[发明专利]一种随机任务需求约束下的多状态工业机器人集群选择性维修决策方法

说明书

一种随机任务需求的多状态工业机器人集群选择维修方法包括如下步骤：(1)计算工业机器人集群第x波次任务开始前的机器人处于各个状态的概率；(2)在第x(x为正整数)波次任务开始前，按照工业机器人健康状态将机器人集群进行分类；(3)以最小化维修次数为目标，以任务成功率和维修时间为约束，构建选择性维修决策模型；(4)基于遗传算法求该任务周期内的最优解。若求得可行解，则结束；若无可行解，则执行步骤(5)；(5)回溯算法。

(一)技术领域

本发明面向工业生产系统的随机任务需求，提出一种考虑工业机器人多状态特征的选择性维修方法。该方法是在有限的维修时间及维修资源的前提下，以满足任务需求为约束，以降低维修成本为目标，建立模型对工业机器人集群的维修工作进行规划与决策。该方法属于可靠性工程技术领域。

(二)背景技术

维修在机器人集群使用过程中起到非常重要的作用，在满足机器人集群任务成功率要求的条件下降低维修成本，提高企业利润是每个企业的目标。然而，由于受可用维修时间、有限维修保障资源、任务成功率目标等诸多因素影响，可开展的维修工作往往是有限的，因此必须对要开展的维修工作进行选择决策，以便在满足任务成功率约束的前提下，合理利用维修保障资源，开展有效的维修工作，最大化降低维修成本。

经调研，目前国内外工业企业已提出很多维修决策方法，包括第一发明人2021年4月授权的专利ZL 201811559070.5《一种基于顺序博弈的多阶段连续任务装备集群的选择性维修方法》，可用于解决装备级、长周期的视情维修决策问题。然而，面对工业机器人集群连续不间断工作、任务需求随机、可用维修时间短等特点，已有方法并不适用。因此，我们有必要结合工业机器人的健康状态，采取视情维修策略，即当产品的健康退化或将退化到无法满足任务要求时才进行维修的策略，建立随机任务需求的多状态工业机器人集群的选择性维修决策模型，以期在保证各波次任务需求的前提下，尽可能减少总维修次数，降低维修成本。

(三)发明内容

(1)发明目的

针对于当前基于装备集群级短间隔阶段性任务的维修策略缺乏较好的算法，当面对多波次任务，后勤资源有限，留给后勤人员进行维修的任务间隔时间很短时，维修人员不知该如何挑选应当优先进行维修的装备这一现状，本发明可以通过优化算法得出装备集群在面对该类任务时，后勤人员应如何挑选出每波次要优先进行维修的装备进行维修。通过优化，可以使装备集群在保证每一波次任务可靠度的前提下，明显减少对维修资源的使用。

(2)技术方案

本发明是一种随机任务需求约束下的多状态工业机器人集群选择性维修决策方法，即首先根据马尔科夫链和通用生成函数计算每个机器人的状态概率分布，然后根据蒙特卡罗抽样算法在基于满足每个周期可靠度和产量的需求条件下，按照机器人的健康状态将其分类，并确定每个周期中投入工作的机器人数量，然后以连续两个周期任务所需机器人数量及任务成功率要求、可用维修时间、可用维修资源等为约束，以最小化维修次数为目标，建立选择性维修决策模型，并基于遗传算法给出快速求解算法，求得局部最优解，然后根据时间回退采用递归算法求得全局最优解，进而给出维修方案。

基本假设和说明：

(1)机器人内部元件在每个机器人中组合方式为串并联，并且，每个个体机器人在整个系统中组合方式为n中取k结构，且k不是机器人数量，而是每个周期的产量要求；

(2)所有机器人内部元件都为多态元件，有多种工作状态，即每个机器人也有多种工作状态，整个系统也为多态系统；

(3)在单个元件中，每两个状态之间的衰退过程服从指数分布或者威布尔分布；

(4)机器人中的每个元件均采用更换维修策略，即在经过维修后，其可靠性会恢复至初始状态；

(5)每个任务周期内的任务产量需求服从泊松分布，即n中取k系统中的k服从泊松分布；