英语原文共 19 页，剩余内容已隐藏，支付完成后下载完整资料
摘 要
本文提出了一种使用混合遗传算法在FMS环境中对作业和AGV进行集成调度和无冲突进程的算法。该算法可生成集成的计划表和详细的进程路径，同时优化工期，AGV行驶时间以及减少由于避免冲突而造成的工作拖延和延迟而导致的损失成本。多目标适应度函数使用自适应权重方法根据目标改进性能为每一代的每个目标分配权重。模糊专家系统用于控制遗传算子，使用前两代的总体种群性能改进。对用Matlab编码的已开发算法进行了计算实验，以测试该算法的有效性。事实证明，FMS中与AGV的调度，调度和进程同步的作业的集成调度可以确保集成组成元素的所有解决方案的可行性和有效性。
关键词：柔性制造系统（FMS）；自动导引车（AGV）；混合动力算法（HGA）；多目标遗传算法（MOGA）；集成调度；生产计划；机器学习；AGV进程；AGV调度
目 录
1.引言
自动控制系统组件以实现适当的系统功能正在越来越受到关注，并在所有应用领域中迅速得到采用。这是由于向每个组织正确部署自动化技术所带来的巨大收益。提高系统效率，降低运营成本和提高工作精度在一定程度上证明了自动化技术的应用优势。工业自动化是自动化技术应用领域中规模最大且发展迅速的领域。要使自动化制造系统符合柔性制造系统（FMS）的两个必要系统要求，就是能够同时生产各种产品，并且该系统具有适应性，可以安排运行间隔顺序的更改或系统中作业数量的动态更改。 FMS的组件是自动工作站，自动柔性物料处理系统和专用控制系统。自动导引车（AGV）系统是一种灵活的物料搬运设备，可以自动操纵以完成其分配的任务。
由AGV组成的FMS的有效运行需要一种有效的方法来生成无冲突的路线，以使用AGV，调度决策以及同时调度作业和AGV [1、2]。 文献中发现的主要研究空白是现有方法无法集成和可行地同步解决方案，以解决AGV调度，无冲突进程以及作业和AGV的同时调度等子问题。 本文提出的混合多目标遗传算法首先生成作业计划表，然后生成物料搬运请求，并制定AGV的调度和计划决策。 最后，做出无冲突的工艺路线决策，以提供详细的指导路径网络，以用于服务每种物料处理请求。
2.文献综述
首先，AGV系统在制造工厂中通过引导路径网络的进程被证明是NP完全问题[3]。 由于穷举搜索算法在解决NP完全问题方面存在明显的局限性，因此使用近似算法找到正在考虑的问题的最优解。 先前尝试解决AGV进程问题的近似算法包括拉格朗日松弛方法[4，5]，动态规划方法[6]，混合混合整数规划方法[7，8]，Q学习方法[9]和遗传算法方法[ 10，11]。 所有基于近似算法的AGV进程的共同属性是为单个目标找到最佳解决方案，并且无法集成，调度和调度作业和AGV，而这是使解决方案的优化无效的重要系统要素。
其次，事实证明，在车间或FMS环境中安排作业到机器都是NP难题[12]。同时，机器和AGV的调度是确保所有单个调度有效性的唯一方法[2]。文献中的算法可以同时单独调度作业和AGV，而忽略AGV的进程和调度，包括单目标方法[13-18]和多目标方法[19，20]。 Bilge和Ulusoy提出了一种使用非线性混合整数规划在FMS中同时调度工作站和AGV的算法[15]。Ulusoy和Abdelmaguid等提出了一种基于遗传算法的同时作业和AGV调度方法[21]。 Reddy和Rao首先提出了多目标遗传算法方法来同时调度作业和AGV[20]。 Deroussi等提出了基于混合模拟退火的作业和AGV同步调度方法[18]。 Gnanavel Babu等提出了基于差分进化的FMS和AGV同时调度方法[16]。Zhengetal提出了基于约束编程的AGV和作业同时调度方法[17]。
第三，由于AGV调度，进程和调度的复杂性，解决问题的集成方法对于实现所需的集成子系统功能是必需的。但是，根据我们的研究，重要的研究仅考虑调度，调度或进程。提出仅适用于AGV调度的近似算法的研究包括[22-25]。 Desaulniers等提出了一种结合调度和无冲突进程的算法[26]。唯一尝试稍微扩展集成AGV的调度，进程和调度的研究是Langevin等[6]。但是，该研究仅考虑了简单生产系统布局中的两个AGV，并且不包括作业和机器的调度，这可能会使生成的解决方案不可行。
第四，大多数现实生活中的优化问题都包含感兴趣的参数，这些参数需要多个目标才能获得对该问题的适当优化解决方案。目前，所有针对AGV的无冲突进程和调度的研究都以单一目标为目标，[11]则将旅行时间和工作时间减至最少，而考虑的单一目标包括将旅行时间减至最少[9，27-29]，总工作时间[ 7、8、10]，最短行驶距离[9、27、28]和作业完成时间[24]。文献中识别出的主要研究障碍是，现有方法无法集成和可行地解决AGV调度，冲突等子问题的解决方案-在考虑多个目标的同时，无需进行作业和AGV的进程和同时调度。 Gen等提出了对制造系统元素的集成操作的重要性的评估，以及包括遗传算法在内的解决这类集成问题的进化算法的前景[30]。Aytug等提出了遗传算法解决类似生产运营研究问题的详细前景[31]。为了寻找一种以最佳方式解决问题的方法，遗传算法与其他启发式或优化技术混合在一起。这提供了一种组合组成算法强度来解决问题的方法[32]。这项研究开发了一种用于无冲突AGV进程的算法，该算法使用与模糊逻辑和局部搜索启发式混合的多目标遗传算法，将作业和AGV的调度和同步调度集成在一起。该研究还评估并验证了所开发算法在解决集成问题中的有效性。
3.拟议算法
在本节中，将对所提出的算法及其相应的构成要素进行描述。该算法生成与AGV调度，调度和详细路径进程集成的作业计划表，同时优化工期，AGV行驶时间和因作业拖延而导致的损失成本 和避免冲突导致的延迟。
3.1问题定义
让该布局由双向图网络G表示，其中顶点V代表各个工作站中的拾取和放置位置以及引导路径网络的制造设施布局交叉点，而边缘E代表链接这些顶点的引导路径。 本研究中感兴趣的定义变量如下：
Pr 作业操作优先级数组
Mo 机器每个运算数组的处理时间
Al FMS布局邻接矩阵
DAl FMS布局的动态邻接矩阵
Chrr 代表细节进程的亚染色体
Chrs 代表工作序列的亚染色体
Chrd 代表AGV调度的亚染色体
Chro 亚染色体代表机器上的操作计划
Ro 用于当前所有人口的所有物料处理请求的数组
Sj 当前所有人口的工作排序阵列
Os 分配给机器进行调度的操作
ts 作业开始时间
te 操作完成时间
tM 时间表的总完成时间
Tt AGV请求加载的行车时间
Ts AGV请求执行开始时间
Te AGV空车行驶时间
El 代表连接工作站和交叉口的布局路径的边
Vl 代表工作站和路径交叉点的顶点
Eelg 与当前顶点相邻的合格边集
i,j 工作指数
Hp 用于AGV的详细路线矩阵的解码矩阵
Shj 作业时间表的解码矩阵
dagv AGV调度和调度的解码矩阵
Nagv 系统中活动AGV的总数
p 系统中当前的作业总数
q 系统中作业所需的操作总数
r 所需的已加载AGV行程总数
s 布局表示中的顶点总数
u AGV载货旅行和空旅行的总数
Js 系统中当前的一系列作业
Jn 一系列新作业已添加到系统
Dj 工作截止日期
ma 活跃机器阵列
pc 交叉概率
pm 突变和迁移概率
Wo 物镜权重
popgen 当前世代中单个解决方案的数量
3.2假设与限制
所考虑的假设如下
1.每个AGV一次处理一个物料处理请求。
2.所有AGV均以恒定速度行驶。
3.没有工作优先权。
4.在作业的处理时间中包括了将作业加载到计算机上的时间。
5.假定所有操作的机器设置时间为零。
3.3提出的动态混合多目标进化算法
本节概述了针对同步作业和AGV调度而开发的混合多目标遗传算法以及通过指导路径进行的集成无冲突AGV详细信息进程的概述。
整个系统体系结构的描述如图1所示。首先，动态车间监督系统负责请求安排新的工作和变更的结果，同时监视集成进度表的执行情况。 其次，集成的计划/重新计划初始化使计划程序输入参数与系统中当前正在运行的计划保持一致； 这包括确定在下表中使用的已完成操作，过程中操作以及要使用的活动机器数。 第三，集成算法以协作方式生成作业调度，AGV调度和用于进程AGV的无冲突详细路径。 最后，下载集成算法结果以在系统上执行。
动态FMS楼层监控系统
综合时间表/重新安排
整合算法
图1系统架构
AGV
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[238838]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
