关键词：
柔性作业车间
AGV调度
Petri网
A*算法
动态调度
摘要：
自动引导小车(Automated Guided Vehicles,AGV)作为柔性作业车间中不可或缺的智能物流设备,能够很好的满足作业车间中自动化、高柔性、高效率、高可靠性以及并行作业的需求。然而,现阶段柔性作业车间的研究主要关注于生产调度,而忽略了AGV物流转运对整个生产过程造成的影响——仅从生产调度的角度进行优化可能会导致AGV路径无法达到最优;仅从AGV路径最优的角度考虑,可能会导致调度优化结果不符合实际生产需求,从而影响整个柔性作业车间的加工过程。因此,需从路径规划优化、调度模型优化等方面入手,将AGV路径规划与柔性作业车间的生产调度进行集成优化,以提高企业生产效率。本文针对上述问题,开展了以下研究工作:(1)结合实际生产中存在车辆负载和时间窗的需求,建立了考虑AGV负载和时间窗约束的数学模型。同时,为解决AGV路径规划算法中存在非可行解和求解大规模模型效率不高的问题,提出了针对车辆路径问题的改进遗传算法,并应用测试算例,验证了所提算法的可行性和有效性。(2)针对柔性作业车间的Petri网模型,提出了一种A*算法与束搜索算法相结合的两阶段混合搜索算法,对柔性作业车间调度的Petri网模型进行寻优。混合算法在调度活动的早期阶段,采用束搜索对搜索空间智能剪枝,后期阶段采用深度优先算法选取一条可行的次优路径,从而保证以较小的代价找到较好的调度结果。最后,采用两个基准实例对算法的性能进行测试。与其它算法比较的结果显示,这种两阶段混合算法不仅可以改善算法的内存需求,而且能够获得高质量的调度方案。(3)基于动态调度策略,对柔性作业车间中的生产调度与AGV集成优化问题进行动态优化。针对实际生产中柔性作业车间常存在的各类动态事件,提出了事件驱动和周期驱动结合的滚动窗口动态调度策略,建立了柔性作业车间生产调度与AGV的集成优化Petri网模型,并将动态调度策略应用至所提出的调度模型中,通过两类典型的动态调度实例进行了测试。实验结果表明,所提出的动态调度方法,能够有效应对AGV故障和新增订单的两类动态事件。
欢迎来到三峡大学图书馆！
