虛擬可重組制造系統仿真優化模塊開發

閆紀紅， 張奮揚

(哈爾濱工業大學機電工程學院工業工程系，黑龍江哈爾濱150001)

0 引言

可重組制造系統是指為響應市場不規則需求的突然變化，具有能通過快速變換結構和軟硬件組元來調整系統的生產能力和功能而設計面向零件族的制造系統［1］。目前，對可持續制造系統的研究已將涉及設備層、車間層建模以及整個系統關鍵技術等各個方面［1-5］。然而，考慮到可重構系統的搭建復雜、設備昂貴，實際優化過程費用大、耗時長，且容易造成生產延遲、交貨期滯后等不利影響，本文建立一個基于通用軟件——LabVIEW的實驗仿真和控制平臺，選取一個實際的可重組柔性制造系統(Flexible Manufacturing System;FMS)為參考背景，對研究的可重組制造系統建立仿真模型。同時，通過LabVIEW的數據采集和分析功能進行加工時間參數的采集，建立混合仿真模型。最后，應用粒子群優化算法對可重組制造系統的作業調度問題進行優化，根據優化的結果對系統進行重組，并對重組結果進行驗證，在節約資金和時間以及不影響生產的前提下，達到系統優化，加快制造系統投入生產。

1 基于LabVIEW的可重組FMS仿真模塊

1．1 可重組FMS概況

本文選取的柔性制造系統的組成及布局如圖1所示。

圖1 FMS系統

該系統是由數控加工設備、物料運儲裝置和計算機控制系統等組成的自動化制造系統，主要由兩部分組成:加工單元和裝配線。加工單元中主要由數控車床、數控銑床、激光雕刻機、搬運和機械手組成，對產品的零部件進行加工。裝配線則實現裝配、清洗和質檢等工序。整個制造系統的生產流程圖如圖2所示。系統中各個單元的加工時間參數如表1所示。

1．2 可重組制造系統仿真模型建立

在LabVIEW中對生產系統進行建模仿真，主要有下列幾個步驟:

(1)界面設計。根據實際生產系統的設備布局情況，在LabVIEW的前界面中對模型的界面進行設計。加工單元主要是由數控車床、數控銑床和機械手組成，而裝配線中依據實際生產線的工藝生產流程和布局。界面設計的結果如圖3所示。

(2)設備建模。根據設備的基本工作流程和模式，建立設備模型。分析設備加工狀態，工作的流程圖如圖4所示。根據設備的加工流程分析，進行設備的模型及后臺程序框圖設計，為下一步建立設備之間的連接做準備。

(3)建立設備之間的連接。在工序與工序、設備與設備之間，通過加工工藝的緊前工序分析，設計機床之間連接的邏輯關系，建立設備連接，從而實現整條生產線的連通。設備之間的模型和程序框圖設計如圖5、6 所示。

(4)參數設定。依據表1中收集的加工時間參數，設置相應的加工時間，以對生產線的生產制造過程進行仿真。

圖2 小箱體產品生產流程圖

表1 加工時間參數表

(5)數據通訊模塊開發。通過開發Access與LabVIEW的數據通訊模塊，將加工時間參數錄入到Access表中進行鏈接。在Access中通過建立一個用來存儲加工時間參數的數據庫MTime．mdb文件和MTime_link．udl文件，對udl文件進行提供程序以及數據源的選擇和設置。在此基礎上，通過LabVIEW軟件的LabSQL ADO functions工具包對數據庫連接程序進行編寫，從而實現數據的集中管理和存儲。

圖3 仿真模型界面圖

圖4 機床工作流程圖

圖5 設備連接界面圖

圖6 設備連接后面板框圖

(6)程序運行及仿真結果分析。通過設備的建模以及設備之間的連接，建立了整條生產線的仿真模型，完成程序的編輯之后，運行程序，得到程序運行的結果如圖7所示。指示燈為綠說明設備正在工作。紅為空閑。

圖7 程序運行結果圖

2 開發可重組FMS混合仿真模塊

目前，物理仿真和數學仿真得到了廣泛的應用［6］。但是對于復雜的制造系統傳統的仿真模型不能很好地體現系統的實際情況。為此，近年來許多學者提出了混合仿真技術的研究和應用［6-8］。本文進一步建立可重組FMS的混合仿真模型。混合仿真(Hardware-in-the-loop Simulation)是指將仿真實驗系統的仿真回路中接入部分系統實物以取代相應的數學模型，并將其與系統實時仿真模型連接成一個系統。

2．1 可重組FMS混合仿真模型結構設計

圖8為混合仿真模型的結構圖［8］。對于可重組FMS混合仿真模型的建立，實物系統裝置選取實際系統的加蓋單元，而混合仿真接口采用加蓋單元自身安裝的傳感器，通過PCI板卡搭建的數據采集系統采集傳感器的實時數據。將采集到的數據傳送給物理系統裝置，實現可重組FMS的混合仿真。

2．2 建立可重組FMS混合仿真模型

虛擬儀器(Visual Instrument，VI)能夠實現軟硬件的無縫連接［9］，美國NI公司推出的 LabVIEW是一個高效的圖形化程序設計環境，它結合了簡單易用的圖形化開發環境與強大的快速程序設計［9-10］。本文中為了實現生產系統的混合仿真，在LabVIEW環境下開發一個數據采集模塊，實現對數據的實時采集，同時連接到仿真模塊當中去，完成從整個數據采集硬件系統的搭建到軟件系統的編輯的過程，實現混合仿真的過程。

根據混合仿真接口的需求，本文采用泓格PCI-1002數據采集卡。實物圖如圖9所示。

圖9 泓格PCI-1002數據采集板卡實物圖

混合仿真接口選取加蓋單元上的電感式傳感器，實時判斷托盤的到達與離開。在FMS生產過程中，PLC接線板供給傳感器的電壓值為24 V，根據傳感器的工作原理，無信號觸發時，輸出的低電平0 V;有信號觸發時，輸出高電平24 V電壓。

圖10為數據采集系統的接線方案示意圖，通過傳感器引出輸出線(黑線)和地線(藍線)。引出的線連接到自制的信號處理接線板上，將0～24 V的電壓，轉換為PCI-1002數據采集卡接收的電壓范圍為0～5 V。通過數據線連接到PCI-1002數采板卡上。然后在PC機上運行數采程序進行數據采集。

圖10 數采系統接線方案示意圖

建立混合仿真模型的過程主要分為三個步驟:

(1)步驟一。通過PCI-1002板卡測量加蓋單元的傳感器觸發信號。運行程序步驟一的數據采集程序，測量十個工件，結果表中顯示，高電平約為4．09 V，低電平約為0 V。

(2)步驟二。在第一步采集到的數據結果的基礎上，設置中間值為2V，運行步驟二的數采程序，采集十個工件，記錄加蓋單元加工時間參數，結果保存到兩個表中。運行過程的截面圖如圖11所示。

圖11 加工時間數采程序運行結果圖

(3)步驟三。采集到的加蓋單元的加工時間參數表之后，通過LabVIEW與Access的數據通訊模塊，將加工時間參數與仿真模型連接，實現可重組FMS的混合仿真的過程。運行結果如圖12所示。

圖12 混合仿真模型運行結果圖

3 基于粒子群算法的可重組FMS生產

3．1 可重組FMS調度問題

根據可重組FMS的生產情況，表2為三個水晶塊的新產品加工任務表。為了指導系統進行重組，本文采用粒子群算法對新產品的調度問題進行優化求解，以優化后的調度結果作為指導系統可重組的決策和依據。

表2 加工任務表

作業調度問題通常還要滿足一下約束條件:

(1)一個工件只能在一臺機器上加工一次;

(2)同一個工件的加工工序之間有先后約束，必須是一個工件的前一道工序加工完成后，才能加工該工件的下一道工序;

(3)加工工藝表是各個工件加工的依據，必須嚴格遵守;

(4)工序的加工過程中不允許中斷。

在此基礎上，建立作業調度問題的數學模型為:

目標函數

約束條件

其中:

式中:Cjk、Tik分別為工件i在機器k上的完成時間和加工時間;M為一個足夠大的整數。式(1)代表調度問題的目標最大完成時間的最小值作為目標函數;式(2)為工件先后加工順序的約束條件;式(3)是機器加工工件的先后順序約束。

3．2 粒子群算法

粒子群算法(Particle Swarm Optimization;PSO)是一種基于群體只能的進化類算法，它的思想是模擬鳥群的捕食行為［11-15］。通過不斷地更新全局最優與局部最優，從而不斷地向最優解靠近［13］。PSO的流程圖如圖13所示。

將加工任務表的時間約束與機器約束轉化為矩陣表達式。

工序數量約束矩陣:

機器約束矩陣:

圖13 PSO流程圖

時間約束矩陣:

通過PSO，在上面3個矩陣約束條件下，以目標函數值為最短總加工流程時間對種群進行尋優。

3．3 算法的參數設置

種群大小m:通常種群的大小是問題維數的1．5倍左右。本文中解決的是3工件的調度問題，所以取m=5。

加速因子c1和c2:c1和c2通常等于2，在文獻當中也有取其它值的，不過一般取0～4之間的值［14］。在這里，由于粒子進行編碼和解碼之后，粒子的位置值在更新完之后還會發生取整的變化，使得最優的粒子位置誤差越來越大，因此，為了減小誤差對速度更新公式的影響，這里取c1=c2=1．5。

粒子速度限制vmax:本文為了防止誤差對最終粒子的收斂結果造成影響，取vmax=2xmax。

慣性因子ω:按照經驗值，ω通常取值為ωmin=0．4至ωmax=0．9之間。為了使得粒子在一開始的時候有較大的探索能力，優化到后面的時候又有較好的開發能力，本文采用線性權重，即:

其中:t為當前迭代次數;gen為總的迭代次數。

3．4 應用PSO求解調度問題

設置完參數之后，根據算法流程圖，在Matlab中編寫PSO程序，求解調度問題，具體的求解步驟如下:

(1)步驟1。設定粒子種群規模N=5和最大迭代次數gen=100;

(2)步驟2。用隨機函數法初始化粒子種群，隨機產生粒子的位置Xi和速度Vi;

(3)步驟3。對粒子進行編碼，生成有序操作表。

(4)步驟4。對有序操作表進行解碼，生成調度方案，根據上文三個約束矩陣，對粒子的適應度值進行計算;

(5)步驟5。由速度和位置更新公式對粒子的速度和位置進行更新;

(6)步驟6。判斷當前迭代次數是否達到最大跌打次數，若未達到，則當前迭代次數加一，轉步驟3，否則，轉步驟7;

(7)步驟7。輸出全局最優值所對應的粒子的工序序列以及對應的最短總流程時間，即為最優調度結果。并繪制最優值收斂曲線圖與甘特圖。

優化前不對工件的工序進行排序，假設從第一個工件依次進行加工，粒子可以表示為p={1;1;1;1;2;2;2;2;3;3;3;3};繪制出甘特圖如圖14所示。

圖14 優化前的甘特圖

運行PSO程序對作業調度問題進行優化之后，在命令窗口中輸出最優的粒子、最短加工總流程時間以及運行時間。并繪制出甘特圖和最優值的收斂曲線圖。如圖15、16所示。

圖15 優化后甘特圖

從甘特圖中可以明顯看出，優化后工件的等待時間減少，總流程時間縮短。從收斂曲線圖中可以看出，PSO求解作業調度問題時，收斂性較好，收斂速度快，且能得到較好的最優值。

圖16 最優解收斂曲線圖

3．5 利用優化調度結果指導FMS進行重組

根據優化的結果，對引進三種新產品的可重組FMS進行重組。從結果可以看出，三個工件的最后一道工序都需要在激光雕刻機上進行加工。因此，將激光雕刻由原來的加工單元的位置移動到流水線上，而對于前三臺設備，由于各個工件訪問設備的順序不同，沒有先后排序的差別，為此，將三臺設備組成加工單元，通過機械手進行工件的搬運。

根據上述的重組方案，在LabVIEW中進行重組后的生產線仿真模型的建立，結果如圖17所示。

圖17 重組后的系統運行結果圖

可重組FMS通過快速變化結構和功能，能很好地適應新產品訂單的生產能力需求，這對實際的生產有很好的指導意義。

4 結論

本文以某一實際的可重組的柔性制造系統為背景，應用LabVIEW對系統進行建模和仿真模塊的開發，實現對系統的混合仿真模型過程，并進一步利用PSO對可重組的柔性制造系統作業調度問題進行求解，提出基于系統可重組性的優化方案。主要的研究工作和結論如下:

(1)建立了可重組柔性制造系統的物理模型，開發了基于LabVIEW的可重組制造系統仿真模塊，驗證了仿真模型的正確性。對于進一步對實際系統進行分析、控制和優化具有很好的研究和指導意義。

(2)應用數據采集系統對實際生產線的加蓋單元的加工參數進行采集，并通過數據通訊模塊，實現了將實時采集到的加工時間參數與仿真模型進行連接，完成對可重組柔性制造系統的混合仿真過程。使得仿真模型更接近于實際，仿真模型的可靠性更高、指導意義更大。

(3)實現了可重組柔性制造系統的作業調度問題的數學描述，并利用PSO對可重組柔性制造系統的作業調度問題進行了優化求解。根據優化調度的結果，提出針對三種新產品的可重組制造系統的重組方案，并在LabVIEW中進行了重組方案驗證。對于指導實際生產調度具有很好的參考意義。

［1］ 姜曉鵬，王潤孝，庫祥臣．可重構制造系統研究進展［J］．機床與液壓，2007 35(4):232-233．

［2］ Ahmed M． Deify · Waguih EIMaraghy． Investigating optimal capacity scalability scheduling in a reconfigurable manufacturing system［J］．Int JAdv Manuf Technol，2006:557-562．

［3］ Bruccoleri M，Zbigniew J，Yoram Koren Y．Operation management in reconfigurable manufacturing systems:Reconfiguration for error handling［J］．International Journal of Production Economics，2006．

［4］ Reuven Katz．Design principles of reconfigurable machines［J］．Int J Adv Manuf Technol，2007:430-439．

［5］ 陳友玲，劉文科，嚴 鍵．基于RMC的可重構制造系統設備布局優化研究［J］．計算機應用研究，2011，28(12):4550-4553．

［6］ 張文彬．建筑空調系統混合仿真試驗臺的開發和應用［D］．上海:上海交通大學，2011．

［7］ David Writer，Tony Yip．Study on the impacts of wind farms on outgoing line relay protection based on the development of digitalphysical hybrid simulation system for VSCF wind turbine［C］//Proceedings of 2011 International Conference on Advanced Power System Automation and Protection(APAP 2011)，2011:699-702．

［8］ 付 超，王 丹，王 毅，等．基于NI-PXI的分布式發電數模混合仿真系統［J］．電力電子技術，2012，46(2):57-59．

［9］ 陳世超．基于虛擬儀器的多路電壓測量的設計與實現［J］．電子設計與工程，2011，20(8):81-83．

［10］ 孫 娜，俞 梅，袁愛進．基于LabVIEW的純實時仿真方法及應用［J］．控制工程，2007(11):635-637．

［11］ Mark K L．An Age-based PSO Algorithm for the Design of Virtual Cellular Manufacturing System under a Multi-Period Planning Horizon［C］//Procedings of 12thAsia Pacific Industrial Engineering＆ Management Systems Conference(APIEMS 2011)，2011:822-828．

［12］ Nitish Sinha，Priyanka G．Implementation of Binary PSO Based Face Recognition System using Image Preprocessing［C］//The proceedings of 2011 International Conference on Signal，2011:41-45．

［13］ 汪定偉，王俊偉，王洪峰，等．智能優化算法［M］．北京:高等教育出版社，2007:217-218．

［14］ 賈兆紅，陳華平，孫耀暉．混合粒子群算法在柔性工作車間調度中的應用［J］．系統仿真學報，2007 19(20):4743-4747．

［15］ 韓培東，吳寶中，李國喜，等．基于PSO的車間柔性調度計算［J］．現代制造工程，2007:61-65．