了算法的有效性。(3)实际制造系统中,平衡调度的效率和调度的稳定性是解决柔性作业车间动态问题的关键。本文首先通过最大完工时间和机器总负荷计算出延迟度,通过工序偏离度、机器偏离度和负荷偏离度计算出重调度方案偏离初始调度方案的偏离度。随后,以延迟度为调度的效率指标,以偏离度为调度的稳定性指标,构建了基于两者的多目标优化动态模型。在此基础上,采用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm,NSGA-II)对构建的多目标动态调度模型进行求解。同时,针对机器故障这一干扰因素,提出了转移重调度和完全重调度两种动态重调度策略,采用不同工件规模的实验算例分别在不同的故障时刻进行对比实验,检验两种重调度策略的性能,旨在得出两种重调度策略的最优适应条件。最后,实验结果验证了算法和重调度策略的有效性。