[发明专利]智能RGV加工系统调度方法和装置

说明书

本发明公开了一种智能RGV加工系统调度方法和装置，属于工件调度领域。该方法采用遗传算法嵌套蚁群算法的方式，遗传算法对工件上料顺序进行寻优，蚁群算法在信息的节点间转移过程进行寻优。每只蚂蚁带有一条记录有工件上料顺序的染色体和禁忌表，通过禁忌表和调度逻辑得到可选CNC。通过转移概率确定蚂蚁下一个节点，转移到该CNC并通过调度逻辑进行作业。当工件全部完成加工时，本蚂蚁的寻优过程结束；当所有蚂蚁都寻优结束时，记录本次最优解并对染色体进行交叉变异，本次迭代结束。通过多次迭代得到最优调度路线。本发明通过遗传算法弥补了蚁群算法全局寻优能力不强的特点，而蚁群算法的并行搜索能力较强，实现互补，提高了算法的寻优能力。

技术领域

本发明涉及工件调度领域，特别是指一种智能RGV加工系统调度方法和装置。

背景技术

智能RGV(轨制导车辆，Rail Guided Vehicle)加工系统的示意图如图1所示，该系统由1辆用于搬运和上下料工件的轨道式RGV及1条RGV直线轨道、若干个用于工件加工的CNC(计算机数控机床，Computerized Numerical Control)、1条上料传送带、1条下料传送带等附属设备组成。RGV能根据上下料指令自动控制移动方向和距离并达到指定的CNC位置。RGV带有一个机械手臂，机械手臂上有两只用于抓取/放料/搬运的机械手爪(每只机械手抓最多只能带有一个工件)，并带有一个用于最后物料离开加工系统前清洗的物料清洗槽，能够完成上下料及清洗物料等作业任务。

现有技术一般使用蚁群算法对RGV加工系统的调度路径进行寻优，但是传统蚁群算法的全局寻优能力不强。

发明内容

为解决上述技术问题，本发明提供一种智能RGV加工系统调度方法和装置，本发明通过遗传算法弥补了蚁群算法全局寻优能力不强的特点，而蚁群算法的并行搜索能力较强，实现互补，提高了算法的寻优能力。

本发明提供技术方案如下：

第一方面，本发明提供一种智能RGV加工系统调度方法，所述方法包括：

步骤S1：初始化蚂蚁种群、各个加工过程的信息素浓度、设备维禁忌表和每个CNC的剩余加工时间，所述蚂蚁种群包括N_m只蚂蚁，每只蚂蚁携带有一条代表上料顺序的染色体，对染色体赋初值，所有蚂蚁的染色体组成上料矩阵；；其中设备维禁忌表记录每台CNC目前的加工情况，用于确定RGV下一步能够去往哪些CNC

步骤S2：根据设备维禁忌表和预先设定的调度逻辑得出当前蚂蚁从当前CNC下一步能够去往的所有CNC，作为可选CNC；

步骤S3：根据调度逻辑判断是否需要进行上料操作，若需要进行上料操作，则在上料矩阵中选择对应位置的工件编号等待上料；

步骤S4：根据各个加工过程的信息素浓度和各个CNC的剩余加工时间计算当前蚂蚁从当前CNC移动到每一个可选CNC的转移概率，并根据转移概率，从可选CNC中选取出从当前CNC位置去往的下一个CNC；

步骤S5：将当前蚂蚁从当前CNC移动到去往的CNC，并根据调度逻辑进行作业，其中，若需要进行上料操作，则将上料矩阵中选择出的工件上料到对应的CNC；

步骤S6：重复步骤S2～步骤S5，直至所有的N个工件加工完毕，得到一个调度路线；

步骤S7：对下一只蚂蚁重复步骤S2～步骤S6，直至遍历所有N_m只蚂蚁，得到N_m个调度路线；

步骤S8：将N_m个调度路线中用时最短的调度路线进行记录；

步骤S9：将N_m只蚂蚁的染色体两两进行交叉操作，然后进行变异操作，更新上料矩阵；

步骤S10：重复步骤S2～步骤S9，直至达到设定的总迭代次数G，得到G个记录的调度路线；