遗传算法在CNC工作中的应用

2019-03-20王芯潼张永茂胡泽宇

西部论丛 2019年10期

王芯潼　张永茂　胡泽宇

摘要：基于加工系统运作的基本情况，以提高生产效率为优先原则采用分别建立RGV的动态调度模型。首先对8台两两对立的CNC建立平面直角坐标系进行定位，赋予坐标值；其次采用随机权重系数法，将每上下对应两台机器的坐标转化为单目标函数S1、S2、S3、S4，对模型进行简化。情况一寻求最优调度模型时运用的的穷举法，对四个单位的路径进行编码；情况二利用的是遗传算法，每个个体是也路径编码的排列，用交叉操作可产生全局较优解。

关键词：RGV 动态调度穷举法遗传算法

引言

在现代化工业生产过程中，自动加工已经成为趋势，如何动态调度生产线使该流程工艺提升生产效率成了当今社会的主要研究问题。根据已知的智能加工系统和物料加工分类，将加工过程中的故障分类分为两种情况。

1 一道工序的物料加工

在给定系统中，一共8台计算机数控机床，安有相同的刀具，由一台RGV运输物料，并且加工效率越高，RGV动态调度模型越好。RGV为CNC上料时间、清洗物料时间均不变，对效率不产生影响，可以从两个方面提高效率：（1）RGV移动时间；（2）RGV等待时间。[1]

1.1 RGV移动时间

同一单位存在两个左右两个CNC，为节省移动时间，将同一单位上的左右CNC看成一组，一共有四个单位，RGV从初始位置开始走，每个单位至少停留一次，由于第一台CNC的加工一定先完成，最终会回到初始位置，[2]RGV移动4次，记ai为第i次RGV行走单位数，，利用穷举法，生成含有4个数的一组，其中，

且约束条件为且每个单位必须经过一次，例。

1.2 RGV等待时间

在该智能加工系统中，可能物料加工时间长，RGV出现等待情况，针对由RGV移动时间所筛选出来的2组调度方案，计算RGV第四次上料结束后等待多长时间再次移动，返回初始位置，【3】在{1，1，1，-3}情况下，RGV等待时间，在情况下，RGV等待时间为，，经计算，.

综上，RGV的最优动态调度方案为先移动三个单位到第四个单位，再移动一个单位到第三个单位，最后再移动一个单位到第二个单位，等待指令。

2 两道工序物料加工

情况二是具有两道工序的物料加工，每台CNC只能完成其中一道工序且一个周期内不会更改，还是遵循高效率原则建立动态调度模型，由于该模型工序变多，计算量大，运用普通算法，很难找到较优结果，所以采用遗传算法解决问题。[4]

由于每台CNC只能完成一道工序，为节省一件物料在完成第一道工序到去另一个CNC开始进行第二道工序所用时间，消除RGV移动时间对效率的影响，将同一单位上的左右两台CNC分别加工第一道工序和第二道工序，由于RGV为偶数编号CNC一次上下料所需时间要大于为奇数编号CNC一次上下料所需时间，让奇数编号的CNC加工第一道工序，偶数编号的加工第二道工序。

根据物料加工的流程，RGV必须停在每个单位三次，也就是RGV在CNC命令的驱动下在四个单位中共移动12次，个体为1～12的随机排列，即一个1～12随机排列的向量。

选择基因与基因之间变化不大于3的个体，选择1、8、9和2、7、10与4、5、12不相邻的个体，在满足优选条件下选择一个具有50个个体的种群，其中一个个体为（1，3，2，4，5，7，8，9，10，11，12）。

个体的目标函数值是一个个体所代表的RGV移动方案所用的时间，运送时间记为M。

表示在该个体中的第i组CNC完成一个物料加工所需要的时间：

寻找目标函数越小的值，取其适应值为目标函数的倒数，使加工时长越短，目标函数值越小，适应值越大，个体留下的几率越大。

从旧种群中以一定的概率选择个体到新的种群中，个体是否选中与适应度的值有关，适应值越大，被选中的概率越大。个体的保留数目与代沟有关，代沟为之间的数，表示新种群的保留下来的个数占原种群个比例，新种群大小表示：

交叉操作可產生全局较优解，采用部分映射杂交，将父代样本两个一组进行分组，随机产生两个中的数、，确定染色体上的两个位置，如果交叉后同一个个体中有重复的编号，不重复的数字保留，有冲突的数字则将非更改位置的重复数字用原位置的数代替，即完成交换。[5]

结束条件包括是否达到迭代次数，目标函数值、适应度是否满足要求。满足结束条件后终止，否则继续迭代。

最后利用MATLAB，迭代出最优解，最优移动个体为（1，4，3，2，8，5，6，7，9，12，11，10）。

参考文献

[1] 刘志勇，吕文阁，谢庆华，何明玉，杨杰，刘雄辉.应用改进蚁群算法求解柔性作业车间调度问题[J].工业工程与管理，2010，15（03）：115-119.

[2] 魏巍，谭建荣，冯毅雄，张蕊.柔性工作车间调度问题的多目标优化方法研究[J].计算机集成制造系统，2009，15（08）：1592-1598.