考虑AGV运输和机器转速的作业车间绿色调度研究

在车间实际生产中,机器在加工状态和空载状态下都需要消耗能量,且机器在不同转速下的能耗也不同。此外,随着自动导引车(AGV)在车间的广泛应用,其能耗也不可忽略,因此对考虑AGV和机器转速的作业车间绿色调度问题进行研究具有重要意义。完工时间不仅被认为是表示车间生产效率的指标,而且在一定程度上意味着机器空载能耗的减少、机器利用率的提高。为此,对考虑AGV运输和机器转速的作业车间完工时间和能耗优化问题进行了研究。首先,对作业车间机器的能耗、AGV能耗进行了分析,探讨了AGV、工件和机器之间的工艺约束,建立了考虑AGV运输和机器转速的作业车间绿色调度模型;然后,采用两阶段优化的方式分别对完工时间和车间总能耗进行了优化,在第一阶段,机器以最高转速进行了加工,采用改进麻雀搜索算法对其最大完工时间进行了优化;在第二阶段,在保证第一阶段优化得到的完工时间最小值不变的前提下,提出了一种间隙档位调整策略,通过降低部分工序的机器转速来降低车间能源消耗,实现对车间总能耗的优化;最后,采用标准用例对算法进行了仿真实验。研究结果表明:在第一阶段采用改进麻雀搜索算法,提高了种群质量,加快了算法的收敛速度,算法具有较强的跳出局部最优能力;第二阶段在保证完工时间的基础上,采取间隙档位调整策略来降低能耗,通过10个用例测试表明能耗可减少1.13%~5.18%。该结果验证了考虑AGV和机器转速绿色调度模型的正确性以及改进麻雀算法的有效性。

AGV调度优化的应用场景、关键因素和研究方法综述

针对自动引导小车(automated guided vehicle,AGV)调度问题,梳理了制造、仓储、港口以及快递分拨中心中的AGV使用和调度研究现状,发现以快递分拨中心为代表的服务业是新兴且研究较为薄弱的领域;分析了AGV调度优化需考虑的因素,发现数量配置与充电管理两个关键因素联合考虑的不足,建议未来在大规模动态调度研究中将二者统筹考虑;从精确方法、近似方法和基于人工智能的新方法3个方面总结AGV调度研究方法,建议未来可在启发式算法的基础上融入基于人工智能的新技术和新方法以获得创新。

基于GEP-DES的柔性流水车间机器与AGV集成实时调度方法

智能制造背景下,考虑机器与AGV集成实时调度对整个生产系统效率提高具有重要的意义。针对工件动态到达、加工时间存在波动的情况,提出一种将基因表达式编程算法与离散事件仿真(GEP-DES)相结合的实时调度方法以解决基于最小化最大完工时间为目标的机器与AGV集成调度模型。该方法在离线阶段设计三段式编码的GEP算法以描述机器与AGV集成运作过程,借助DES过程获取目标函数值以对GEP指标性能进行评估,最终挖掘出高质量的调度规则。挖掘出的调度规则与在线阶段车间实时工况信息交互以实现机器与AGV集成的实时调度。最后,将所提方法与传统调度规则方法进行对比,实验结果验证了所提方法的有效性与优越性。研究成果为快速响应柔性流水车间生产中的机器与AGV集成实时调度提供了方法支持。

AGV作业调度模型及改进的DE算法研究

AGV作业调度问题的求解结果对AS/RS的运行效率具有重要影响。通过必要的简化,建立了AGV作业调度问题的静态优化模型。可知静态AGV作业调度问题实质是一种带约束的多重TSP问题,属于典型的NP完全问题,目前还不存在可在多项式时间内求解的确定算法。提出了一种改进的差分演化算法用于求解该问题。为了适应AGV作业调度问题的特点,新算法设计了新的两段编码方法,对多个DE算子进行了改造。还提出了基于生存时间的种群多样性增强机制,用于增强算法的搜索能力,避免陷入局部最优。仿真实验显示,该算法可以有效提高AGV作业调度的效率,验证了相关改进机制的有效性。

自动化码头起重机和自带提升功能的AGV的集成调度

为深入研究新工艺带来的自动化码头设备集成调度问题,针对自动化码头的一种自带提升功能的自动导引小车(L-AGV)和缓冲支架系统,提出新的设备集成调度框架。考虑不同设备之间的相互关联和制约的协同关系,将岸桥分配调度与L-AGV、场桥调度分开,合理定义两种任务(两个问题)的划分方式,建立两个多目标混合整数规划模型。设计一种具有内外层关联的适应度函数的双层遗传算法。相对传统联合调度算法,该算法平衡了计算复杂性与调度均衡性。最后的数值试验证明了模型和算法的有效性。从岸桥数量、任务规模、AGV数量和调度策略等对岸桥等待时间的影响上,对采用L-AGV的系统和采用传统AGV的系统进行比较,为自动化码头装卸作业调度提供决策支持。

基于DE算法求解AGV作业调度问题研究

AGV作业调度问题在一定约束条件下可建模为一个NP完全的多重TSP问题。为了优化AGV作业调度的效果,提高AS/RS系统的运行效率,本文提出用差分演化(DE)算法来求解AGV作业调度问题,并针对问题的特点对DE算法进行了若干改进。设计了新的个体两段编码方法,提出了基于生存时间的种群多样性增强机制来提高算法的搜索能力,避免陷入局部最优等。模拟结果显示,提出的算法可以有效求解AGV作业调度问题,获得了高质量的优化解,且收敛速度快。

考虑软时间窗约束的多车型AGV路径优化

由于AGV的车型分配与路径规划影响着柔性制造车间的生产效率与经济效益,同时考虑到AGV在运行过程中的转弯行为会使总配送时间延长,并造成额外的能源消耗。因此以工厂柔性制造车间为对象,首先将AGV总能耗最小和软时间窗惩罚成本最小等作为组合优化目标;其次结合AGV工作过程中直行与转弯两种运动模式下的能耗分析,建立以软时间窗为约束的多车型AGV优化配送模型;最后使用遗传算法对其求解。通过实验结果表明:采用多车型AGV配送与单一轻载配送相比,总成本降低了10%;与单一重载配送相比,总成本降低近21.1%,转弯成本减少21.3%。总之,多车型配送方案能够在保证柔性车间运转效率的同时达到优良的节能效果。

面向智能生产车间的多AGV系统多目标调度优化

以具有多台自动导引车(AGV)的智能生产车间为对象,以完工时间、AGV数量以及惩罚成本的最小化作为优化目标,构建作业车间多目标调度优化模型.针对多目标调度优化模型的求解需求,提出一种自适应多目标遗传差分进化算法(AMOGA-DE),采用多段式实数编码的染色体表征调度方案,利用遗传算法获得模型优化解,融合差分进化算法和外部Pareto解集档案构建技术以改进解的质量,引入自适应策略以提高算法的收敛速度,实现多约束条件下AGV系统的多目标调度优化.以一个具有多台AGV的智能制造车间为例进行案例分析,得到调度方案.将AMOGA-DE与NSGA-Ⅱ、SPEA2算法应用于3个不同规模问题,研究结果表明:AMOGA-DE算法具有更快的收敛速度,能得到更好的优化结果,在不同规模的算例上获得了分布均匀且具有较高质量的Pareto解集.

基于混合遗传算法的柔性作业车间机器和AGV规划

为解决柔性作业车间多自动导引小车(AGV)配送的调度问题,以加工过程中AGV运送工件从毛坯库到成品库总时间最短为目标,提出基于时间表和A~*算法的混合遗传算法.提出两种方案分别解决AGV路径规划中的冲突碰撞问题和AGV在机器位置等待时的占用问题.将机器和AGV调度集成在划分好的任务单元中,设计了基于任务单元的染色体编码方式,改进了种群初始化方案,交叉变异算子和精英保留策略,在解码操作中根据时间表信息,使用A~*算法和冲突解决方案规划出每个任务单元中小车无碰撞和占用冲突的最佳路径.最后,算例对比验证了该算法的可行性和有效性.

卷烟工业自动导引车(AGV)系统的优化改进

卷烟工业AGV系统在实际运行中,存在着辅料在运送途中跌落、AGV使用效率偏低、路径欠优化及保养方案缺乏理论依据等问题。为此,对长沙卷烟厂自动化物流AGV系统进行了优化改进：①配盘方式由小盒和条盒混合配盘方式改为小盒和条盒分开以单品牌方式进行配盘,同时机台辅料站台由原来的两用一备改为3用;②废料桶回收和输送调度任务由原来的两个任务改为采用一个任务执行,调度控制系统增加一组I/O点采集AGV与废料房隔离门之间的信息,在机台换牌时针对不同任务采取不同的任务级别;③废料房门前路径采用了双向双车道,K区AGV同向行进路径增加至2~3条;④为保证AGV小车长期稳定运行,制定了周期性的AGV保养制度,以达到保养要求。长沙卷烟厂物流AGV系统优化改进后,提高了AGV系统对生产的保障能力,应用结果表明,AGV系统的平均辅料输送时间由23 min减少到约10 min,提高了物流AGV系统的运行效率,保证了辅料输送的安全和高效。

考虑堆场缓冲区容量的ASC与AGV集成调度

为提高自动化集装箱码头作业效率,针对卸船过程中自动化堆垛起重机(Automated Stacking Crane,ASC)与自动化导引小车(Automated Guided Vehicle,AGV)的集成调度问题,考虑缓冲区容量约束,以最小化总任务完成时间和总任务延迟时间为目标,建立带时间窗的混合整数规划模型,确定任务与缓冲位的分配关系,优化ASC的作业顺序。对比实验分析表明,在大规模算例上,遗传算法的目标函数值逐渐优于分支定界法,且遗传算法能在有限时间求出理想解,验证模型和算法的有效性。灵敏度实验分析表明,ASC作业时间的增加对总任务延迟时间有显著影响,总任务延迟时间的快速增加引起目标函数值的快速增加。

基于改进NSGA-Ⅱ的考虑自动引导车充电策略的集成调度

针对自动引导车(AGV)在自动化集装箱码头(ACT)执行任务过程中的电量问题,提出基于改进的非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)的考虑AGV充电策略的集成调度。首先,在岸桥、场桥和AGV集成调度模式下,考虑AGV在不同作业状态下的耗电量,并建立以最小化作业完工时间和总耗电量为目标的多目标混合规划模型;其次,为提高传统NSGA-Ⅱ的性能,设计自适应NSGA-Ⅱ,并将所提算法与CPLEX求解器、NSGA-Ⅱ和多目标粒子群优化(MOPSO)算法进行性能对比;最后,设计AGV不同充电策略并对设备数量配比进行实验研究。算法对比实验结果表明:相较于传统NSGA-Ⅱ算法,自适应NSGA-Ⅱ对双目标的优化分别提升了2.8%和2.63%。利用自适应NSGA-Ⅱ进行的充电策略和设备数量配比实验的结果表明:增加AGV充电次数能够减少AGV的充电时间,且调整设备数量配比至3∶3∶9和3∶7∶3时,场桥和AGV的时间利用率分别达到最高。可见,AGV充电策略及设备数量配比对码头多设备集成调度有一定影响。

自动化集装箱码头自动导引小车与轨道式龙门起重机的协同调度

为解决自动导引小车(Automated Guided Vehicle,AGV)与轨道式龙门起重机(Rail-Mounted Gantry Crane,RMG)的协同调度问题,考虑AGV和RMG的任务分配约束,以卸船作业最小完工时间为目标,建立混合整数规划(Mixed Integer Programming,MIP)模型.改变AGV,岸桥和箱区数量的配置,得出不同条件下的完工时间.对该问题设计两组算例:小规模算例采用CPLEX软件和遗传算法(Genetic Algorithm,GA)分别进行求解,通过结果对比验证GA的有效性;大规模算例采用GA求解,给出自动化码头设备调度优化方案.分析结果表明,卸船完工时间随着卸船任务量的增加而增加,随着AGV,岸桥和箱区数量的增加而减少,且AGV和岸桥数量的增加对完工时间的影响大于箱区数量的增加时完工数量的影响.

柔性作业车间多自动导引小车和机器的集成调度

针对含有AGV的柔性作业车间调度问题,提出基于时间窗和Dijkstra算法的混合遗传算法。建立了AGV/机器的双资源调度数学模型;采用3种解决策略处理多AGV路径规划冲突和碰撞;为了将机器和AGV调度集成考虑,设计了三链式编码结构及AGV编码链的交叉、变异算子,同时在遗传算法的解码操作中将Dijkstra算法与时间窗原理相结合,以精确地为任务小车规划出一条无碰撞无冲突的最短路径;算例对比验证了该算法的可行性、有效性和优越性。

网络视频监控技术在卷烟厂自动化系统中的集成应用

介绍了基于网络技术的视频监控系统,通过应用嵌入式视频集成系统软件实现了网络摄像监控系统与生产线自动化系统集中监控的集成,不仅可以查看实时生产情况,而且具有了故障报警功能;AGV视频集成系统采用了AGV路径信息采集组件和网络视频接口组件,实现了网络视频监控技术在AGV自动跟踪系统中的应用。该系统解决了传统的基于模拟视频技术的摄像监控系统中存在的缺陷,对于生产过程控制具有操作辅助功能。