【摘要】 本发明公开了一种基于实时工况的变权式随机调度方法，分别从各种扰动的分 类、重调度驱动机制、重调度优化集的构建、待加工工件选取规则和重调度优化算 法这几个方面对动态随机重调度问题进行了优化，通过将生产过程中的各种扰动划 分为显性扰动和隐形扰动两类，针对不同类型的扰动采用相应的重调度驱动机制， 快速并有效的处理生产过程中随机出现的各种不确定性问题；适用于多品种、单件 小批量生产模式，能够快速并有效地处理生产调度过程中随机出现的各种不确定性 问题，且与实时工况的耦合能力强，能提高车间生产系统对不确定性工况的自适应 性和生产调度的敏捷性，减少不必要的重调度和提高对工况的反应能力，降低各种 不确定性问题给生产系统带来的损失。 【专利类型】发明授权 【申请人】合肥工业大学 【申请人类型】学校 【申请人地址】230039安徽省合肥市屯溪路193号 【申请人地区】中国 【申请人城市】合肥市 【申请人区县】包河区 【申请号】CN200810122532.7 【申请日】2008-05-30 【申请年份】2008 【公开公告号】CN100593766C 【公开公告日】2010-03-10 【公开公告年份】2010 【授权公告号】CN100593766C 【授权公告日】2010-03-10 【授权公告年份】2010.0 【IPC分类号】G05B19/418; G05B13/02 【发明人】刘明周; 蒋增强; 葛茂根; 沈维蕾; 扈静; 张铭鑫; 刘正琼; 张彦如 【主权项内容】1、基于实时工况的变权式随机调度方法，其特征在于：分别从各种扰动的分类、重调度驱动机制、重调度优化集的构建、待加工工件选取规则和重调度优化算法这几个方面对动态随机重调度问题进行了优化： (1)、通过将生产过程中的各种扰动划分为显性扰动和隐形扰动两类，针对不同类型的扰动采用相应的重调度驱动机制，快速并有效的处理生产过程中随机出现的各种不确定性问题： ①显性扰动：其特点是单独一次发生就会明显影响生产进度，并对生产系统的正常运行产生破坏性影响； ②隐性扰动：其特点是往往一次扰动的发生不会很明显的影响正常的生产进度，但是当这些微小扰动经过一段时间的累加后，同样也会严重影响生产系统的正常运行； (2)、在重调度驱动机制方面，根据生产过程中的不同扰动分别采用相应的重调度驱动规则，即对显性扰动和隐性扰动分别采用主动触发式和被动触发式驱动规则：对于显性扰动，到达临界值时可主动触发重调度；而对于隐性扰动，需要实时监控，根据实际工况确定触发重调度的控制参数的临界值，到达临界值时触发重调度； (3)、在重调度优化集的构建方面，将每一次优化调度中，对待加工工件进行重新选取以组成重调度优化集，这些待加工工件包括上一次调度中发生扰动后尚未加工的工件、上一次调度中未被选取的工件以及新到达的工件；每次重调度只对优化集内的工件进行优化计算，通过不断更新的局部优化实现全局的优化；通过建立重调度优化集，结合滚动时域优化方法，将大规模的全局调度问题在时域上分解为滚动进行的多个调度子问题，对复杂的全局调度问题进行了简化；在每次重调度时应对重调度优化集内的工件进行变权处理，即对工件的权重进行重新评价与调整； (4)、在待加工工件选取规则方面，在选取待加工工件进入重调度优化集时，可根据某个或综合生产目标对各个待加工工件赋予权重，再按照工件权重的大小择优选择工件进入重调度优化集；对于具有相同权重的待加工工件选取规则，是将工件的各工序平均加工时间进行长短匹配；选取工序加工工艺相近的工件进入优化集，减少机器的调整时间；选取工序较多的工件进入优化集，以减少加工工艺约束； (5)、优化目标： 设有m台机器和n个工件，qi表示工件i包含的工序数，Qijk表示工件i的第j道工序在机器k上加工，Sijk表示工件i的第j道工序在机器k上的开始加工时间，Tijk表示工件i的第j道工序在机器k上的加工时间，每个工件包含一道或多道工序并且每道工序在指定的机器上加工；调度目标为将重调度优化集内的工件分配到指定的机器上进行加工，并对加工顺序进行优化排列，使工序间机器空闲时阀最短，提高机器利用率；其中需要满足的假设和约束条件为： ①各个工件加工工序事先已经确定； ②加工过程中不能中途中断每一操作； ③在零时刻所有的工件都可以被加工； ④同一时刻，一台机器只能加工一道工序，工件p和i不能同时被加工，假设工序i在工序p前加工，即： ⑤同一个工件的工序之间有先后约束，上一工序i完成后才能开始下一工序j，即： 优化目标函数为： (6)、在重调度优化算法方面提出了混合微粒群优化Hybrid?PSO算法，相对于基本微粒群优化算法来说主要进行了三个方面的改进： ①为解决离散型优化问题，并方便对实际问题的描述，编码采取自然数编码方式； 算法中的每一个粒子是由N个两位数组成的一个数组，包含了工件-工序-时间-机器的约束，N为所有工件的工序数的总和，每个两位数中第一位数代表要加工的工件，第一位数出现的次数α代表该工件的第α道工序，每个两位数中的第二位代表该工序在哪一台机器上加工； ②进化速度与变异方式借鉴遗传算法的交叉操作与变异操作，简化了进化操作提高了进化效率； 混合微粒群优化算法的变异操作采取交换变异，即在pbest中随机确定N对数字，对每对数字进行位置交换；并且通过改变N可以控制pbest变异的多样性；变异采取变异pbest的方法，即以一定概率将pbest中所有数字交换位置，重新排序；这个概率即为混合粒子群算法的变异率；经过变异的粒子必须为可行解；因此采用随机生成一个新的初始粒子来代替pbest的方法，作为变异； ③将模拟退火算法的Metropolis抽样准则融入到微粒群优化算法中的全局最优位置计算中，有效防止算法在进化过程中陷入局部最优点。 【当前权利人】合肥工业大学 【当前专利权人地址】安徽省合肥市屯溪路193号 【专利权人类型】公立 【统一社会信用代码】12100000400016984P 【引证次数】2.0 【被引证次数】1 【他引次数】2.0 【被他引次数】1.0 【家族引证次数】2.0 【家族被引证次数】41
