基于遗传算法的RGV的动态调度模型研究

张甜　宗泽华

摘要：本文建立遗传算法模型，对于RGV，与CNC相互协作完成上下料的动态调度模型进行了综合性分析，建立模型解决物料加工及清洗机器和故障处理等问题，从而得到最佳班次的最佳工序，使其工作效率能够得到有效地提升。

关键词：RGV；动态调度；遗传算法

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2018）09-0092-02

在现代智能加工系统中，RGV，CNC之间互相协作完成一系列如上下料以及物料清洗等情况愈发常见。因此，好的RGV与CNC动态调动策略可有效减少成本损失。本文运用遗传算法尽量减少RGV移动时间，CNC加工时间，上下料耗费时间等得到最佳班次的最佳工序，从而尽可能的生产出多的产品。

1 模型

典型的智能加工系统如图1所示，由8台CNC、1辆RGV、1条RGV直线轨道、1条上料传送带、1条下料传送带等设备组成。RGV根据指令能自动控制移动方向和距离，并自带一个机械手臂、两只机械手爪和物料清洗槽，能够完成上下料及清洗物料等作业任务，且每班次连续作业8小时。

根据系统作业参数[1]，针对下面的三种具体情况：

（1）一道工序的物料加工作业情况，每台CNC安装同样的刀具，物料可以在任一台CNC上加工完成。

（2）两道工序的物料加工作业情况，每个物料第一和第二道工序由两台不同的CNC依次加工完成。

（3）CNC在加工过程中可能发生故障（据统计：故障的发生概率约为1%）的情况，每次故障排除时间介于10～20分钟之间，故障排除后即刻加入作业序列。

完成两项任务：1）对一般问题进行研究，给出RGV动态调度模型和相应的求解算法；2）利用系统作业参数的3组数据分别检验模型的实用性和算法的有效性，给出RGV的调度策略和系统的作业效率。

2 遗传算法的应用

遗传算法是对人类自然演化过程的模拟。人类的自然演化过程是进化过程，这种进化过程发生在染色体上；自然选择使适应值好的染色体比那些适应值差的染色体有更多的繁殖机会；变异可以使子代染色体不同于父代染色体；通过两个父代染色体的结合与重组可以产生全新的染色体。染色体的选择、变异与重组进程是无记忆的。将这些概念反映在数学上就形成了遗传算法的基本概念[2]。

通过遗传算法，我们建立智能RGV动态调度模型大致为：

（1）CNC是否正常（否即进行故障排查）；

（2）CNC发出上料需求信号，此时RGV确定上下料；

（3）上下料完成后进行RGV清洗；

（4）没有接到指令RGV等待；若接到指令，回到（1）；

（5）工作时间进行8小时后结束。

3 模型仿真与结果分析

3.1 对任务一进行仿真与解析

此流程目的是在八小时的工作時间内，尽可能的生产出多的产品。主要耗费时间的地方有：RGV移动的时间，CNC进行加工的时间，上下料耗费的时间，物料清洗耗费的时间，以及CNC出现故障时，处理故障所耗费的时间，大约生产一百件产品就会出现一次故障，耗费10-20分钟进行处理[3]。

通过优化，我们可以得到如下结果，如图2所示。

可以发现，在多次迭代后，种群均值下降，解的变化趋势也趋于稳定，证明该算法应用于此是收敛的。

3.2 对任务二进行仿真与解析

我们需要对于其中一些参数进行调整，具体工作运行图如图3所示。

线性调整，设原适应度函数为f（），调整后的适应度函数为则线性调整可采用：

原适应度平均值要等于调整后的适应度平均值，调整后适应度函数的最大值要等于原适应度函数平均值的所指定倍数。即：

其中C是为得到所期待的最优个体的复制数。实验表明，对于一个不太大的群体而言，C可在1.2～2.0范围内取值。

式中指数k与待求解问题有关，而且在算法过程中可按需要做修正。该调整方式由Gillies提出，他曾在机器视觉实验中采用了该方法，当时，他取=1.005。

对于一个班次一道工序的情况带入模型，发现最优解是1-2-3-4-5-6-7-8-1-2-3-4-5-6-7-8这样的循环，再根据这个循环，带入数据得到表格里面的内容。

对于一个班次两道工序的情况带入模型，得到第一个工序为1-3-5-7，第二个工序为2-4-6-8，为最优，第一个工件在1-2加工，第二个工件在3-4加工，以此类推，然后又由最优流程列出时间和工件的关系函数，带入数据得到第二个表格第一个小表格的数据。如图4所示。

4 结语

本文建立的遗传算法优化模型思维缜密，具有与问题领域无关切快速随机的搜索能力。搜索从群体出发，具有潜在的并行性，可以进行多个个体的同时比较，搜索使用评价函数启发，过程简单。使用概率机制进行迭代，具有随机性。具有可扩展性，容易与其他算法结合[5]。

参考文献

[1]中国工业与应用数学协会，全国大学生数学建模竞赛，2018，B题，表1.

[2]吴启迪，马玉敏，李莉，乔非.数据驱动下的半导体生产线动态调度方法[J].控制理论与应用，2015，32（09）：1233-1239.

[3]梁合兰，杜彦华，李苏剑.时序约束下科学工作流的动态调度研究[J].系统工程理论与实践，2015，35（09）：2410-2421.