一种基于数字孪生的制造车间AGV动态调度方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种基于数字孪生的制造车间AGV动态调度方法、系统、设备及存储介质，主要包括制造车间AGV数字孪生模型建立、AGV调度模型建立、初始调度方案生成、基于数字孪生模型的调度方案仿真与验证、基于动态能耗模型的AGV可用性预测、充电调度6个步骤。将数字孪生技术应用在AGV调度领域，利用数字孪生技术中虚实数据交互的特点，建立准确描述AGV能耗特性的数据模型，为调度方案的生成提供知识支撑；基于数字孪生的动态调度考虑将AGV调度方案的生成分为任务调度与充电调度两个阶段，从而保证调度方案更能贴合实际；数字孪生技术还可以对生成的调度方案的进行仿真验证，使得调度方案能够满足订单任务的需求。度方案能够满足订单任务的需求。度方案能够满足订单任务的需求。

【技术实现步骤摘要】
一种基于数字孪生的制造车间AGV动态调度方法、系统、设备及存储介质


[0001]本专利技术属于制造车间AGV动态调度领域，涉及一种基于数字孪生的制造车间AGV动态调度方法、系统、设备及存储介质。

技术介绍

[0002]AGV调度优化是制造系统中的一个关键过程。其主要工作是优化运输任务的分配和时序管理，以达到减少完成时间、降低能耗、减少资源闲置率等目标。然而，由于现有的方法存在资源可预测性差、任务执行状态感知困难等缺点，AGV调度依然存在难以避免的瓶颈环节——AGV充电。例如，在现有的车间运输系统中，AGV会持续运行直到低于电量阈值，接着前往充电区进行充电直到充满，但是这一充电行为发生的时机和充电时长通常不可控，多数情况下会严重拖延调度计划。因此，一个合理的AGV调度系统不仅应该分配运输任务，还应该能够灵活的分配AGV的充电过程。然而，灵活分配充电就需要提前对AGV未来的能耗曲线进行预测，从而合理的安排AGV的调度方案，数字孪生技术可以对现场采集的大量真实数据和虚拟模型的数据进行融合分析，建立能准确描述AGV能耗特性的动态能耗模型，来预测AGV运本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的制造车间AGV动态调度方法，其特征在于，包括如下步骤：S1、建立AGV调度模型，AGV调度模型包括任务调度模型与充电调度模型；S2、将给定的订单任务信息作为S1得到的任务调度模型的输入，在满足相关约束条件的前提下，采用遗传算法求解任务调度模型，获取任务的分配情况以及相对应的执行顺序，生成初始任务调度方案；S3、判断S2获得的初始任务调度方案的状态：初始任务调度方案为可用状态，继续执行初始任务调度方案；执行初始任务调度方案的过程中存在不可用状态，在S2的基础上将给定的订单任务信息作为S1建立的充电调度模型的输入，在满足相关约束条件的前提下，采用遗传算法进行求解充电调度模型，获取每个AGV的充电时机和每次的充电量，从而获得包含充电过程的充电调度方案。2.根据权利要求1所述的基于数字孪生的制造车间AGV动态调度方法，其特征在于，S1的具体操作步骤如下：S1.1、任务调度模型与充电调度模型有着不同的决策变量，具体的表示如下：1)、任务调度模型决策变量1)、任务调度模型决策变量其中，A
a
表示编号为a的AGV，i表示第i个订单，O
ij
表示订单i的第j道运输任务，i为订单编号；j为工序编号；i'和j'为与i，j订单编号不相同的数据；表示运输任务的分配情况；表示任务的时序管理，即任务的先后顺序；2)、充电调度模型决策变量2)、充电调度模型决策变量其中，决定相应的充电任务单次所充的电量；S1.2、任务调度模型与充电调度模型有着相同的目标函数和约束条件，具体的表示如下：1)目标函数min f＝MS+E其中，MS代表任务的完工周期，E代表AGV总的能量消耗；2)约束条件约束1：运输任务的开始时间不得早于上一个任务的结束时间；
其中，m表示AGV的数量，n表示订单任务的数量，tSO
ij
为O
ij
的开始时间，tCO
ij
为O
ij
运输时间，为A
a
执行完O
ij
前往O
i'j'
取货点的所需时间，tSO
i'j'
表示的是O
i'j'
的开始时间；约束2：AGV的开始装货时间不得早于此工序的加工完成时间；其中，p
i
表示订单i的相应的工序数；tSO
ij+1
表示为O
ij+1
的开始运输时间，其中，O
ij+1
为O
ij
的下一道工序；tPO
ij+1
表示为O
ij+1
所对应的加工时间，其中，O
ij
‑1为O
ij
的上一道工序；约束3：每一个运输任务只能分配给一个AGV；约束4：机床的开始加工时间不得早于上一道工序的加工完成时间；tSPO
ij
≥tSO
ij
‑1+tCO
ij
‑1,j＝2,...,p
i
其中，tSPO
ij
为O
ij
所对应的工序的加工开始时间，tSO
ij
‑1为O
ij
‑1的开始运输时间，其中，O
ij
‑1为O
ij
的上一道工序；tCO
ij
‑1为O
ij
‑1的完成所需时间，其中，O
ij
‑1为O
ij
的上一道工序；约束5：AGV执行任务时的电量不得低于最小阈值；其中，为A
a
实时的电池电量百分比，rt是一整个下标，表示实时时间，d
+
为可调整正数；约束6：AGV单次充电电量不得高于剩余可充电量；3.根据权利要求2所述的基于数字孪生的制造车间AGV动态调度方法，其特征在于，S2的具体操作步骤如下：对于给定的订单任务信息，将给定的订单任务信息作为任务调度模型的输入，在满足相关约束条件的前提下，采用遗传算法进行求解任务调度模型；S2.1、对任务调度模型解的形式进行染色体编码，染色体共分为两段，两段染色体共同决定AGV与任务的对应关系和任务的执行顺序；S2.2、计算当前种群的适应度函数值F，具体表示为：F＝1/f其中，f为调度模型中的优化目标综合值；S2.3、选择种群中的亲代个体，采用轮...

【专利技术属性】
技术研发人员：徐俊，韩文杰，孙铮，梅雪松，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：