一种柔性机器人制造单元的调度方法

摘要

本发明所提供的一种柔性机器人制造单元的调度方法，包括根据机器人制造单元的特点和加工工序建立数学模型和析取图模型，确定调度优化的目标函数和优化调度的求解范围、应用遗传算法初始化种群、根据所述遗传算法确定的一组编码，找出所述析取图的关键路径和得到关键路径邻域内的最优解等四步，本发明所提供的一种柔性机器人制造单元的调度方法应用遗传算法与领域搜索算法相结合的混合算法来求得最短完工时间，方便对柔性机器人的调度，有效提高了生产效率，极大的节省了生产成本。

说明书

技术领域

本发明涉及柔性机器人制造单元调度技术领域，具体涉及一种柔性机器人制造单元的调度方法。

背景技术

随着计算机集成制造技术的快速发展，传统制造业发生了重大而深刻的变革，社会的发展使人工劳动力变的越来越昂贵，且其生产效率低下，为了在激烈的市场竞争中得以生存与发展，企业开始应用自动化生产技术来提高生产效率，工业机器人应运而生，搬运机器人是工业机器人的一种应用，它通过增加搬运导轨等形式，能灵活快速的实现物体的转运，因而被广泛应用于制造业，柔性机器人制造单元就是由搬运机器人、机床、搬运导轨等硬件和控制软件组成的新型智能制造系统如附图1所示，它能显著提高生产效率，柔性机器人制造单元在企业的应用过程中产生了新的生产调度问题，目前国内外大多的相关研究集中在传统的Job-Shop车间作业调度问题，而对企业运用的柔性机器人制造单元调度问题研究尚少，因此研究柔性机器人造制单元的调度问题更符合现代企业的生产需求。

发明内容

为了解决上述技术问题，本发明在传统的Job-Shop车间作业研究基础上，提出了一种应用遗传算法与领域搜索算法相结合的柔性机器人制造单元的调度方法。

本发明所采取的技术方案为：

本发明所提供的一种柔性机器人制造单元的调度方法，包括以下步骤：

A.根据机器人制造单元的特点和加工工序建立数学模型和析取图模型，确定调度优化的目标函数和优化调度的求解范围，以所述目标函数值的倒数作为适应函数，确定最小化完工时间为调度优化目标；

B.应用遗传算法初始化种群，并对所述种群中的个体进行评价，经过选择、交叉、变异运算得到下一代群体；

C.根据所述遗传算法确定的一组编码，找出所述析取图的关键路径，并找出所述关键路径上的机床块和机器人块，通过移动关键路径上机床块内加工工序的相对位置、互换关键路径上机器人块内的搬运工序、调整任务分配构建搜索邻域；

D.得到关键路径邻域内的最优解。

进一步地，所述步骤B中采用的遗传算法是启发式搬运工序插入法和启发式搬运任务分配法相结合的三层调度方法。

进一步地，步骤C中的移动关键路径上机床块内加工工序的相对位置遵守的规则为：机床块内非第一道加工工序移动到所有加工工序之前加工或者机床块内非最后一道工序移动到所有加工工序之后加工，计算每一次移动后所得的目标函数，如果其更优则记录。

进一步地，步骤C中的互换关键路径上机器人块内的搬运工序遵守的规则为：机器人块位置的搬运工序分别与其后面位置的搬运工序互换位置，计算每一次互换后所得的目标函数，如果其更优则记录。

进一步地，步骤C中的调整任务分配遵守相邻搬运工序分配给不同机器人的启发式规则，计算每一次调整后所得的目标函数，如果其更优则记录。

本发明的有益效果在于：

本发明所提供的一种柔性机器人制造单元的调度方法应用遗传算法与领域搜索算法相结合的混合算法来确定最短完工时间，方便对柔性机器人的调度，有效提高了生产效率，极大的节省了生产成本。

附图说明

图1是柔性机器人制造单元的结构示意图；

图2是本发明所提供的一种柔性机器人制造单元的调度方法的析取图；

图3是本发明所提供的一种柔性机器人制造单元的调度方法的实施流程图。

具体实施方式

下面结合附图具体阐明本发明的实施方式，附图仅供参考和说明使用，不构成对本发明专利保护范围的限制。

本发明所提供的一种柔性机器人制造单元的调度方法，包括以下步骤：

A.根据机器人制造单元的特点(如图1所示，主要是针对不同布局下的多台加工机床/工作站M1-M4、搬运机器人、装载站、卸载站等特点)和加工工序建立数学模型和析取图模型(如图2所示)，确定调度优化的目标函数和优化调度的求解范围，以所述目标函数值的倒数作为适应函数，确定最化完工时间为调度优化目标；

B.如图3所示，在本实施例中，应用遗传算法对基于机床工序编码产生的初始种群进行初始化，依据加工工序排序，插入机器人搬运工序，并对所述种群中的个体进行评价，即：计算个体的适应值gen，若个体适应值gen不小于最大代数，则输出结果并退出程序，如果个体适应值gen小于最大代数，则通过轮盘赌方法选择种群个体，再经过交叉、变异运算得到下一代群体，本步骤中采用的遗传算法是启发式搬运工序插入法和启发式搬运任务分配法相结合的三层调度方法；

C.根据所述遗传算法确定的一组编码，找出所述析取图的关键路径(如图2所示的灰色阴影部分与箭头表示的关键路径)，并找出所述关键路径上的机床块和机器人块，通过移动关键路径上机床块内加工工序的相对位置、互换关键路径上机器人块内的搬运工序、调整任务分配构建搜索邻域，并对局部块领域进行搜索操作，计算最大完工时间Cmax’，如图3所示，将最大完工时间Cmax’与计算的含搬运工序的job-shop调度模型的Cmax比较，若Cmax’不大于Cmax,则保留原有种群和调度机器工序，若Cmax’大于Cmax，则计算适应值、更新原有种群，并记录最优结果机器工序，比较Cmax’与Cmax后，适应值gen＝gen+1，返回适应值gen与最大代数的比较步骤；

D.通过对最大完工时间Cmax’的优化，得到关键路径邻域内的最优解。

在上述步骤C中，移动关键路径上机床块内加工工序的相对位置遵守的规则为：机床块内非第一道加工工序移动到所有加工工序之前加工或者机床块内非最后一道工序移动到所有加工工序之后加工，计算每一次移动后所得的目标函数，如果其更优则记录；

在上述步骤C中，互换关键路径上机器人块内的搬运工序遵守的规则为：机器人块位置的搬运工序分别与其后面位置的搬运工序互换位置，计算每一次互换后所得的目标函数，如果其更优则记录；

在上述步骤C中，调整任务分配遵守相邻搬运工序分配给不同机器人的启发式规则，计算每一次调整后所得的目标函数，如果其更优则记录；

本发明所提供的一种柔性机器人制造单元的调度方法应用遗传算法与领域搜索算法相结合的混合算法来确定最短完工时间，方便对柔性机器人的调度，有效提高了生产效率和节省生产成本。

以上所揭露的仅为本发明的较佳实施例，不能以此来限定本发明的权利保护范围，因此依本发明申请专利范围所作的等同变化，仍属本发明所涵盖的范围。