CN111598332A - 一种智能制造环境下车间双资源集成调度方法及*** - Google Patents
一种智能制造环境下车间双资源集成调度方法及*** Download PDFInfo
- Publication number
- CN111598332A CN111598332A CN202010407350.5A CN202010407350A CN111598332A CN 111598332 A CN111598332 A CN 111598332A CN 202010407350 A CN202010407350 A CN 202010407350A CN 111598332 A CN111598332 A CN 111598332A
- Authority
- CN
- China
- Prior art keywords
- path
- agv
- sequence
- population
- transportation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000008030 elimination Effects 0.000 claims abstract description 38
- 238000003379 elimination reaction Methods 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims description 18
- 238000003754 machining Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000002068 genetic effect Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010845 search algorithm Methods 0.000 claims description 8
- 230000014759 maintenance of location Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 1
- 238000013468 resource allocation Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种智能制造环境下车间双资源集成调度方法及***，包括以下步骤：建立AGV行驶地图的拓扑模型；根据所述拓扑模型建立双向单路径引导***；采用改进A*路径搜索算法从双向单路径引导***中生成行驶路径；根据改进NSGA‑Ⅱ算法获取机床的加工工件序列；建立基于改进时间窗方法的路径冲突消除策略；根据所述行驶路径、加工工件序列和路径冲突消除策略完成对AGV的调度，实现工件从仓库到机器、机器到机器、机器到仓库的运输。本发明所提供的一种智能制造环境下双资源集成调度方法，提高了资源配置的效率和准确度，降低企业的生产成本。
Description
技术领域
本发明涉及一种智能制造环境下车间双资源集成调度方法及***，属于工业软件运营技术领域。
背景技术
车间调度是一个NP-Hard问题，车间调度虽然已有多种求解方法，然而存在求解稳定性和求解精度不足，算法计算量大，容易陷入局部最优等问题；双资源集成调度是NP-Hard问题的扩展，求解过程更加复杂，随着车间智能化的不断提高，工厂无人化的不断发展，AGV作为智能化生产的关键设备，其代替人工运输被广泛应用在车间与机床协同工作。
对于智能制造车间环境下的加工机器与AGV的集成调度问题，目前存在着求解效果不好，使得资源调配不合理，增加企业的生产成本，企业急需一种高效的双资源调度策略。
发明内容
针对现有技术的不足，本发明提供了一种智能制造环境下车间双资源集成调度方法及***，以解决现有车间环境下双资源配置效率不高的问题。
为解决上述技术问题，本发明采用的技术方案为：
一种智能制造环境下车间双资源集成调度方法，包括以下步骤：
建立AGV行驶地图的拓扑模型；
根据所述拓扑模型建立双向单路径引导***；
采用改进A*路径搜索算法从双向单路径引导***中生成行驶路径；
根据改进NSGA-Ⅱ算法获取机床的加工工件序列；
建立基于改进时间窗方法的路径冲突消除策略；
根据所述行驶路径、加工工件序列和路径冲突消除策略完成对AGV的调度。
进一步的，所述加工工件序列的获取方法如下：
根据工件工序和加工设备随机生成加工工件序列初始种群；
根据贪婪解码算法计算每个加工工件序列的加工时间；
根据所述加工时间计算每个加工工件序列的排序等级和拥挤度；
根据所述排序等级和拥挤度从加工工件序列初始种群中选择加工工件序列遗传种群；
根据工件工序、加工设备的交叉和随机变异从加工工件序列遗传种群中生成新种群；
采用精英保留策略从所述加工工件序列遗传种群中选择父代优秀种群；
由所述新种群和父代优秀种群组合成新的加工工件序列初始种群并重复上述过程；
根据迭代代数重复上述过程，输出最优加工工件序列种群；
根据所述排序等级和拥挤度从最优加工工件序列种群选择最优加工工件序列。
进一步的，所述路径冲突消除策略为：
分别计算后续任务AGV基于等待的路径消除策略和基于路径重新规划的路径消除策略的运输任务完成时间；
选择运输任务完成时间最短的路径消除策对后续任务AGV进行调度。
进一步的，所述方法还包括：如果基于等待的路径消除策略和基于路径重新规划的路径消除策略的运输任务完成时间相等，则选择等待的路径消除策略。
进一步的，所述改进A*路径搜索算法的搜索过程如下；
获取双向单路径引导***中与运输初始点相连的第一路径节点；
根据运输初始点和第一路径节点计算AGV行驶路径的评价函数值；
获取最小的评价函数值对应的第一路径节点，作为新的运输初始点；
重复上述步骤，直到所述新的运输初始点为运输终点；
连接所有的运输初始点即为AGV的行驶路径。
进一步的，所述评价函数值的计算方法包括：
f(p)＝g(p)+h(p)，
式中，f(p)表示AGV运输起点经节点p到AGV运输终点t的距离估计值；g(p)表示AGV运输起点到节点p的实际最短路径长度；h(p)表示节点p到AGV运输终点t的路径长度估计值。
一种智能制造环境下车间双资源集成调度***，所述***包括：
拓扑模型建立模块：用于建立AGV行驶地图的拓扑模型；
双向单路径引导***建立模块：用于根据所述拓扑模型建立双向单路径引导***；
生成模块：用于采用改进A*路径搜索算法从双向单路径引导***中生成行驶路径；
获取模块：用于根据改进NSGA-Ⅱ算法获取机床的加工工件序列；
路径冲突消除策略建立模块：用于建立基于改进时间窗方法的路径冲突消除策略；
调度模块：用于根据所述行驶路径、加工工件序列和路径冲突消除策略完成对AGV的调度。
一种智能制造环境下车间双资源集成调度***，所述***包括处理器和存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据上述所述方法的步骤。
计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述方法的步骤。
与现有技术相比，本发明所达到的有益效果是：
本发明采用改进A*路径搜索算法对多个AGV的AGV进行规划，并建立基于改进时间窗方法的路径冲突消除策略，根据行驶路径和路径冲突消除策略对AGV进行调度，能够实现对车间资源的有效配置；本发明计算简单，求解稳定性好和求解精度高，应用到车间，提高了资源配置的效率，能够有效降低生产成本。
附图说明
图1为双资源调度策略流程图；
图2为拓扑地图模型；
图3为双向单路径引导***；
图4为改进A*路径搜索算法流程图；
图5为改进NSGA-Ⅱ算法流程图；
图6为机床加工工件序列；
图7为车间电子地图；
图8为6台机床6个工件2台机床集成调度示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
智能制造车间环境下双资源调度方法的实施效果与车间基础环境紧密相连，因此本发明以AGV运行环境、路径搜索算法为基础阐述双资源调度方法。
如图1所示，一种智能制造环境下车间双资源集成调度方法，包括以下步骤：
建立AGV行驶地图的拓扑模型；如图2所示，节点表示车间中重要的位置点，包括机床位置、交叉路口、自动仓库等，点与点的连线代表实际环境中的可通路线，边的权值则代表路径的长度。
根据地图拓扑模型建立AGV的双向单路径引导***；如图3所示，AGV可以沿两节点之间的路线双向行驶。
采用改进A*路径搜索算法从双向单路径引导***中生成行驶路径；
采用改进A*路径搜索算法的搜索过程如图4所示，包括如下步骤：初始化两表M和N，表M中是已生成但未评估的点，表N中是已评估过的节点，路径初始搜索时M中放入AGV的运输起始点s，N中为空。然后搜索与AGV运输初始点s相连的节点并放入表M中，此时需要计算评价函数值。改进A*算法的评价函数为f(p)＝g(p)+h(p)，式中f(p):AGV运输起点s经节点p到AGV运输终点t的距离估计值；g(p):AGV运输起点s到节点p的实际最短路径长度；h(p):自定义启发式函数，节点p到AGV运输终点t的路径长度估计值，本发明采用曼哈顿距离作为启发式函数，即h(p)＝|xp-xt|+|yp-yt|。计算评价函数值后并从中找到最小值f(j)对应节点移到表N中，如果存在最小值相等的情况，则本次多条可选路径与前一次两节点形成的路径比较，选择能使AGV直线行驶的路径；其次判断节点j是否为AGV运输终点t，如果是则搜索结束，否则把节点j的相邻未搜索节点移到表M中同时计算相应的评价函数值，求出表M中最小评价值的节点移到N中，判断最小值对应点是否为终点。智能制造车间内是结构化的生产环境，算法搜索过程中经常出现评价函数值相等的情况，原始算法是随机选择对应的一个节点。本文对A*算法进行了改进，如果评价函数值相等，本次确定的多条搜索路径则与前一次两节点形成的路径比较，选择能使AGV直线行驶的路径。
根据改进NSGA-Ⅱ算法获取机床的加工工件序列；
利用改进NSGA-Ⅱ算法得到机床的加工工件序列，即每个机床要加工的工件及先后顺序，详细步骤如下：步骤如图5所示：
1)根据工件工序和加工设备随机生成加工工件序列初始种群；
2)根据贪婪解码算法计算每个加工工件序列的加工时间；
3)根据所述加工时间计算每个加工工件序列的排序等级和拥挤度；
4)竞标赛选择方法根据所述排序等级和拥挤度从加工工件序列初始种群中选择加工工件序列遗传种群；
5)根据工件工序、加工设备的交叉和随机变异从加工工件序列遗传种群中生成新种群；
6)采用精英保留策略从所述加工工件序列遗传种群中选择父代优秀种群；
7)由所述新种群和父代优秀种群组合成新的加工工件序列初始种群并重复上述过程；
8)根据迭代代数重复上述过程，输出最优加工工件序列种群；
9)根据所述排序等级和拥挤度从最优加工工件序列种群选择最优加工工件序列。
本专利所采用的改进NSGA-Ⅱ算法较传统的NSGA-Ⅱ算法在种群选择方面做了改进，考虑到传统精英保留策略后期会对种群中产生的新个体排斥，不利于种群的多样性，容易使算法陷入局部最优，本文在迭代前期使用传统精英保留策略，即合并父代和子代形成总种群，种群根据快速非支配和拥挤度排序，选出等级高和拥挤度大的个体，此策略可改善遗传算法的收敛性，避免进化过程中最优解的丢失，后期采用比例法，使种群中父代最优个体/子代个体保持一定比例，保持种群的多样性，避免算法陷入局部最优。算法求出的最优解是一条染色体，经过解码运算求出机床的加工工件序列，根据任务，加工序列如图6所示，图中2，1＝6表示工件2的第一道工序加工时间6分钟。
建立基于改进时间窗方法的路径冲突消除策略；
建立基于改进时间窗方法的路径冲突消除策略。每求出AGV的一个运输任务，都将把该AGV运输任务的起点、终点、开始时间、结束时间、行走路径及关键点记录存储。若后续AGV任务路径与已确定的AGV运输路径冲突，先前已确定路径保持不变，对后续AGV运输任务进行重新规划。然后判断路径冲突的类型，对后续任务AGV分别计算基于等待的路径消除策略(对AGV在冲突路径外设定等待的时间，待先前运输任务的AGV通过该路段，执行本次任务的AGV再通过)和路径重新规划的路径消除策略(冲突路径的权值即距离设置为无穷大，然后使用改进A*搜索算法重新搜索路径)的运输任务完成时间，采用耗时短的策略。两种策略时间消耗相同，优先选择等待的路径消除策略。
根据加工工件序列、行驶路径和路径冲突消除策略完成对AGV的调度。
详细的调度方法如下所示：
(1)最优解确定机床的加工工件序列，针对个体的加工序列，AGV首先执行“双一”请求任务，即工件第一道工序在该机器上加工和机器本次第一个任务是加工该工件。如果有多个“双一”请求任务，则先运输花费时间少的工件。此时AGV都为无任务AGV，且在相同的位置，因此将随机形成AGV的优先级。“双一”任务完成后，运输“单一”请求任务，即工件第一道工序在该机器上加工。最终使得所有工件从仓库运出。
(2)比较正在加工或在机床缓冲区的所有工件最早可运送时间，形成工件最早可运送时间集，求出最早可运送时间集中的最小值，该最小值对应的工件为要运输的任务，根据机床加工工件序列求出该任务的运输起点和终点。
(3)各AGV竞争该任务，各自计算到达本次任务起点的时间(各AGV运用改进A*算法求出自身目前所在位置到任务起点行驶的路径，判断是否与已有任务路径冲突，如有则采用任务消除策略，然后各AGV求出行走路径，计算出行驶时间)，如果有AGV在运输时间点之前到达，则选择耗时少的AGV，并将该AGV到达运输任务起点这一行驶过程的起点、终点、开始时间、结束时间、行走路径及关键点记录存储。此后根据该运输任务的起点、终点、开始时间，运用改进A*算法求出路径和经过关键点时间，判断有无冲突，如有则采用路径消除策略，最终运输该任务AGV的起点、终点、开始时间、结束时间、行走路径及关键点记录存储。时间计算时如果所有AGV在运输时间点之后到达，则选择优先到达任务点的AGV，方法同上，故不再赘述。
(4)重复过程(2)-(3)，直到最后一个工件运回立体仓库。
本发明采用AGV竞争策略，求出AGV运输的工件，实现工件从仓库到机器、机器到机器、机器到仓库的运输。在这个阶段某些环节需要求解AGV行驶路径，计算耗时，此时改进A*搜索算法将会被使用，如果发生路径冲突，路径冲突消除策略也将被使用。
一种智能制造环境下车间双资源集成调度***，所述***包括：
拓扑模型建立模块：用于建立AGV行驶地图的拓扑模型；
双向单路径引导***建立模块：用于根据所述拓扑模型建立双向单路径引导***；
生成模块：用于采用改进A*路径搜索算法从双向单路径引导***中生成行驶路径；
获取模块：用于根据改进NSGA-Ⅱ算法获取机床的加工工件序列；
路径冲突消除策略建立模块：用于建立基于改进时间窗方法的路径冲突消除策略；
调度模块：用于根据所述行驶路径、加工工件序列和路径冲突消除策略完成对AGV的调度。
一种智能制造环境下车间双资源集成调度***，所述***包括处理器和存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据上述所述方法的步骤。
计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述方法的步骤。
实施例1：
工件开始加工时，首先由AGV从立体仓库中取出毛坯运到相应的机床加工，在该机床的本道工序完成后由AGV运送到其他机床加工，等该工件所有的工序加工完成之后，由AGV运回立体仓库。本次试验的电子地图如图7所示，两机床间距相等为15m，两条横向路相距10m，两条纵向相邻路距为10m，共有6台机床，一个立体仓库。6个工件的加工工序和各个机器对不同工序的加工时间如表1所示。每个路段两台行驶AGV最小距离为L＝2.5m，AGV的行驶速度为V＝0.25m/s。求得的甘特图如图8所示，将该双资源调度策略运用在智能环境下的车间调度中，能够使生产过程中排产更加合理，从而降低企业成本，增加企业利益。
表1
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (9)
1.一种智能制造环境下车间双资源集成调度方法，其特征在于，包括以下步骤：
建立AGV行驶地图的拓扑模型；
根据所述拓扑模型建立双向单路径引导***；
采用改进A*路径搜索算法从双向单路径引导***中生成行驶路径；
根据改进NSGA-Ⅱ算法获取机床的加工工件序列；
建立基于改进时间窗方法的路径冲突消除策略；
根据所述行驶路径、加工工件序列和路径冲突消除策略完成对AGV的调度。
2.根据权利要求1所述的一种智能制造环境下车间双资源集成调度方法，其特征在于，所述加工工件序列的获取方法如下：
根据工件工序和加工设备随机生成加工工件序列初始种群；
根据贪婪解码算法计算每个加工工件序列的加工时间；
根据所述加工时间计算每个加工工件序列的排序等级和拥挤度；
根据所述排序等级和拥挤度从加工工件序列初始种群中选择加工工件序列遗传种群；
根据工件工序、加工设备的交叉和随机变异从加工工件序列遗传种群中生成新种群；
采用精英保留策略从所述加工工件序列遗传种群中选择父代优秀种群；
由所述新种群和父代优秀种群组合成新的加工工件序列初始种群并重复上述过程；
根据迭代代数重复上述过程，输出最优加工工件序列种群；
根据所述排序等级和拥挤度从最优加工工件序列种群选择最优加工工件序列。
3.根据权利要求1所述的一种智能制造环境下车间双资源集成调度方法，其特征在于，所述路径冲突消除策略为：
分别计算后续任务AGV基于等待的路径消除策略和基于路径重新规划的路径消除策略的运输任务完成时间；
选择运输任务完成时间最短的路径消除策对后续任务AGV进行调度。
4.根据权利要求3所述的一种智能制造环境下车间双资源集成调度方法，其特征在于，所述方法还包括：如果基于等待的路径消除策略和基于路径重新规划的路径消除策略的运输任务完成时间相等，则选择等待的路径消除策略。
5.根据权利要求1所述的一种智能制造环境下车间双资源集成调度方法，其特征在于，所述改进A*路径搜索算法的搜索过程如下；
获取双向单路径引导***中与运输初始点相连的第一路径节点；
根据运输初始点和第一路径节点计算AGV行驶路径的评价函数值；
获取最小的评价函数值对应的第一路径节点，作为新的运输初始点；
重复上述步骤，直到所述新的运输初始点为运输终点；
连接所有的运输初始点即为AGV的行驶路径。
6.根据权利要求5所述的一种智能制造环境下车间双资源集成调度方法，其特征在于，所述评价函数值的计算方法包括：
f(p)＝g(p)+h(p)，
式中，f(p)表示AGV运输起点经节点p到AGV运输终点t的距离估计值；g(p)表示AGV运输起点到节点p的实际最短路径长度；h(p)表示节点p到AGV运输终点t的路径长度估计值。
7.一种智能制造环境下车间双资源集成调度***，其特征在于，所述***包括：
拓扑模型建立模块：用于建立AGV行驶地图的拓扑模型；
双向单路径引导***建立模块：用于根据所述拓扑模型建立双向单路径引导***；
生成模块：用于采用改进A*路径搜索算法从双向单路径引导***中生成行驶路径；
获取模块：用于根据改进NSGA-Ⅱ算法获取机床的加工工件序列；
路径冲突消除策略建立模块：用于建立基于改进时间窗方法的路径冲突消除策略；
调度模块：用于根据所述行驶路径、加工工件序列和路径冲突消除策略完成对AGV的调度。
8.一种智能制造环境下车间双资源集成调度***，其特征在于，所述***包括处理器和存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1-6任一项所述方法的步骤。
9.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010407350.5A CN111598332A (zh) | 2020-05-14 | 2020-05-14 | 一种智能制造环境下车间双资源集成调度方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010407350.5A CN111598332A (zh) | 2020-05-14 | 2020-05-14 | 一种智能制造环境下车间双资源集成调度方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111598332A true CN111598332A (zh) | 2020-08-28 |
Family
ID=72187315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010407350.5A Withdrawn CN111598332A (zh) | 2020-05-14 | 2020-05-14 | 一种智能制造环境下车间双资源集成调度方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111598332A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215518A (zh) * | 2020-10-24 | 2021-01-12 | 陈龙龙 | 结合云计算的化妆品生产链调度方法及人工智能云平台 |
| CN112817319A (zh) * | 2021-01-08 | 2021-05-18 | 刘连英 | Agv车的调度方法、***及计算机可读存储介质 |
| CN113658295A (zh) * | 2021-08-12 | 2021-11-16 | 南方电网数字电网研究院有限公司 | 一种基于地理信息的电网沿布图成图方法及装置 |
| CN113778073A (zh) * | 2020-11-10 | 2021-12-10 | 北京京东乾石科技有限公司 | 应用于室内场景的机器人行驶方法、装置以及*** |
| CN114063584A (zh) * | 2021-11-19 | 2022-02-18 | 江苏科技大学 | 一种舰船关重件集成化加工的调度控制方法、装置及*** |
-
2020
- 2020-05-14 CN CN202010407350.5A patent/CN111598332A/zh not_active Withdrawn
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215518A (zh) * | 2020-10-24 | 2021-01-12 | 陈龙龙 | 结合云计算的化妆品生产链调度方法及人工智能云平台 |
| CN113778073A (zh) * | 2020-11-10 | 2021-12-10 | 北京京东乾石科技有限公司 | 应用于室内场景的机器人行驶方法、装置以及*** |
| CN112817319A (zh) * | 2021-01-08 | 2021-05-18 | 刘连英 | Agv车的调度方法、***及计算机可读存储介质 |
| CN113658295A (zh) * | 2021-08-12 | 2021-11-16 | 南方电网数字电网研究院有限公司 | 一种基于地理信息的电网沿布图成图方法及装置 |
| CN114063584A (zh) * | 2021-11-19 | 2022-02-18 | 江苏科技大学 | 一种舰船关重件集成化加工的调度控制方法、装置及*** |
| CN114063584B (zh) * | 2021-11-19 | 2024-04-26 | 江苏科技大学 | 一种舰船关重件集成化加工的调度控制方法、装置及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111598332A (zh) | 一种智能制造环境下车间双资源集成调度方法及*** | |
| CN113074728B (zh) | 基于跳点寻路与协同避障的多agv路径规划方法 | |
| CN110009259B (zh) | 一种应用于双向路径下柔性制造车间的多agv调度方法 | |
| CN105354648B (zh) | Agv调度管理的建模及其优化方法 | |
| CN107179078B (zh) | 一种基于时间窗优化的agv路径规划方法 | |
| CN112833905B (zh) | 基于改进a*算法的分布式多agv无碰撞路径规划方法 | |
| CN111596658A (zh) | 一种多agv无碰撞运行的路径规划方法及调度*** | |
| CN111966050A (zh) | 基于ammas-ga嵌套算法的双资源模具作业车间调度优化方法 | |
| WO2021031272A1 (zh) | 一种基于动态路径规划的agv调度方法 | |
| CN113592158B (zh) | 多agv路径规划和多agv智能生产线中agv与机器联合调度方法 | |
| CN113075927A (zh) | 基于预约表的仓储潜伏式多agv路径规划方法 | |
| CN103942610A (zh) | 基于任务的可重组制造***多态构型优化方法 | |
| CN113703452A (zh) | 一种用于大型仓储环境的agv路径规划方法 | |
| CN113516429B (zh) | 一种基于网络拥堵模型的多agv全局规划方法 | |
| Yifei et al. | An estimate and simulation approach to determining the automated guided vehicle fleet size in FMS | |
| CN109934388A (zh) | 一种用于智能拣选优化*** | |
| CN113960969A (zh) | 一种基于大数据的物流仓储的调度方法及*** | |
| Sun et al. | CROTPN based collision-free and deadlock-free path planning of AGVs in logistic center | |
| CN110263970B (zh) | 一种求解自动轨道小车上料调度问题的混合离散人工蜂群算法 | |
| CN113743747A (zh) | 一种车间环境下的多agv协同调度方法及装置 | |
| CN117132181B (zh) | 一种分布式柔性生产与运输协同调度方法 | |
| JP6741081B2 (ja) | 移動計画装置、移動計画方法、およびプログラム | |
| CN117611029A (zh) | 一种仓储物流***的进程式仿真方法及*** | |
| CN114444239B (zh) | 基于混合遗传算法的作业车间运动轨道路径导向优化方法 | |
| CN114924538A (zh) | 一种基于图结构的多agv实时调度与冲突消解方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200828 |