一种柔性作业车间的调度方法技术

本发明专利技术提供了一种柔性作业车间的调度方法，属于动态调度技术领域，包括步骤：S1：根据柔性作业车间调度中的预设加工信息建立相应的数学模型；S2：以每道工序的加工完成的时间点作为调度的决策时间点进行时间离散型马尔科夫决策模型的建立；S3：根据数学模型和马尔科夫决策模型建立相应的柔性车间调度环境；S4：根据机器数量和工件数量构建神经网络模型，并训练神经网络模型。本发明专利技术将柔性车间调度问题转换为马尔科夫决策模型，且构建神经网络模型对柔性车间进行调度决策，具有很强的自适应性和实时性，能够在秒级以内的时间内根据环境变化生成合理的调度方案，减少车间环境中不确定扰动对生产过程的影响，大大提高产线生产效率。产效率。产效率。

【技术实现步骤摘要】
一种柔性作业车间的调度方法


[0001]本专利技术属于动态调度
，尤其涉及一种柔性作业车间的调度方法。

技术介绍

[0002]柔性作业车间调度问题(FJSP)在许多实际工业领域中都有应用和发展。FJSP可以认为是作业车间调度问题的延伸。在经典的FJSP中，有n个工件需要在m台机器上加工，每一个工件都需要经历若干个加工步骤，每一个加工步骤都对应一个能够加工的机器集合，加工步骤都需要选定一台机器完成，每台机器在同一时刻只能加工一个工件，每个工件在同一时刻也只能被一台机器加工，通常情况下允许抢占。
[0003]过去的几十年里，许多优化方法被设计出来并应用到作业车间调度问题中以寻找最优解。对于作业车间调度的很多研究致力于不变的静态环境下。而在大多数现实环境中，调度是一个持续的反应过程，其中各种意外中断的出现通常是不可避免的，如机器故障，生产人员的缺席，紧急订单，质量问题返工，交货日期改变以及订单取消等问题，并且不断地迫使系统重新考虑和修改预先建立的调度。这时为解决静态调度问题所提出的传统方法则得不到充分的发挥，不能处理实际生产过程中的不确定事件（如机器故障，加工时间的改变等）。另外，研究人员目前主要使用数学规划（整数规划，动态规划等）或者各种元启发式（遗传算法，进化算法，各种混合算法等）的方法解决柔性作业车间调度问题，在求解大规模的柔性作业车间调度问题时，上述方法求解时间太长，不能满足大规模生产下实时调度的需求。

技术实现思路

[0004]本专利技术的目的是针对现有的技术存在上述问题，提出了一种自适应性强，实时性高，计算速度快且可靠性高的柔性车间调度方法。
[0005]为了实现上述目的，本专利技术采用的技术方案为：一种柔性作业车间的调度方法，包括步骤：S1：根据柔性作业车间调度中的预设加工信息建立相应的数学模型，所述预设加工信息包括机器数量，工件数量，各工序的加工时间，工件的运输时间以及功能转换所需的准备时间；S2：根据柔性作业车间调度中的预设加工信息，以每道工序的加工完成的时间点作为调度的决策时间点进行时间离散型马尔科夫决策模型的建立；S3：根据数学模型和马尔科夫决策模型建立相应的柔性车间调度环境，并构建相关环境预设条件；S4：根据机器数量和工件数量构建神经网络模型，并通过预设算法训练神经网络模型；S5：根据训练后的神经网络模型文件和当前加工信息进行柔性作业车间的调度决策。
[0006]在上述的一种柔性作业车间的调度方法中，步骤S1具体包括：S11：获取柔性作业车间中的工件数量n，机器数量m，加工时间 ，运输时间以及准备时间 ；S12：建立工件完工时间计算方法；S13：建立最小化最大完工时间数学模型。
[0007]在上述的一种柔性作业车间的调度方法中，步骤S12中工件完工时间计算方法具体为：其中， 为工件i的第k道工序在机器j上的加工时间， 为工件从第1道工序到第k
‑
1道工序之间的运输时间， 为机器j从加工上一个工件x的y道工序到加工工件i的第k道工序所需要的准备时间，k=1,2，
…
m。
[0008]在上述的一种柔性作业车间的调度方法中，步骤S13中最小化最大完工时间的数学模型具体为：。
[0009]在上述的一种柔性作业车间的调度方法中，步骤S2中马尔科夫决策模型具体包括定义系统状态空间，定义系统动作以及设置奖励函数，其中，系统状态空间包括工件的状态信息和机器的运行状态信息。
[0010]在上述的一种柔性作业车间的调度方法中，奖励函数具体为：当工件正在机器上加工或机器正在运行，奖励函数 ；当所有工件完工时，奖励函数；式中，oldtime是上一次的完成时间，thistime是在时间当前t时刻下的完成时间。其中，α和β是两个常量，根据不同规模的问题取不同的值，α的取值范围为0.5
‑
1.5，β的取值为所有工件中所有工序的加工时间的平均值。
[0011]在上述的一种柔性作业车间的调度方法中，所述预设条件应满足不同工件或机器之间互不干扰且满足加工要求。
[0012]在上述的一种柔性作业车间的调度方法中，步骤S4具体为：S41：根据工件构建与工件数量一致的多个子网络；S42：设置一个总体网络输出层；S43：将多个子网络的输出层与总体网络输出层进行连接构成一个总体网络，得到神经网络模型；S44：通过预设算法训练神经网络模型。
[0013]在上述的一种柔性作业车间的调度方法中，步骤S41中子网络包括输入层，隐藏层以及输出层，其中，输入层，隐藏层以及输出层中均设置有多个神经元，且输出层中的神经元数量与机器数量一致。
[0014]在上述的一种柔性作业车间的调度方法中，步骤S44具体包括：S441：根据构建的神经网络模型搭建目标网络和估值网络，并对目标网络和估值
网络进行初始化；S442：通过智能体获取车间状态信息，并将状态信息归一化处理后输入到估值网络，且通过估值网络向前传输当前动作的收益值；S443：根据收益值并通过贪婪策略选取要执行的动作，并根据选取的动作确定要加工的工件和分配的机器；S444：重复步骤S442至步骤S443，直至所有工件的所有工序全部被分配在机器上加工；S445：对估值网络和目标网络进行优化更新；S446：判断神经网络的损失函数是否收敛到0，若是，则停止训练并保存神经网络模型，若否，则至步骤S441。
[0015]与现有技术相比，本专利技术具有以下有益效果：1、本专利技术提供的一种柔性作业车间的调度方法，将柔性车间调度问题转换为马尔科夫决策模型，且构建神经网络模型，并使用训练后的神经网络模型对柔性车间进行调度决策，该方法具有很强的自适应性和实时性，能够在秒级以内的时间内根据环境变化生成合理的调度方案，在应对生产过程中出现的突发事件时可以快速响应生成新的调度方案来及时恢复生产，减少车间环境中不确定扰动对生产过程的影响，大大提高产线生产效率；2、本专利技术提供的一种神经网络模型，根据工件的数量构建了同等数量的子网络，再将这些子网络连接在一起构成一个大的网络，使得神经网络能够更好的学习到工件的加工信息，利用该神经网络生成的调度结果中，工件的完工时间更短，大幅提高了工件的完工效率；3、本专利技术中将深度强化学习算法与柔性车间生产调度相结合，形成一种柔性作业车间的调度方法，为生产车间提供合理的调度方案，在环境变换时，可以快速进行计算，得到新的调度结果，解决了产线加工中计划不合理和机器故障引起的生产停滞等问题。
附图说明
[0016]图1是本专利技术一种柔性作业车间的调度方法中的步骤图。
[0017]图2是本专利技术一种柔性作业车间的调度方法中S1具体步骤图。
[0018]图3是本专利技术一种柔性作业车间的调度方法中S4具体步骤图。
[0019]图4是本专利技术一种柔性作业车间的调度方法中S44具体步骤图。
[0020]图5是本专利技术一种柔性作业车间的调度方法中的系统框架图。
具体实施方式
[0021]以下是本专利技术的具体实施例并结合附图，对本专利技术的技术方案作进一步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种柔性作业车间的调度方法，其特征在于，包括步骤：S1：根据柔性作业车间调度中的预设加工信息建立相应的数学模型，所述预设加工信息包括机器数量，工件数量，各工序的加工时间，工件的运输时间以及功能转换所需的准备时间；S2：根据柔性作业车间调度中的预设加工信息，以每道工序的加工完成的时间点作为调度的决策时间点进行时间离散型马尔科夫决策模型的建立；S3：根据数学模型和马尔科夫决策模型建立相应的柔性车间调度环境，并构建相关环境预设条件；S4：根据机器数量和工件数量构建神经网络模型，并通过预设算法训练神经网络模型；S5：根据训练后的神经网络模型文件和当前加工信息进行柔性作业车间的调度决策。2.根据权利要求1所述的一种柔性作业车间的调度方法，其特征在于，步骤S1具体包括：S11：获取柔性作业车间中的工件数量n，机器数量m，加工时间，运输时间以及准备时间；S12：建立工件完工时间计算方法；S13：建立最小化最大完工时间数学模型。3.根据权利要求2所述的一种柔性作业车间的调度方法，其特征在于，步骤S12中工件完工时间计算方法具体为：其中， 为工件i的第k道工序在机器j上的加工时间，为工件从第1道工序到第k
‑
1道工序之间的运输时间，为机器j从加工上一个工件x的y道工序到加工工件i的第i道工序所需要的准备时间，k=1,2，
…
m。4.根据权利要求3所述的一种柔性作业车间的调度方法，其特征在于，步骤S13中最小化最大完工时间的数学模型具体为：。5.根据权利要求1所述的一种柔性作业车间的调度方法，其特征在于，步骤S2中马尔科夫决策模型具体包括定义系统状态空间，定义系统动作以及设置奖励函数，其中，系统状态空间包括工件的状态信息和机器的运行状态信息。6.根据权利要求5所述的一种柔性作业车间的调度方法，其特征在于，奖...

【专利技术属性】
技术研发人员：励春林，刘永奎，王立献，王富龙，张海浪，崔岚岚，陈高平，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：