一种基于遗传算法的航空复材热压成型工序调度优化方法

本发明涉及航空复材智能制造，具体涉及一种基于遗传算法的航空复材热压成型工序调度优化方法。

背景技术：

1、航空制造业作为国民经济的支柱产业，对国家整体的工业发展具有至关重要的作用。在飞机制造过程中，复合材料(简称：复材)由于优良的特性和力学性能，逐渐取代传统金属合金成为制造过程中的主要原材料。而我国生产航空复材的制造工序复杂、制造周期长，严重制约了飞机制造中复合材料使用比例的增加，更影响了我国航空制造业的发展。因此，如何建立有效的调度模型与算法，对热压成型工序进行科学的生产计划排程，是提高热压成型工序的生产效率，解决航空复材供需矛盾、推动航空复材制造向数字化和智能化升级的关键。

2、自生产计划排程的研究兴起以来，人们在这个领域进行了大量的研究，目前针对航空复材热压成型制造调度问题研究多为考虑工件尺寸差异、热压罐容量、工件组不相容等约束，以最小化最大完工时间为目标进行的一维批调度研究。而研究的方法主要有精确式方法、禁忌搜索算法、蚁群算法和遗传算法等。分支定价、列生成等精确式方法只能针对具有典型特征的批调度问题，且求解问题的规模有限；蚁群算法收敛较快但容易出现停滞现象陷入局部最优解；禁忌搜索算法的性能很大程度上取决于初始解的构成，且对搜索空间的结构和邻域的定义较为敏感；而遗传算法具有较好的适应性，能够根据问题的性质和搜索空间的特点进行调整，只要构造出合适的交叉算子和变异算子，便可以表现出较高的全局。而且遗传算法天生具有一定的并行性，使它能够更好地利用计算资源，加速搜索过程。

技术实现思路

1、发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于遗传算法的航空复材热压成型工序调度优化方法，以解决现有技术中热压成型工序延误情况频发、工件废品率较高的问题。本发明的方法用于热压成型固化工序中单一工件固化组的排程方案优化，提升热压固化工序的生产效率。

2、本发明在已有的航空复材热压成型调度问题研究的基础上，针对预浸料的外置时间和工件二维空间特征，研究考虑工件释放时间窗约束的二维批调度问题，并基于图论和关键工件法的思想，建立了二维批调度混合整数规划模型。提出了根据最大时间兼容工件集合改进的遗传算法来求解得到最后的结果。

3、第一方面，本发明提供的方法，包括：

4、步骤1，获取航空复材热压成型制造的工件需求信息和热压罐信息；

5、步骤2，根据热压成型制造工序预设的计划排程策略和所述工件需求信息，建立对应热压成型制造排程任务的目标函数；

6、步骤3，建立与所述目标函数相关联的热压成型工序批调度模型；

7、步骤4，利用改进的遗传算法求解所述热压成型工序批调度模型，获取工件分批结果和批次排程优化结果。

8、步骤1包括：

9、采集热压成型工序中制定排程计划时期内的工件需求信息，所述工件需求信息包括：工件加工时长、工件尺寸(长、宽)、工件预期交付时间、工件释放时间窗、工件所属固化组；

10、所述热压罐信息包括：热压罐操作平台尺寸(长、宽)、可加工的工件固化组。

11、步骤2包括：

12、所述目标函数为：

13、minttotal＝∑i∈nti     (1)

14、其中，ti表是第i个工件的延误时间，n＝{1,2,...,i,...,n}表示n个工件按加工时间降序排序的工件索引集合，其中i为工件的索引，j＝{job1,…,jobi,...,jobn}表示所有的工件组成的集合，其中jobi表示第i个工件，i取值为1～n，ttotal表示工件的总延误时间。由于航空企业相比质量和成本，更关注工件交付时间，因此minttotal表示最小化所有工件的总延误时间。

15、步骤3包括：

16、基于所述目标函数，建立考虑工件释放时间窗的热压成型工序批调度模型；

17、在单机二维批调度模型中，容易证明，存在至少一个可行解，其中批次是按加工时间的降序排序的。参考该思想，在考虑工件释放时间窗的情况下，对按加工时间降序排序的批次根据工件的释放时间窗进行重新排序，可以得到相应的可行解，由此本文可以提出消除对称性的单机二维批调度模型milp：将工件按加工时间降序排序。规定工件i仅能被分配到前i个批次中，则非空批次i中索引最小(加工时间最长)的工件即为i，称这样的工件为“关键工件”，模型中表示为：uii＝1。

18、所述模型的约束条件包括：所有工件必须都安排进行加工；热压罐一次只能加工一批工件；属于同一加工批次的工件必须满足时间和空间上的约束。

19、步骤3中，所述热压成型工序批调度模型要求：

20、在工件分批进罐加工前，确定任意两个工件的时间兼容性，用工件时间窗冲突无向图g(v,e)表示，其中：

21、节点集合v表示所有工件，边集合e表示工件时间窗的冲突关系，如果两个工件的释放时间窗没有交集，则用一条连接两点的边表示工件间的时间冲突关系。

22、所述热压成型工序批调度模型还要求：

23、所有工件都仅能被分配到一个批次中进行加工；

24、对分配在同一批次的工件进行约束，包括：每个批次中的工件不能重叠放置，不能超过热压罐内部操作平台的边缘；每个批次的工件的释放时间窗的交集不能为空集。

25、所述热压成型工序批调度模型还要求：对于每个批次，根据所分配的工件释放时间窗的特点确定批次加工的先后顺序。

26、在所述热压成型工序批调度模型中，

27、通过公式(2)、公式(3)和公式(4)确保一个工件只能被分配到一个批次中，通过公式(5)确保释放时间窗不兼容的两个工件不会被分配到同一个批次中，通过公式(6)确保批次开始加工时间不小于批次所有工件的最早可开始加工时间，通过公式(7)确保批次开始加工时间不大于批次所有工件的最晚可开始加工时间，通过公式(8)和公式(9)确保分配在一批工件中的任意工件不能超过热压罐内部操作平台的边缘，通过公式(10)和公式(11)确保分配在一批中的任意两个工件不能相互重叠，通过公式(12)确保分配在一批中的任意两个工件的相对位置关系，通过公式(13)和公式(14)，确定批次间的加工先后顺序，通过公式(15)，确定工件i的实际完工时间；通过公式(16)，确定第i个工件的延误时间：

28、

29、

30、

31、

32、

33、

34、

35、

36、

37、

38、

39、

40、

41、

42、

43、其中，i,i′,i″表示工件索引，即表示所有工件的集合n中的第i,i′,i″个工件，w和h分别表示热压罐内部操作平台的长和宽，wi,hi分别表示第i个工件的宽度和长度；pi表示第i个工件的加工时间；di表示工件i的预期交付时间；ti表示第i个工件的释放时间窗，ti＝[esti,lsti],i∈n，esti和lsti分别表示工件的最早可开始加工时间和最晚可开始加工时间。

44、ui′i为0-1变量，如果第i个工件和第i′个工件分配到同一个批次则为1，否则为0；

45、uii,ui′i′均为0-1变量，uii表示第i个工件是否是第i个批次的关键工件，是则为1，否则为0；ui′i′表示第i′个工件是否是第i′个批次的关键工件，是则为1，否则为0；

46、eii′为0-1变量，如果第i个工件和第i'个工件都是关键工件，且i在i′之前进行加工则为1，否则为0，i∈n,i′∈n；

47、oi为0-1变量，如果第i个工件旋转90°放置则为1，否则为0，i∈n；

48、aii′为0-1变量，如果第i个工件在第i′个工件的左侧则为1，否则为0，i∈n,i′∈n且i≠i′；

49、bii′为0-1变量，如果第i个工件在第i′个工件的底部则为1，否则为0，i∈n,i′∈n且i≠i′；

50、xi为整数变量，表示第i个工件左下角横坐标，i∈n；

51、yi为整数变量，表示第i个工件左下角纵坐标，i∈n；

52、fi为整数变量，表示第i个工件的实际完工时间，i∈n。

53、步骤4包括：

54、步骤4-1，确定最小化工件总延误时间的优化目标，建立航空复材热压成型二维批调度优化模型；

55、步骤4-2，确定编码方法：每条染色体c采用实数编码的方式，其中的每个基因片段的数字代表响应的工件索引；

56、步骤4-3，确定种群规模；

57、步骤4-4，确定终止条件及适应度函数f：终止条件为判断当前迭代次数i是否大于最大迭代次数gen，适应度值为工件总完工时间，计算公式为：

58、

59、步骤4-5，初始化种群，进行适应度评价：引入最大时间兼容工件集合的概念，基于最大时间兼容工件集合分段生成染色体的编码基因序列，具体包括：

60、生成最大时间兼容工件集合：初始化一个时间t＝0和集合索引s＝0，按时间顺序依次增加为工件中最小最晚可开始时间和最小最早可开始时间，每当t增加时，筛选出释放时间窗包含t时刻的所有工件组成工件集合ks＝{job1,job2,…,jobi},i∈n，并与前一时刻生成的工件集合ks-1进行比较，要求新生成的工件集合不能是前一集合的真子集或真超集，按所述要求生成的集合s＝{k1,k2,…,ks}，称为最大时间兼容工件集合；

61、对s中的每一个元素ks，把其中的工件分为与ks+1不兼容的工件集合和兼容的工件集合

62、对所有中的元素进行随机排序，依次遍历所有的ks，分段生成个体基因片段，设计了如下三种工件序列生成策略，供算法在生成编码的过程中随机选择：

63、策略1：取中所有工件与中前50％的工件序号拼接组成ks形成的基因片段；

64、策略2：取中所有工件组成ks形成的基因片段；

65、策略3：取ks中的所有工件组成ks形成的基因片段；

66、对生成的染色体个体进行解码，具体包括：

67、step1:输入编码序列和问题信息；

68、step2:初始化批次信息，包括批次容量、批次调整工件集合、批次开始时间和批次加工时间；

69、step3:遍历整个工件序列，判断工件分配可行性，将工件分配到批次中；

70、step4:利用修复算子进行工件调整修复操作；

71、step5:判断是否存在未分配的工件；

72、步骤4-6，判断是否满足终止条件，满足则生成最优工件分批方案和批次排程方案。

73、否则执行步骤4-7；

74、步骤4-7，进行选择、交叉和变异操作，计算新个体适应度：对上一代的最优个体进行保存后，在子种群中选择个体进行交叉、变异操作，产生下一代；交叉操作采用顺序交叉方法，随机选择一段交叉片段，将交叉片段的基因按相同的顺序保留到子代个体中，同时将另一父代个体按照选择未包含在子代个体中的基因，按原始顺序将基因片段复制给子代个体；变异操作具体包括：随机选择一个时间兼容工件集合ks，将其中的工件从原有基因序列中全部取出，随机打乱后插入原有序列的空缺位置。

75、step4中，所述修复算子具体包括：针对初次分配后的批次信息与未分配工件集合，检查未分配工件中是否存在工件最晚开始时间小于批次结束时间的情况，如果存在则记录冲突工件，将该批次有的调整工件放入批次中；更新批次初始化信息，返回step3。

76、第二方面，本发明还提供了基于遗传算法的航空复材热压成型工序调度装置，包括：

77、工件信息采集模块，用于获取航空复材热压成型制造的工件需求信息和热压罐信息；

78、预处理模块，用于根据热压成型制造工序预设的计划排程策略和所述工件需求信息，建立对应热压成型制造排程任务的目标函数。

79、工件分批和计划排程模块，用于建立与所述目标函数相关联的热压成型工序批调度模型。

80、处理模块，用于利用改进的遗传算法求解所述的热压成型工序批调度模型，获取订单分批和批次排程的优化结果。

81、有益效果：本发明方法建立以最小化工件总延误时间为目标函数的热压成型工序批调度模型，针对研究问题调用遗传算法，根据预浸料外置时间特点，基于最大时间兼容集合设计适用于本问题解码、交叉和变异策略，提高求解精度，能够自动化实现工件分批和批次排程，使得工件总延误时间最小。从而解决热压成型制造中因预浸料外置时间的约束导致延误频发或工件过期浪费的情况，优化了热压成型制造的排程方案，提升了复材制造的综合生产效率。