基于遗传算法的RGV动态调度模型

来源:用户上传      作者:

　　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，分别建立了1道工序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。
　　关键词：动态调度模型；遗传算法；搜索树
　　DOI：10.16640/j.cnki.37-1222/t.2019.15.129
　　有8台CNC和1辆REV小车构成的一般智能RGV加工系统，RGV作为RGV加工系统中的主要作业设备，其运输线路对整个系统的工作效率有很大的影响。假设8台CNC对有n（n=1）道工序的物料进行加工，建立动态优化模型，目标函数为使得智能RGV加工系统在一个班次内生产的熟料个数最多，即所有CNC空闲状态的时长最少。同样时间内，在满足约束条件的情况下移动时间的减少可使得对CNC作业的数量尽可能多，可达到CNC空闲状态的时长最少的目的，此动态优化模型的目标函数转化为求RGV移动路径最短的问题。
　　考虑到一般RGV动态调度模型的调度机制，RGV车对系统调度的影响主要为RGV车的行走问题上，CNC仅参与物料的加工以及对RGV发送需求信号，RGV作为RGV加工系统中的主要作业设备，其运输线路对整个系统的工作效率有很大的影响。并且假设每台CNC前的传送带提供物料量足够大的情况下，只对物料的开始加工时间有影响，在物料加工时间内RGV车可以继续为其他CNC服务，并且RGV距发送需求信号CNC的距离对物料加工线路的选择也有一定的影响。
　　要使RGV系统作业效率尽可能提高，即令所有CNC空闲状态时间尽可能减少，CNC等待的时间最少同时也是RGV移动路径最短，则需使RGV小车对发出需求指令的CNC确定进行作业的顺序。本组同学采用建立三层的搜索树的方法寻找全局最优线路。同样时间内，移动时间的减少可使得同样时间内对CNC作业的数量尽可能多，从而处于空闲状态的CNC少；对于有n（n=1）道加工工序的物料，将RGV的工作状态分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 符号說明
　　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）RGV调度系统无故障，可实时了解材料加工情况和RGV的实时位置。
　　3 模型的建立与求解
　　假定在8台CNC上加工且CNC发生故障的概率约为1%，每件物料加工完成有相同的n（n=1，2）道工序，有一台RGV在加工系统中作业，RGV在运输过程中按照规定的路线行驶。
　　约束条件为：
　　（1）第i个CNC空闲状态的时间为从系统运行到结束，此次加工完成时间到下一次RGV为其上下料作业时间差的和；
　　（2）对于第i个CNC来说，第k次加工完成时间到下一次RGV为其上下料的时间差大于等于0；
　　（3）智能加工系统作业的时长为一个班次，为8小时；
　　（4）RGV在直线轨道上移动，可连续移动1个单位（两台相邻CNC间的距离）、2个单位（三台相邻CNC间的距离）和3个单位（四台相邻CNC间的距离）；
　　（5）对于2道加工工序，8台CNC的分配根据加工第i道工序所用时间与加工完成所有工序时间的按比例分配加工第i道工序CNC数量为；
　　（6）CNC发生故障的概率约为1%，每次故障排除时间介于10～20分钟之间，未完成的物料报废。
　　调度的目标为在给定约束条件下，CNC加工完成的熟料最多，即所有CNC空闲状态时间最少。按照问题描述所建立的数学模型如下：
　　式中表示在整个系统工作工程中，某一时刻的时间；表示RGV位置的随着时间的变化；表示编号为i的CNC发生故障的概率；表示2道加工工序中，用于加工第j道工序的CNC数量，表示CNC加工完成一个多道工序物料的第j道工序所需时间，即对8台CNC进行按比例分配，加工第j道工序所需时间越长，则用于加工第j道工序的CNC越多，根据实际情况分析此分配方案是合理的。
　　模型中，式（1）表示极小化所有CNC的空闲状态时间；式（2）为编号为i的CNC空闲时间的表示；式（3）保证了第k次加工完成时间到下一次RGV为其上下料的时间差大于等于0；式（4）和式（5）分别保证了整个智能加工系统作业的时长为一个班次、RGV在RGV直线轨道上移动；式（6）保证了在2道工序物料加工情况下，用于加工第j道工序的CNC数量分配的合理性。
　　4 模型结果分析
　　本文中一共建立了个2相关的模型，一道工序模型开始的8个顺序1，2，7，8，4，3，6，5，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。
　　参考文献：
　　[1]孙志峻，朱剑英.含机器人的作业车间双资源智能优化调度[J].机器人，2002，24（07）：342-345.
　　[2]李敏强，寇纪淞，林丹等.遗传算法的基本理论与应用[M].北京：科学出版社，2002.
转载注明来源:https://www.xzbu.com/1/view-14707685.htm