[發明專利]基于遺傳算法分段優化的軌道式自動引導車動態調度方法

有效

• 申請號: 201811203602.1
• 申請日: 2018-10-16
• 公開（公告）號: CN109032150B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 許化強;王晶晶;趙曰峰;張立人
• 申請（專利權）人: 山東師范大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

本發明公開了基于遺傳算法分段優化的軌道式自動引導車動態調度方法，根據各數控機床的狀態參數及預設加工參數分段優化軌道式自動引導車在各個可停靠位置的停靠順序；編碼：將軌道式自動引導車未來N次的停靠位置編碼成一個長度為N的基因串；解碼：將軌道式自動引導車移動N步過程中所完成的工件數與所費時間之比作為基因串適應度；遺傳算法經過交叉、變異、保留精英基因串操作，通過多輪進化獲取最優基因串，并作為軌道式自動引導車未來N次的移動方式。本算法在發現CNC出現故障或從故障中恢復時重新優化RGV未來N次的移動軌跡，因此可以根據系統參數的變化自動調整RGV調度方案，可以自適應CNC隨機故障及故障恢復。

技術領域

本公開涉及工業智能加工技術領域，特別是涉及基于遺傳算法分段優化的軌道式自動引導車動態調度方法。

背景技術

典型的智能加工系統一般包括引導車、若干數控機床及相關的附屬設備構成，一臺數控機床同一時間只能安裝1種刀具加工1個物料，。如果物料的加工過程需要兩道工序，則需要有不同的數控機床安裝不同的刀具分別加工完成。引導車根據指令能在直線軌道上移動和停止等待，同一時間只能執行移動、停止等待、上下料和清洗作業中的一項，這些操作都需要一定的時間。

對于智能加工系統模型，根據CNC的參數設定及狀態優化RGV的移動步驟，包括軌跡或未來N次的停靠位置，不主動更改或控制CNC的工作狀態，因此，如何調度引導車使整個系統的工作效率最高，即每班次(8小時)加工的物料最多，是智能加工系統的主要目的。

發明人在研究中發現，該智能加工系統可以視為一種特殊的作業車間調度問題。對于作業車間調度問題，在算法上屬于NP-hard問題，無法找到線性最優解，其常見求解方式包括啟發式算法、貪婪算法、和聲搜索算法及遺傳算法為代表的各種群智能搜索算法。

然而，這些求解算法并不具有通用性，某一個具體的算法僅能在某一類車間調度問題中取得較好的有效效果。針對具體的車間作業調度問題，以上求解算法僅能提供大致求解框架，還必須根據具體問題的特點先設計具體的求解方案。因此，如何對智能加工系統的引導車進行調度問題，是需要解決的主要技術問題。

發明內容

為了解決現有技術的不足，本公開提供了基于遺傳算法分段優化的軌道式自動引導車動態調度方法，本方法可以根據系統參數自動調整RGV調度方案，可以自適應CNC隨機故障及故障恢復，通過優化RGV移動軌跡提高工件加工效率。

為了實現上述目的，本申請采用以下技術方案：

基于遺傳算法分段優化的軌道式自動引導車動態調度方法，包括：

根據各數控機床的狀態參數及預設加工參數分段優化軌道式自動引導車在各個可停靠位置的停靠順序；

其中，編碼：將軌道式自動引導車可停靠的位置用數字表示，循環使用遺傳算法，每次優化軌道式自動引導車未來N次的停靠位置，直到到達最大工作時間，將軌道式自動引導車未來N次的停靠位置編碼成一個長度為N的基因串；

解碼：軌道式自動引導車在停靠位置上獲取兩側數控機床狀態數據，提供上下料服務，將軌道式自動引導車移動N步過程中所完成的工件數與所費時間之比作為基因串適應度；

遺傳算法經過交叉、變異、保留精英基因串操作，通過多輪進化獲取最優基因串，并作為軌道式自動引導車未來N次的移動方式。

進一步的技術方案，各數控機床的狀態參數及預設加工參數包括：軌道式自動引導車最大工作時間，軌道式自動引導車連續移動設定個位置的時間，軌道式自動引導車為奇數標號的數控機床的上下料時間，軌道式自動引導車為偶數標號的數控機床上下料時間，軌道式自動引導車洗料時間。

進一步的技術方案，在每次執行遺傳算法之前，需要明確優化參數，包括數控機床標號，確定軌道式自動引導車的當前位置，首次優化時軌道式自動引導車的當前位置為0，明確各個數控機床的狀態。