[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
• 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任公司 51200
• 代理人: 舒啟龍

本發(fā)明公開了一種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，該方法首先采用離散事件建模仿真方法理論構(gòu)建AGV系統(tǒng)仿真模型，然后對設(shè)計參數(shù)和目標性能進行靈敏性分析以縮減設(shè)計空間，隨后設(shè)計多因素水平試驗進行回歸分析擬合二階多項式數(shù)學模型，最后用帶權(quán)重的滿意度函數(shù)方法來求解多目標優(yōu)化模型從而獲得AGV系統(tǒng)最優(yōu)化參數(shù)配置。本發(fā)明提供的方法實施方便，簡潔高效，能夠?qū)GV系統(tǒng)進行有效的參數(shù)配置。

技術(shù)領(lǐng)域

本發(fā)明屬于AGV系統(tǒng)應(yīng)用領(lǐng)域，具體涉及一種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。

背景技術(shù)

由于AGV(Automated Guided Vehicle)具有高柔性，自動裝卸，自動導航，配置靈活等特點，由多AGV組成的AGVs(Automated Guided Vehicles system)物流系統(tǒng)在制造系統(tǒng)、物流倉儲、自動化集裝箱碼頭等場合得到越來越多的應(yīng)用。其中AGV的參數(shù)優(yōu)化配置至關(guān)重要，對AGV系統(tǒng)能否高效發(fā)揮作用至關(guān)重要。然而由于AGVs系統(tǒng)涉及眾多變量且具有高度的復(fù)雜性、動態(tài)性和隨機性特點，如何對AGVs系統(tǒng)進行參數(shù)優(yōu)化配置是不明確且困難的，目前并沒有十分完善的方法。

目前對AGVs參數(shù)優(yōu)化配置的方法一般有：采用整數(shù)規(guī)劃、回歸模型、排隊論、智能算法及基于仿真等方法。如Johnson采用二進制整數(shù)規(guī)劃模型和枚舉算法求解AGV車輛需求問題。Choobineh等將AGV系統(tǒng)建模為一個閉環(huán)排隊網(wǎng)絡(luò)，考慮裝載和空裝載時間以及裝載、卸載和阻塞時間，在排隊網(wǎng)絡(luò)的穩(wěn)態(tài)行為下用線性程序估計AGV的數(shù)量。黃一鈞基于排隊論方法建立AGV數(shù)量配置模型，簡潔易行求解速度快但模型并不能完全反映實際細節(jié)。Rajotia等采用混合整數(shù)規(guī)劃方法求解FMS柔性制造系統(tǒng)的最佳AGV數(shù)量使得車輛的空行程最小化，與仿真方法相比其AGV數(shù)量被低估。Chawla建立FMS不同布局下AGV數(shù)量的數(shù)學模型并采用灰狼優(yōu)化算法求解。上述方法都是建立AGV配置優(yōu)化的數(shù)學解析模型求解，具有顯示表達式，不過通常只適于特定的簡化模型，難以完全表征AGV系統(tǒng)的復(fù)雜性和真實性。而基于仿真的方法可以更好地表達AGV系統(tǒng)的真實性和復(fù)雜性，因而使用較多，如Arifin結(jié)合仿真和統(tǒng)計學方法建立回歸模型來評估車間需要的AGV數(shù)量，方法在系統(tǒng)設(shè)計的初始階段有一定參考價值。Gobal建立了基于SIMAN仿真語言的仿真模型來研究滿足物料搬運要求所需的AGV數(shù)量。陶翼飛等針對柔性制造環(huán)境下AGV車輛規(guī)模問題，采用仿真優(yōu)化的方法有效地獲得車輛規(guī)模的優(yōu)化配置，并且計算效率較純仿真實驗有顯著提高，同時彌補了解析方法求解誤差較大的缺點。Yifei等將解析模型的結(jié)果作為仿真模型的輸入，用解析與仿真相結(jié)合的方法求解FMS車間AGV需求問題。張遠春等以生產(chǎn)線產(chǎn)能最大化為目標,建立了以AGV數(shù)量為變量的數(shù)學模型描述AGV數(shù)量配置問題，采用仿真和遺傳算法結(jié)合求解不同AGV的最佳配置數(shù)量。Insup Um等將仿真分析和多目標優(yōu)化相結(jié)合，以最小化擁堵、最大化車輛利用率和最大化吞吐量為目標，對AGV系統(tǒng)的參數(shù)配置進行優(yōu)化。

現(xiàn)有的研究存在兩個問題：首先，大多只考慮AGV的數(shù)量優(yōu)化并分析各種因素(如作業(yè)級別、布局復(fù)雜性和調(diào)度規(guī)則等)對AGV數(shù)量的影響。而其他AGV參數(shù)如AGV速度、AGV加載時間、AGV卸載時間等則被忽略，實際上這些參數(shù)同樣重要需要整體考慮。其次，現(xiàn)有的解決AGV車輛需求問題的方法可歸為數(shù)學解析方法和仿真方法，解析方法需要建立專門的數(shù)學模型和相應(yīng)的算法來解決每個具體的應(yīng)用場景，如果沒有統(tǒng)一的形式，很難得到普遍應(yīng)用，此外解析方法中AGV的數(shù)量經(jīng)常被高估或低估。相比之下，仿真方法可以準確地模擬制造系統(tǒng)的復(fù)雜動態(tài)行為，與優(yōu)化方法相結(jié)合可以準確地評估AGV的需求。但是，仿真方法缺乏清晰的數(shù)學解析形式，需要進行大量的仿真實驗，使得仿真方法成本高時間長。為此，需要將數(shù)學解析方法和仿真方法相結(jié)合，取其各自優(yōu)點，既保證模型的真實性，又具有可行的計算量，從而快速高效準確獲得在多目標下的AGV最優(yōu)化參數(shù)配置。本文結(jié)合離散事件建模與仿真技術(shù)、靈敏性分析、回歸分析與滿意度函數(shù)優(yōu)化方法為AGV系統(tǒng)的參數(shù)優(yōu)化配置提供了一種有效的方法并結(jié)合實例驗證了該方法的有效性。

發(fā)明內(nèi)容