面向RMT的柔性作业车间调度和AGV无冲突路径优化

作     者：张瑷麟 

作者单位：沈阳大学 

学位级别：硕士

导师姓名：董海

授予年度：2024年

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

主      题：柔性车间调度 可重构机床 自动引导小车 路径优化 

摘      要：随着物流系统迅速发展,自动引导小车(Automated Guide Vehicle,AGV)的应用范围也在不断扩展,目前AGV已经广泛应用于工业、军事、交通运输、电子等领域,具有良好的环境适应能力,很强的抗干扰能力和目标识别能力。21世纪的制造业公司正面临全球竞争驱动不可预测的高频市场变化,为了保持竞争力,这些公司必须实现高效生产并快速适应市场变化。而新型制造系统作为这些公司实现目标的关键工具,其设计和应用就显得尤为重要。在这个背景下,可重构性成为了新型制造系统不可或缺的特性。可重构机床(Reconfigurable Manufacturing Tool,RMT)是可重构制造系统的重要组成部分,其广泛应用于加工和制造产品,通过RMT的可重构性,为生产车间提供灵活性和适应性。 因此,针对车间生产过程及AGV运输中可能会出现的路径冲突以及生产时间等问题,本文研究面向RMT的柔性作业车间调度方法,采用基于混沌策略和精英反向学习策略的改进鲸鱼优化算法(Improved WOA with Learning,IWOAL)对具有RMT的柔性作业车间调度问题开展研究,并采用Dijkstra算法优化AGV无冲突路径,主要工作内容如下: 首先,初步构建一个基于柔性车间调度的MILP模型,考虑最小化最大完工时间,综合考虑实际生产中的AGV柔性作业车间的目标约束和生产约束以及机器的可重构性,达到兼顾车间调度经济效益的同时考虑到生产系统的总可用性和绿色智能制造的效果,进一步构建柔性车间调度和AGV无冲突路径问题的MILP模型。 其次,针对以最小化最大完工时间为目标的具有可重构机床的柔性车间调度问题,对鲸鱼优化算法进行改进,提出一种混沌IWOAL算法。使用分段线性混沌映射(Piece Wise Linear Chaotic Map,PWLCM)对种群进行初始化,使鲸鱼个体更为均匀地分布在给定空间内,降低算法陷入局部最优的风险,利用该算法在种群中识别精英个体并对精英个体执行反向学习策略,实现算法收敛速度和局部搜索能力的提升。此外,使用12种测试函数将IWOAL算法与多种智能算法进行对比,验证IWOAL算法性能。 最后,将本文提出的IWOAL算法应用于实际案例,并与四种不同的优化算法进行了对比实验。通过对比分析,验证了IWOAL算法在解决相关问题上的优越性,进一步证明了其在实际应用中的有效性。通过对某汽车零部件生产制造企业进行实例验证,根据其生产数据,采用IWOAL算法得到最优调度方案,并通过Dijkstra算法为该调度方案求解出一个AGV无冲突路径规划路线。此外,依照随机实例进行检验,结果表明在生产车间内利用可重构机床可以缩短制造周期,提高生产率以及系统的灵活性。