关于RGV下料的智能动态调度

本文探讨了一种智能加工系统,系统中包含8台CNC、1辆RGV和相关设备。RGV负责上下料和清洗任务。文章提出RGV的动态调度模型,旨在最小化RGV的作业间隔时间,并通过Matlab代码实现和3组系统参数验证了模型的实用性和算法的有效性。在8小时内,系统完成了38次下料。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

关于RGV下料的动态调度


特别鸣谢:我的队友
论文的辛苦撰写和模型建立大部分归功于我的队友,本blog是我们通力合作的结果,不敢独自一人占有成果。

问题重述

图1是一个智能加工系统的示意图,由8台计算机数控机床(Computer Number Controller,CNC)、1辆轨道式自动引导车(Rail Guide Vehicle,RGV)、1条RGV直线轨道、1条上料传送带、1条下料传送带等附属设备组成。RGV是一种无人驾驶、能在固定轨道上自由运行的智能车。它根据指令能自动控制移动方向和距离,并自带一个机械手臂、两只机械手爪和物料清洗槽,能够完成上下料及清洗物料等作业任务。
在这里插入图片描述
针对下面的具体情况:
一道工序的物料加工作业情况,每台CNC安装同样的刀具,物料可以在任一台CNC上加工完成;
任务1:对一般问题进行研究,给出RGV动态调度模型和相应的求解算法;
任务2:利用表1中系统作业参数的3组数据分别检验模型的实用性和算法的有效性,给出RGV的调度策略和系统的作业效率。
在这里插入图片描述

问题建模与分析

一道工序的作业情况,每台CNC安装的刀片相同,且每台CNC工作对其任务分为上下料作业、清洗作业,该时间内RGV不移动,所以动态调度简化为GRV对CNC的选择工作顺序问题,从而以RGV进行下次作业间隔时间最短为目标进行模型的建立,并进行相应的模拟得到其解。
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
Matlab代码:

% 本函数为问题的主函数
% 输入参数初始化
clear
clc
distance = [28 31 48 51 61 64 74 77
    48 51 28 31 48 51 61 64
    61 64 48 51 28 31 48 51
    74 77 61 64 48 51 28 31];
position = zeros(1,4);
position(1) = 1;
Tend = 28800;
record = 1
1 智能 RGV动态调度策略 摘要 本文根据题目给定的智能加工系统及系统作业参数,针对一道工序物料加工作业、 两道工序物料加工作业、作业中故障处理等三种情况,建立数学模型,分别给出了相应 的 RGV 最佳调度策略。 针对一道工序物料加工作业的情况,本文设计当 RGV 完成当前指令后若未接收到 任何 CNC 的上料需求信号,RGV 将会根据调度模型立即判别执行一次移动指令,移动 到下一步发出上料需求信号的 CNC 前。并将作业效率最佳问题转换为一班次 8 小时内 CNC 处于工作状态总时间最长,并假设 RGV 具有短时间的记忆储存功能,能够记录与 匹配 RGV 与各 CNC 进行最后一次交互的时间,为 RGV 设计"八步一走"调度模型,在 RGV 进行移动指令之前都会遍历搜索选择未来八次移动过后八台 CNC 的总等待时间最 小的路径的第一步移动指令作为当前的移动指令。遍历所有可能的初始八台 CNC 的上 料情况,依据 RGV"八步一走"调度模型取成料数最多的初始 CNC 上料顺序,完成任务 1。将题目给定的针对一道工序的三组数据带入模型计算,得出第一组最大物料加工数 量为 382,第二组为 359,第三组为 392;推算了不考虑 RGV 运动时间的理想状态下, 三组数据的最大加工数量分别为 384、368、392;得到三组数据下加工系统的作业效率 分别为 99.48%、97.55%、100%,完成任务 2。 针对两道工序物料加工作业的情况,在不可更换刀具的前提下,由第一道工序与第 二道工序的比值,兼容考虑第二道工序之后的清洗时间,按比例分别为 CNC 安装 4:4、 3:5、5:3 的刀具配比,并在对称性原则基础上调试具体安装方案;为 RGV 设计三步捆 绑 (或四步捆绑加工调度模型) : RGV 遍历三步, 取捆绑加工后的完成时间最前的走法。 遍历所有的初始可能路径,依据捆绑调度模型取成料数最多的初始 CNC 上料顺序,完 成任务 1。将给定的针对两道工序的三组数据带入模型计算,得出三组最大物料加工数 量分别为 253、209、236;选择的两类 CNC 数量配比分别为 4:4、3:5、5:3;通过与理想 状态下最大物料加工数量 268、216、236 进行比较,得到三组数据下加工系统的作业效 率分别为 94.40%、96.76%、100%,完成任务 2。 针对作业中故障处理的情况,本文将每一道工序加工的故障概率设为 1%,在判定 故障的 CNC 的加工时间内,以均匀分布随机一个时间点作为故障发生时间点,并从 600~1200 秒之间均匀随机生成一个整数作为修复时间,在一道工序与二道工序的模型 中作出以下调整:在故障发生的那一刻起,在 CNC 未修复并发出上料需求信号之前, 将该 CNC 从系统中暂时抹去,RGV 在执行完当前指令后,不再进行有关该 CNC 的指 令操作,直至 CNC 修复发出上料需求信号。考虑到故障发生的不确定性,以及人工修 复时间的可操作性,在完成任务的基础下,再分别取修复时间为 600~1200 秒随机,600 秒,900 秒,1200 秒做 20 组的随机试验探究成料数规律,进行均值和方差计算如下: 一 道 工 序 的 情 况 下 , 第 一 组 数 据 关 于 4 类 修 复 时 间 的 成 料 数 方 差 分 别 为 12.20,9.55,11.95,9.82;第二组数据方差分别为 15.57,18.68,19.55,14.68;第三组数据方差 分别为 10.03,13.41,8.92,13.73;两道工序的情况下,第一组数据关于 4 类修复时间的成 料数方差分别为 9.66,7.38,7.12,13.17;第二组数据方差分别为 7.85,3.39,5.87,9.69;第三 组数据方差分别为 7.66,4.58,7.72,10.13。由此可知,实际修复时,提升技工技术,将人工 修复时间尽量控制在 10~15 分钟左右,可以较好增加结果稳定性。 关键词:RGV 智能动态调度 "八步一走" 多步捆绑联动 故障排查概率分析 2 一、问题重述 1.1 问题背景 RGV 是一种无人驾驶、能在固定轨道上自由运行的智能车。在智能加工系统中,轨 道式自动引导车 RGV 的调度方案对系统的加工效率存在着决定性的影响。RGV智能 加工系统中, 因面临的工作环境各不相同, 因此目前仍没有一个理想的算法可以对 RGV 的调度路径进行最佳优化, 因此针对特定的系统工作环境, RGV动态调度仍存在着很 大的研究空间。本文研究的工作环境由 8 台 CNC、1 辆 RGV、1 条 RGV 直线轨道、1 条上料传送带、1 条下料传送带等设备组成。 图 1:智能加工系统示意图 1.2 系统作业参数 表 1:智能加工系统作业
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

原创小白变怪兽

帮助原创小白成为怪兽吧!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值