柔性制造系统中机器与AGV集成调度策略

1星 需积分: 31 22 下载量 110 浏览量 更新于2024-09-11 1 收藏 310KB PDF 举报
"该文探讨了在柔性加工环境中,如何将机器和自动导向小车(AGV)进行集成调度,以提升生产效率和灵活性。文章着重研究了在FMS(柔性制造系统)中,含有AGV的调度模型,并提出了一种基于有向图的可变路径表示方法。通过运用遗传算法(GA),结合启发式规则,实现了机器和AGV的协同调度,解决了传统方法中AGV调度独立于机器调度的问题。文中还提出了针对可变路径特征的交叉算子,并采用自适应的交叉、变异策略和灵活的群体控制策略,对多个调度实例进行了计算验证。此外,强调了在考虑零件可变工艺路径的情况下,GA在解决复杂约束调度问题中的优势。" 在当前的工业生产中,加工调度是提高生产效率和降低成本的关键因素。传统的调度方法往往将AGV的调度与机器调度分开处理,但在柔性加工环境中,这样的方法可能不再适用。AGV的引入可以极大地改善物料搬运效率,但是当AGV数量增加或者工艺路径变得复杂时,独立的AGV调度策略可能限制了系统的整体性能。 本文作者针对这一问题,提出了一个包含AGV的FMS调度模型。这个模型允许工艺路径的变动,从而增加了生产的灵活性。通过建立基于有向图的表示方法,能够更好地描述和处理工艺路径的变化。遗传算法作为一种有效的优化工具,被用来同时调度机器和AGV,克服了经典运筹学方法在面对复杂约束时的局限性。 遗传算法的并行性和全局优化特性使其在解决此类问题时具有优势。作者在设计遗传算法的过程中,考虑了零件的可变工艺路径,并提出了特定的交叉算子,以适应路径变化的特点。同时,通过自适应的交叉和变异策略,以及灵活的群体控制,优化了算法的性能,确保在实际调度中能够获得更好的解决方案。 文章的计算实例验证了这种方法的有效性,表明了在考虑AGV与机器的集成调度时,结合启发式规则的遗传算法能够提供更为全面和实际的生产计划。这种方法不仅提高了生产效率,还有助于降低等待时间,减少设备空闲,进而优化整个生产流程。 本文的研究对于理解和改进柔性制造环境中的调度策略具有重要意义,尤其是在AGV广泛应用的现代生产体系中,提供了一种新的、高效的调度理论和技术支持。