应用于复杂制造系统的Petri网监督控制方法及控制器技术方案

本发明专利技术提供了一种应用于复杂制造系统的Petri网监督控制方法以及控制器，通过获取复杂制造系统的系统信息，并根据系统信息构建复杂制造系统的Petri网模型；根据Petri网模型构建Petri网模型的可达图；将每个设备的当前状态以及资源作为输入，通过训练完成的神经网络模型预测每个设备在所有可达状态下的变迁使能值；根据每个设备在所有可达状态下的变迁使能值，对复杂制造系统进行监督控制。对于复杂制造系统，本发明专利技术可以在避免直接计算其可达图的情况下，避免计算其可达图引起的状态爆炸问题，大大降低因计算可达图造成的时间复杂度和计算复杂度，可以直接实现对复杂Petri网进行死锁控制并具有较高的行为许可性。死锁控制并具有较高的行为许可性。死锁控制并具有较高的行为许可性。

【技术实现步骤摘要】
应用于复杂制造系统的Petri网监督控制方法及控制器


[0001]本专利技术属于工程制造控制
，具体涉及一种应用于复杂制造系统的Petri网监督控制方法及控制器。

技术介绍

[0002]柔性制造系统(Flexible Manufacturing System，FMS)通常是由数控机床和物料传输系统组成的计算机控制系统，自动完成多种类型的生产工作。相比于传统制造系统，FMS具有高品质、强灵活、强适应和节约生产成本等优点。FMS是由计算机控制的，加工过程中没有人员干预，不同的加工系统会对同一种有限资源进行竞争。当某些进程无限期地等待其他进程释放资源时，就可能导致死锁的产生。一旦产生死锁，就会导致系统部分或整体不能正常运行，不仅丧失了FMS本身具有的优势，还会造成不可避免的损失。准确描述实际柔性制造系统的运行状况非常困难，为解决FMS中产生的死锁问题，首先需要对整个系统进行建模，模拟系统运行状况。从模型的角度分析系统在静态结构和动态行为等方面的数据信息。
[0003]技术人员常用Petri网对FMS中的并发、异步、资源共享、冲突等行为进行准确描述。基于Petri网可达图分析通常可以使网系统获得较高的行为许可性，并引入状态变迁分离事件和区域理论提高制造系统的生产效率以及资源利用率等。然而，这些方法在处理复杂制造系统时会面临计算完整可达图的状态爆炸问题，使得这些控制方法难以应用于复杂制造系统。因此现有技术中基于Petri网可达图分析的死锁预防策略在复杂制造系统应用存在局限性。

技术实现思路

[0004]为了解决现有技术中存在的上述问题，本专利技术提供了一种应用于复杂制造系统的Petri网监督控制方法及控制器。本专利技术要解决的技术问题通过以下技术方案实现：
[0005]本专利技术提供了一种应用于复杂制造系统的Petri网监督控制方法包括：
[0006]S100，获取复杂制造系统的系统信息，并根据系统信息确定复杂制造系统的Petri网模型；
[0007]S200，根据复杂制造系统的Petri网模型构建Petri网模型的可达图；可达图包括复杂制造系统中每个设备的当前状态、下一可达状态以及当前状态至下一可达状态的可达路径；
[0008]S300，将每个设备的当前状态以及资源作为输入，通过训练完成的神经网络模型预测每个设备在所有可达状态下的变迁使能值；
[0009]S400，根据每个设备在所有可达状态下的变迁使能值，对复杂制造系统进行监督控制。
[0010]本专利技术提供了一种应用于复杂制造系统的Petri网监督控制的控制器控制器内设置有芯片，芯片运行时利用应用于复杂制造系统的Petri网监督控制方法实现对复杂制造
系统的监督控制。
[0011]本专利技术提供了一种应用于复杂制造系统的Petri网监督控制方法以及控制器，通过获取复杂制造系统的系统信息，并根据系统信息确定复杂制造系统的Petri网模型；根据Petri网模型构建Petri网模型的可达图；将每个设备的当前状态以及资源作为输入，通过训练完成的神经网络模型预测每个设备在所有可达状态下的变迁使能值；根据每个设备在所有可达状态下的变迁使能值，对复杂制造系统进行监督控制。对于复杂制造系统，本专利技术可以在避免直接计算其可达图的情况下，避免计算其可达图引起的状态爆炸问题，大大降低因计算可达图造成的时间复杂度和计算复杂度，可以直接实现对复杂Petri网进行死锁控制并具有较高的行为许可性。
[0012]以下将结合附图及实施例对本专利技术做进一步详细说明。
附图说明
[0013]图1是本专利技术提供的一种应用于复杂制造系统的Petri网监督控制方法的流程示意图；
[0014]图2a是本专利技术提供的使用神经网络方法对较大初始状态复杂Petri网的控制流程图；
[0015]图2b是本专利技术提供的指定初始状态下的Petri网研究对象示意图；
[0016]图3是本专利技术提供的指定初始状态下Petri网系统的可达图；
[0017]图4是本专利技术提供的由指定初始状态下Petri网系统生成的数据样本集示意图；
[0018]图5是本专利技术提供的数据集生成算法搜索所有可达状态过程示意图；
[0019]图6是本专利技术提供的神经网络模型的训练流程图；
[0020]图7是本专利技术提供的模型使用超参数组合在训练集中的损失变化曲线图；
[0021]图8是本专利技术提供的模型使用超参数组合在验证集中的损失变化曲线图。
具体实施方式
[0022]下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。
[0023]如图1所示，本专利技术提供了一种应用于复杂制造系统的Petri网监督控制方法包括：
[0024]S100，获取复杂制造系统的系统信息，并根据系统信息确定复杂制造系统的Petri网模型；
[0025]S200，根据Petri网模型构建Petri网模型的可达图；可达图包括复杂制造系统中每个设备的当前状态、下一可达状态以及当前状态至下一可达状态的可达路径；
[0026]S300，将每个设备的当前状态以及资源作为输入，通过训练完成的神经网络模型预测每个设备在可达状态下的变迁使能值；
[0027]值得说明的是：状态在Petri网模型中表示标识，可达路径表示变迁。每个设备所有可达状态下的变迁使能值为0或为1，为1则表示设备可以在下一时刻向该状态转移，每次仅有一个可达状态为1。而使系统陷入死锁状态的变迁使能值为0，或由于系统本身资源限制使得变迁使能值为0，复杂制造系统可以有效避免陷入死锁状态。
[0028]S400，根据每个设备在所有可达状态下的变迁使能值，对复杂制造系统进行监督控制。
[0029]作为本专利技术一种可选的实施例，在S300之前，应用于复杂制造系统的Petri网监督控制方法还包括：
[0030]构建训练集以及验证集；本专利技术构建训练集以及测试集包括：
[0031]S510，构建与复杂制造系统的Petri网模型结构相同的多个不同初始状态的Petri网模型；
[0032]其中，不同初始状态的Petri网模型中库所包含的资源少于复杂制造系统的Petri网模型的资源；
[0033]以图2b所示的复杂制造系统对应的Petri网模型为研究对象，注意该Petri网模型中的初始状态并不是最终的研究对象，只是为了方便其可达图以及神经网络模型样本采集规则进行说明。具体的研究对象是以图2b所示的Petri网模型结构结合初始状态[8，0，0，0，0，0，0，8，3，4，4]。
[0034]当确定了研究对象后，在相同网结构基础上，选取不同的较小初始状态，实现一系列同结构较小初始状态网系统，用于生成神经网络模型训练所需的数据集。训练集样本来源于初始状态较小的Petri网系统，具体以P1，P8两个库所token数在[3，6]范围内变化，P9，P
10
，P
11
库所token数变化范围为[1，3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于复杂制造系统的Petri网监督控制方法，其特征在于，包括：S100，获取复杂制造系统的系统信息，并根据所述系统信息确定所述复杂制造系统的Petri网模型；S200，根据所述复杂制造系统的Petri网模型构建Petri网模型的可达图；所述可达图包括复杂制造系统中每个设备的当前状态、下一可达状态以及当前状态至下一可达状态的可达路径；S300，将每个设备的当前状态以及资源作为输入，通过训练完成的神经网络模型预测每个设备在所有可达状态下的变迁使能值；S400，根据每个设备在所有可达状态下的变迁使能值，对所述复杂制造系统进行监督控制。2.根据权利要求1所述的应用于复杂制造系统的Petri网监督控制方法，其特征在于，S300中的神经网络模型为基于多层感知器结构的神经网络模型，所述神经网络模型包括输入层、隐藏层和输出层；其中，输入层的神经元个数由当前Petri网模型的初始状态和变迁序列维数决定，输出层的神经元个数与变迁数量正相关。3.根据权利要求2所述的应用于复杂制造系统的Petri网监督控制方法，其特征在于，在所述S300之前，所述应用于复杂制造系统的Petri网监督控制方法还包括：构建训练集以及验证集；利用训练集以及验证集对预先构建的基于多层感知器结构的神经网络模型进行迭代训练得到训练完成的神经网络模型。4.根据权利要求2所述的应用于复杂制造系统的Petri网监督控制方法，其特征在于，所述构建训练集以及测试集包括：S510，构建与所述复杂制造系统的Petri网模型结构相同的多个不同初始状态的Petri网模型；其中，所述Petri网模型中的库所所包含的资源少于所述复杂制造系统的Petri网模型的资源；S520，根据所述多个不同初始状态的Petri网模型，利用模型数据集生成算法生成符合神经网络模型训练所需的数据集。5.根据权利要求4所述的应用于复杂制造系统的Petri网监督控制方法，其特征在于，S520包括：S521，根据所述不同初始状态的Petri网模型中每个可达状态以及前置关联矩阵依次发射变迁，到达可达状态；S522，若可达状态已被搜索过或是非法状态则确定进入回溯流程，并在回溯过程中判断父状态是否为非法状态，如果是继续回溯，如果不是，继续搜索其他可达状态；S523，将搜索的可达状态使用初始状态和变...

【专利技术属性】
技术研发人员：陈玉峰，王硕，刘鼎，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：