【环形智能加工系统】是一种高效自动化生产模式,其中RGV(Rail Guided Vehicle,轨道导向车)在其中起着关键作用。RGV负责在加工系统中的不同工位之间运输物料,以确保生产流程的顺畅。本文关注的是如何在动态环境中优化RGV的调度策略,以提高整体系统的效率。
【RGV动态调度策略】是指根据实时系统状态调整RGV的行动方案,以减少等待时间,避免冲突,防止设备故障造成的延误。文中提到了几种现有的调度策略,如张桂琴等人提出的智能调度算法和避碰防撞算法,以及沈艳等人基于反馈控制和预测机制的动态调度策略。然而,这些策略并未充分考虑实际加工情境。
【状态转移模型】是基于马尔科夫决策过程(MDP)理论建立的,该理论在决策制定中考虑了当前状态和未来可能状态之间的转移。在本研究中,RGV被视为决策者,其决策基于执行任务所需时间的动态优先级。初始状态设定为RGV位于CNC1#和CNC2#之间,所有CNC处于空闲状态。
【状态分析】包括物料、CNC(Computer Numerical Control,计算机数控机床)及RGV的状态描述。物料的状态由上料和下料时刻决定,CNC的状态则包括加工时间、上下料时间、工作状态(加工或空闲)以及机器故障状态。在CNC有1%概率发生故障的情境下,需要考虑故障的发生和排除时间。
【MDP优化算法】是通过数值迭代方法设计的,用于求解在未知动态环境下,一道工序物料加工过程中的最优调度策略。这种方法能够处理系统的不确定性和随机性,以确保在面对CNC故障等突发情况时,仍能维持系统的高效运行。
本文的重点在于运用MDP理论构建状态转移模型,并设计迭代寻优算法,以解决环形智能加工系统中RGV在面临CNC可能故障的动态环境下的调度问题。通过这种方式,可以最大化利用RGV的能力,最小化加工延迟,提升整体系统的生产效率。这样的研究成果对于实际的智能制造系统设计与优化具有重要的参考价值。