遺傳算法在CNC工作中的應(yīng)用

王芯潼 　張永茂　胡澤宇

摘 要：基于加工系統(tǒng)運(yùn)作的基本情況，以提高生產(chǎn)效率為優(yōu)先原則采用分別建立RGV的動態(tài)調(diào)度模型。首先對8臺兩兩對立的CNC建立平面直角坐標(biāo)系進(jìn)行定位，賦予坐標(biāo)值；其次采用隨機(jī)權(quán)重系數(shù)法，將每上下對應(yīng)兩臺機(jī)器的坐標(biāo)轉(zhuǎn)化為單目標(biāo)函數(shù)S1、S2、S3、S4，對模型進(jìn)行簡化。情況一尋求最優(yōu)調(diào)度模型時運(yùn)用的的窮舉法，對四個單位的路徑進(jìn)行編碼；情況二利用的是遺傳算法，每個個體是也路徑編碼的排列，用交叉操作可產(chǎn)生全局較優(yōu)解。

關(guān)鍵詞：RGV 動態(tài)調(diào)度 窮舉法 遺傳算法

引 言

在現(xiàn)代化工業(yè)生產(chǎn)過程中，自動加工已經(jīng)成為趨勢，如何動態(tài)調(diào)度生產(chǎn)線使該流程工藝提升生產(chǎn)效率成了當(dāng)今社會的主要研究問題。根據(jù)已知的智能加工系統(tǒng)和物料加工分類，將加工過程中的故障分類分為兩種情況。

1 一道工序的物料加工

在給定系統(tǒng)中，一共8臺計(jì)算機(jī)數(shù)控機(jī)床，安有相同的刀具，由一臺RGV運(yùn)輸物料，并且加工效率越高，RGV動態(tài)調(diào)度模型越好。RGV為CNC上料時間、清洗物料時間均不變，對效率不產(chǎn)生影響，可以從兩個方面提高效率：（1）RGV移動時間；（2）RGV等待時間。[1]

1.1 RGV移動時間

同一單位存在兩個左右兩個CNC，為節(jié)省移動時間，將同一單位上的左右CNC看成一組，一共有四個單位，RGV從初始位置開始走，每個單位至少停留一次，由于第一臺CNC的加工一定先完成，最終會回到初始位置，[2]RGV移動4次，記ai為第i次RGV行走單位數(shù)，，利用窮舉法，生成含有4個數(shù)的一組，其中，

且約束條件為 且每個單位必須經(jīng)過一次，例。

1.2 RGV等待時間

在該智能加工系統(tǒng)中，可能物料加工時間長，RGV出現(xiàn)等待情況，針對由RGV移動時間所篩選出來的2組調(diào)度方案，計(jì)算RGV第四次上料結(jié)束后等待多長時間再次移動，返回初始位置，【3】在{1，1，1，-3}情況下，RGV等待時間，在情況下，RGV等待時間為，，經(jīng)計(jì)算，.

綜上，RGV的最優(yōu)動態(tài)調(diào)度方案為先移動三個單位到第四個單位，再移動一個單位到第三個單位，最后再移動一個單位到第二個單位，等待指令。

2 兩道工序物料加工

情況二是具有兩道工序的物料加工，每臺CNC只能完成其中一道工序且一個周期內(nèi)不會更改，還是遵循高效率原則建立動態(tài)調(diào)度模型，由于該模型工序變多，計(jì)算量大，運(yùn)用普通算法，很難找到較優(yōu)結(jié)果，所以采用遺傳算法解決問題。[4]

由于每臺CNC只能完成一道工序，為節(jié)省一件物料在完成第一道工序到去另一個CNC開始進(jìn)行第二道工序所用時間，消除RGV移動時間對效率的影響，將同一單位上的左右兩臺CNC分別加工第一道工序和第二道工序，由于RGV為偶數(shù)編號CNC一次上下料所需時間要大于為奇數(shù)編號CNC一次上下料所需時間，讓奇數(shù)編號的CNC加工第一道工序，偶數(shù)編號的加工第二道工序。

根據(jù)物料加工的流程，RGV必須停在每個單位三次，也就是RGV在CNC命令的驅(qū)動下在四個單位中共移動12次，個體為1～12的隨機(jī)排列，即一個1～12隨機(jī)排列的向量。

選擇基因與基因之間變化不大于3的個體，選擇1、8、9和2、7、10與4、5、12不相鄰的個體，在滿足優(yōu)選條件下選擇一個具有50個個體的種群，其中一個個體為 （1，3，2，4，5，7，8，9，10，11，12）。

個體的目標(biāo)函數(shù)值是一個個體所代表的RGV移動方案所用的時間，運(yùn)送時間記為M。

表示在該個體中的第i組CNC完成一個物料加工所需要的時間：

尋找目標(biāo)函數(shù)越小的值，取其適應(yīng)值為目標(biāo)函數(shù)的倒數(shù)，使加工時長越短，目標(biāo)函數(shù)值越小，適應(yīng)值越大，個體留下的幾率越大。

從舊種群中以一定的概率選擇個體到新的種群中，個體是否選中與適應(yīng)度的值有關(guān)，適應(yīng)值越大，被選中的概率越大。個體的保留數(shù)目與代溝有關(guān)，代溝為之間的數(shù)，表示新種群的保留下來的個數(shù)占原種群個比例，新種群大小表示：

交叉操作可產(chǎn)生全局較優(yōu)解，采用部分映射雜交，將父代樣本兩個一組進(jìn)行分組，隨機(jī)產(chǎn)生兩個中的數(shù)、，確定染色體上的兩個位置，如果交叉后同一個個體中有重復(fù)的編號，不重復(fù)的數(shù)字保留，有沖突的數(shù)字則將非更改位置的重復(fù)數(shù)字用原位置的數(shù)代替，即完成交換。[5]

結(jié)束條件包括是否達(dá)到迭代次數(shù)，目標(biāo)函數(shù)值、適應(yīng)度是否滿足要求。滿足結(jié)束條件后終止，否則繼續(xù)迭代。

最后利用MATLAB，迭代出最優(yōu)解，最優(yōu)移動個體為（1，4，3，2，8，5，6，7，9，12，11，10）。

參考文獻(xiàn)

[1] 劉志勇，呂文閣，謝慶華，何明玉，楊杰，劉雄輝.應(yīng)用改進(jìn)蟻群算法求解柔性作業(yè)車間調(diào)度問題[J].工業(yè)工程與管理，2010，15（03）：115-119.

[2] 魏巍，譚建榮，馮毅雄，張蕊.柔性工作車間調(diào)度問題的多目標(biāo)優(yōu)化方法研究[J].計(jì)算機(jī)集成制造系統(tǒng)，2009，15（08）：1592-1598.

[3] 吳長慶，羅鍵，陳火國，莊進(jìn)發(fā)，彭彥卿.基于Petri網(wǎng)的RGVs系統(tǒng)中環(huán)路死鎖研究[J].計(jì)算機(jī)科學(xué)，2009，36（04）：250-253+260.

[4] 吳焱明，劉永強(qiáng)，張棟，趙韓.基于遺傳算法的RGV動態(tài)調(diào)度研究[J].起重運(yùn)輸機(jī)械，2012（06）：20-23.

[5] 劉巍巍，趙紅，王迎春.遺傳算法在自動化倉庫路徑調(diào)度問題中的應(yīng)用[J].沈陽工業(yè)大學(xué)學(xué)報，2008（03）：338-340+360.

作者簡介：王芯潼（1999.2.1），女，滿族，河北省承德市興隆縣人，本科，研究方向：數(shù)學(xué)建模。