[发明专利]基于数学规划算法的自动制造系统状态稳健性检测方法

说明书

本发明属于自动制造系统技术领域，公开了一种基于数学规划算法的自动制造系统状态稳健性检测方法，对于自动制造系统的Petri网模型，将含有不可靠资源的进程的变迁划分为两类：一是不可靠资源的前序变迁，二是不可靠资源的后序变迁；对不可靠资源损坏进行文字叙述到数学表达式的转化；列出资源损坏下的数学规划算法(MP)表达式，找出使能变迁发射序列；通过验证上述变迁发射序列是否满足不使用不可靠资源的其他进程不被阻塞，得到当前状态的稳健性。本发明首先比没有考虑不可靠资源的研究，更加接近于实际自动制造系统的生产情况；其次将原先对于含有不可靠资源的自动制造系统停留在文字叙述提升到了数学表达式上，为相应算法的提出实现了可能。

技术领域

本发明属于自动制造系统技术领域，尤其涉及一种基于数学规划算法的自动制造系统状态稳健性检测方法。

背景技术

目前，最接近的现有技术：自动制造系统(AMS)是指在较少人为因素的干扰下，加工装置自动地将原材料加工并组装成产品。自动制造系统一般是由众多小规模的，局部的，交互的，异步的以及事件驱动的并发子系统构成。考虑到资源成本、系统体积，资源的数量将会是有限的。因此资源共享在自动制造系统中屡见不鲜，正因为各个子系统之间存在着资源共享，那么各子系统之间竞争有限的资源将会随时发生，可能伴随着一个产品加工进程的所有加工阶段，资源竞争将会导致不期望的死锁以及阻塞等等；其次，在实际的自动制造系统中，有限的资源还会面临着资源故障这一大大的潜在危害，资源故障在实际的生产中也是很常见的现象，比如电器失灵，信号丢失，工件损坏等等。

一个典型的自动制造系统通常包含多个加工进程，每个加工进程分别负责加工生产不同的工件，当一个进程由于系统资源被损坏时，其加工进程将不得不被终止，但是人们总是希望其他不使用该损坏资源的加工进程不受影响，继续循环往复地加工工件。然而实际的生产过程中并非如此，一个加工进程因为损坏的资源被终止，往往会阻塞其他加工进程。那么在实际的自动制造系统中，一个加工进程受资源故障的影响，其他进程是否被阻塞，我们需要找出一种有效的方式进行诊断。在现有的技术中，根据资源是否发生故障，将所有资源分为可靠资源和不可靠资源，采用Petri网对自动制造系统可进行建模，一个含有不可靠资源的加工进程是否会阻塞其他不使用该不可靠资源的加工进程，被定义为该系统的稳健性。给定任意一个含有不可靠资源的自动制造系统当前所处状态，如何快速诊断出该状态的稳健性，现有的研究技术中并未给出有效的方法。

综上所述，现有技术存在的问题是：现有技术没有考虑实际的自动制造系统含有不可靠资源这一常见现象,而不考虑不可靠资源这一因素研究的结论都是处于理想状态，并不能真是反应自动制造系统的实际生产情况；并对含有不可靠资源的自动制造系统的稳健性给出一些诊断方法，在处理过程中，首先方法比较保守，其次诊断的状态稳健性也比较保守，进而不能满足自动制造系统的许可性更大。

解决上述技术问题的难度：首先，对于采用Petri网模型对含有不可靠资源的自动制造系统进行建模，不可靠资源被损坏，其定义仅仅停留在文字叙述，那么从文字叙述到数学表达式的转化这是其中最关键的一步；其次确定不可靠资源损坏导致的状态稳健是否存在类似于死锁问题中的坏状态这样的中间状态；最后快速诊断系统当前所处状态是否稳健及满足最大许可性。

解决上述技术问题的意义：实际的自动制造系统因为存在不可靠资源导致系统阻塞的问题，对于不可靠资源被损坏这一定义的数学化，为解决含有不可靠资源的自动制造系统的稳健性提供了新思路，以及新的解决方案。新的解决方案在解决系统最大许可性方面实现了突破。

发明内容

针对现有技术存在的问题，本发明提供了一种基于数学规划算法的自动制造系统状态稳健性检测方法。

本发明是这样实现的，一种基于数学规划算法的自动制造系统状态稳健性检测方法，所述基于数学规划算法的自动制造系统状态稳健性检测方法包括：

第一步，将含有不可靠资源的进程的变迁划分为两类：一是不可靠资源的前序变迁，二是不可靠资源的后序变迁；