基于動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)的鋼鐵生產(chǎn)仿真系統(tǒng)研究

黃 琦，劉麗蘭，王 森，周 維

（1.上海大學(xué) 上海市智能制造及機(jī)器人重點(diǎn)實(shí)驗(yàn)室，上海 200072；2.上海寶信軟件股份有限公司，上海 201900）

基于動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)的鋼鐵生產(chǎn)仿真系統(tǒng)研究

黃 琦1，劉麗蘭1，王 森2，周 維2

（1.上海大學(xué) 上海市智能制造及機(jī)器人重點(diǎn)實(shí)驗(yàn)室，上海 200072；2.上海寶信軟件股份有限公司，上海 201900）

鋼鐵生產(chǎn)過(guò)程工藝復(fù)雜、不確定成分多。當(dāng)擾動(dòng)事件發(fā)生時(shí)，傳統(tǒng)靜態(tài)仿真系統(tǒng)無(wú)法做到實(shí)時(shí)動(dòng)態(tài)地?cái)?shù)據(jù)注入，從而影響調(diào)度方案的制定。為了解決不確定事件擾動(dòng)下的鋼鐵生產(chǎn)調(diào)度問(wèn)題，基于動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)應(yīng)用系統(tǒng)思想，提出了動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)的鋼鐵生產(chǎn)調(diào)度仿真方法，采取多Agent技術(shù)建立了鋼鐵生產(chǎn)仿真系統(tǒng)模型，并詳細(xì)論述了系統(tǒng)的框架結(jié)構(gòu)、功能和運(yùn)行機(jī)制，對(duì)鋼鐵生產(chǎn)調(diào)度問(wèn)題的深度研究具有一定的指導(dǎo)意義。

動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)；鋼鐵生產(chǎn)；多Agent；生產(chǎn)調(diào)度

0　引言

鋼鐵生產(chǎn)過(guò)程是一個(gè)兼具離散性和連續(xù)性的生產(chǎn)過(guò)程，其復(fù)雜多變和不確定等特征使得開(kāi)發(fā)相關(guān)的仿真系統(tǒng)變得異常困難。目前，國(guó)外鋼鐵企業(yè)多數(shù)已經(jīng)完成了單工序、靜態(tài)仿真系統(tǒng)的研發(fā)，并已面向整個(gè)鋼鐵生產(chǎn)過(guò)程著手于數(shù)據(jù)驅(qū)動(dòng)的仿真系統(tǒng)研究，取得一些成果。但國(guó)內(nèi)鋼鐵行業(yè)在數(shù)據(jù)驅(qū)動(dòng)仿真上還只是起步階段，目前多數(shù)仿真系統(tǒng)還無(wú)法做到數(shù)據(jù)信息的實(shí)時(shí)動(dòng)態(tài)注入、分析與決策。

鋼鐵生產(chǎn)過(guò)程是一個(gè)多約束的復(fù)雜工藝過(guò)程，各種突發(fā)的擾動(dòng)事件對(duì)生產(chǎn)計(jì)劃的編排影響巨大[1]。為了解決上述問(wèn)題，文中先是對(duì)鋼鐵生產(chǎn)過(guò)程當(dāng)中可能出現(xiàn)的擾動(dòng)事件進(jìn)行了分析，進(jìn)而闡述動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)應(yīng)用系統(tǒng)（Dynamic Data Driven Application System，DDDAS）的概念及其基本框架結(jié)構(gòu)，然后基于DDDAS的思想并結(jié)合多Agent技術(shù)建立了鋼鐵生產(chǎn)仿真調(diào)度模型，最后對(duì)其功能、結(jié)構(gòu)以及運(yùn)行機(jī)制進(jìn)行了理論剖析。

1　鋼鐵生產(chǎn)擾動(dòng)事件分析

鋼鐵生產(chǎn)過(guò)程物流量大、工藝繁瑣，典型工序包含高爐煉鐵、轉(zhuǎn)爐煉鋼、精煉鋼、連鑄、熱軋等。而每道工序涉及到的設(shè)備少則幾臺(tái)，多則幾十臺(tái)。各工序的約束條件和工藝目標(biāo)也不盡相同。因此，在現(xiàn)實(shí)生產(chǎn)環(huán)境中存在很多隨機(jī)的和不確定的因素。各種突發(fā)的擾動(dòng)事件會(huì)對(duì)生產(chǎn)線的正常運(yùn)行產(chǎn)生不利影響，使得原始設(shè)定的調(diào)度方案失效，進(jìn)而影響生產(chǎn)系統(tǒng)的運(yùn)作。根據(jù)擾動(dòng)事件的發(fā)生條件，將其分為外部環(huán)境擾動(dòng)及內(nèi)部環(huán)境擾動(dòng)兩類，如表1所示。

表1　鋼鐵生產(chǎn)擾動(dòng)事件

2　DDDAS概述及其框架結(jié)構(gòu)

2.1DDDAS概述

上世紀(jì)80年代初期，F(xiàn)rederica Darama在做石油開(kāi)采的輻射傳播計(jì)算時(shí)萌發(fā)了DDDAS的思想[2～4]。其基本思想是將實(shí)際系統(tǒng)與仿真系統(tǒng)結(jié)合起來(lái)，在仿真系統(tǒng)運(yùn)行過(guò)程當(dāng)中，仿真系統(tǒng)能夠動(dòng)態(tài)地從實(shí)際系統(tǒng)接收新的數(shù)據(jù)，經(jīng)處理后作出響應(yīng)并反饋給實(shí)際系統(tǒng)，通過(guò)對(duì)數(shù)據(jù)的雙向反復(fù)處理，使得仿真結(jié)果更為準(zhǔn)確、可靠。從而讓兩者組成了一個(gè)彼此協(xié)作、相互作用的動(dòng)態(tài)反饋控制系統(tǒng)。

DDDAS的動(dòng)態(tài)性主要表現(xiàn)為以下三點(diǎn)[5]：

1）基于實(shí)時(shí)仿真結(jié)果，系統(tǒng)可以動(dòng)態(tài)調(diào)整仿真模型參數(shù)，進(jìn)而控制實(shí)際系統(tǒng)和對(duì)數(shù)據(jù)信息進(jìn)行有選擇性的采集。

2）基于實(shí)際數(shù)據(jù)與仿真結(jié)果的差異對(duì)比，系統(tǒng)可以動(dòng)態(tài)地調(diào)整仿真模型，進(jìn)而控制實(shí)際系統(tǒng)和對(duì)數(shù)據(jù)信息進(jìn)行有選擇性的采集。

3）基于專家的分析評(píng)價(jià)，由專家選擇仿真模型，系統(tǒng)能夠自適應(yīng)地控制實(shí)際系統(tǒng)和對(duì)數(shù)據(jù)信息進(jìn)行有選擇性的采集。

DDDAS的提出可以很好的彌補(bǔ)原有模型的不足，同時(shí)也大大減少了仿真運(yùn)行的時(shí)間。因此，美國(guó)國(guó)家自然科學(xué)基金會(huì)（NSF）在第一次DDDAS會(huì)議報(bào)告中就指出，DDDAS將開(kāi)創(chuàng)一個(gè)有著高度潛在功能的全新仿真領(lǐng)域，以其構(gòu)建出的新型且具有增強(qiáng)功能的應(yīng)用系統(tǒng)，能夠轉(zhuǎn)變工程和科學(xué)研究領(lǐng)域的工作方式，對(duì)眾多領(lǐng)域產(chǎn)生空前的影響。

2.2DDDAS框架結(jié)構(gòu)

鋼鐵生產(chǎn)流程既連續(xù)又離散的特征決定了其不確定因素多的特點(diǎn)，所以當(dāng)各種擾動(dòng)事件產(chǎn)生時(shí)，原始生產(chǎn)調(diào)度計(jì)劃很難做到快速修正?；谏闲」?jié)DDDAS的基本原理，將DDDAS的思想用于解決鋼鐵生產(chǎn)調(diào)度問(wèn)題，得出DDDAS系統(tǒng)架構(gòu)如圖1所示。

圖1　動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)架構(gòu)圖

系統(tǒng)主要由模型庫(kù)、數(shù)據(jù)采集模塊、人機(jī)交互模塊、模型運(yùn)行與控制模塊組成，各模塊功能如下：

1）模型庫(kù)：儲(chǔ)存并管理鋼鐵調(diào)度模型，通過(guò)模型運(yùn)行與控制模塊的評(píng)價(jià)分析結(jié)果相應(yīng)地調(diào)用庫(kù)中相匹配的模型，并對(duì)修正后的模型和信息進(jìn)行管理。

2）數(shù)據(jù)采集模塊：多渠道獲取數(shù)據(jù)，并加以整合。根據(jù)模型控制要求，解析為符合要求的數(shù)據(jù)格式。

3）人機(jī)交互模塊：顯示鋼鐵調(diào)度仿真結(jié)果。支持用戶對(duì)調(diào)度方案進(jìn)行調(diào)整，亦可對(duì)模型控制模塊和數(shù)據(jù)采集模塊進(jìn)行選擇性修正。

4）模型運(yùn)行與控制模塊：調(diào)用模型庫(kù)中的模型并以此控制仿真的運(yùn)行，對(duì)仿真模型的運(yùn)行結(jié)果進(jìn)行分析評(píng)價(jià)，動(dòng)態(tài)修正模型參數(shù)，形成知識(shí)存儲(chǔ)于模型庫(kù)中。分析注入的精度驗(yàn)證數(shù)據(jù)與仿真數(shù)據(jù)的差異，調(diào)整模型并控制數(shù)據(jù)采集。

3　基于多Agent和數(shù)據(jù)驅(qū)動(dòng)的鋼鐵生產(chǎn)線調(diào)度模型

3.1仿真系統(tǒng)總體框架

根據(jù)動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)的鋼鐵生產(chǎn)仿真系統(tǒng)的結(jié)構(gòu)特點(diǎn)，將仿真系統(tǒng)設(shè)計(jì)為動(dòng)態(tài)數(shù)據(jù)注入模塊、仿真驅(qū)動(dòng)與控制模塊、仿真輸出模塊和人機(jī)交互模塊四個(gè)層次，總體框架如圖2所示。

3.2系統(tǒng)模塊結(jié)構(gòu)及其功能

采用多Agent技術(shù)實(shí)現(xiàn)對(duì)鋼鐵生產(chǎn)仿真系統(tǒng)的建模?；诙郃gent技術(shù)的仿真可以作為實(shí)際系統(tǒng)的預(yù)測(cè)器，能夠分析生產(chǎn)過(guò)程中的異常情況并提供決策支持，從而有效地制定最優(yōu)化的生產(chǎn)調(diào)度計(jì)劃[6]。該仿真系統(tǒng)的各個(gè)模塊由各自獨(dú)立又相互聯(lián)系的Agent單元組成，系統(tǒng)各個(gè)模塊的具體結(jié)構(gòu)及功能如下：

1）動(dòng)態(tài)數(shù)據(jù)注入模塊

仿真系統(tǒng)動(dòng)態(tài)接收數(shù)據(jù)并對(duì)該數(shù)據(jù)進(jìn)行處理后做出響應(yīng)是動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)的核心思想，它是DDDAS區(qū)別于傳統(tǒng)仿真的主要特點(diǎn)和優(yōu)勢(shì)[7]。首先，該模塊中的數(shù)據(jù)采集Agent獲取決策優(yōu)化Agent的分析結(jié)果信息，送至數(shù)據(jù)處理Agent進(jìn)行處理。之后，該模塊中的調(diào)度協(xié)同Agent基于數(shù)據(jù)信息處理結(jié)果及生產(chǎn)實(shí)際情況進(jìn)行作業(yè)計(jì)劃的調(diào)整，在制定和調(diào)整作業(yè)計(jì)劃的過(guò)程中，設(shè)定相應(yīng)的約束條件和優(yōu)化目標(biāo)。隨后將更新的作業(yè)計(jì)劃下達(dá)給模型初始化子系統(tǒng)完成調(diào)度模型的更新。

2）仿真驅(qū)動(dòng)與控制模塊

該模塊是基于DDDAS仿真的核心模塊，分為仿真子模塊和仿真控制子模塊兩個(gè)層次。

仿真控制子模塊中每個(gè)Agent接收上級(jí)調(diào)度環(huán)境狀態(tài)信息和其他Agent傳來(lái)的信息，在某些規(guī)則下，在知識(shí)庫(kù)里選擇合適的調(diào)度規(guī)則，對(duì)調(diào)度模型進(jìn)行分析。其中，調(diào)度因素分析Agent接收上層的實(shí)時(shí)生產(chǎn)線數(shù)據(jù)，分析仿真數(shù)據(jù)和實(shí)際數(shù)據(jù)的差異，如參考值比允許的閾值大，則由推理機(jī)進(jìn)行判斷，之后將判斷結(jié)果傳遞給決策優(yōu)化管理Agent。決策優(yōu)化Agent和推理機(jī)共同完成模型和算法的調(diào)整，根據(jù)相應(yīng)的推理規(guī)則，返回最優(yōu)化的調(diào)度方案。

圖2　基于DDDAS的鋼鐵生產(chǎn)仿真系統(tǒng)框架圖

模塊中的仿真子模塊可細(xì)分為調(diào)度生成單元、調(diào)度調(diào)整單元和仿真運(yùn)算單元三個(gè)層次。調(diào)度生成單元采用智能蟻群算法進(jìn)行全局尋優(yōu)，求得一個(gè)初始調(diào)度方案。但該算法有其突出的缺點(diǎn)，搜索初期積累信息素花費(fèi)時(shí)間較長(zhǎng)，且易陷于局部最優(yōu)解[8]。調(diào)度調(diào)整單元?jiǎng)t對(duì)調(diào)度生成單元產(chǎn)生的初始調(diào)度方案進(jìn)行調(diào)整，分析和驗(yàn)證其可行性。該單元主要依賴于啟發(fā)式算法完成調(diào)度方案的修改，它能夠在較短的時(shí)間內(nèi)更新調(diào)度方案，并且精確地描述模型和改善局部解，彌補(bǔ)智能蟻群算法的不足。仿真運(yùn)算單元?jiǎng)t主要完成鋼鐵生產(chǎn)線建模以及調(diào)度方案的仿真。當(dāng)系統(tǒng)運(yùn)行時(shí)，調(diào)度模型能夠基于生產(chǎn)線的實(shí)際情況進(jìn)行動(dòng)態(tài)修正，然后對(duì)調(diào)度方案進(jìn)行仿真分析，生成的仿真分析評(píng)價(jià)數(shù)據(jù)信息則作為判斷依據(jù)實(shí)時(shí)傳遞給調(diào)度調(diào)整單元，從而形成一個(gè)完整的動(dòng)態(tài)反饋的過(guò)程。

3）仿真輸出模塊

仿真輸出模塊主要負(fù)責(zé)將仿真驅(qū)動(dòng)與控制模塊的分析結(jié)果錄入結(jié)果數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)主要存放調(diào)度過(guò)程中的數(shù)據(jù)信息并加以統(tǒng)計(jì)分析，之后以動(dòng)態(tài)圖的形式進(jìn)行結(jié)果表達(dá)，傳遞信息給用戶界面交互Agent，為用戶提供參考依據(jù)。

4）人機(jī)交互模塊

人機(jī)交互模塊負(fù)責(zé)將仿真結(jié)果與決策評(píng)價(jià)信息以可視化的形式展示給用戶。仿真運(yùn)行過(guò)程當(dāng)中，用戶也可以實(shí)時(shí)查看各仿真模塊的運(yùn)作情況，及時(shí)發(fā)現(xiàn)瓶頸因素，針對(duì)模型的不足之處對(duì)其相關(guān)參數(shù)進(jìn)行選擇性修正，指導(dǎo)整個(gè)仿真過(guò)程。

3.3仿真系統(tǒng)運(yùn)行機(jī)制

UML（Unified Modeling Language，統(tǒng)一建模語(yǔ)言）是一種直觀、明確的軟件系統(tǒng)產(chǎn)物的通用可視化語(yǔ)言[9]。UML序列圖能夠清晰地表達(dá)類與類之間的方法調(diào)用（或消息發(fā)送）的實(shí)現(xiàn)過(guò)程，也可以展現(xiàn)用例圖中各功能的實(shí)現(xiàn)方案[10]。針對(duì)鋼鐵生產(chǎn)調(diào)度工藝復(fù)雜及不確定因素多的特點(diǎn)，利用UML序列圖對(duì)本仿真系統(tǒng)進(jìn)行分析，如圖3所示。

從圖3可以看出，當(dāng)仿真調(diào)度系統(tǒng)運(yùn)行時(shí)，其對(duì)象間的協(xié)作關(guān)系為：

1）數(shù)據(jù)采集Agent先基于一定的時(shí)鐘節(jié)拍從生產(chǎn)線上采集生產(chǎn)數(shù)據(jù)，對(duì)比該數(shù)據(jù)與仿真數(shù)據(jù)的差異，調(diào)度因素分析Agent分析兩類數(shù)據(jù)的比較結(jié)果，如若參數(shù)值小于閾值，則等待下個(gè)時(shí)鐘重新采集數(shù)據(jù)；若參數(shù)值大于閾值，則將模型數(shù)據(jù)傳遞給推理機(jī)進(jìn)行分析處理，之后再傳遞給決策優(yōu)化Agent，根據(jù)有關(guān)規(guī)則調(diào)整模型參數(shù)。

2）決策優(yōu)化Agent采用智能搜索算法：智能蟻群算法和啟發(fā)式算法。蟻群算法對(duì)任何可行的調(diào)度方案進(jìn)行全局尋優(yōu)，鑒于該算法易陷入局部最優(yōu)解的不足，再使用啟發(fā)式規(guī)則對(duì)尋得的調(diào)度方案進(jìn)行調(diào)整修正，從而以最短的時(shí)間求得新的決策方案。通過(guò)對(duì)各種方案循環(huán)往復(fù)的仿真驗(yàn)證、對(duì)比分析，最終得出最優(yōu)的決策方案。

圖3　仿真系統(tǒng)運(yùn)行機(jī)制

3）決策優(yōu)化Agent根據(jù)仿真結(jié)果判斷調(diào)度模型是否滿足優(yōu)化條件。若不滿足，則更新決策優(yōu)化模型，進(jìn)行下一輪仿真；否則返回決策方案。

可以看出，該系統(tǒng)可以動(dòng)態(tài)地從實(shí)際系統(tǒng)接收數(shù)據(jù)，應(yīng)用相關(guān)智能搜索算法對(duì)數(shù)據(jù)信息進(jìn)行反復(fù)地優(yōu)化和仿真分析，并且實(shí)時(shí)反饋?zhàn)顑?yōu)決策方案，這種循環(huán)往復(fù)的過(guò)程大大提高了仿真的準(zhǔn)確性和時(shí)效性，同時(shí)也擴(kuò)展了仿真系統(tǒng)的應(yīng)用能力。

4　結(jié)束語(yǔ)

鋼鐵生產(chǎn)過(guò)程工藝繁瑣、隨機(jī)性強(qiáng)。當(dāng)擾動(dòng)事件發(fā)生時(shí)，容易導(dǎo)致傳統(tǒng)靜態(tài)仿真系統(tǒng)調(diào)度方案失效，不利于生產(chǎn)計(jì)劃的編制?；谝陨峡紤]，本文基于DDDAS的思想，采用多Agent技術(shù)并結(jié)合智能搜索算法建立了一種鋼鐵生產(chǎn)線仿真調(diào)度系統(tǒng)，該系統(tǒng)能夠很好地提高仿真的準(zhǔn)確性與實(shí)時(shí)性，為鋼鐵生產(chǎn)調(diào)度問(wèn)題提供了一套優(yōu)化的解決方法和思路。

[1] 彭杰.基于改進(jìn)遺傳算法煉鋼—連鑄生產(chǎn)作業(yè)計(jì)劃編制的研究[D].重慶大學(xué),2013.

[2] Darema F.Dynamic data driven applications systems：New capabilities for application simulations and measurements[M]. Computational Science-ICCS 2005.Springer Berlin Heidelberg, 2005：610-615.

[3] Darema F.Dynamic data driven applications systems：A new paradigm for application simulations and measurements[M]. Computational Science-ICCS 2004. Springer Berlin Heidelberg, 2004：662-669.

[4] Darema F.Dynamic data driven application systems[J].Internet Process Coordination,2002：149.

[5] 朱林,方勝良,吳付祥,顧有林,等.基于動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)的電子戰(zhàn)仿真系統(tǒng)[J].電子信息對(duì)抗技術(shù),2013,28(2)：52-57.

[6] 趙業(yè)清.基于多Agent的鋼鐵生產(chǎn)復(fù)雜物流系統(tǒng)建模與仿真研究[D].昆明理工大學(xué),2011.

[7] 周云.面向?qū)崟r(shí)作戰(zhàn)決策支持的動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)仿真理論和方法研究[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué),2010.

[8] 蘇兆品,蔣建國(guó),梁昌勇,張國(guó)富,夏娜,等.蟻群算法的幾乎處處強(qiáng)收斂性分析[J].電子學(xué)報(bào),2009,37(8)：1646-1650.

[9] Cockburn A.Writing effective use cases[J].Preparation for Addison-Wesley Longman,1999.

[10] 蔣勝龍,鄭忠,高小強(qiáng),何臘梅,等.基于UML的煉鋼物流仿真系統(tǒng)分析與設(shè)計(jì)[J].系統(tǒng)仿真學(xué)報(bào),2007,19(16)：3676-3679,3733.

Research of steel production simulation system based on DDDAS

HUANG Qi1, LIU Li-lan1, WANG Sen2, ZHOU Wei2

TP391.9

A

1009-0134(2016)07-0014-04

2016-04-05

“十二五”國(guó)家科技支撐計(jì)劃資助項(xiàng)目（2015BAF22B01）

黃琦（1992 -），男，湖北人，碩士研究生，研究方向?yàn)殇撹F生產(chǎn)調(diào)度及系統(tǒng)仿真技術(shù)。