面向大型激光装置的智能装配调度.pdf
《面向大型激光装置的智能装配调度.pdf》由会员分享,可在线阅读,更多相关《面向大型激光装置的智能装配调度.pdf(8页珍藏版)》请在咨信网上搜索。
1、大科学装置运维面向大型激光装置的智能装配调度*熊召,尹灵钰,裴国庆,王成程,周海(中国工程物理研究院激光聚变研究中心,四川绵阳621900)摘要:针对大型激光装置精密装校过程中的智能装配调度问题,提出一种基于人工神经网络的调度优先规则获取方法。该方法离线阶段通过遗传算法对典型算例进行优化求解,从优化解中抽取任务比较轨迹及特征数据,采用人工神经网络学习生成任务优先模型;在线阶段基于该模型构建闭环调度决策模式,实现动态不确定生产环境下的快速响应与精准决策。数据实验和实际应用案例验证了该方法的有效性,随着光机模块数量增加,ANN 调度算法的优势更加明显,ANN 调度算法和 GA 算法二者优化结果小于
2、 6%时,前者的计算效率是后者的 400 倍以上。关 键 词:人工神经网络;调度规则;智能装配调度中图分类号:TG156文献标志码:Adoi:10.11884/HPLPB202335.230170IntelligentassemblyschedulingforlargelaserdevicesXiongZhao,YinLingyu,PeiGuoqing,WangChengcheng,ZhouHai(Laser Fusion Research Center,CAEP,Mianyang 621900,China)Abstract:Aiming at the assembly scheduling
3、problem of optical and mechanical modules for large laserdevices,aschedulingpriorityruleacquisitionmethodbasedonartificialneuralnetworks(ANNs)isproposed.Intheoffline phase,this method optimizes the scheduling data through genetic algorithms,extracts task comparisontrajectoriesandfeaturedatafromtheop
4、timizationsolution,andusesANNstolearnthetaskprioritycomparisonmodel.Intheonlinephase,aclosed-loopdecisionschedulingmodeisconstructedbasedonthismodeltoachieverapidresponseandaccuratedecision-makingindynamicuncertainproductionenvironments.Dataexperimentsandpracticalapplication cases verify the effecti
5、veness of this method.With the increase of the number of optical-mechanicalmodules,theadvantagesofANNschedulingalgorithmbecomemoreobvious.WhentheoptimizationresultsofANNschedulingalgorithmandGAalgorithmarelessthan6%,thecomputationalefficiencyoftheformerismorethan400timesthatofthelatter.Keywords:arti
6、ficialneuralnetwork,schedulingrules,intelligentassemblyscheduling大型激光装置是研究聚变清洁能源的重要基础设施,是典型的大科学装置。因为其规模庞大、高精度、高洁净等特点,装置集成安装面临巨大的挑战1。为完成该装置中数以万计的光机模块精密装校任务,提升装校效率和质量一致性,开展了面向智能制造的数字化车间建设,其中精密装校管控平台中的智能调度问题研究是一项重要课题。特别是由于精密装校过程经常会出现各种突发状况,导致实际集成安装过程与理想状态发生偏差,需要引入智能调度模式对精密装校过程中出现的突发事件做出快速响应,通过智能调度寻求最优解
7、,确保达到预期调度目标。该类问题属于柔性装配作业车间调度问题,当前实际应用中常用启发式调度规则方法求解。该方法是在决策时刻按照事先定义规则计算优先级,然后按照优先级对待安排对象进行排序。Panwalkar 等2总结了 113 条常用调度规则,分别针对不同的求解问题。张泽群等3采用基于规则的完全反应式调度实现了离散车间自组织生产。龙田等4利用离散事件仿真系统对各类调度规则进行了分析,发现调度目标和各种车间结构参数都对调度规则选取有很大影响。总之,虽然规则调度获得了较为广泛的应用,但其局部优化特性导致所获解质量并不高,而且*收稿日期:2023-06-06;修订日期:2023-08-25基金项目:四
8、川省科技计划项目(2022ZYD0114)联系方式:熊召,xiong_。通信作者:王成程,wchch_。第35卷第9期强激光与粒子束Vol.35,No.92023年9月HIGHPOWERLASERANDPARTICLEBEAMSSep.,2023092002-1没有一种调度规则可以在任意调度场景和性能指标下取得优于调度规则的求解性能5。近年来,随着机器学习技术的蓬勃发展,很多学者将其应用到生产调度领域。机器学习可以通过学习历史数据来预测未来状态,并选择最佳的规则以优化调度决策6。Mouelhi-ChibaniW 等7针对车间动态调度问题,提出了一种利用神经网络模型选择合适调度规则的方法。Gol
9、mohammadi8提出了一种基于神经网络的决策支持模型,可以无需真正调度就能预测调度目标值。张利平等9提出了一种作业车间调度规则发现方法,该方法从近优调度方案中提取高质量训练样本,试验证明可显著提高规则调度性能。但上述研究主要将机器学习应用于单机、并行机、作业车间等问题的调度规则选择,对精密装校车间这类调度问题还未检索到相关文献。因此,结合大型激光装置实际课题需求开展精密装校车间调度问题研究具有非常强的必要性。1问题描述与建模1.1精密装校过程简介精密装校过程主要包括光学元件清洗处理、光学元件涂膜、机械框清洗处理、机械框烘烤、光机集成装配等环节,其中光学元件与机械框清洗可以并行处理,两者完成
10、后再进行光机装配。光机装配属于核心工艺环节,包括机械件组装与光机组装。典型产品工艺如图 1 所示。opticalelementmechanicalelementstorageinspectioncleancoatroughwashprecisewashbaketesttestintegrated assemblyyesyestestnonomoduletransferinstalldeliverconfirmFig.1Typicaloptical-mechanicalmodulesprecisionassemblyandcalibrationprocess图1典型光机模块精密装校工艺过程1.2
11、问题假设设 m 个光机模块在 n 台设备上进行精密装校。每个光机模块有若干道不同工序,每道工序由一个工作中心完成。每个工作中心内包含若干台相同设备,工序在不同设备上装校的时间一定。调度目标是为工序选择合适的设备,并确定各设备上工序的加工顺序,使光机模块装校最大完成时间尽可能最小。此外,精密装校车间调度问题还需包含以下假设:1)所有光机模块和设备在 0 时刻均处于就绪状态;2)同一时刻一台设备只能装校一道工序;3)同一道工序在同一时刻只能在一台设备进行装校;4)工序一旦开始加工就不允许中断;5)仅考虑同一光机模块内工序加工的先后次序约束,不同光机模块间工序优先级相同;6)不考虑检测引起的多次返工
12、问题,保证每道工序只有一个后续节点。1.3问题数学模型精密装校车间调度问题可以表示为如下整数规划模型。OmjNmjOmjRmjOmjPmjOmjCmSmjnOmjfmjnOmj首先,定义符号变量:M 为光机模块集合;N 为设备集合;J 为工序任务集合;为第 m 个光机模块的第 j 道工序任务;为工序任务可以选择的设备集合;为工序任务的前置工序集合;为工序任务的处理时间;为第 m 个光机模块的完工时间;为工序任务在设备 n 上的开始时间;为工序任务在设备 n 上的完成时间。xmjnOmjymjpqnOmjOpq其次,定义决策变量:为工序任务分派到设备 n,则为 1,否则为 0;为设备 n 的任务
13、序列变量,如果工序任务先于工序任务,则为 1,否则为 0。目标函数强激光与粒子束092002-2f=min Cmax(1)调度约束Cmax=max Cm,m M(2)spqn fmjnymjpqn,n Nmj,p,m M,q,j J(3)smq fmj,m M,j Rmq(4)nNmjxmjn=1,m M,j J(5)cm=max(fmjnxmjn),m M,j J,n Nmj(6)fmjn=smjn+pmjn,m M,j J,n Nmj(7)约束式(2)定义了所有光机模块最大完工时间;约束式(3)表示同一时刻一台设备只能装校一个光机模块的一道工序,同一台设备上后置工序的开始时间一定大于前置工
14、序完成时间;约束式(4)表示加工顺序约束,即同一光机模块内只有前面所有工序完成后才能开始加工下道工序;约束式(5)表示每道工序会且仅会分配给一个设备;约束式(6)表示光机模块 m 的完工时间为其工序的最晚完工时间;约束式(7)设置了工序的完工时间为开始时间加上装校时间,即不允许中断。2求解方法2.1总体框架针对上述大型激光装置中柔性装配作业车间调度问题,提出了一种基于人工神经网络(ArtificialNeuralNetwork,ANN)的调度优先规则生成方法。该方法总体框架如图 2 所示。apply onlinecompareextractcharacteristicartificialneu
15、ralnetworklerantask datagainadjacentbest solutionforgeneticalgorithmmachine learn datatrainassembletestassemblefacilityplanworkseparategain optimize solutiontask listANNschedulingrulesmodelmanufacturetasktaskordercycletriggerexecutemonitorworkshop scheduling basedon prior rulekey eventtriggerschedul
16、e feedbackANN modelworking data learn offlinemanyworkgroupFig.2Aproblemsolvingframeworkbasedonartificialneuralnetwork图2基于人工神经网络的问题求解框架熊召,等:面向大型激光装置的智能装配调度092002-3离线学习阶段,首先按照装置结构及工艺数据对装置各束组计划进行分解,生成多组装校任务作为精密装校车间典型测试算例;然后通过遗传算法多次迭代获取算例的近似优化解;再从优化解中获取任务比较轨迹作为机器学习训练与验证数据集;最后采用人工神经网络方法对其进行监督学习,形成基于 ANN
17、的调度规则模型。在线应用阶段,采用基于 ANN 调度规则的调度算法。ANN 分派模型只需传入待比较任务相关特征就能返回任务优先关系,从而快速完成柔性装配作业车间的动态调度。调度完成后,控制指令会通过精密装校车间管控平台自动下达执行,并能从物联网自动获取指令执行状态。由于精密装校车间的动态不确定特性,系统支持周期性触发和关键异常事件触发两种重调度形式。在线应用构建了不断更新的“生产状态感知-调度分析决策-调度精准执行”的闭环决策模式,实现面对、复杂约束、多异常事件的生产环境进行快速响应与精准决策。2.2遗传算法获取优化解任务数据生成后,选择遗传算法求解近似最优调度方案。一般来说遗传算法通过模仿生
18、物遗传和自然选择机制,利用计算机对生物的进化过程进行仿真模拟,实现全局优化搜索10。遗传算法的主要步骤为:首先随机产生初始种群,然后评价种群中每个个体的适应度,采用复制、交叉和变异操作产生下一代种群,迭代循环直至满足算法终止条件输出最好的染色体个体,并将这个染色体解码为问题的解。遗传算法采用排列法进行基因编码,用 1 到 N 之间的自然数表示工序任务之间的优先顺序,其中 N 为全部工序任务总数。解码时再从染色体的编码中读出工序任务的分派顺序,任务按照该顺序进行逐一分派,从而获取该染色体编码的适应度。在遗传操作上,采用二元锦标赛进行选择,采用部分映射交叉算子进行交叉运算,采用交换节点方法进行变异
19、操作;终止条件采用评估次数超过 50000 次。2.3特征建模结合问题描述与模型,选择了如表 1 所示的 6 项特征作为工序之间的比较项,这六项特征的具体计算方法与文献 2 保持一致。表1人工神经网络的输入特征Table1InputcharacteristicsofartificialneuralnetworkNo.characteristicsremark1t(PT)processingtimeofthisprocess2t(ES)theearlieststarttimeofthisprocess3l(WIQ)machiningqueuelengthofworkcenterinthispro
20、cess4l(WINQ)machiningqueuelengthofworkcenterinnextprocess5t(NPT)processingtimeofnextprocess6t(WKR)remainingprocessingtimeofoptical-mechanicalmoduleANN 输入是一个六维向量,如下式X=(fPT,fES,fWIQ,fNPT,fWINQ,fWKR)T(8)其中fPT(Oi,Oj)=t(PTi)t(PTj)(9)fES(Oi,Oj)=t(ESi)t(ESj)(10)fWIQ(Oi,Oj)=l(WIQi)l(WIQj)(11)fNPT(Oi,Oj)=t(N
21、PTi)t(NPTj)(12)fWINQ(Oi,Oj)=l(WINQi)l(WINQj)(13)fWKR(Oi,Oj)=t(WKRi)t(WKRj)(14)公式(9)(11)表达了本道工序特征属性差值,(12)(13)表达了下道工序特征属性差值,公式(14)表示模块整体特征属性差值,从而全面地表达两道工序之间的比较关系。OiOjOjOi如图 3 所示为基于人工神经网络的工序优先模型,ANN 作用为一个二元分类器,输出值 Y 为 0 或 1。当分类器返回类别为 1 时,任务优先于任务;反之,优先于任务。强激光与粒子束092002-42.4任务比较轨迹数据获取按照遗传算法获取的优化解序列,从中获取
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 面向 大型 激光 装置 智能 装配 调度
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。