伊新銅
摘 要:本文針對基于CNC和RGV構成的智能加工系統(tǒng)的動態(tài)調(diào)度進行了詳細研究,建立了2道工序在無故障的動態(tài)優(yōu)化模型,并分別利用貪心算法和遺傳算法對所建優(yōu)化模型進行求解。本文運用搜索樹對每一次RGV確定CNC的上下料作業(yè)順序進行決策,搜索域為與RGV距離最短的3個CNC,尋找最短的遍歷3個CNC的路徑,通過運行算法輸出第一組、第二組、第三組產(chǎn)出熟料的數(shù)量分別為371、346、371。
關鍵詞:動態(tài)調(diào)度模型 粒子群算法 搜索樹
中圖分類號:TP39 文獻標識碼:A 文章編號:1674-098X(2019)04(a)-0124-02
智能RGV加工系統(tǒng)主要由8臺計算機數(shù)控機床(CNC)、1輛自動引導車(RGV)、1條上料傳送帶和1條下料傳送帶構成,其中RGV是一種根據(jù)指令在固定軌道上自動控制移動方向和距離的智能車,并自一個帶機械手臂、兩只機械手爪和物料清洗槽,從而完成上下料及清洗物料等任務。
RGV系統(tǒng)由中間至兩邊分別為自動引導車RGV、物料傳送帶和數(shù)控機床CNC。自帶機械手和清洗槽的自動引導車RGV,機械手臂前端的兩個手爪通過旋轉(zhuǎn)可先后抓取一個物料(未加工生料或已加工熟料),從而完成上下料任務;清洗槽每次僅可清洗1個熟料(不可清洗生料)。RGV系統(tǒng)的工作流程為:(1)RGV位于初始位置,所有CNC空閑→(2)空閑CNC向RGV發(fā)上料信號→(3)RGV收到信號,確定CNC上下料次序并完成上下料→(4)每完成一次上下料進行清洗作業(yè)→(5)REV完成一項任務后執(zhí)行下一指令或原地等待→(6)重復步驟(3)~(5)直至系統(tǒng)停止作業(yè)。
對于有n(n=2)道加工工序的物料,將RGV的工作狀態(tài)分為為第 道工序進行上下料幾個作業(yè)狀態(tài),并考慮到n道加工順序和CNC出現(xiàn)故障后維修時間的連續(xù)性,找到一種可行的調(diào)度方案,使CNC在時間約束下空閑時間最小。
1 符號說明
符號說明,如表1所示。
2 模型假設
(1)CNC系統(tǒng)在整個系統(tǒng)運行過程中,保持正常運行;(2)每臺CNC前的傳送帶提供物料量遠大于RGV的需求量,由于傳送帶造成的微小誤差可忽略不計;(3)CNC在換刀片的過程中可以直接更換,不需要更換的時間;
3 模型的建立與求解
有2道工序的物料進行加工,目標為使得8h內(nèi)完成的熟料個數(shù)最多。由于本題有2道工序,首先根據(jù)加工第1道工序所用時間與加工第2道工序所用時間的按比例分配加工2道工序CNC數(shù)量分別為N1、N2;其次對于RGV的線路規(guī)劃秉承距離近的CNC先進行上下料作業(yè)的原則,可使得8h內(nèi)CNC作業(yè)時間多。由于具有2道加工工序的物料加工總時間遠大于RGV移動、上下料和清洗的時間,即出現(xiàn)多個CNC同時發(fā)出需求信號的幾率是非常小的,秉承模型合理性以及實用性的原則,本模型對RGV的線路規(guī)劃秉承距離近的CNC先進行上下料作業(yè)的原則。
在RGV系統(tǒng)整個運行過程中,RGV可分為3個主要階段:為執(zhí)行第1道工序的CNC進行上下料操作、為執(zhí)行第2道工序的CNC進行上下料操作和休息。假設RGV攜帶已完成第1道工序的物料,此時用于加工第2道工序的CNC是n(n≤N2)個發(fā)出需求、用于第2道工序的CNC中距RGV最近的CNC,從而使CNC的時間利用盡可能的充分,達到完成數(shù)量足夠多的目的。
算法設計:
除了的位置、完成本次加工物料時刻以及加工單個物料所需時間三個屬性,RGV的位置和時刻兩個屬性以外,由于需要確定RGV下一階段將對第幾道工序的CNC進行上下料作業(yè),因此對CNC增加是否攜帶物料屬性,此物料為僅完成第一道加工工序的物料,由于不是加工完成的熟料,故此物料不用執(zhí)行清洗作業(yè)。
本算法仍以RGV的時刻變化作為整個智能RGV系統(tǒng)的工作時間。對于RGV來說,只有為加工第1道工序的CNC換料、為加工第2道工序的CNC換料和原地等待三種狀態(tài),且同一時間內(nèi)RGV只能執(zhí)行其中一項,因此可將RGV整個工作程序分解為RGV為執(zhí)行某一道工序的CNC進行上下料的小步驟。
下面給出算法的詳細步驟:
(1)初始化CNCi的位置CNCi pos、完成本次加工物料時刻CNCi time、加工單個物料所需的時間t和CNCi是否攜帶物料,RGV的時間RGVt與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)時間約束:判斷RGV的時間是否小于8h:如果是,執(zhí)行步驟(3);如果不是,運行停止。
(3)判斷RGV上是否有物料:如果是,執(zhí)行步驟(4);如果不是,執(zhí)行步驟(7);
(4)判斷集合B中是否有CNC發(fā)送需求:判斷用于加工第二道工序的CNC集合B中是否有RGV的時間RGVt大于CNCi的時間:如果是,執(zhí)行步驟(5);如果不是,執(zhí)行步驟(6);
(5)決定對集合B中的CNC作業(yè)順序并對CNCi和RGV的屬性更新:秉承距離近的CNC先進行上下料作業(yè)的原則尋找全局最優(yōu)線路,確定RGV下一個進行上下料作業(yè)的CNCi,并對CNCi的時間、RGV的時間、位置和是否攜帶物料進行更新,應注意此時對RGV時間RGVt的更新不包括對物料清洗的步驟,因為此物料為僅完成第一道加工工序的物料,下轉(zhuǎn)步驟(2);
(6)集合B中沒有CNC發(fā)送需求信號,對RGV的時間進行更新,RGV的時間CNCi為集合B中所有CNC時間中最小值,下轉(zhuǎn)步驟(4);
(7)判斷集合A中是否有CNC發(fā)送需求:判斷用于加工第一道工序的CNC集合A中是否有RGV的時間RGVt大于CNCi的時間:如果是,執(zhí)行步驟(8);如果不是,執(zhí)行步驟(9);
(8)決定對集合A中的CNC作業(yè)順序并對CNCi和RGV的屬性更新:確定RGV下一個進行上下料作業(yè)的CNCi,并對CNCi的時間、RGV的時間、位置以及是否攜帶物料進行更新,下轉(zhuǎn)步驟(2);
(9)集合A中沒有CNC發(fā)送需求信號,對RGV的時間進行更新,RGV的時間CNCi為集合A中所有CNC時間中最小值,下轉(zhuǎn)步驟(7)。
4 模型結果
在2道工序中,我們計算出的結果示237,所得到的順序為0256。在2道工序模型的整個建立的過程中,采用粒子群算法進行分配工序給CNC,這樣通過大量交叉、變異的方案,能做到相對最優(yōu),得到次優(yōu)解,對CNC進行動態(tài)調(diào)度以時間優(yōu)先,RGV做決策也會影響CNC的等待時間,我們建立了RGV的搜索樹,進行廣度搜索,這樣保證了不會陷入局部最優(yōu)解。
參考文獻
[1] 楊紅紅,吳智銘.基于自適應遺傳算法的柔性動態(tài)調(diào)度研究[J].中國機械工程,2002(21):1845-1848.
[2] 唐然,龍騰銳,龍向宇宙.基于模糊聚類的改進遺傳算法[J].重慶大學學報:自然科學版,2008,31(2):166-169.
[3] 殷文.改進的并行遺傳模型的構建及應用[J].計算機工程,2008,34(4):203-206.