一种注塑机工件生产线的生产方法技术

一种注塑机工件生产线的生产方法，针对双生产线注塑机工件制造系统自身特点，建立集系统决策、监测和学习功能为一体的计算机控制系统，实现自动化智能优化生产，集中控制器与仿真优化器共同完成系统控制任务，现场控制器PLC和生产线状态监测器联合完成生产系统监测和控制指令的运行，强化学习器通过具混合核函数的支持向量机实现值迭代学习思想，能够灵活利用离线学习提高系统仿真器的优化仿真能力，减少控制系统整体运行时间并提高其运行质量，缩短制造系统生产周期，提高设备利用率。

【技术实现步骤摘要】

本专利技术涉及一种注塑机工件生产系统的自动化生产方法，该方法适用于双生产线注塑机工件制造系统，通过离线学习具备自我改进功能，属于计算机集成制造领域，为。
技术介绍
注塑机工件的生产具有种类多、批量小、分类较细等特点，即便对于相同结构的工件，由于工件服务对象不同，整体尺寸不同，其各道工艺加工时间也不相同，对于工件生产的每道工序，耗时较长。鉴于工件上述特点，其生产线的设计应具备一定的柔性，使其适合小批量、多品种、混型生产要求，具备较强灵活性。双生产线系统加工的特点是两条生产线规格相同，每条生产线规格相同，可加工多种类型的工件，系统控制过程包含工件在两条生产线上的分配及在每条生产线上的排序；该类问题实质上是平行机与流水线调度相结合的一个综合问题，在求解难度上是属于NP完全的。对于该问题工厂里面生产组织人员通常依靠经验来或利用一些简单启发式规则组织生产，这样导致设备利用率不高，系统效率降低。在学术界该类问题也是关注焦点，不少学者都对其做过研究，如Anurag A提出一种自适应学习求解 flow-shop 问题(European of Operational Research, 2006, 169(2) :801-815),Bilge U提出通过禁忌算法求解平行机的最大延期问题(Computers and OperationsResearch, 2004, 31 (3) :397-414.)，胡燕海采用遗传算法求解双流水线上工件加工顺序问题(轻工机械，2008，26 (4)，76-78)。这些解决办法一个共同特点是通过设计启发式算法来得到问题的一个近优解或满意解，但也存在诸如依赖初始解、结构单一、稳定性差等问题，至今在理论上对于该类问题仍未找到有效求解算法。
技术实现思路
本专利技术的目的是针对上述双生产线的注塑机工件生产的固有特点，提供一种集成控制的自动化生产方法，以克服现有技术不足，采用强化学习中值迭代思想通过计算机离线仿真对具混合核支持向量机参数进行修正，不断提高其决策精度，减少系统运行所用时间，缩进生产线加工周期。本专利技术的技术方案为，通过控制系统控制双生产线的生产流程，控制系统包括集中控制器、仿真优化器、现场控制器PLC、生产现场数据采集终端、生产线状态监测器和强化学习器，控制系统接收生产任务后，由集中控制器将待加工η个工件按不同方法分成2组，分别计算不同分法下两组工件在各生产线设备上的总加工时间，计算每种分法下两组工件在总加工时间最长的生产线设备上的总加工时间，判断该种分法工件是否符合生产要求，将符合生产要求的分组方法得到的分组数据送入仿真优化器，仿真优化器通过仿真不同分组方法的两组工件在双生产线上的加工次序，获得对应的最大完工周期，集中控制器选取最大完工周期值最小的分组方法对应的加工次序做为最佳加工次序，将最佳加工次序传送至生产线状态监测器；生产线状态监测器将确定的加工次序的指令发布至现场控制器PLC，由现场控制器PLC直接控制生产线上的终端设备完成生产动作；生产现场数据采集终端将生产线的实时数据通过现场控制器PLC传输至生产线状态监测器，判断生产线是否处于正常运行和生产是否完成，判断结果反馈至集中控制器，集中控制器根据判断结果确定是否停止生产线运行；仿真优化器将优化后的仿真结果送至样本库，强化学习器对样本库中的样本进行持续训练，通过支持向量机完成学习，由学习结果提高仿真优化器的优化仿真精度。控制系统接收生产任务后，集中控制器首先对要加工的工件数目进行确认，启动生产现场数据采集终端采集数据进行自检，自检成功，集中控制器通知现场控制器PLC使生产线处于预备状态，然后按将待加工工件分成两组，工件分组方法具体如下η步骤I :计算η个工件在生产线的第i台设备上的总的加工时间A =Σ馬，记其中 ·J=I η第 台设备最大总加工时间满足C = η 3χ(ΣΑ/)，即确定总加工时间最长的设备；步骤2 :从η个加工工件中任选个工件，共有C种选法，将工件分成两组，数目分别为ηΛ n2k，k表示分组方法的标号； ,4步骤3 :分别计算两组工件在第I台设备上的总加工时间，即片1 = ΣΡ^ J=Iyf = YjPv ; J=I—厂 / 2步骤4 :判断土_5%是否成立，若成立，转步骤5 ;否则，转步骤6 ;乃/2步骤5 :对按k种方法分组的工件列为输入仿真优化器进行仿真的对象，将其暂存在集中控制器中，更新k值，即k=k+l，转步骤7 ；步骤6 :按k种方法分组的两组工件不列入仿真的对象,更新k值，k = k+l,转步骤7 ;步骤7 :判断是否完成对所有分法工件组考察，即K C=是否成立，若成立，转步骤2，否则，转步骤8;步骤8 :分组结束；按上述方法分组后，保留符合步骤4判断标准的工件分组，共X种，将其逐组送入仿真优化器进行仿真优化。按某一方法分组的η个工件以时间处理矩阵Ρ( ω )的方式输入仿真优化器，Ρ( ω )对应一组工件，ω表示工件的加工序列，矩阵P ( ω )中每个元素的值即为对应加工工序的加工时间；抽取工件状态特征信息，包含工件指标t、设备指标α、平均空闲av、空闲均方差ad、平均等待tw和等待均方差td,计算系统状态动作对sc(co), sw(fg)的值,系统状态特征用状态向量SC(Co)= (t, a，av, ad, tw, td)表示,先对时间处理矩阵做归一化处理即m和,細)， VVn PiM)为加工序列ω第中j个工件在第i台机器上的加工时间，m为生J=I产线设备数目，η为工件数目，在此基础上求取状态向量各参数的值，计算方法如下 m —工件指标I=Upnxl -Jj=Tpimvj，tj为向量t的元素，为矩阵Ρ( 0)的元素；设n -备指标a=(ai)mxl A=ac -^ai为向量α的元素，aCi为第i台设备加工时间；平均 J=II m空闲 av ~ — ^iaI ; m η I m空闲均方差ad ·α = (—Υ^(α,-αν)2)υ2·, 爾 =1平均等待tw -Jw = -XifC,- ) tCj为第j个工件加工时间； n J=I等待均方差td -Jd = (-Y ((/c -t )-twff2 ； η动作耀(/4) = ./-+哼+容-，f, g表示工件在加工序列中所处位置； /T然后以系统状态动作对SC( )，sw(f，g)为作为强化学习器的支持向量机的输入，计算q因子的值q (sc(co)，sw (f，g))，比较当前状态下序列ω所有的动作相应的q因子的值，按其中q因子值最大的操作sw (f, g) =argmax {q (sc (ω)，sw(f, g))} (I彡f, g彡η)对现有序列ω实施动作，得到新的工件序列ω’和新的处理矩阵P’，判断所得新序列ω’是否优于原序列ω，即其C(co) SC(co’)是否成立，若是，以新序列信息更新原序列，SPω = ω’，Ρ(ω)=Ρ’(ω’)，得到新的时间处理矩阵，重复上述操作迭代求解，否则新序列ω’即为所求最佳加工次序ω%将新序列信息ω’、Ρ’(ω’)，及其对应的最大完工周期C(co’)传输至集中控制器和样本库。集中控制器得到将工件分成符合要求的X种分组，对s赋初值S=I，对于第s种分组的工件，其所分两组数目为ηΛ n2s本文档来自技高网...

【技术保护点】
一种注塑机工件生产线的生产方法，通过控制系统控制双生产线的生产流程，其特征是控制系统包括集中控制器、仿真优化器、现场控制器PLC、生产现场数据采集终端、生产线状态监测器和强化学习器，控制系统接收生产任务后，由集中控制器将待加工n个工件按不同方法分成2组，分别计算不同分法下两组工件在各生产线设备上的总加工时间，计算每种分法下两组工件在总加工时间最长的生产线设备上的总加工时间，判断该种分法工件是否符合生产要求，将符合生产要求的分组方法得到的分组数据送入仿真优化器，仿真优化器通过仿真不同分组方法的两组工件在双生产线上的加工次序，获得对应的最大完工周期，集中控制器选取最大完工周期值最小的分组方法对应的加工次序做为最佳加工次序，将最佳加工次序传送至生产线状态监测器；生产线状态监测器将确定的加工次序的指令发布至现场控制器PLC，由现场控制器PLC直接控制生产线上的终端设备完成生产动作；生产现场数据采集终端将生产线的实时数据通过现场控制器PLC传输至生产线状态监测器，判断生产线是否处于正常运行和生产是否完成，判断结果反馈至集中控制器，集中控制器根据判断结果确定是否停止生产线运行；仿真优化器将优化后的仿真结果送至样本库，强化学习器对样本库中的样本进行持续训练，通过支持向量机完成学习，由学习结果提高仿真优化器的优化仿真精度。...

【技术特征摘要】

【专利技术属性】
技术研发人员：严洪森，李文超，杨宏兵，
申请(专利权)人：东南大学，
类型：发明
国别省市：