2018年全国大学生数学建模竞赛论文展示(B225)
全国大学生数学建模竞赛组委会 2024-02-06
字号:AAA
2018年全国大学生数学建模竞赛论文展示(B225)。未经组委会书面许可,请勿转载。


未经组委会书面许可,请勿转载。

 2018年全国大学生数学建模竞赛B225.pdf

智能 RGV 的动态调度策略

摘要

本文根据题目给定的智能加工系统及系统作业参数,针对一道工序物料加工作业、两道工序物料加工作业、作业中故障处理等三种情况,建立数学模型,分别给出了相应的 RGV 最佳调度策略。

针对一道工序物料加工作业的情况,本文设计当 RGV 完成当前指令后若未接收到任何 CNC 的上料需求信号,RGV 将会根据调度模型立即判别执行一次移动指令,移动到下一步发出上料需求信号的 CNC 前。并将作业效率最佳问题转换为一班次 8 小时内CNC 处于工作状态总时间最长,并假设 RGV 具有短时间的记忆储存功能,能够记录与匹配 RGV 与各 CNC 进行最后一次交互的时间,为 RGV 设计“八步一走”调度模型,在RGV 进行移动指令之前都会遍历搜索选择未来八次移动过后八台 CNC 的总等待时间最小的路径的第一步移动指令作为当前的移动指令。遍历所有可能的初始八台 CNC 的上料情况,依据 RGV“八步一走”调度模型取成料数最多的初始 CNC 上料顺序,完成任务1。将题目给定的针对一道工序的三组数据带入模型计算,得出第一组最大物料加工数量为 382,第二组为 359,第三组为 392;推算了不考虑 RGV 运动时间的理想状态下,三组数据的最大加工数量分别为 384、368、392;得到三组数据下加工系统的作业效率分别为 99.48%、97.55%、100%,完成任务 2。

针对两道工序物料加工作业的情况,在不可更换刀具的前提下,由第一道工序与第二道工序的比值,兼容考虑第二道工序之后的清洗时间,按比例分别为 CNC 安装 4:4、3:5、5:3 的刀具配比,并在对称性原则基础上调试具体安装方案;为 RGV 设计三步捆绑(或四步捆绑加工调度模型):RGV 遍历三步,取捆绑加工后的完成时间最前的走法。遍历所有的初始可能路径,依据捆绑调度模型取成料数最多的初始 CNC 上料顺序,完成任务 1。将给定的针对两道工序的三组数据带入模型计算,得出三组最大物料加工数量分别为 253、209、236;选择的两类 CNC 数量配比分别为 4:4、3:5、5:3;通过与理想状态下最大物料加工数量 268、216、236 进行比较,得到三组数据下加工系统的作业效率分别为 94.40%、96.76%、100%,完成任务 2。针对作业中故障处理的情况,本文将每一道工序加工的故障概率设为 1%,在判定故障的 CNC 的加工时间内,以均匀分布随机一个时间点作为故障发生时间点,并从600~1200 秒之间均匀随机生成一个整数作为修复时间,在一道工序与二道工序的模型中作出以下调整:在故障发生的那一刻起,在 CNC 未修复并发出上料需求信号之前,将该 CNC 从系统中暂时抹去,RGV 在执行完当前指令后,不再进行有关该 CNC 的指令操作,直至 CNC 修复发出上料需求信号。考虑到故障发生的不确定性,以及人工修复时间的可操作性,在完成任务的基础下,再分别取修复时间为 600~1200 秒随机,600秒,900 秒,1200 秒做 20 组的随机试验探究成料数规律,进行均值和方差计算如下:一 道 工 序 的 情 况 下 , 第 一 组 数 据 关 于 4 类修复时间的成料数方差分别为12.20,9.55,11.95,9.82;第二组数据方差分别为 15.57,18.68,19.55,14.68;第三组数据方差分别为 10.03,13.41,8.92,13.73;两道工序的情况下,第一组数据关于 4 类修复时间的成料数方差分别为 9.66,7.38,7.12,13.17;第二组数据方差分别为 7.85,3.39,5.87,9.69;第三组数据方差分别为 7.66,4.58,7.72,10.13。由此可知,实际修复时,提升技工技术,将人工修复时间尽量控制在 10~15 分钟左右,可以较好增加结果稳定性。

[责任编辑:刘宇宏]
2018年全国大学生数学建模竞赛论文展示(B225)。未经组委会书面许可,请勿转载。