基于AGV的生产系统逻辑/物理混合重构理论与方法研究

With the development of social economic level, customers' individualized demands are increasing, and enterprise production is developing in the direction of mass customization. In the mass customization production environment, the dynamic facility layout of the production system is an effective means to meet the demand changes. In addition, the dynamic scheduling of the AGV can also cope with the lightweight demand changes. this project will study the theory and method of logic/physical hybrid reconfiguration of production system using AGV material handling equipment, including the following contents: Firstly, establish a decision-making model of logical/physical reconfiguration based on deep reinforcement learning for different levels of demand changes in the production environment. Secondly, for logical reconfiguration, a discrete differential evolutionary algorithm is designed for AGV dynamic scheduling and a time window based method is used for path planning to deal with lightweight demand changes; Thirdly, for physical reconfiguration, after establishing facility layout-AGV scheduling two-layer multi-objective optimization model, a two-layer multi-objective optimization algorithm based on discrete adaptive MOEA/D-discrete differential evolution algorithm is designed to solve the model. A branch and cut method based on the problem domain knowledge is designed to cut a large amount of solution space to improve the efficiency of the algorithm. Finally, based on the above theoretical research, a prototype system combined with the specific production plant is developed for engineering application verification.

随着社会经济水平的发展，客户的个性化需求越来越多，企业生产朝着大规模定制生产的方向发展。在大规模定制生产环境下，生产系统的动态设施布局是满足需求变化的有效手段；另外，通过对AGV的动态调度也能应对轻量级的需求变化。本项目将对采用AGV为物料搬运设备的生产系统的逻辑/物理混合重构理论与方法进行研究，包含以下内容：①首先，针对生产环境中的不同程度的需求变化，建立基于深度强化学习的逻辑/物理重构决策模型；②对于逻辑重构，设计离散差分进化算法对AGV进行动态调度，采用基于时间窗的方法规划AGV的路径，以应对轻量级的需求变化；③对于物理重构，建立设施布局-AGV调度双层多目标优化模型，然后设计离散自适应MOEA/D-离散差分进化算法双层多目标优化算法求解，设计基于问题领域知识的分支切割法对解空间进行大量裁剪，提高算法的求解效率。④最后，在上述理论研究的基础上，开发原型系统，进行应用验证。

随着生产车间自动化、智能化水平的提升，柔性可重构制造系统成为可能，能够以更高效率、更低成本、更科学的方式实现对大规模定制生产模式下生产需求的快速、及时响应。本项目针对生产系统的逻辑/物理混合重构理论与方法从智能优化基础算法、车间调度基础问题、带可重构设备的车间调度问题和车间设施重构问题进行了深入研究：(1)针对智能优化基础算法进行了研究，提出了基于机器学习的多策略并行遗传算法、基于线性函数的自适应ε约束差分进化算法、基于DBSCAN聚类算法的自适应权重多目标进化算法；(2)针对车间调度基础问题进行了研究，提出了一种求解混合流水车间调度问题基于双编码方式的混合进化算法，设计了一种针对带有限缓冲区混合流水车间调度方法，提出了一种求解柔性作业车间调度问题的考虑多关键路径的混合Jaya算法；(3)针对带可重构设备车间调度问题，提出了基于改进遗传算法的对带可重构设备柔性作业车间调度方法、基于数学启发式算法的对带可重构设备批量流柔性作业车间调度方法及其动态调度方法；(4)针对基于AGV的车间设施重构问题，提出了基于混合遗传算法的逻辑重构方法，基于动态规划的物理重构方法以及多目标混合遗传重构算法。本项目在智能优化方法、智能调度以及生产线重构方面取得了突破，这些成果丰富了制造系统运行管控方面的研究，推动了相关学科的发展，具有重要的科学意义和应用价值。本项目共发表论文17篇，其中SCI收录11篇，申请发明专利2项（授权1项，公开1项）和软件著作权2项，培养硕士研究生4人，合作培养博士生1人，博士后出站1人。

内容获取失败，请点击重试