[发明专利]一种基于故障的RGV单工序产品加工数量预测方法

说明书

本发明公开了一种基于故障的RGV单工序产品加工数量预测方法，包括：以单次二道工序产品通过RGV系统加工完成的时长数据为系统参数，对单轨道两边各四组对称加工刀头的RGV智能加工，选择一道工序产品加工刀头CNC等待时间和二道工序产品加工刀头CNC空闲时间最小为总目标，考虑随机故障发生的系统产品加工物品编号、加工时长、加工刀头CNC标号为系统约束变量，建立生物演化——动态规划预测模型，采用随机增量学习机制求出加工刀头CNC的最佳一道和二道工序分配方案，对批量产品生产和加工进行预测分析。

技术领域

本发明涉及RGV技术领域，尤其涉及一种基于故障的RGV单工序产品加工数量预测方法。

背景技术

RGV智能系统调度方法是指在一定策略下的RGV智能系统工作方案，通常策略方案与实际应用有直接的关系，工作方案导致的结果决定后续工作的安排。因此，在工作执行之前对系统产方案产生的结果作相应预测，对决定整体工作方案很有必要。随着科学技术的发展，单轨道RGV智能系统凭借着价格低廉，智能操控、方便灵活的优点，被广泛应用于产品自动化深加工和仓储运输等行业。由于各行业需求的差异，RGV智能系统在技术和应用上也呈现不同的发展趋势。

对于一定故障的RGV智能系统单工序调度预测模型最常见是遗传算法模型，是一种随机搜索方法，该模型通过遗传算法基本思想：遗传、交叉、突变进行决策，按照一定的概率来进行模拟分析，这种概率的选取带有一定主观性；另外还有一些网络模型如有向图和Petri网等，通过网络的构建，将物品加工演化成一定的网络的改变，网络模型能有效避免既定的主观因素，但网络模型需要大量的数据训练求解，训练不完善，会出现锁死现象。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于故障的RGV单工序产品加工数量预测方法；

本发明提出的一种基于故障的RGV单工序产品加工数量预测方法，包括：

S1、预设刀头加工产品时上下料时间、清洗时长、产品的加工时长、状态变量、产品的编号、RGV移动时长、产品的生产数目、产品的转移次数、刀头的标号、RGV位置、刀头的工作总时长、刀头故障时间节点，所述状态变量包括空闲变量和非空闲变量；

S2、根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，并控制RGV向刀头移动；

S3、获取当前时间，判断当前时间是否为刀头故障时间节点，若是，随机将任一个刀头标记为故障刀头，并执行步骤S4；若否，执行步骤S5；

S4、判断故障刀头是否为RGV到达的刀头，若是，RGV停止向刀头移动，执行步骤S2；若否，执行步骤S5；

S5、获取RGV位置，判断RGV是否到达刀头，若是，执行步骤S6；若否，RGV继续向刀头移动；

S6、判断刀头是否空闲，若是，进行刀头上料，并根据预设的离散化生物演化方程更新刀头空闲状态变量，直到上料完成后，更新产品的生产数目，执行步骤S7；若否，进行刀头下料及清洗，并根据预设的离散化生物演化方程更新刀头非空闲状态变量，直到下料完成后，更新产品的生产数目，执行步骤S7；

S7、获取当前时间，判断当前时间是否超过预设的刀头的工作总时长，若是，输出产品的生产数目及产品的编号；若否，将产品的加工时长、RGV移动时长和刀头的工作总时长进行时间深度递归，执行步骤S2。

优选地，步骤S1中，所述确定刀头故障时间节点，具体为：根据预设的随机函数按刀头故障发生率生成若干个刀头故障时间节点。

优选地，步骤S2中，所述根据预设的刀头空闲加工时长优先策略确定RGV到达的刀头，具体为：