朱雅喃　張龍昌　孫義來　李季瑀　劉允峰

摘要：軌道自動引導車用于自動化物流系統(tǒng)和自動化倉庫領(lǐng)域，具有速度快可靠性高成本低等特點。本文研究對象是一種無人駕駛、能在固定軌道上自由運行的智能車，在實際應用過程中，由于僅有一臺RGV進行上下料操作任務和清洗任務，為了解決在有效時間內(nèi)，完成更多的生料加工任務，本文通過建立數(shù)學模型進行仿真，就RGV在規(guī)定時間內(nèi)如何調(diào)度問題給出最優(yōu)方案。

關(guān)鍵詞：RGV動態(tài)調(diào)度動態(tài)規(guī)劃

引言

智能軌道引導車能根據(jù)指令能自動控制移動方向和距離，并自帶一個機械手臂、兩只機械手爪和物料清洗槽，能夠完成上下料及清洗物料等作業(yè)任務。一個智能加工系統(tǒng)的示意圖，由8臺計算機數(shù)控機床、1條RGV直線軌道、1條上料傳送帶、l條下料傳送帶等附屬設(shè)備組成。RGV是一種無人駕駛、能在固定軌道上自由運行的智能車。它根據(jù)指令能自動控制移動方向和距離，并自帶一個機械手臂、兩只機械手爪和物料清洗槽，能夠完成上下料及清洗物料等作業(yè)任務。

1情況分析

本文所研究的情形為當加工工序為一道工序時，建立動態(tài)模型，運用合理的算法，求解出效率最高的加工順序。加工效率一總時間/單個任務的平均完成時間。總時間已知，固定為8小時，所以當單個任務的平均完成時間最小時，效率最高。單個任務的完成時間表示為：工作時間/空閑時間+工作時間。即當空閑時間最小時，工作效率越高。工作時間由清洗時間、加工時間、移動時間及一次上下料時間構(gòu)成。

再由實際工作情況可以推理得出，空閑時間由RGV的調(diào)度產(chǎn)生。則建模目標轉(zhuǎn)化為RGV的路徑規(guī)劃調(diào)度模型。實質(zhì)是規(guī)劃RGV的路徑，使得所有CNC空閑時間為最小。某一時間段內(nèi)如果要使得CNC空閑時間最短，當前RGV空閑出來后需要優(yōu)先服務最早可以開始加工的CNC，即RGV應服務于最小時間。

2動態(tài)規(guī)劃

約束條件為：同一時間RGV只能處于一個狀態(tài)，服務一個CNC，每個物料的上料加工清洗下料順序一致，每臺CNC同一時間只加工一個物料，CNC在RGV上料之后才進行加工，下料清洗上料這段時間是處于空閑狀態(tài)，但此時間段內(nèi)不計人空閑時間。因此根絕約束條件目標函數(shù)構(gòu)造如下：

Tmn+l - Timn≥Tupdm+ Ta+ Tclear

Tnan+i≥Tmn

模型的詳細求解過程如下：

（1）初始化：構(gòu)造8*8的時間距離矩陣D，Dlmn表示RGV從CNCm運動到CNCn的時間，Tupd對CNCn進行上下料清洗過程的時間，狀態(tài)向量Tm （8*1）表示CNCm完成當前物料加工的時間，Ty表示RGV的時間狀態(tài)（完成當前服務的時間）。L為當前RGV的位置狀態(tài)。

（2） Time=T+D（m，：）+ILipd（i）表示RGV運動到CNC并進行上下并清洗的時間。選Time為最小的作為RGV服務對象，進行上下料和清洗。

（3）重復2 3直到時間Ty到達停工時刻s。在MTLAB中運行上述程序模型， 按照本文模型能夠完成369個任務，本模型的效率圖如下圖所示：

橫坐標為時間，縱坐標為完成的數(shù)量，由圖可知，動態(tài)規(guī)劃的模型效率與時間成正比，呈線性增長。

3結(jié)論

當加工生料完成會向RGV發(fā)送請求信號此時若RGV及時趕到，并進行上下料操作，那么CNC進行下一個物料的加工，RGV處于忙碌狀態(tài)未能及時趕到，則CNC處于等待狀態(tài)，因此我們把問題轉(zhuǎn)化為RGV最短路徑尋優(yōu)問題，在規(guī)定任務時間內(nèi)使得所有CNC的總空閑時間最小，加工的物料越多，運用動態(tài)規(guī)劃求解算法，來規(guī)劃RGV的路徑?？傊?，該模型魯棒性強，具有可拓展性，容易與其他算法相結(jié)合，提高泛化能力。

參考文獻

[1]于永江，曲雅楠，劉俏，穿梭車系統(tǒng)設(shè)計及其在物流系統(tǒng)中的應用[J]，物流技術(shù)與應用，2007，12 （8）：86——89。

[2]姜啟源，謝金星，葉俊，數(shù)學模型[M]，第四版，北京：高等教育出版社，出版年：2011.1。