[發(fā)明專利]基于回歸分析和滿意度函數(shù)法的AGV系統(tǒng)優(yōu)化配置方法

有效

• 申請?zhí)枺?/td>: 202010960458.7
• 申請日: 2020-09-14
• 公開（公告）號: CN112084580B
• 公開（公告）日: 2022-08-19
• 發(fā)明（設(shè)計）人: 付建林;張劍;江海凡;丁國富;郭沛佩;陳浩杰
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/20;G06F111/04;G06F111/06
• 代理公司: 成都信博專利代理有限責(zé)任公司 51200
• 代理人: 舒啟龍

1.基于回歸分析和滿意度函數(shù)法的AGV系統(tǒng)優(yōu)化配置方法，其特征在于，步驟如下：

步驟1：AGV系統(tǒng)建模、仿真及參數(shù)辨識；

(1)基于離散事件與仿真技術(shù)建立AGV系統(tǒng)仿真模型，并進行參數(shù)設(shè)置與配置，邏輯運行采用二次開發(fā)，對工藝過程和物流過程進行模擬，并校驗仿真模型；

(2)根據(jù)設(shè)計需要、約束和目標，確定AGV系統(tǒng)的設(shè)計參數(shù)與性能指標；

(3)采用靈敏性分析方法測試各設(shè)計參數(shù)對性能指標的靈敏度，每次選取一個設(shè)計變量而固定其他設(shè)計變量，對其進行靈敏性測試，測試設(shè)計變量對性能指標作用的靈敏度，依次對所有變量進行測試，然后對比不同設(shè)計變量的靈敏度，選出靈敏度很弱的變量作為固定參數(shù)，以減少設(shè)計變量提高效率；

步驟2：建立AGV系統(tǒng)二階多項式回歸模型；

設(shè)計多因素多水平仿真試驗，對試驗得到的響應(yīng)指標值進行多因素非線性回歸分析，采用二階多項式數(shù)學(xué)模型建立非線性回歸模型，利用最小二乘法回歸分析獲得二次多項式的回歸系數(shù)，得到目標函數(shù)及約束函數(shù)，由此建立AGV參數(shù)配置的多目標優(yōu)化數(shù)學(xué)模型；

步驟3：基于權(quán)重滿意度函數(shù)法的多目標優(yōu)化；

針對多個目標函數(shù)，運用權(quán)重復(fù)合滿意度函數(shù)計算多目標最優(yōu)化解集，根據(jù)情況考慮性能指標重要度設(shè)置不同目標有不同權(quán)重，利用權(quán)重滿意度函數(shù)獲得多目標最優(yōu)化解集，按照總體滿意度排序，然后根據(jù)實際情況從解集中選擇合適的AGV優(yōu)化參數(shù)集作為最優(yōu)解。

2.根據(jù)權(quán)利要求1所述的基于回歸分析和滿意度函數(shù)法的AGV系統(tǒng)優(yōu)化配置方法，其特征在于，所述步驟2具體為：

采用的回歸模型為二階多項式數(shù)學(xué)模型構(gòu)建，其具體表達式如下：

式中y為響應(yīng)變量，β_i,1≤i≤k為主效應(yīng)系數(shù)，β_ii,1≤i≤k為平方效應(yīng)系數(shù)，β_ij,1≤i,j≤k為交互效應(yīng)系數(shù)，x_i,1≤i≤k、x_j,1≤j≤k為預(yù)測變量，β₀為常量，ε為隨機值表示擬合誤差；

采用方差分析對擬合的數(shù)學(xué)模型進行檢驗，采用F檢驗來檢驗?zāi)Ｐ偷娘@著性，顯著性水平取0.05，若Pr值0.05說明擬合模型是顯著的，能充分代表真實函數(shù)；采用相關(guān)系數(shù)R²、調(diào)整后相關(guān)系數(shù)Ra²和預(yù)測相關(guān)系數(shù)Rp²對模型的精度進行評估，相關(guān)系數(shù)反映了擬合模型能夠符合給定數(shù)據(jù)的程度，大小在[0,1]之間，其值越接近于1表示擬合的效果越好；經(jīng)過合理性和精度檢驗的多個性能指標擬合數(shù)學(xué)模型一起組成了多目標性能優(yōu)化模型。

3.根據(jù)權(quán)利要求1所述的基于回歸分析和滿意度函數(shù)法的AGV系統(tǒng)優(yōu)化配置方法，其特征在于，所述步驟3具體為：

基于滿意度函數(shù)法對每個預(yù)測的響應(yīng)Y_i(x)，將其轉(zhuǎn)換為一個滿意度函數(shù)d_i(Y_i)，其中0≤d_i≤1，其值隨著響應(yīng)值的滿意程度增大而增大，0表示響應(yīng)值在可接受范圍之外，1表示響應(yīng)值等于完全希望或理想的目標值；然后使用幾何平均值將各個滿意度函數(shù)結(jié)合起來，從而得到總體的復(fù)合滿意度函數(shù)D＝(d₁(Y₁)×d₂(Y₂)×...×d_k(Y_k))^1/k，其中k為響應(yīng)個數(shù)，如果有任何響應(yīng)值是不可接受的即d_i(Y_i)為0，那么總體滿意度為0；按照對響應(yīng)的期望值是最大化、最小化還是指定一個目標值，使用不同的滿意度函數(shù)，設(shè)L_i和U_i分別為響應(yīng)的下界和上界；

如果響應(yīng)的期望值為目標值T_i，則其滿意度函數(shù)表達為：

如果響應(yīng)的期望值為最大值，則其滿意度函數(shù)表達為：

如果響應(yīng)的期望值為最小值，則其滿意度函數(shù)表達為：

式中，指數(shù)s和t決定了達到目標值的重要性；當s＝t＝1時，滿意度函數(shù)朝目標值線性增加；當s1,t1，滿意度函數(shù)為凸函數(shù)，當s1,t1，函數(shù)為凹函數(shù)；

滿意度函數(shù)方法的核心是將多目標優(yōu)化轉(zhuǎn)換為單目標優(yōu)化，但由于這種方法的主觀性質(zhì)，用戶在評估產(chǎn)品的可取性價值方面缺乏經(jīng)驗，會導(dǎo)致不準確的結(jié)果；為了彌補這一缺陷，采用考慮各目標不同重要度的加權(quán)幾何均值復(fù)合滿意度函數(shù)；

式中，w_i表示權(quán)重。