基于神经-内分泌协调机制的多AGV调度研究

2016-01-29唐敦兵陆晓春郑堃

机械制造与自动化 2015年4期

关键词：仿真实验协调控制任务调度

唐敦兵，陆晓春，郑堃

(南京航空航天大学机电学院，江苏南京 210016)

基于神经-内分泌协调机制的多AGV调度研究

唐敦兵，陆晓春，郑堃

(南京航空航天大学机电学院，江苏南京 210016)

摘要：为解决多AGV系统中的任务调度及协调控制问题，受神经-内分泌协调机制的启发，结合混合区域控制模型，建立了任务、制造单元及AGV之间相互刺激的激素分泌模型，并在此基础上提出了基于神经-内分泌协调机制的多AGV任务分配及调度机制。结合实例进行了调度仿真实验，验证了此方法的可行性和有效性。

关键词：多AGV；任务调度；协调控制；神经-内分泌协调机制；仿真实验

Research on Multi-AGV Scheduling Based on Neuro-endocrine Coordination Mechanism

TANG Dunbing, LU Xiaochun, ZHENG Kun

(College of Mechanical and Electrical Engineering, Nanjing University of Aeronautics

and Astronautics, Nanjing 210016, China)

Abstract:To solve the task scheduling and coordination problems in multi-AGV system, gaining enlightenment from the neure-endocrine coordination mechanism and combining the mixed regional control model, this paper build the hormone secretion model of the stimulation among task, manufacturing unit and AGV, then, proposes the multi-AGV task assignment and scheduling mechanism based on the neuro-endocrine coordination mechanism. The scheduling simulation experiments combined with specific examples are conducted and the feasibility and effectiveness of the proposed approach are verified.

Keywords:multi-AGV; task scheduling; coordination control; neuro-endocrine coordination mechanism; simulation

0引言

随着现代制造系统的飞速发展，对制造系统的柔性和鲁棒性提出了更高的要求[1]。自动导引小车系统(automated guided vehicle system， AGVS)作为现代制造系统中的关键子系统，以其特有的高度灵活性、柔性和高效性等显著特点，极大地提高了现在制造系统的生产效率、鲁棒性，降低了生产成本等[2]。因此，国内外众多学者针对多AGV开展了大量研究，主要集中在以下三个方面：多AGV任务调度、多AGV路径规划及多AGV协调控制。任务调度是AGV的基本问题之一，主要解决在考虑当前约束下加工任务在多台AGV上的分配及组合优化问题[3]；路径规划主要解决在考虑当前环境参数下，多AGV系统在得到新任务后，从任务起始点到任务目标点的路径问题；协调控制是多AGV系统的最关键问题，主要解决在实时运行时多台AGV可能出现的碰撞、死锁等问题[4]。

由于多AGV系统是一个实时并发的系统，集中在线式的路径规划、协调控制存在运算时间长、控制滞后的问题，因此无法取得令人满意的控制效果。

生物体在复杂动态环境下有着很强的适应能力和应变能力，能够针对内外界环境的变化迅速对自身相关功能活动进行协调，达到新的动态平衡状态。神经-内分泌协调机制作为维持生物体内环境稳态的重要生理机制，蕴含着丰富而复杂的分布式信息处理与协调机制，体现出高度的自适应和自组织性[5]。因此，文中在深入研究神经-内分泌协调机制在生物体内重要作用的基础上，借鉴神经-内分泌协调机制的优秀特性，将之应用于多AGV系统的任务调度、协调控制中，并开展了相应仿真实验。

1神经-内分泌协调机制

神经系统是人体内起主导作用的功能调节系统，体内各器官、系统的功能和各种生理过程等均受神经系统的直接或间接调控，从而相互协调，共同完成机体的各项功能活动。

内分泌系统作为人体另一重要调节系统，由内分泌腺、内分泌细胞及激素组成。内分泌系统作为机体重要的调节系统，通过分泌激素来调节体内各组织器官的功能。

神经系统和内分泌系统存在着广泛的联系和相互作用。一方面，神经系统接受机体内外环境的各类刺激，将之转化为神经冲动，刺激内分泌腺的激素分泌，对内分泌系统有着调控作用；另一方面，内分泌系统可以通过分泌激素改变神经系统对特定刺激的敏感度，从而影响神经系统的活动。

神经系统对机体的调节主要通过神经调节进行，神经调节的结构基础是反射弧，反射弧中传导的是电信号，因此神经调节的最大特点是调节迅速。神经冲动可以由反射弧直接传导至效应器，调节范围准确。神经递质在起作用后立刻被分解，因此作用时间很短暂。内分泌调节则是通过血液、组织液等内分泌循环将激素、CO2等化学物质运送至全身各处组织与器官，进而调节各项生理活动，因此内分泌调节的速度相对缓慢。但全身组织、细胞只要由相应的激素受体机体接受调控，调控范围相当广泛；同时，激素在发挥作用后不会马上消散，仍会存在一段时间，可以继续对组织器官进行调节，故内分泌调节的作用时间较长。

神经调节与内分泌调节以其各自的特点，相互协调配合，在维持机体内环境稳态上发挥着重要作用。寒冷环境中机体体温的恒定维持是神经-内分泌协调机制相互作用，维持内环境稳态的一个典型例子，具体过程如图1所示。

图1　寒冷环境中机体体温恒定维持示意图

下丘脑在感受到寒冷刺激后，可以直接调节骨骼肌、肾上腺等组织器官的活动，同时也能控制垂体等内分泌腺的激素分泌，从而减少散热，增加产热，维持机体体温恒定。

2多AGV调度系统建模

2.1混合区域控制模型

混合区域控制模型[6]基于传统的串联区域控制模型，针对其若干缺陷进行了改进，使其更适合于分布式控制。基于混合区域控制模型的多AGV调度系统路径布局如图2所示。

图2　混合区域控制模型AGV路径布局

混合区域控制模型中，多AGV调度系统由若干具有相同结构，独立且紧密联系的制造单元控制区域组成，AGV在各个区域之间的运行受各制造单元区域控制器控制，有利于发挥分布式控制的优势。

2.2激素调节规律

Farhy曾提出内分泌激素通用调节规律[7]：激素的调节规律具有单调性和非负性，激素的上升及下降均遵循Hill函数规律，如式(1)及式(2)所示：

(1)

(2)

其中，G为函数自变量；T为阈值，且T>0；n为Hill系数，且n≥1。如果激素A受激素B调控，则激素A的分泌速率SA与激素B的浓度CB存在以下关系：

SA(CB)=aFup(down)(CB)+SA0

(3)

其中，a为常量系数，SA0为激素A的初始分泌速率。

2.3多AGV系统调度模型

根据激素调节规律对基于混合区域模型的多AGV调度系统进行建模。

多AGV调度系统中，新生产任务的到来对各制造单元产生刺激，制造单元根据生产任务中具体的工件工序、加工时间等信息按式(4)分泌制造单元激素，激素的浓度代表制造单元对某一工件工序的加工能力。

(4)

(5)

(6)

(7)

制造单元接受到系统中各AGV分泌的激素刺激后，选择其中激素浓度最大的AGV来执行本单元的工件运输任务，这样就可以保证每次的工件运输任务都由最佳的AGV来执行，缩短了系统的总体运行时间，提高了系统的生产效率。

3基于神经-内分泌协调机制的任务分配及调度机制

为了提高系统中各机床的利用效率、减少AGV的空闲等待时间，并提出基于神经-内分泌协调机制的任务分配及调度机制，以提高系统的生产效率。

基于神经-内分泌的任务分配及调度机制主要解决生产任务在各个制造单元的分配、组合优化以及各工件运输任务在AGV上的分配问题，使系统能够达到一个相对较优的生产状态，维持在较高的生产水平。

5) 循环执行步骤1)～4)直至所有工件工序得到分配，则停止对新生产任务的分配和调度，系统继续运行。

采用此任务分配及调度机制，可以在生产任务到来时，通过制造单元之间、制造单元与AGV之间的相互协调，为每个具体的工件工序加工任务分配最合适的加工设备及AGV，从而提高系统的生产效率。

4多AGV调度仿真实验平台开发及验证

4.1多AGV调度仿真实验平台

根据神经-内分泌协调机制开发的多AGV调度仿真实验平台如图3所示，主要由AGV、制造单元、监控终端等模块组成，其中，制造单元又由机床、工件缓冲区、机械手等组成。

图3　多AGV调度仿真实验平台实物图

4.2多AGV调度仿真实验

假设有一生产任务W由三个工件组成，其中每个工件具有三道工序需要加工，每道工序均需在相应机床上加工一定时间，具体的任务参数如表1所示。

表1　生产任务参数表

系统中有6台不同类型的机床，其中有2台车床、2台铣床、1台磨床、1台钻床，具体机床参数如表2所示。

表2　机床参数表

生产任务产生后，根据神经-内分泌协调机制的任务分配机制进行任务分配，分配完成的任务加工序列如表3所示，对应的生产任务甘特图如图4所示。

表3　任务加工序列表

图4　生产任务甘特图

AGV根据此任务加工序列，在基于神经-内分泌协调机制的任务调度机制调度下，完成工件的出库、机床间运输、入库等操作，最终执行完所有任务，返回初始位置。由此得到的AGV运行及等待具体时间如图5所示。

图5　AGV工作时间图

统计AGV的总体运行时间、有效运行时间及空闲等待时间，具体的各类时间参数如图6所示。

图6　AGV运行时间参数图

由此可以得到1号和2号AGV的总体运行效率η1，η2：

进一步分析实验结果可知：针对具体的生产任务，基于神经-内分泌协调机制的任务分配及调度机制可以根据系统中各机床的当前状态进行任务分配，得到当前状态下的较优任务加工序列。同时，能够根据AGV的当前状态进行任务调度，最大化AGV的运行效率，从而提高系统的整体效率。

5结语

针对多AGV系统调度的复杂性，借鉴维持生物体内环境的神经-内分泌协调机制，提出了基于神经-内分泌协调机制的多AGV任务分配及调度机制，解决了多AGV系统中的任务调度及协调控制问题，并通过仿真实验验证了方法的可行性及有效性，结果表明该方法可以提高系统的运行效率。

参考文献:

[1] 周凯, 刘成颖. 现代制造系统[M]. 北京：清华大学出版社, 2005.

[2] Iris FAVIS. Survey of research in the design and control of automated guided vehicle systems [J].European Journal of Operational Research, 2006, 170(3): 677-709.

[3] Tuan LE-ANH, MBM DE KOSTER. A review of design and control of automated guided vehicle systems [J]. European Journal of Operational Research, 2006, 171(1): 1- 23.

[4] 孙奇. AGV系统路径规划技术研究[D]. 浙江: 浙江大学, 2012.

[5] 张凌燕, 温庆城, 张志文. 神经系统与内分泌系统的相互影响与协同作用[J]. 生物学通报, 2006, 41(7): 24- 25.

[6] Zheng K, Tang D, Gu W, etal. Distributed control of multi-AGV system based on regional control model. Production Engineering Research and Development[J], 2013, (7):433-441.

[7] Farhy L S. Modeling of oscillations in endocrine networks with feedback [J]. Methods in enzymology, 2004, 384: 54-81.