本发明公开了一种基于最小能耗及最小时间的生产线设备数量优化方法，建立模锻生产线的整体加工工艺拓扑结构图，基于现场布置图分析产线整体运转情况；根据实际工况，针对一小批零件的加工调度问题，建立模型并确定每个设备的运行时间、功率及任务分配约束条件；根据实际需要解决的问题，选择对遗传算法个体的编码方式；以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数，规划实际生产线中每个节点的设备数量；基于每个节点的设备数量优化的求解，分析遗传算法中变异概率pm和交叉概率pc的计算公式；根据变异概率pm和交叉概率pc的计算，建立改进的自适应pm和pc遗传算法。利用上述方法最终实现生产线设备数量优化方法。
1.一种基于最小能耗及最小时间的生产线设备数量优化方法，其特征在于：本方法用于环形件模锻生产线中通过优化设备数量，来减小加工时间和加工总能耗，包含如下步骤：a.建立模锻生产线的整体加工工艺拓扑结构图，基于现场布置图分析产线整体运转情况；
b.根据实际工况，针对一小批零件的加工调度问题，建立模型并确定每个设备的运行时间、功率及任务分配约束条件；
c.根据实际需要解决的问题，选择对遗传算法个体的编码方式；
d.以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数，规划实际生产线中每个节点的设备数量；
e.基于每个节点的设备数量优化的求解，分析遗传算法中变异概率pm和交叉概率pc的计算公式；
f.根据变异概率pm和交叉概率pc的计算，建立改进的自适应pm和pc遗传算法；
所述步骤b中，针对模锻生产线调度问题进行模型建立包括以下子步骤：T_总：总加工时间；
当加工多个零件时，考虑到设备之间的连续作业，在以上公式的基础上得出以下多工件加工方法：用代码模拟设备真实通讯情况，采用I/O信号传递信息，每一个设备都分配有一个Input信号和一个Output信号；
当设备未处于加工状态时，Input信号设为1，Output信号设为0，处于等待接收工件状态，等待前一设备的Output信号置1，以接收工件；
当设备处于加工状态时，Input信号设为0，Output信号设为0，工作时间增加，若当前工作时间等于设备加工工件时间，则设备处于待出工件状态，等待后一设备的Input置1，以传递工件；
每次循环令总时间T_总+1s，当最后一个设备的加工完成数量为总零件数量时，循环停止；
每台设备及转运机器人同一时间最多只能加工或转运一个工件；
默认前一设备在传递工件给下一设备时，下一设备立即开始加工，并且前一设备立即回到就绪状态；
只有当前一设备发出output信号，后一设备处于待接收input信号时，工件才会从前一设备传递到后一设备；
2.根据权利要求1所述的基于最小能耗及最小时间的生产线设备数量优化方法，其特征在于：所述步骤c中：选择对遗传算法个体的编码方式：由于该生产线设备数量优化方法涉及到的加工工序比较多，因此编码方式不宜采用传统的二进制编码方式，直接将各工序设备数量依次排列作为算法的个体进行计算。
3.根据权利要求1所述的基于最小能耗及最小时间的生产线设备数量优化方法，其特征在于：所述步骤d中，以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数：由于该生产线设备数量优化方法存在多目标函数，选用权重系数来转换成单目标函数，f(x)＝ω1fWmin+ω2fTmin，当一批零件正常加工情况下，权重系数ω1设为0.7，权重系数ω2设为0.3，使得能耗最低，节约成本；当一批零件需要尽快完工，权重系数ω2设为0.7，权重系数ω1设为0.3，使得加工时间最短。
一种基于最小能耗及最小时间的生产线设备数量优化方法
技术领域
[0001] 本发明涉及编程技术及算法领域，特别是涉及一种基于最小能耗及最小时间的生产线设备数量优化方法。
背景技术
[0002] 随着社会经济的飞速发展，大量的基础建设如火如荼，曾经技术落后的制造业也逐步迈向自动化、信息化发展。目前，国内的很多模锻生产线已经引进了自动上下料、自动锻压、自动检测、加热炉温度自动控制等技术，能够大大提高生产效率。但是模锻生产线的转运控制全自动化实现却仍处在较低水准，部分企业还采用手动操作，造成了生产效率低下。模锻生产线中需要多条并行的路径来实现模锻件的加热、锻压、辗环、检测等且加热炉、锻压机和碾环机这些大型设备加工时间长，机械臂转运待加工工件时间相对较短，所以在模锻生产线中适量增加大型设备的数量就显得尤为重要，一旦大型设备在整个加工流程中耗时增加，且运行不畅就会极大地影响整个转运系统的效率，那么就会使得加工整批零件的能耗增加，同时时间也会增加。
发明内容
[0003] 本发明的目的在于，提供一种基于最小能耗及最小时间的生产线设备数量优化方法，用于环形件模锻生产线中通过优化设备数量，来减小加工时间和加工总能耗。
[0004] 本发明解决其技术问题所采用的技术方案是：一种基于最小能耗及最小时间的生产线设备数量优化方法，借助改进遗传算法，其包含如下步骤：
[0005] a.建立模锻生产线的整体加工工艺拓扑结构图，基于现场布置图分析产线整体运转情况；
[0006] b.根据实际工况，针对一小批零件的加工调度问题，建立模型并确定每个设备的运行时间、功率及任务分配约束条件；
[0007] c.根据实际需要解决的问题，选择对遗传算法个体的编码方式；
[0008] d.以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数，规划实际生产线中每个节点的设备数量；
[0009] e.基于每个节点的设备数量优化的求解，分析遗传算法中变异概率pm和交叉概率pc的计算公式；
[0010] f.根据变异概率pm和交叉概率pc的计算，建立改进的自适应pm和pc遗传算法。
[0011] 所述步骤b中，针对模锻生产线调度问题进行模型建立包括以下子步骤：
[0012] 1、参数假设：
[0013] T总：总加工时间；
[0014] Ti第i道转运工序时间；
[0015] ti：第i道加工工序时间；
[0016] W总：总能耗；
[0017] W作总：总工作时间；
[0018] W待总：总待机时间；
[0019] P作i：第i道转运工序工作功率；
[0020] P待i：第i道转运工序待机功率；
[0021] P作i：第i道加工工序工作功率；
[0022] p待i：第i道加工工序待机功率；
[0023] 以下是加工一个工件时的时间及能耗计算公式：
[0024]
[0025]
[0026] 当加工多个零件时，考虑到设备之间的连续作业，在以上公式的基础上得出以下多工件加工方法：
[0027] 用代码模拟设备真实通讯情况，采用I/O信号传递信息，每一个设备都分配有一个Input信号和一个Output信号。
[0028] 当设备未处于加工状态时，Input信号设为1，Output信号设为0，处于等待接收工件状态，等待前一设备的Output信号置1，以接收工件；
[0029] 当设备处于加工状态时，Input信号设为0，Output信号设为0，工作时间增加，若当前工作时间等于设备加工工件时间，则设备处于待出工件状态，等待后一设备的Input置1，以传递工件。
[0030] 每次循环令总时间T总+1s，当最后一个设备的加工完成数量为总零件数量时，循环停止。
[0031] 约束条件：
[0032] 1、每台设备及转运机器人同一时间最多只能加工或转运一个工件；
[0033] 2、默认前一设备在传递工件给下一设备时，下一设备立即开始加工，并且前一设备立即回到就绪状态；
[0034] 3、只有当前一设备发出output信号，后一设备处于待接收input信号时，工件才会从前一设备传递到后一设备；
[0035] 4、当最后一个工件加工完成时，所有设备才会停止运作。
[0036] 所述步骤c中，选择对遗传算法个体的编码方式：由于该生产线设备数量优化方法涉及到的加工工序比较多，因此编码方式不宜采用传统的二进制编码方式，可直接将各工序设备数量依次排列作为算法的个体进行计算，如：16111311141111，就表示第一道工序有1台设备，第二道工序有6台设备，以此类推。
[0037] 所述步骤d中，以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数：由于该生产线设备数量优化方法存在多目标函数，选用权重系数来转换成单目标函数，f(x)＝ω1fWmin+ω2fTmin,当一批零件正常加工情况下，ω1设为0.7，ω2设为0.3，使得能耗最低，节约成本；当一批零件需要尽快完工，ω2设为0.7，ω1设为0.3，使得加工时间最短。
附图说明
[0038] 为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：图1为生产线工序图；图2为自适应遗传算法的流程图；图3为总流程图。
具体实施方式
[0039] 以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
[0040] 为达到上述目的，本发明提供如下技术方案：
[0041] 如图3所示，本发明的一种基于最小能耗及最小时间的生产线设备数量优化方法，具体包括以下步骤：
[0042] 步骤a：通过对环形件生产工艺流程的分析，得到生产过程的拓扑结构；
[0043] 环形件的生产工艺的主要过程是：加热，锻压，冲孔，冲连皮，回炉，预轧，回炉，终轧，检测，冷却。环形件在整个生产过程中都有相应的设备来完成不同的工序。例如：在原料加热阶段的加热炉，将坯料锻压成环型的锻压机，将环形件扩大的辗环机，检测成品质量的检测台等。机械臂则在环形件的生产过程扮演着转载工件的角色。
[0044] 本发明的工艺过程开始于坯料上料，由机械臂M1转运至加热炉加热，机械臂M1再从加热炉中把加热完成的坯料转运至锻压机锻压，锻压完成后，机械臂M2将环件转运至加热炉中回火，机械臂M2从加热炉中将回火完成的环件放置于碾环机上进行初轧，初轧完成后；由机械臂M3转运至加热炉回火，机械臂M3从加热炉中取出回火完成的预轧件放置于碾环机上进行终轧；终轧完成后，机械臂M3将成品放置在检测台上检测，合格品会被转运到成品区风冷。
[0045] 步骤b根据实际工况，针对一小批零件的加工调度问题，建立模型并确定每个设备的运行时间、功率及任务分配约束条件。
[0046] 1、参数假设：
[0047] T_总：总加工时间；
[0048] T_i第i道转运工序时间；
[0049] t_i：第i道加工工序时间；
[0050] W_总：总能耗；
[0051] W_作总：总工作时间；
[0052] W_待总：总待机时间；
[0053] P作i：第i道转运工序工作功率；
[0054] P待i：第i道转运工序待机功率；
[0055] p作i：第i道加工工序工作功率；
[0056] p待i：第i道加工工序待机功率；
[0057] 以下是加工一个工件时的时间及能耗计算公式：
[0058]
[0059]
[0060] 当加工多个零件时，考虑到设备之间的连续作业，在以上公式的基础上得出以下多工件加工方法：
[0061] 用代码模拟设备真实通讯情况，采用I/O信号传递信息，每一个设备都分配有一个Input信号和一个Output信号。
[0062] 当设备未处于加工状态时，Input信号设为1，Output信号设为0，处于等待接收工件状态，等待前一设备的Output信号置1，以接收工件；
[0063] 当设备处于加工状态时，Input信号设为0，Output信号设为0，工作时间增加，若当前工作时间等于设备加工工件时间，则设备处于待出工件状态，等待后一设备的Input置1，以传递工件。
[0064] 每次循环令总时间T_总+1s，当最后一个设备的加工完成数量为总零件数量时，循环停止。
[0065] 约束条件：
[0066] 每台设备及转运机器人同一时间最多只能加工或转运一个工件；
[0067] 默认前一设备在传递工件给下一设备时，下一设备立即开始加工，并且前一设备立即回到就绪状态；
[0068] 只有当前一设备发出output信号，后一设备处于待接收input信号时，工件才会从前一设备传递到后一设备；
[0069] 当最后一个工件加工完成时，所有设备才会停止运作。
[0070] 步骤c，选择对遗传算法个体的编码方式：由于该生产线设备数量优化方法涉及到的加工工序比较多，因此编码方式不宜采用传统的二进制编码方式，可直接将各工序设备数量依次排列作为算法的个体进行计算，如：16111311141111，就表示第一道工序有1台设备，第二道工序有6台设备，以此类推。
[0071] 所述步骤d中，以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数：由于该生产线设备数量优化方法存在多目标函数，选用权重系数来转换成单目标函数，f(x)＝ω1fWmin+ω2fTmin,当一批零件正常加工情况下，权重系数ω1设为0.7，权重系数ω2设为0.3，使得能耗最低，节约成本；当一批零件需要尽快完工，权重系数ω2设为0.7，权重系数ω1设为0.3，使得加工时间最短。
[0072] 步骤e：基于每个节点的设备数量优化的求解，分析遗传算法中变异概率pm和交叉概率pc的计算公式；
[0073] 步骤f：根据变异概率pm和交叉概率pc的计算，建立改进的自适应pm和pc遗传算法。
[0074] 最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
