一种多机器人产线柔性调度方法技术

本发明专利技术公开一种多机器人产线柔性调度方法，包括以下步骤：S1，根据产线的作业工序要求，建立用于描述各个相邻子任务之间约束关系的矩阵A；S2，在矩阵A的基础上，建立用于描述各个子任务之间顺序约束关系的全局任务约束矩阵B，并采用双向搜索方法从全局任务约束矩阵B的所有元素中选取出源根节点集；S3，从当前的源根节点集中寻找最优子任务分配给作业单元，并更新全局任务约束矩阵B；S4，若无法从源根节点集中选出最优子任务，则新增作业单元重复步骤S3，直至所有子任务分配完成。本发明专利技术通过建立全局任务约束矩阵，以及利用双向搜索从所有子任务节点中筛选源根节点，能够对U型生产线的子任务进行分配。的子任务进行分配。的子任务进行分配。

【技术实现步骤摘要】
一种多机器人产线柔性调度方法


[0001]本专利技术涉及柔性产线调度优化
，尤其涉及一种多机器人产线柔性调度方法。

技术介绍

[0002]目前针对产线调度方法的研究，主要集中于直线型产线的任务调度。然而直线型产线通常场地占用量大、生产过程异常适应性弱、物流成本高、产品切换时间长等不足，因此，探索新型结构的柔性产线机器任务调度方法具有重要的意义。
[0003]近年来，U型产线因其可以减少作业场地、减少搬运、物流路线更加顺畅、生产平衡率高、产品切换时间短、可根据产量调整人数，以及柔性大等优势，被认为是最高效率的生产线布局方法之一。然而，与直线型产线相比，U型产线的任务调度问题存在首尾任务耦合等更复杂的挑战，因此其任务调度问题比传统的直线型产线调度问题更加复杂。
[0004]目前针对产线任务调度的研究，多以启发式算法为主，这类算法一方面难以满足柔性产线任务调度的快速性要求，另一方面，难以处理U型生产线这一类首尾任务耦合的情况。

技术实现思路

[0005]针对上述问题，本专利技术提出一种多机器人产线柔性调度方法，主要解决启发式算法难以优化U型生产线首尾任务耦合的问题。
[0006]为解决上述技术问题，本专利技术第一方面提出了一种多机器人产线柔性调度方法，包括以下步骤：S1，根据产线的作业工序要求，建立用于描述各个子任务相邻之间约束关系的矩阵A；S2，在所述矩阵A的基础上，建立用于描述各个子任务之间顺序约束关系的全局任务约束矩阵B，并采用双向搜索方法从所述全局任务约束矩阵B的所有元素中选取出源根节点集；S3，从当前的所述源根节点集中寻找最优子任务分配给作业单元，并更新所述全局任务约束矩阵B；S4，若无法从所述源根节点集中选出最优子任务，则新增作业单元重复步骤S3，直至所有子任务均分配完成。
[0007]本专利技术第二方面提出了一种多机器人产线柔性调度装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
[0008]本专利技术第三方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0009]本专利技术的有益效果为：通过建立全局任务约束矩阵来描述各个子任务约束关系，
并利用双向搜索从所有子任务节点中筛选根节点与源节点，能够对U型生产线的子任务进行分配，从而优化U型生产线的首尾任务耦合分配过程，相较于传统方法启发式算法具有计算量小、计算效率高的优点。
附图说明
[0010]图1为本专利技术实施例一公开的多机器人产线柔性调度方法的流程示意图；图2为U型产线的布局示意图；图3为以U型产线为基础建立的有向图；图4为本专利技术实施例一公开的矩阵A的构建过程示意图；图5为本专利技术实施例一公开的全局任务约束矩阵B的构建过程示意图；图6为本专利技术实施例一公开的双向搜索方法的流程示意图；图7为本专利技术实施例二公开的多机器人产线柔性调度装置的结构示意图。
具体实施方式
[0011]为使本专利技术的目的、技术方案及优点更加清楚、明确，下面结合附图和具体实施方式对本专利技术的内容做进一步详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部内容。文中出现的第一、第二仅用于区别其后所带的技术特征，无特殊涵义。
[0012]实施例一本实施例面向U型多机器人柔性产线提出了一种多机器人产线柔性调度方法，通过建立全局任务约束矩阵来描述各个子任务约束关系，并利用双向搜索从所有子任务节点中筛选根节点与源节点，能够对U型生产线的子任务进行分配，从而优化U型生产线的首尾任务耦合分配过程，相较于传统方法启发式算法具有计算量小、计算效率高的优点。
[0013]如图1所示，包括以下步骤S1
‑
S4：S1，根据产线的作业工序要求，建立用于描述各个相邻子任务之间约束关系的矩阵A；在S1中，根据产线的作业工序要求建立用于描述各个子任务之间约束关系的有向图，并根据有向图构建矩阵A。以图2所示的U型产线为例，图中的圆圈中的数字代表了子任务编号，即整条产线可以划分为21个子任务（图中没有标注每个子任务所需要的作业时间）。故可得，工人1（相当于作业单元）完成的子任务为1、2、3、21， 工人2完成的子任务是4、18、19、20，工人3完成的子任务是5、6、7，工人4完成的子任务是8、9、16、17， 工人5完成的子任务是10、13、14、15， 工人6完成的子任务是11、12。
[0014]以U型产线为基础，建立如图3所示的有向图（注意，图3与图2并非完全的对应关系，两幅图仅作用为展示本实施例中涉及的原理）。图3主要是为了展示子任务之间依赖关系，以及各个子任务所需要的工作时长。在图3中，圆圈中的数字对应的是子任务的编号，圆圈下方的等代号则是完成这些子任务所需要的工作时长。图中的箭头就表明了子任务之间的依赖关系，箭头的源头为上级子任务，箭头末端为下级子任务，下级子任务
强依赖与上级子任务。 例如，子任务3的上级子任务是子任务1， 子任务的上级子任务3，子任务4的上级子任务是子任务1和子任务2。
[0015]矩阵A的构建过程包括：构造一个行列的第一全零矩阵，将第一全零矩阵的行和列分别与子任务和子任务进行映射，根据有向图判断子任务和子任务之间的任务顺序约束关系，若子任务为子任务的上级任务，则为第一全零矩阵的元素赋值
‑
1，元素赋值1，若子任务为子任务的上级任务，则为第一全零矩阵的元素赋值1，元素赋值
‑
1，直至第一全零矩阵中的全部元素均完成赋值任务，输出由元素A的值组成的矩阵A。矩阵A的构建过程如图4的程序框图所示。
[0016]在一示例中，假设构造一个3行3列的全零矩阵，可得出，该全零矩阵的横坐标代表任务1、任务2和任务3，纵坐标代表任务1、任务2和任务3，从图3的有向图可以得知任务1是任务3的上级任务，因此该全零矩阵的第三行第一列的元素为1，显然，第一行第三列的元素则为
‑
1。而任务1和任务2之间无约束关系，因此第一行第二列，以及第二行第一列的元素均为0。以上示例仅为说明矩阵A的构建过程，并非完全以图3的约束关系来进行构建，若使用图3来构建矩阵A，则需要先构造一个行列的全零矩阵。因此，通过构建上述的矩阵A，能够将相邻子任务之间的约束关系通过矩阵中的元素值直观地展示出来。
[0017]S2，在矩阵A的基础上，建立用于描述各个子任务之间顺序约束关系的全局任务约束矩阵B，并采用双向搜索方法从全局任务约束矩阵B的所有元素中选取出源根节点集；全局任务约束矩阵B的构建过程包括：构造一个行列的第二全零矩阵，将第二全零矩阵的行和列分别与子任务和子任务进行映射，判断元素的值是否为1，若是则新增中间变量，中间变量的初始赋值为1，且值的大小不超过；判断元素的值是否为1，若是则赋值1，赋值
‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多机器人产线柔性调度方法，其特征在于，包括以下步骤：S1，根据产线的作业工序要求，建立用于描述各个相邻子任务相邻之间约束关系的矩阵A；S2，在所述矩阵A的基础上，建立用于描述各个子任务之间顺序约束关系的全局任务约束矩阵B，并采用双向搜索方法从所述全局任务约束矩阵B的所有元素中选取出源根节点集；S3，从当前的所述源根节点集中寻找最优子任务分配给作业单元，并更新所述全局任务约束矩阵B；S4，若无法从所述源根节点集中选出最优子任务，则新增作业单元重复步骤S3，直至所有子任务均分配完成。2.如权利要求1所述的多机器人产线柔性调度方法，其特征在于，在S1中，根据产线的作业工序要求建立用于描述各个子任务之间约束关系的有向图，并根据所述有向图构建所述矩阵A。3.如权利要求2所述的多机器人产线柔性调度方法，其特征在于，所述矩阵A的构建过程包括：构造一个 行列的第一全零矩阵，将所述第一全零矩阵的行和列分别与子任务和子任务进行映射，根据所述有向图判断子任务和子任务之间的任务顺序约束关系，若子任务为子任务的上级任务，则为所述第一全零矩阵的元素赋值
‑
1，元素赋值1，若子任务为子任务的上级任务，则为所述第一全零矩阵的元素赋值1，元素赋值
‑
1，直至所述第一全零矩阵中的全部元素均完成赋值任务，输出由元素A的值组成的所述矩阵A。4.如权利要求3所述的多机器人产线柔性调度方法，其特征在于，所述全局任务约束矩阵B的构建过程包括：构造一个行列的第二全零矩阵，将所述第二全零矩阵的行和列分别与子任务和子任务进行映射，判断元素的值是否为1，若是则新增中间变量，所述中间变量的初始赋值为1，且值的大小不超过；判断元素的值是否为1，若是则赋值1，赋值
‑
1，若否则跳过，直至所述第二全零矩阵中的全部元素均完成赋值任务，输出由元素B的值组成...

【专利技术属性】
技术研发人员：徐智浩，周雪峰，廖昭洋，吴鸿敏，唐观荣，孙克争，欧阳旻，段鑫，
申请(专利权)人：广东省科学院智能制造研究所，
类型：发明
国别省市：