基于效率最大化的RGV動態(tài)調(diào)度的算法設(shè)計與程序驗證

周曉玲　李政　李慧東　張卓力　過昱企

【摘 要】論文旨在研究智能RGV（軌道式導(dǎo)引小車）的動態(tài)調(diào)度策略，針對具體加工過程中的不同情況分別建立以效率最大化為目標(biāo)的多目標(biāo)優(yōu)化模型和實時動態(tài)調(diào)度策略模型。針對加工情況為兩道工序且可能存在故障的情況建立動態(tài)調(diào)度規(guī)則，運用MATLAB軟件對動態(tài)調(diào)度模型進(jìn)行求解，得到最優(yōu)調(diào)度方案。利用組內(nèi)檢驗和組間檢驗對模型的實用性和算法的有效性進(jìn)行了檢驗并評價了模型的優(yōu)缺點。最后，針對RGA可提前預(yù)測CNC完成情況方面對模型進(jìn)行了合理有效展望。

【Abstract】 The aim of this paper is to study the dynamic scheduling strategy of intelligent RGV （orbit guided vehicle）. According to different situation in the concrete manufacturing process， the multi-objective optimization model and the real-time dynamic scheduling strategy model with the goal of efficiency maximization are established respectively. In this paper， a dynamic scheduling rule is established for the case of two processes and possible faults. The dynamic scheduling model is solved by using MATLAB software， and the optimal scheduling scheme is obtained. The practicability of the model and the validity of the algorithm are tested by means of intra-group test and inter-group test， and the advantages and disadvantages of the model are evaluated. Finally， a reasonable and effective prospect is put forward in view of the RGA can predict CNC completion in advance.

【關(guān)鍵詞】多目標(biāo)優(yōu)化模型;RGV動態(tài)調(diào)度規(guī)則;作業(yè)效率;模型檢驗

【Keywords】 multi-objective optimization model RGV dynamic scheduling rules; operating efficiency; model checking

【中圖分類號】TP18 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2019）02-0137-02

1 研究背景

智能加工技術(shù)在現(xiàn)代企業(yè)中的應(yīng)用越來越廣泛，其基本目的是應(yīng)用智能機(jī)器在加工過程中的自動檢測控制以解決一些不確定性的，傳統(tǒng)中要求人工干預(yù)的問題[1]。經(jīng)常用到的智能加工工具是RGV，即軌道式導(dǎo)引小車，是一種在車間或者自動化立體倉庫中沿著軌道運行的物料運送工具[2]。

2 設(shè)備介紹

該智能加工系統(tǒng)由8臺計算機(jī)數(shù)控機(jī)床，一輛軌道式自動引導(dǎo)車，一條RGV直線軌道，一條上料傳送帶，一條下料傳送帶等附屬設(shè)備組成[3]。RGV自帶一個機(jī)械手臂，兩只機(jī)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(wù)。設(shè)備示意圖如下：

3 問題的提出

企業(yè)物料加工過程有兩道工序，每個物料的第一和第二道工序分別由不同的CNC完成。CNC在加工過程中有1%的概率發(fā)生故障，故障排除假設(shè)需要10～20min。 針對上述情況，給出最優(yōu)動態(tài)調(diào)度方案和相應(yīng)的求解算法。

4 模型的建立與求解

首先需要確定各個CNC所配置的刀具。我們建立以在兩種刀具上工作時間只差與RGV在路上時間的和最小為目標(biāo)函數(shù)的優(yōu)化模型。模型建立過程如下：

4.1 目標(biāo)函數(shù)的建立

目標(biāo)一：CNC等待時間盡可能小。

從圖2我們可以看出，同時間段內(nèi)各組物料加工件數(shù)與物料的加工時間密切相關(guān)，物料加工時間越長的組，同時間段內(nèi)該組加工件數(shù)越少。說明模型符合實際情況，同時也說明算法是可行的，從而證明了模型的實用性和算法的有效性。

【參考文獻(xiàn)】

【1】喬非， 吳啟迪. SJ—FMS中RGV的實時調(diào)度與故障調(diào)度[J]. 組合機(jī)床與自動化加工技術(shù)， 1995（3）：39-43.

【2】江唯， 何非， 童一飛， 等. 基于混合算法的環(huán)形軌道RGV系統(tǒng)調(diào)度優(yōu)化研究[J]. 計算機(jī)工程與應(yīng)用唯一官方網(wǎng)站， 2016， 52（22）：242-247.

【3】劉永強(qiáng).基于遺傳算法的RGV動態(tài)調(diào)度研究[D].合肥：合肥工業(yè)大學(xué)，2017.