[发明专利]基于流模型的机器组负载预测控制方法

说明书

技术领域

本发明属于自动控制、信息技术和先进制造领域。具体涉及一类具有前后两道瓶颈工序且每道瓶颈工序存在多组机器组的复杂生产制造过程中对瓶颈工序各机器组的负载预测控制方法。

背景技术

在一类具有前后两道瓶颈工序且每道瓶颈工序存在多组机器组的复杂生产制造过程中，由于在两道瓶颈工序间存在大规模的在制品加工流动现象，若对前道瓶颈工序中机器组任务输出率缺乏有效控制，将使得后道瓶颈工序各机器组负载无法到达期望值，影响了生产性能。因此，在上述生产制造过程中，根据前、后道瓶颈工序内各机器组的加工能力及后道瓶颈工序内各机器组的期望负载，以后道瓶颈工序各机器组实际负载与期望负载差的平方和最小为优化控制目标，确定前道瓶颈工序各机器组中任务输出率，以控制后道瓶颈工序各机器组负载，从而提高生产性能。目前，常规的机器负载控制方法大多为启发式控制方法，如当前后道瓶颈工序中某个机器组负载较大时，则在前道瓶颈工序中减少流向该机器组的任务量，但由于两道瓶颈工序间存在中间非瓶颈工序的加工延迟，而上述启发式预测控制方法缺乏对后道瓶颈工序机器组负载有效的预测机制，因而采用上述方法难以实现对后道瓶颈工序机器组负载的有效控制。

发明内容

为了解决上述复杂生产制造过程中后道瓶颈工序各机器组负载控制方法的不足，本发明提供一种具有前后两道瓶颈工序且每道瓶颈工序存在多组机器组的复杂生产制造过程中基于流模型的机器组负载预测控制方法(简称为AFFC)。在本发明中，流模型主要用于考察单位时间内各机器组加工和完成的负载量(即生产任务加工时间总和)，由于上述复杂生产过程中两道瓶颈工序间的工序是非瓶颈工序(下文简称为中间工序)，生产任务经过中间工序时其等待时间与加工时间相比小得多(可忽略)，所以从流模型的角度看，生产负载从前道瓶颈工序(下文简称为前道工序)流入中间工序后，仅需经过一定的延迟时间后，即可从中间工序流向后道瓶颈工序(下文简称为后道工序)(如图2所示)。本发明基于流模型建立后道工序机器组负载1阶预测控制模型，在此基础上采用ANFIS(自适应神经模糊推理系统)建立后道工序机器组负载d阶非线性预测控制模型，其输入为当前时刻前道工序任务输出率，输出为d时刻后的后道工序机器组负载，在上述预测控制模型基础上，根据d时刻后的后道工序各机器组负载期望值及前后道工序各机器组加工能力，确定前道工序各机器组的任务输出率，使得后道工序机器组实际负载与期望负载之差的平方和最小，从而提高后道瓶颈工序生产性能。

基于流模型的机器组负载预测控制方法，其特征在于所述方法是在机器组负载预测控制计算机上依次按以下步骤实现的：

步骤(1)：初始化，设定以下参变量

采样时间间隔，每隔时间间隔T给出前道工序中各机器组任务输出率，所述机器组由加工能力相似的多台机器组成，而采样时刻则用k表示；

机器组加工能力，是在单位时间内机器组所能完成的加工任务的加工时间总和，前道工序中机器组i的加工能力用u_i表示，i＝1，…，m，用矩阵表示为U＝[u₁，u₂，…，u_m]^T，后道工序中机器组j的加工能力用v_j表示，j＝1，…，n，用矩阵表示为V＝[v₁，v₂，…，v_n]^T，m和n分别为前、后道工序中机器组的数目；

前道工序机器组任务输出率，前道工序机器组i基于生产工艺约束在k采样时刻加工完成的任务被安排到后道工序由机器组j加工的比例，用c_ij(k)表示，用矩阵表示为：