遺傳算法在CNC工作中的應用

王芯潼 　張永茂　胡澤宇

摘 要：基于加工系統運作的基本情況，以提高生產效率為優先原則采用分別建立RGV的動態調度模型。首先對8臺兩兩對立的CNC建立平面直角坐標系進行定位，賦予坐標值；其次采用隨機權重系數法，將每上下對應兩臺機器的坐標轉化為單目標函數S1、S2、S3、S4，對模型進行簡化。情況一尋求最優調度模型時運用的的窮舉法，對四個單位的路徑進行編碼；情況二利用的是遺傳算法，每個個體是也路徑編碼的排列，用交叉操作可產生全局較優解。

關鍵詞：RGV 動態調度 窮舉法 遺傳算法

引 言

在現代化工業生產過程中，自動加工已經成為趨勢，如何動態調度生產線使該流程工藝提升生產效率成了當今社會的主要研究問題。根據已知的智能加工系統和物料加工分類，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

在給定系統中，一共8臺計算機數控機床，安有相同的刀具，由一臺RGV運輸物料，并且加工效率越高，RGV動態調度模型越好。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，，利用窮舉法，生成含有4個數的一組，其中，

且約束條件為 且每個單位必須經過一次，例。

1.2 RGV等待時間

在該智能加工系統中，可能物料加工時間長，RGV出現等待情況，針對由RGV移動時間所篩選出來的2組調度方案，計算RGV第四次上料結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，，經計算，.

綜上，RGV的最優動態調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不會更改，還是遵循高效率原則建立動態調度模型，由于該模型工序變多，計算量大，運用普通算法，很難找到較優結果，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，為節省一件物料在完成第一道工序到去另一個CNC開始進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為偶數編號CNC一次上下料所需時間要大于為奇數編號CNC一次上下料所需時間，讓奇數編號的CNC加工第一道工序，偶數編號的加工第二道工序。

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

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）。

個體的目標函數值是一個個體所代表的RGV移動方案所用的時間，運送時間記為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：

尋找目標函數越小的值，取其適應值為目標函數的倒數，使加工時長越短，目標函數值越小，適應值越大，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度的值有關，適應值越大，被選中的概率越大。個體的保留數目與代溝有關，代溝為之間的數，表示新種群的保留下來的個數占原種群個比例，新種群大小表示：

交叉操作可產生全局較優解，采用部分映射雜交，將父代樣本兩個一組進行分組，隨機產生兩個中的數、，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的編號，不重復的數字保留，有沖突的數字則將非更改位置的重復數字用原位置的數代替，即完成交換。[5]

結束條件包括是否達到迭代次數，目標函數值、適應度是否滿足要求。滿足結束條件后終止，否則繼續迭代。

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

參考文獻

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

[2] 魏巍，譚建榮，馮毅雄，張蕊.柔性工作車間調度問題的多目標優化方法研究[J].計算機集成制造系統，2009，15（08）：1592-1598.

[3] 吳長慶，羅鍵，陳火國，莊進發，彭彥卿.基于Petri網的RGVs系統中環路死鎖研究[J].計算機科學，2009，36（04）：250-253+260.

[4] 吳焱明，劉永強，張棟，趙韓.基于遺傳算法的RGV動態調度研究[J].起重運輸機械，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度問題中的應用[J].沈陽工業大學學報，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：數學建模。