一种机器人作业车间联合调度方法

本发明涉及制造系统，特别是指一种机器人作业车间联合调度方法。

背景技术：

1、随着全球制造业的发展和竞争加剧，企业对生产过程的灵活性和效率提出了更高的要求，有效的作业调度成为制造业中至关重要的一个因素。在实际的生产中，不同类型的任务需要分配到不同的工作站，并需要合理调度有限的生产资源，同时确保可移动机器人的物料运输作业高效进行。因此，机器人作业车间调度问题涉及到传统作业车间调度问题和机器人路径规划问题的联合优化，而在有限的时间内获得最优或接近最优的调度策略具有相当大的挑战性。

2、petri网是一种数学建模语言，具有多单元、分布式和组合性特征，具有极高的建模效率。启发式搜索方法是有信息搜索方法，能够通过特定问题的信息和经验来引导搜索的方向，从而缩小搜索的范围、简化搜索过程以及降低问题求解的复杂度。近年来，越来越多的工厂采用自动导引车（automaticguidedvehicle，agv）或其他可移动机器人来进行工件运输，而这些运输过程所消耗的物流时间对整体生产效率有着重要的影响。现有的基于petri网的启发式搜索的研究（如中国发明专利cn110716522b和cn110928253b）主要依赖加权资源时间和剩余操作时间来设计启发式函数。这些方法的局限性在于未考虑多个可移动资源的物流消耗，导致启发式设计精度有限，无法有效同步优化任务分配和可移动机器人路径规划。为提高启发式的估计精度，中国发明专利cn117406684a引入全连接神经网络进行启发式设计，对系统数据集进行学习。然而，随着可移动资源及任务总量的增加，系统数据集的获取及神经网络训练消耗大量时间和计算资源。为解决机器人路径规划和任务分配的联合调度问题，文献“基于petri网和人工势场的柔性制造启发式优化方法”提出了人工势场启发式搜索算法以获取最优或近似最优的调度策略。然而，其线性设计的势能参数在多agv情况下无法避免空转问题，难以在有限时间内获得有效的调度策略，无法应对大规模任务量的调度需求。

3、综上所述，现有方法均不适用于在有限时间内解决大规模制造系统的调度问题，无法满足实际生产的需求。

技术实现思路

1、本发明要解决的技术问题是如何在考虑到可移动资源的物流消耗的同时，有效地同步优化任务分配和可移动机器人的路径规划。

2、本发明采用了如下技术方案：一种机器人作业车间联合调度方法，包括如下步骤：

3、s1，根据系统结构和工艺工序构建机器人作业车间的库所赋时petri网模型，包含任务子网和路径子网；所述库所赋时petri网指在普通petri网的库所上赋加时间来表示成本因素；

4、s2，利用库所赋时petri网模型的拓扑结构，分析库所节点与系统中任务完成时间之间的非线性关系，分别定义任务子网和路径子网中库所的势能参数；

5、s3，量化任务子网中工件完工时间与空闲agv响应顺序之间的非线性关系，开发petri网人工势场更新算法，根据petri网状态演化实时计算任务子网中的搬运需求度，优化路径子网的非线性势能参数，进行势场更新，在此基础上构建人工势场启发式函数；

6、s4，基于人工势场启发式函数和a*算法，给定目标任务，搜索从系统初始状态到目标状态的变迁激发序列，即获得系统调度方案。

7、优选地，所述s1包括以下步骤：

8、s1.1假设系统中的工件种类为，根据每种类型工件的工艺工序，建立个任务子网的库所赋时petri网模型，其中任务子网的库所表示工件加工所需操作，库所中的托肯数量表示正在进行操作的工件或资源的数量，库所上的时间表示操作耗时；变迁表示操作的开始和结束；所述操作包括装载操作、卸载操作、加工操作和搬运操作，所述资源包括agv、加工机器和机械臂。

9、s1.2根据系统结构，建立路径子网的库所赋时petri网模型，其中路径子网的库所表示站点和其空间容量，变迁表示相邻站点的连接关系，库所中的托肯表示站点内空闲agv的数量；所述托肯的流动方向与agv的行驶方向一致。

10、s1.3根据共享库所将各任务子网和路径子网进行合成，得到系统完整库所赋时petri网模型；所述共享库所指不同子网模型中出现的相同库所；

11、定义资源库所集合，其中任意库所表示资源的状态，如果中托肯数量不为0则表示该资源能够使用，反之表示该资源不能够使用。

12、优选地，所述s2包括如下步骤：

13、s2.1确定机器人作业车间完工时间的具体影响因素,从而分析库所节点与系统中任务完成时间之间的非线性关系；所述影响因素包括剩余操作时间、资源等待时间和agv响应时间；利用库所赋时petri网模型的拓扑结构，基于剩余操作时间及资源等待时间设计任务子网中库所节点的势能参数；基于agv响应时间设计路径子网中库所节点的势能参数；为避免多agv响应同一任务，路径子网中任意库所的势能的梯度随该库所距离目标库所的距离增加而衰减。

14、优选地，所述步骤s2中的设计任务子网中库所节点的势能参数以及设计路径子网中库所节点的势能参数包括如下步骤：

15、s2.1.1定义任务子网势能参数，所述任务子网势能参数包括任务子网目标库所集、路径、最小操作时间以及任务子网势场；

16、其中任务子网目标库所集中任意目标库所中的托肯表示成品工件；路径表示从库所到库所之间交替出现的库所变迁；最小操作时间表示库所到目标库所的最小操作时间，计算公式为：；任务子网势场是任务子网库所集合映射到非负实数集的一个函数，对于任务子网中的任意库所，其势能参数为，计算公式为：

17、,其中表示且；

18、s2.1.2定义路径子网势能参数，所述路径子网势能参数包括路径子网目标库所集、目标库所的路径子网势场；

19、其中路径子网目标库所集中的任意目标库所中的托肯表示agv到达工件等待装载的站点；对于目标库所，其路径子网势场是任务子网库所集合映射到非负实数集的一个函数，对于路径子网中的任意库所，其势能参数为，计算公式为：

20、,其中表示且。

21、优选地，所述s3包括如下步骤：

22、s3.1 量化任务子网中工件完工时间与空闲agv响应顺序之间的非线性关系，计算搬运需求度，所述搬运需求度计算所需参数包含目标库所的前置操作库所、操作库所的需求库所集合、目标库所的搬运需求指数以及目标库所的搬运需求度；

23、对于路径子网中的任意目标库所，其的一个前置操作库所是任务子网中与共享相同后置变迁的库所；对于操作库所，其需求库所集合包含满足下列条件的所有库所：(1)或存在路径；(2)库所表示的操作不是搬运操作；对于目标库所和状态，其中和分别表示状态的标识和已等待时间，定义的搬运需求指数为，计算公式为：

24、

25、其中为任务子网的数量，为第个任务子网的势场，表示agv到达目标库所代表的站点后需要等待的最长时间；对于目标库所，定义的搬运需求度为，计算公式为：

26、

27、路径子网势场是任务子网库所集合映射到非负实数集的一个函数，对于路径子网中的任意库所，其势能参数为，计算公式为：

28、

29、s3.2库所赋时petri网模型，定义其完整势场，计算公式为：

30、

31、其中和分别是路径子网和第个任务子网的库所集合；

32、s3.3开发petri网人工势场更新算法，根据petri网状态演化实时计算任务需求度，进行势场更新，包括如下步骤：

33、s3.3.1输入一个库所赋时petri网和状态；

34、s3.3.2初始化下列势场：个任务子网势场，其中，所有目标库所下的路径子网势场，其中；

35、s3.3.3对于任意，计算搬运需求指数；

36、s3.3.4如果不为0，则计算搬运需求度和路径子网势场，反之，对于任意，；

37、s3.3.5计算系统完整势场；

38、s3.4根据势场设计启发式函数：

39、给定一个状态，该状态下人工势场启发式函数为，计算公式为：

40、

41、其中是系统petri网的库所集合，表示库所中的托肯数量，表示库所中的托肯的停留时间,表示库所的势能。

42、优选地，所述s4具体为：以最小完工时间为优化目标，基于a*算法，给定目标任务和系统初始状态，采用人工势场启发式函数，搜索从系统初始状态到目标状态的变迁激发序列。

43、本发明具有如下有益效果：本发明（1）针对agv路径规划和加工任务分配的耦合问题，分析机器人作业车间的工艺规范和工序操作逻辑之间的关系，将系统建模为赋时petri网，包含任务子网和路径子网，使得分析和优化复杂系统中的并发与同步问题更加容易和直观；

44、（2）利用赋时petri网的拓扑结构，分别定义任务子网和路径子网中库所的势能参数，量化系统中工件对于agv的需求程度的非线性关系，设计petri网人工势场更新算法，根据petri网状态演化实时进行势场更新，构建人工势场启发式函数，综合考虑了工艺工序和搬运时间消耗，从而在工序优化时，同步进行机器人动作规划，精细地协调制造过程中的各个环节，避免多机器人响应同一需求造成的资源浪费，提升整体系统的运行效率；

45、（3）在多agv和大任务量订单的情况下，本发明能够实现在有限时间内搜索获得高效可行的调度策略，因此更适用于大规模制造系统，能够贴合工厂实际生产规模和需求，提供更具适应性和效率的解决方案。