[发明专利]一种高效的航空发动机装配车间调度系统

摘要

本发明公开了一种高效的航空发动机装配车间调度系统，该系统由信息输入模块、方案初始化模块、方案寻优模块和调度方案输出模块组成。该系统应用基于变邻域搜索算法的群智能优化方法对航空发动机装配过程进行优化调度，在萤火虫算法中引入了包含5种领域结构的变领域搜索算法，增加了种群的多样性，加强了算法的局部搜索能力，提升算法的搜索精度，并且提出了一种工作调整规则，加快算法的收敛速度，使得本方法能高效地生成最优调度方案。本发明能够有效缩短航空发动机装配过程的总时间，提高装配效率。

主权项

一种高效的航空发动机装配车间调度系统。其特征是：该系统由信息输入模块、方案初始化模块、方案寻优模块和调度方案输出模块组成。四个模块依次连接，以信息输入模块、方案初始化模块、方案寻优模块和调度方案输出模块的顺序进行数据传输。该系统应用基于变邻域搜索算法的群智能优化方法，生成最优调度方案，系统运行具体包括以下几个步骤：1)已知需要装配n台发动机，发动机可以记做集合J＝{1,2,…,n}，每个发动机需要完成k道工序才能完成装配，每道装配工序i由mi个工人同时进行操作，i＝1,2,…,k，将每台发动机的装配过程视作k个工序的一个序列，每台发动机必须按照工序顺序进行装配，只有在上一道工序装配完成后才能进行下一道工序的装配。一台发动机中的每道工序都需要一人或多人同时连续地装配一段时间。用sizeij与pij表示发动机j在第i道工序所需的工人数量与装配时间；i＝1,2,…,k，j∈J。已知size和p矩阵，上传至信息输入模块。2)参数设置，种群个体数N、最大迭代次数tmax、随机参数α、个体吸引力β0、介质吸收率γ；其中令N＝20，tmax＝500，α＝0.5，β0＝0.2，γ＝1。3)种群个体初始化。生成种群X＝(x1,x2,…,xN)，种群中的第s个个体xs＝(xs1,…,xsn)，，xsj为0～n之间的实数，s∈{1,2,…,N}，j∈{1,2,…,n}。由于个体xs的坐标是连续的实数，而装配序列是离散的整数序列，用最小排序方法将连续坐标转化为装配序列，即将个体xs＝(xs1,…,xsn)的各个维度从小到大排序，排序的序号构成的整数序列作为第一道工序的装配序列π1。4)计算每个个体对应的总装配完成时间Cmax。萤火虫算法的目标函数为序列对应的总装配完成时间Cmax。本发明基于先到先得的原则，根据各发动机前一道工序的装配完成时间顺序构造下一道工序的装配序列，然后根据一定规则对生成的装配序列进行适当调整，灵活地进行装配排序，减少装配过程的空闲时间，最终得到最优的调度方案及总装配完成时间Cmax。4.1)i＝1时，根据构造出第1道工序的调度方案。其中h∈J，π1(h)表示序列π1中第h个元素对应的发动机，表示第π1(h)个发动机在第1道工序所需的工人数量。4.2)将各发动机第i道工序的装配完成时间进行非递减顺序排序，得到第i+1道工序的装配序列πi+1。对于任意的πi(h)和πi(l)，h,l∈J，当且h<l时，进行πi+1排序时假定4.3)令j＝1，根据适当规则调整序列πi+1中第j和j+1个发动机的次序。对于第i道工序中相邻的三个发动机A,B,C，即A＝πi,p，B＝πi,p+1，C＝πi,p+2。根据STiA与STiB的关系，可分别提出以下规则来得到更优的处理序列。a.STiA>STiB规则1‑i，若sizeiB+sizeiC>mi，sizeiA+sizeiC>mi，则交换A与B的处理顺序。规则1‑ii，若sizeiB+sizeiC≤mi，sizeiA+sizeiC>mi，sizeiA+sizeiB>mi，且max{{STiB+piB,STiA}+piA,STiC}<max{STiA+piA+piB,STiC+piC}，则交换A与B的处理顺序。规则1‑iii，若sizeiB+sizeiC>mi，sizeiA+sizeiC≤mi，则交换A与B的处理顺序。规则1‑iv，若sizeiB+sizeiC≤mi，sizeiA+sizeiC≤mi，则交换A与B的处理顺序。b.STiA＝STiB规则2，若sizeiA+sizeiB>mi，sizeiB+sizeiC>mi，sizeiA+sizeiC≤mi，则交换A与B的处理顺序。c.STiA<STiB规则3，若STiA+piA>STiB，sizeiA+sizeiB>mi，sizeiB+sizeiC>mi，sizeiA+sizeiC≤mi，则交换A与B的处理顺序。其中，STiA、STiB、STiC分别表示发动机A、B、C在第i道工序的最早装配开始时间，sizeiA、sizeiB、sizeiC分别表示发动机A、B、C在第i道工序所需的工人数量，piA、piB、piC分别表示发动机A、B、C第i道工序的装配时间，mi表示第i道工序的工人总数。4.4)若j＝n‑2计算πi+1中各发动机的装配完成时间，继续；否则j＝j+1，转至步骤4.3)。4.5)若i＝k‑1，πi+1各发动机的装配完成时间中最大值即为目标函数总装配完成时间Cmax，继续；否则i＝i+1，转步骤4.2)。4.6)将该个体Cmax与全局最优值Gbest进行比较，若Cmax<Gbest，则令Gbest＝Cmax，同时用记录该个体在第i道工序的调度序列πi。5)设计了5种产生最优解邻域的方法，大大提升了种群多样性。在求解大规模问题时，可以用较短的时间获得全局最优解。5.1)确定五种邻域结构Nnum，num＝1,2,3,4,5，初始化参数P＝20，count＝0，令V＝π1，BV＝V。五种邻域结构如下：a.两点交换。随机产生两个交换位置，交换两个位置上的元素。例如，对于个体“231476589”，随机产生两个交换位置2和8，交换两个位置上的元素得到序列“281476539”。b.插入。随机产生两个元素位置，将大位置处的元素插入小位置处的元素前面，小位置及其之后的元素按顺序向后顺延。例如，对于个体“231476589”，随机产生两个元素位置3和7，执行插入操作后可以得到新序列为“235147689”。c.反转逆序。随机产生两个元素位置，将两点之间的元素逆序排列。例如，对于个体“231476589”，随机产生两个元素位置3和7，执行反转逆序操作后可以得到新序列为“235674189”。d.打乱互换。随机产生一些元素位置，打乱这些元素的顺序。例如，对于个体“231476589”，随机产生四个元素位置1、5、7、8，元素顺序为“2758”，随机打乱元素顺序得到“5872”，最终新序列为“531486729”。e.NEH插入，随机产生一个元素位置，在原有序列中将该元素删去。针对每一个可插入位置，假设将该元素插入后，计算目前整个排序的完成时间，选择能使完成时间最小的位置。5.2)如果count<P，则令num＝1；否则，结束变邻域搜索，并将BV对应的Cmax与全局最优值Gbest进行比较，若Cmax<Gbest，则令Gbest＝Cmax，同时用记录该个体在第i道工序的调度序列πi。5.3)按照邻域结构Nnum随机产生一个新解V'，比较新解V'与初始解V对应的适应度值，即序列对应的Cmax。5.4)若f(V')<f(V)，则令BV＝V'，适应度值更小的新解代替初始解，继续在邻域结构Nnum内搜索；否则，num＝num+1。5.5)若num>5，则count＝count+1，返回步骤5.2)；否则，返回步骤5.3)，进入下一个邻域结构搜索。6)对于每个个体，如在种群中有总装配完成时间更小的个体，则按照下式向该个体移动：xs=xs+β0e-γrsb2(xb-xs)+α(R-12)]]>其中，xs与xb为两个体的位置，rsb为两个体之间的欧几里德距离。β0为距离为0时的吸引力，常数γ为介质的吸收率，α为[0,1]间的值，R为[0,1]间的随机数，使个体在向更亮个体移动的同时存在一定的随机移动。7)迭代次数达到tmax，调度方案输出模块显示Gbest和调度方案否则转至步骤4)。