單軌約束條件下多機(jī)器人柔性制造單元的建模與調(diào)度方法研究.pdf

1、隨著我國智能制造戰(zhàn)略的實施，機(jī)器人柔性制造單元被越來越多的制造企業(yè)所采用。針對模具這類單件小批定制生產(chǎn)問題，機(jī)器人柔性制造單元需要進(jìn)行實時調(diào)度以適應(yīng)外部環(huán)境變化以及模具零件類型、加工工藝和工時等隨訂單變化的需求。目前柔性制造單元的理論和方法面臨以下挑戰(zhàn)，模型的結(jié)構(gòu)和規(guī)模隨著工件、機(jī)床或機(jī)器人的變化而變化導(dǎo)致建模繁瑣復(fù)雜;大量工時短、交貨急的工件所需要的柔性搬運對單軌上多移動機(jī)器人的爭奪混亂;給出初始生產(chǎn)計劃后，缺少含死鎖控制和糾正計劃功

2、能的仿真系統(tǒng)進(jìn)行評估和反饋等方面。
　　本文在國家自然科學(xué)基金(51105082)的資助下研究單軌約束條件下多移動機(jī)器人柔性制造單元的建模和調(diào)度問題。結(jié)合模具制造的特點，提出隨機(jī)令牌智能變遷(STITPN)模型理論，探討單軌上多機(jī)器人運動沖突消解問題，實現(xiàn)包含死鎖控制策略和糾正計劃功能的狀態(tài)推演仿真算法，創(chuàng)造多維空間偵察機(jī)制及算法優(yōu)化生產(chǎn)性能，單軌多機(jī)器人柔性制造單元決策支持系統(tǒng)的實施，有助于提高制造單元效率。
　　本文的主

3、要工作包含以下幾個方面:
　　1、分析模具零部件生產(chǎn)的特點，抽象出單軌約束條件下多機(jī)器人柔性制造單元的問題，針對主要的不確定因素進(jìn)行分析，考慮了工件離散隨機(jī)到達(dá)、工序加工時間隨機(jī)分布、機(jī)床可用和休整的隨機(jī)性等因素，最后提出研究的框架。
　　2、針對傳統(tǒng)Petri網(wǎng)模型難以表達(dá)模型結(jié)構(gòu)和規(guī)模隨工件、機(jī)床或機(jī)器人的變化而變化的問題，提出隨機(jī)令牌智能變遷petri網(wǎng)(STITPN)理論。首先，將工件、機(jī)床和機(jī)器人及其組合建模為令牌

4、，接著根據(jù)情景演化路徑建模庫所和變遷，然后建立系統(tǒng)狀態(tài)推演機(jī)制，Petri網(wǎng)中令牌攜帶隨機(jī)實時信息并可以停留在變遷中，變遷根據(jù)令牌的實時信息進(jìn)行觸發(fā)?；赟TITPN理論的制造單元模型，以后只需不斷輸入生產(chǎn)任務(wù)及配置參數(shù)即可推演得到符合約束條件的調(diào)度方案。本文用實例演示建模和狀態(tài)推演過程，輸入經(jīng)典案例數(shù)據(jù)進(jìn)行計算驗證模型理論的有效性。
　　3、在柔性制造單元的STITPN模型中，多機(jī)器人令牌需要主動決定去向，然而在單軌約束條件下的

5、多機(jī)器人柔性搬運存在沖突問題。為此建立多機(jī)器人的運動方程模型、沖突判據(jù)模型和消解策略。當(dāng)驅(qū)動事件發(fā)生時實時規(guī)劃機(jī)器人運動方程，通過聯(lián)立多個方程求解來判斷是否有沖突。提出沖突消解策略，即機(jī)器人的實時規(guī)劃路徑有沖突時需廢棄等待下一驅(qū)動事件，多個機(jī)器人同時啟動但有沖突時按工件優(yōu)先級選擇執(zhí)行，對沖突路徑中的靜止機(jī)器人規(guī)劃運動并循環(huán)檢測沖突等策略。最后，用實例計算和案例應(yīng)用驗證方法的有效性。
　　4、由于初步的總體生產(chǎn)計劃普遍只考慮工件及機(jī)

6、床，沒有考慮機(jī)器人的搬運，需要柔性制造單元的STITPN模型進(jìn)行推演仿真。在資源高度共享中存在死鎖阻塞問題，計劃也可能需要糾正。針對該實際問題，提出變遷的智能函數(shù)、死鎖控制策略和狀態(tài)推演等算法。在變遷的智能函數(shù)中，通過檢測令牌的可移動方向判斷是否滿足觸發(fā)條件，然后按優(yōu)先級移動令牌;為了避免死鎖，工件令牌先預(yù)測資源占用情況再決定是否進(jìn)入搬運變遷;根據(jù)確定好工序選擇的機(jī)床和各工序的處理次序，在模型運行中根據(jù)期望時間觸發(fā)事件，使能變遷并觸發(fā)，

7、由狀態(tài)推演路徑得到完善后的機(jī)床加工計劃和機(jī)器人搬運規(guī)劃。
　　5、在生產(chǎn)計劃優(yōu)化方面，由于工序選擇機(jī)床和工序先后排列存在組合爆炸性問題，本文采用元啟發(fā)式智能算法，由偵察隊伍評估和搜索目標(biāo)所啟發(fā)，提出多維空間偵察機(jī)制及優(yōu)化算法。在評估目標(biāo)方面，將多維空間點解碼為車間計劃，輸入柔性制造單元的STITPN模型中進(jìn)行推演得到的生產(chǎn)性能為適應(yīng)度值。在快速收斂方面，在各士官所代表的優(yōu)化點的各個方向進(jìn)行隨機(jī)擾動尋求最優(yōu)值。在避免過早落入局部最優(yōu)

8、值，擴(kuò)大搜索范圍方面，求出多個信息交互指揮官之間的中心點，在代表指揮官、中心、上限和下限的四個點之間形成新偵察點。本文把經(jīng)典案例數(shù)據(jù)作為生產(chǎn)任務(wù)進(jìn)行優(yōu)化計算，并與典型的算法DE(差分進(jìn)化算法)，ElitistES（進(jìn)化策略），gGA（遺傳算法）和PSO（粒子群優(yōu)化算法）等進(jìn)行比較，本文提出的算法在平均最優(yōu)值方面比DE和PSO好;在最優(yōu)值標(biāo)準(zhǔn)差方面比ElitistES，gGA和PSO好，說明本文提出的偵察算法是很有競爭力的。
　　6