基于分解的多目标优化算法的生产线在线动态调度方法技术

本发明专利技术提供一种基于分解的多目标优化算法的生产线在线动态调度方法，涉及车间动态调度技术领域。本方法主要解决了现有方法对动态事件的适应能力低且处理动态事件时必须停机的问题，首先进行初始化，读取工件和机器等的信息，建立优化目标模型，给定约束条件；在初始时刻，用基于分解的多目标优化算法，同时优化完工时间、总拖期、机器总负载和能量消耗等目标；在车间生产过程中，采用混合驱动再调度方式，能在不停机连续工作的情形下，用基于分解的多目标优化算法在新环境中快速产生一个新的动态再调度优化方案，以同时优化车间的完工时间、总拖期、机器总负载和能量消耗。

【技术实现步骤摘要】
基于分解的多目标优化算法的生产线在线动态调度方法
本专利技术涉及车间动态调度
，尤其涉及一种基于分解的多目标优化算法的生产线在线动态调度方法。
技术介绍
柔性作业车间调度问题是传统车间调度问题的扩展形式，是一个NP-hard问题。车间调度包括工序调度和机器调度两个问题，柔性车间调度更加复杂，在于每道工序都能在至少一台机器上加工。通过某种算法在满足约束条件的前提下，实现工件最大完工时间最短、总拖期最小、机器的最大负载最小和能量消耗最小等优化目标。而在实际生产车间中，有很多动态干扰，如“新工件下达”、“机器突发故障”和“故障机器重新工作”等，若再使用原调度方案，则车间效率会大大降低，因此需要采用动态的优化方法来进行车间调度，对实际的生产制造系统具有非常深远的意义。MOEA/D将一个多目标优化问题分解为多个单目标优化的问题，借助权重向量将目标分解为协同优化的多个单目标子问题，能在帕累托平面上得到一组均匀分布的帕累托最优解，使MOEA/D能保持较好的多样性。目前的柔性作业车间调度有以下不足：(1)大多数仅考虑了工件本文档来自技高网...

【技术保护点】
1.一种基于分解的多目标优化算法的生产线在线动态调度方法，其特征在于：包括以下步骤：/n步骤1：进行车间信息的初始化；/n读取初始时刻车间的输入信息，包括每项工件的工序数、释放时间、交货期、每道工序所对应的机器集合、每道工序在对应加工机器上的加工时间、车间的固定功率、零件的传输功率、每台机器的加工功率和固定功率；输入多目标优化算法参数，初始化权重向量；/n步骤2：建立车间优化模型；/n将初始调度时刻视为初始调度点t

【技术特征摘要】
1.一种基于分解的多目标优化算法的生产线在线动态调度方法，其特征在于：包括以下步骤：
步骤1：进行车间信息的初始化；
读取初始时刻车间的输入信息，包括每项工件的工序数、释放时间、交货期、每道工序所对应的机器集合、每道工序在对应加工机器上的加工时间、车间的固定功率、零件的传输功率、每台机器的加工功率和固定功率；输入多目标优化算法参数，初始化权重向量；
步骤2：建立车间优化模型；
将初始调度时刻视为初始调度点t0，将紧急动态事件发生的时刻视为重调度点tr，其中r为大于等于1的正整数；设置周期性调度的时间间隔；其约束条件包括机器加工约束和工件加工约束；
步骤3：使用车间优化模型进行基于分解的多目标优化；
在初始调度时刻t0使用基于分解的多目标优化算法，最小化最大完工时间、总拖期、机器的总负载和能量消耗，预先产生一组Pareto非支配解；在算法优化过程中，有两个种群，pro_matrix中每个个体向量代表所有工件的工序，工件号出现第几次表示工件的第几道工序，mac_matrix中每个个体向量与pro_matrix中向量一一对应，代表加工相应工序的机器；在由父代生成子代的过程中，采用基于工序向量和机器向量的模拟二进制交叉和多项式变异；
步骤4：使用基于分解的多目标优化算法的混合驱动再调度方式进行车间在线动态调度；
在每个重调度点或在每个周期性调度点采用基于分解的多目标优化算法的混合驱动再调度方式，更新车间当前的属性，包括正常工作的机器及其上正在加工的工序、所有工件未加工的工序、新下达的工件和所有工序分配的机器集合；在车间运行过程中，为每种紧急事件预设解决方案，同时考虑空闲时间是否插入工件加工和传输时间来进行约束，若可以插入，将该工件的相应工序插入到该空隙进行加工，若不能插入，则按机器加工的先后顺序加工此道工序，以此来提高调度方案的效率；生成的调度方案作为新的调度方案用于整个车间的调度，直到有新的紧急事件，则再次用基于分解的多目标优化算法进行优化调度，若没有紧急事件的干扰，采用周期性再调度每隔一段时间对调度窗口进行更新。


2.根据权利要求1所述的基于分解的多目标优化算法的生产线在线动态调度方法，其特征在于：步骤2中所述紧急动态事件包括新的工件下达、机器故障以及故障机器重新工作。


3.根据权利要求1所述的基于分解的多目标优化算法的生产线在线动态调度方法，其特征在于：步骤2中所述重调度点时刻包括最大完工时间、总拖期、机器的总负载、能量消耗，
所述最大完工时间为从开始加工到完成当前所有工序的时间，最大完工时间f1(tr)为：



其中n(tr)表示截止到该重调度点时刻车间中的工件总数，第i个工件i∈{1,2,...n(tr)}；Fi(tr)表示工件完成加工的时刻；Bi(tr)表示重调度开始后工件开始加工的时刻；
所述总拖期为所有工件在交货期上的延误值总和，总拖期f2(tr)为：



其中DDi(tr)为工件的交货期；
所述机器的总负载为所有机器所有加工工序加工时间的总和，机器的总负载f3(tr)为：



其中m为车间的机器总数；sk(tr)为调度方案中第k个机器需加工的总工件数；pikj(tr)为调度方案中在第k个机器上加工的第j个工序的加工时间；
所述能量消耗为所有工序在加工时所消耗的能量与车间固有消耗能量的总和，能量消耗f4(tr)为：



其中SE(tr)为开始状态能量消耗，BPjk(tr)表示重调度时刻第k个机器加工第j道工序的基础功率，tjk(tr)表示机器准备时间；PE(tr)为加工状态能量消耗，CUk(tr)为第k个机器的切割功率，Ni(tr)为工件在重调度后剩...

【专利技术属性】
技术研发人员：杨东升，周贤钰，杨之乐，周博文，
申请(专利权)人：东北大学，中国科学院深圳先进技术研究院，
类型：发明
国别省市：辽宁;21