一种自动化生产线建模与布局规划方法及系统技术方案

本申请一种自动化生产线建模与布局规划方法及系统，方法步骤包括：(1)使用训练网络对实际生产线进行数据特征提取建立模型，其中在训练网络的权值更新中使用了邻近梯度算法；(2)使用Petri网构建生产功能对应的TCPN模型，重构实际生产线，联接各生产功能的TCPN模型得到生产线的OOTCPN模型；(3)基于OOTCPN模型使用自适应遗传算法进行布局规划，选择适应度高的个体进行迭代接近最优解，对生产线的工艺布局和物流布局提供了规划方案；对实际生产线进行建模仿真和给出对应的布局规划建议，通过模型对生产过程进行模拟、分析和评估，更好地指导自动化生产线的模块化和标准化。

An automatic production line modeling and layout planning method and system

【技术实现步骤摘要】
一种自动化生产线建模与布局规划方法及系统
本专利技术属于自动化生产线领域，具体涉及一种自动化生产线建模与布局规划方法及系统。
技术介绍
随着工业4.0、中国制造2025等概念的相继提出，制造业的转型升级越发引起社会的重视，其中尤以小家电制造为典型代表。小家电产品型号多，产品迭代速度快，生产排期调整相对频繁，且随着产品质量亟待改善、人力成本增加、市场需求不断趋向个性化等问题的出现，企业从以往大批量、少批次的传统生产方式向小批量、多批次转变，甚至向个性化需求定制发展，而目前小家电制造企业生产技术储备明显不足。不少小家电企业通过引入工业机器人自动化生产线来解决上述问题，但自动化生产线的引入也带来了新的问题。在产品生产线需要调整时，难以快速找到最优布局，企业不可避免地需要根据市场需求不断地调整工艺布局和物流布局，但由于机器人体积庞大，调整的过程往往会造成很多不必要的人力物力损失；而现在的生产线建模技术尚未能实时调整模拟生产线模型以最大程度地贴合实际的生产线。因此有必要提供一种适用于自动化生产线的建模和仿真的方法，以便于企业找到生产线工艺布局和物流布局的最优解，达到在保质保量的基础上提升产品的生产效率的目的。
技术实现思路
基于此，本专利技术旨在提供一种自动化生产线建模与布局规划方法及系统，通过对历史状态和在线状态的工业数据进行特征提取和降维，构建包括生产线各个生产功能模块的生产线模型，实现对实际生产线的重构，基于重构的生产线模型利用自适应遗传算法迭代出工艺和物流布局的最优解，解决现阶段无法实时调整生产线模型以提供布局最优解的技术问题。本专利技术一种自动化生产线建模与布局规划方法，包括模块化建模和布局规划，模块化建模步骤包括：利用训练网络对生产线的工业数据进行特征提取，使用邻近梯度算法对训练网络的权值迭代更新并计算训练网络的梯度和权值的修正梯度，根据修正梯度计算训练网络的前项输出，计算前项输出与设定值的差值获得输出误差，当输出误差满足设定条件时输出生产功能模型；根据生产功能模型与动态模型的映射关系获得生产功能模型对应的Petri网TCPN模型，根据实际生产线中各生产功能之间的输入输出关系把多个TCPN模型联接得到生产线的OOTCPN模型；布局规划步骤包括：基于OOTCPN模型，定义适应度函数，按照随机联赛规则从群体中选择N个个体分别计算各个个体的适应度，计算N个个体的平均适应度favg和最大适应度fmax，根据favg和fmax计算交叉概率Pc和变异概率Pm，根据Pc和Pm对群体进行交叉和变异操作产生新个体，计算新个体的适应度，选取适应度高的新个体遗传到下一代，当群体的进化情况满足终止条件时输出布局最优解。优选地，工业数据包括：实际生产线的历史数据和在线数据。优选地，模块化建模步骤还包括：把实际生产线的各生产设备根据生产功能聚合分类。优选地，使用邻近梯度算法对训练网络的权值迭代更新并计算权值的修正梯度包括：定义训练网络的目标函数为其中，是误差的平方和，是l2正则化项，ti和yi分别表示期望输出值和实际输出值，表示输出层的权值，L是分类器隐含层节点数，为权衡系数；使用邻近梯度算法对目标函数的最小化解优化，则最小化解表示为其中k表示迭代次数，w表示训练网络的权值，ηk＝k/(k+3)，δl+1是第l+1层的梯度，al为第l层输出层的输出值；利用下式计算训练网络修正梯度其中，表示第l层输出层的权值，f′(zl)表示所述训练网络激活函数f的导数，zl表示第l层输出层的输入值，“*”表示卷积操作。优选地，前项输出包括：权值、网络层数、最大迭代次数中的至少一个。优选地，根据favg和fmax计算交叉概率Pc，根据Pc对群体进行交叉操作包括：把群体中的N个体进行随机配对共组成N/2对，对每一对个体，使用下式计算交叉概率Pc并进行交叉操作，其中Pc1，Pc2为算法的设计参数，f′为组合为一对的两个个体的适应度平均值，随机产生组合交叉算子R1，其中0＜R1＜1，当R＜Pc时对配对的个体进行交叉。优选地，根据favg和fmax计算变异概率Pm，根据Pm对群体进行变异操作包括：利用下式计算变异概率并进行变异操作其中Pm1，Pm2为设计参数，f为组合为一对的两个个体的适应度平均值，随机产生变异算子R2，其中0＜R2＜1，当R＜Pm时进行变异。优选地，终止条件包括：群体的进化代数t满足t≥T，其中T为设定的迭代阈值。优选地，终止条件还包括：连续10代布局最优解得到改善。优选地，选取卷积神经网络作为训练网络。一种自动化生产线建模与布局规划系统，包括：工业数据特征提取模块，生产功能模型建立模块，映射建立模块，TCPN模型生成模块，适应度计算模块，群体迭代模块；生产功能模型建立模块用于根据不断迭代更新的训练网络权值和梯度计算前项输出，当输出误差满足设定条件时输出对应实际生产线各个生产功能的模型；映射建立模块用于生成生产功能模型与动态模型的映射关系；TCPN模型生成模块用于根据映射关系生成各生产功能模型的TCPN模型，并根据实际生产线各生产功能之间的输入输出关系把多个TCPN模型联接得到生产线的OOTCPN模型；适应度计算模块用于定义适应度函数并计算个体适应度，从而确定个体的平均适应度favg和最大适应度fmax；群体迭代模块还包括交叉单元、变异单元和新群体生成单元，交叉单元用于计算交叉概率和交叉算子，根据交叉算子和交叉概率的关系进行交叉操作；变异单元用于计算变异概率和变异算子，根据交叉算子和交叉概率的关系进行变异操作；新群体生成单元用于把经过交叉和变异操作产生的新个体和父代的群体构成新群体。从以上技术方案可以看出，本专利技术具有以下优点：本专利技术一种自动化生产线建模与布局规划方法及系统，使用训练网络对实际生产线进行数据特征提取建立模型，在权值更新中使用了邻近梯度算法，加快目标函数的收敛速度；使用Petri网构建生产功能对应的TCPN模型，重构实际生产线，能根据实际生产需求以最小的冗余度对生产线进行调整；基于重构的生产线模型使用自适应遗传算法进行布局规划，选择适应度高的个体进行迭代接近最优解，对生产线的工艺布局和物流布局提供了规划方案，更贴合实际需求，提高运营效率；本专利技术基于历史数据和在线数据对生产工序进行分解和合并，最大程度地反映了真实的生产情况；对实际生产线进行建模仿真和给出对应的布局规划建议，通过模型对生产过程进行模拟、分析和评估，更好地指导自动化生产线的模块化和标准化。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。<本文档来自技高网...

【技术保护点】
1.一种自动化生产线建模与布局规划方法，其特征在于，包括：/n利用训练网络对实际生产线的工业数据进行特征提取，使用邻近梯度算法对所述训练网络的权值迭代更新并计算所述训练网络的梯度和所述权值的修正梯度，根据所述修正梯度计算所述训练网络的前项输出，计算所述前项输出与设定值的差值获得输出误差，当所述输出误差满足设定条件时输出生产功能模型；/n根据所述生产功能模型与动态模型的映射关系获得与所述生产功能模型对应的Petri网TCPN模型，根据所述实际生产线中各生产功能之间的输入输出关系把多个所述TCPN模型联接得到生产线的OOTCPN模型；/n基于所述OOTCPN模型，定义适应度函数，按照随机联赛规则从群体中选择N个个体分别计算各个个体的适应度，计算所述N个个体的平均适应度f

【技术特征摘要】
1.一种自动化生产线建模与布局规划方法，其特征在于，包括：
利用训练网络对实际生产线的工业数据进行特征提取，使用邻近梯度算法对所述训练网络的权值迭代更新并计算所述训练网络的梯度和所述权值的修正梯度，根据所述修正梯度计算所述训练网络的前项输出，计算所述前项输出与设定值的差值获得输出误差，当所述输出误差满足设定条件时输出生产功能模型；
根据所述生产功能模型与动态模型的映射关系获得与所述生产功能模型对应的Petri网TCPN模型，根据所述实际生产线中各生产功能之间的输入输出关系把多个所述TCPN模型联接得到生产线的OOTCPN模型；
基于所述OOTCPN模型，定义适应度函数，按照随机联赛规则从群体中选择N个个体分别计算各个个体的适应度，计算所述N个个体的平均适应度favg和最大适应度fmax，根据favg和fmax计算交叉概率Pc和变异概率Pm，根据Pc和Pm对群体进行交叉和变异操作产生新个体，计算新个体的适应度，选取适应度高的新个体遗传到下一代，当群体的进化情况满足终止条件时输出布局最优解。


2.根据权利要求1所述的自动化生产线建模与布局规划方法，其特征在于，所述工业数据包括：
所述实际生产线的历史数据和在线数据。


3.根据权利要求1所述的自动化生产线建模与布局规划方法，其特征在于，所述使用邻近梯度算法对所述训练网络的权值迭代更新并计算所述训练网络的梯度和所述权值的修正梯度包括：
定义所述训练网络的目标函数为其中，是误差的平方和，是l2正则化项，ti和yi分别表示期望输出值和实际输出值，表示输出层的权值，L是分类器隐含层节点数，为权衡系数；
使用所述邻近梯度算法对目标函数的最小化解优化，则所述最小化解表示为其中k表示迭代次数，w表示训练网络的权值，ηk＝k/(k+3)，δl+1是第l+1层的梯度，al为第l层输出层的输出值；
利用下式计算训练网络修正梯度



其中，表示第l层输出层的权值，f′(zl)表示所述训练网络激活函数f的导数，zl表示第l层输出层的输入值，“*”表示卷积操作。


4.根据权利要求1所述的自动化生产线建模与布局规划方法，其特征在于，所述前项输出包括：
所述训练网络的权值、网络层数、最大迭代次数中的至少一个。


5.根据权利要求1所述的自动化生产线建模与布局规划方法，其特征在于，所述根据favg和fmax计算交叉概率Pc，根据Pc...

【专利技术属性】
技术研发人员：陈子聪，王钦若，刘建圻，张慧，郑银湖，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44