探讨智能RGV二道工序无故障的动态调度优化措施.docx

会员专享推荐 · 你可能也用得上更多

开通会员，畅读全站文档

本篇文档已为你保留

本篇文档价值 ~~¥35.00~~会员免费解锁

全文不限次阅读，剩余内容即刻解锁
高速下载通道，免排队、无等待
专属客服 1 对 1 答疑，优先响应
每日赠送下载券，本篇文档免费送

有 86 篇商业计划书正在上传

下载原文档

探讨智能RGV二道工序无故障的动态调度优化措施1、引言RGV是一种无人驾驶、能在固定轨道上自由运行的智能车。它根据指令来控制移动方向还有距离，具有一个机械手臂、两只机械手爪加一个物料的清洗槽，能够完成上下料及清洗物料等任务。2003年，Malmborg教授及其课题组首先提出自动小车存取系统，它主要包括轨道导引小车系统，通过RGVS小车进行货物存取。RGVS控制系统通常与AGVS比较，RGVS智能加工系统优化调度一直是研究的热点。罗键等初步概述了智能加工系统调度的一般方法。范华丽等人研究了调度规则的选择和评价方法，并详细介绍了使用较多的稳态仿真方法和表现较好的人工智能方法。吴焱明，刘永强等通过遗传算法时利用多重编码技术，[1,3]结合计算机模型仿真求解进行研究。刘丰瑞，沃芸婷等分别基于最优路径和动态规划算法研究智能RGV动态调度策略[2,4]。2、模型的建立与求解本文就2018年全国大学生数学建模竞赛B题进行研究，针对二道工序无故障的情形，给出智能RGV动态调度优化策略和系统的作业效率。模型假设：RGV到需作业的CNC处，即可上下料；RGV是匀速运动；RGV在去处理当前CNC的路径上不会接收其他CNC的需求。2.1两道工序刀具分配模型的建立对于两道工序加工物料，生料的加工过程需要两道工序，需要有不同的CNC安装不同的刀具分别加工完成。我们需要根据加工不同工序的CNC数量和分布位置来得到RGV的最优调度方案，设每一个物料完成第一道工序的时间为T1,第二道工序时间为T2,CNC的数量可以由不同工序的时间比值来决定，即,n1+n2=8,n1,n2分别为完成第一道工序和第二道工序的CNC台数。工序的CNC在工作期间加工完成物料可能的最大数目分别为一次总工作时间内两道工序最多可能加工完成的物料数目为其中rj表示CNC上下料时间，N1j表示加工第一道工序的物料数目，N2j表示加工第二道工序的物料数目，N0表示加工物料的总数目。接下来确定CNC的位置分布情况，我们的目标是使得CNC完成一、二道工序之间的空闲时间尽量短，建立以下模型：其中，Mki表示第i台CNC是否执行了第k道工序，Rij(1≤i≤8)表示第j个物料成料时，RGV将其从第一道工序CNC移动到第二道工序CNC的时间。2.2两道工序的模型建立设计思路：第一步：系统启动，RGV处于初始位置，按照最短路径进行上料作业（先奇后偶），先为加工第一道工序的CNC执行上料作业，待第一道工序完成，再为加工第二道工序的CNC上料，开始系统处于初始状态，所有的初始状态都赋予初始值。第二步：RGV位于某CNC处，为当前的CNC依次上下料，判断该物料的加工情况，若物料还需第二道工序，则等待加工第二道工序的CNC发出的命令，若物料已是完成两道工序的熟料，则将进行清洗作业和将清洗过的成料送到下料传送带上送出系统，每完成一台CNC的一次作业，各相关时间进行一次更新与记录。第三步：RGV判断所处周期的所有物料两道工序作业是否完成，若该周期所有物料两道工序作业已完成，则判断是否总的作业已完成，若该周期的所有物料两道工序作业未完成，则继续执行后续的CNC工序加工作业，转到下一步，否则回到初始位置进行下一周期的上下料、加工作业，如果已完成总的任务，则在完成最后一个物料的清洗作业后，回到初始位停机，且计算出工作的效率。第四步：RGV判断需要上下料作业的CNC位置，并确定移动距离，执行第二步。为使系统的加工作业效率最高，本文建立了两个目标函数：一个班次内（8小时）物料完成加工的总数最多：一个班次内8台CNC总的的等待时间最短：min∑Tj约束条件如下：其中，tj,sj分别表示第j个物料上料开始时间和下料开始时间，Nji表示RGV把第j个物料运送到编号为Bi的CNC的时间，Wi表示第i个物料的清洗时间rj1表示第j个物料在奇号位的上下料时间，rj2表示第j个物料在偶号位的上下料时间，Q1表示奇数位编号的CNC分配的刀片数，Q2表示偶数位编号的CNC分配的刀片数，Mki表示第i台CNC是否执行了第k道工序。3、结果分析我们建立模型算法可直接输出每个成料的上下料时间和所加工的CNC编号。以第一组数据为例，只给出部分调度方案如表1所示。三组数据下系统的作业效率分别为：70.3%、55.9%、58.1%。表1一道工序无故障下第一组数据部分调度方案参考文献：[1]吴焱明,刘永强,张栋,赵韩.基于遗传算法的RGV动态调度研究[J].起重运输机械,2012(6):20-23.[2]刘丰瑞,邢凯铭,张宇航,等.基于最优路径的随机故障智能RGV动态调度策略[J].电子技术与软件工程,2018(23):160.[3]刘永强.基于遗传算法的RGV动态调度研究[D].合肥:合肥工业大学,2012.[4]沃芸婷,禹一童.基于动态规划算法的RGV智能调度策略[J].工业技术创新,2018,5(6):44-47.刘思玲,邹庆云,首莹清,陈琪雯,伍三宝.智能RGV的动态调度策略[J].科教文汇(下旬刊),2019(12):91-92.基金:湖南省大学生创新训练项目(2018,智能RGV动态调度策略的数学模型);湖南省普通高校教学改革项目([2017],356);中学教育校企合作创新创业基地资助.