基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型内含设计文档和matlab源码.docx
版权申诉
193 浏览量
2024-05-06
10:18:30
上传
评论
收藏 644KB DOCX 举报
1
基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型
摘要
本文从规划模型、多原则求解的角度， 综合了蒙特卡洛模拟与机器学习的思
想， 研究了由 8 台 CNC 、1 辆 RGV
以及其他附属设备组成的智能加工系统的动
态调度问题，并给出了不同工序情况下的具体调度方案。
针对情况一：单工序的作业流程较为简单。首先，利用规划的各个约束条件，
刻画了 RGV 在 CNC 之间的运动过程、单个物料的加工过程、“上下料”时 RGV
手爪的旋转过程、清洗作业的过程、RGV 移动至下一个机床进行加工的过程等
等。此外，还刻画了物料加工与运送的“唯一性”，以及利用 0- 1 变量构造的目
标函数。 规划的目的是，在给定的时间内， 使得加工出的物料数量最多。 然而，
这样的规划是一个 NP
问题， 无法通过传统的方法求解， 所以进而寻求模拟的方
法求得局部最优解。
本文选取了“就近原则”——构造时间代价函数，“FIFO 原则 ”——考虑各
台 CNC 的等待时间， 以及“HRRN
原则”——将时间代价与等待时间进行综合
考虑， 分别对情况一进行了模拟。事实上， 每种原则的结果相同： 第一组数据加
工完成了 383 件物料， 第二组数据加工完成了 360 件物料， 第三组数据加工完成
了 393 件物料。并且，调度的方案全部为 1 →2 → … →8 → 1 → … 此外，第三组数
据的系统效率最高，为 49.125 件/h.
针对情况二： 双工序的作业流程十分复杂。首先， 在情况一的基础上，对规
划的各个约束条件进行修正；并着重刻画了 RGV 移动至下一个机床进行加工的
过程。
此外， 双工序流程中各台 CNC
所负责的工序也是不确定的；因此，本文对
256 种工序布局方案， 结合三种选取原则， 进行了遍历。得到的结果是： 第一组
数据的各台 CNC 最优工序分配为 1-2- 1-2- 1-2- 1-2，三种原则结果一致，最终加工
出 253 件物料；第二组数据的各台 CNC 最优工序分配为 2- 1-2- 1-2- 1-2- 1，“FIFO
原则”和“HRRN 原则”更优， 最终加工出 212 件物料； 第三组数据的各台 CNC
最优工序分配为 1- 1-2- 1-2- 1- 1-2，“就近原则”最优， 最终加工出 241 件物料。此
外， 所有的调度方案均呈现有规律的循环状态。
然后，利用“基于蒙特卡洛的学习算法”，在构造正反馈的前提下“随机”
地尝试以获得更优解。结果反映了， 三种原则中的最优原则， 已非常接近全局最
优。 此外，第一组数据和第三组数据的作业效率一样高，均为 30.125 件/h.
针对情况三： 同时考虑单工序流程与双工序流程。构造了随机变量“是否故
障”、“故障发生时间”和“故障排除时间 ”，并将它们融合进入规划模型。 求解
结果显示， 遭遇故障后， 单工序流程系统效率最多下降了 2.25 件/h，而双工序流
程系统效率最多下降了 1.875 件/h.
本文的亮点在于：首先，利用一般化的公式对系统调度进行了较为细致的机
理分析， 使得模型具有普适性； 其次， 给出了多个调度原则相互比较， 从而有利
于结果更优； 最后，将蒙特卡洛模拟与机器学习的思想相结合，对上述调度原则
的有效性进行验证，增强了模型的说服力。
关键词 规划模型； 多原则比较；蒙特卡洛模拟；机器学习；动态调度
剩余45页未读，继续阅读
资源评论
