一种数字孪生驱动的柔性生产线调度优化方法及系统与流程

摘要: 本发明涉及数字化调度控制,尤其涉及一种数字孪生驱动的柔性生产线调度优化方法及系统。背景技术:1、柔性生产线是指能够在同一生产线上实现不同产品或多品种小批量产品的...
一种数字孪生驱动的柔性生产线调度优化方法及系统与流程

本发明涉及数字化调度控制,尤其涉及一种数字孪生驱动的柔性生产线调度优化方法及系统。

背景技术:

1、柔性生产线是指能够在同一生产线上实现不同产品或多品种小批量产品的快速切换与生产的制造系统,柔性生产线调度技术针对生产任务的动态分配、工序顺序优化和资源利用优化,适用于产品种类多、需求变化快、生产批量小且多样化的制造场景,当前,柔性生产线调度技术正向智能化、自适应和实时化方向发展,在传统数学规划和启发式规则方法的基础上,智能优化算法(如petri网结合头脑风暴优化算法)和机器学习技术(强化学习)得到广泛应用,智能优化算法主要用于求解大规模调度问题,而petri网和仿真优化则常用于建模生产过程中的并发关系和资源约束,强化学习,特别是多智能体强化学习,通过将设备或工位建模为相互协作的智能体,实现策略自更新和动态调度,使生产线能够根据实时状态自主调整策略,从而实现数据驱动、模型自学习和协同优化的调度控制。

2、例如公告号为:cn120103803b的中国发明专利公开的融合多智能体强化学习的柔性生产线自适应调度控制方法,包括:实时获取加工设备状态与工件需求信息,构建状态与动作空间,将设备映射为智能体并实现信息共享,进而选择调度动作并执行,通过经验回放池更新状态-动作值函数,优化多智能体模型,系统在运行中监测设备状态,动态更新状态与动作空间以应对故障或物料短缺,并生成补偿调度方案。

3、例如公开号为:cn117075543a的中国发明专利公开的一种基于数字孪生的虚拟生产线规划与自适应调度方法,包括:针对生产线制造资源各要素,基于语义的统一描述模型,建立生产线静态数字模型;根据生产线生产要求,对生产线进行规划;根据虚拟环境规划的生产线静态数字模型,指导现实环境中生产线规划,使其具备正式运行的条件;根据生产线制造资源运行现场采集的实时数据,对生产线静态数字模型赋予实时状态,形成生产线数字孪生模型;针对生产线运行过程中出现的生产扰动,作出生产指令的应对调整并确保生产线稳定性运行;将调度生产指令传达给物理生产线,控制物理生产线中制造资源,完成生产任务。

4、随着生产节奏不断提升,现有的柔性生产线调度方法逐渐暴露出一系列不可忽视的缺陷,缺乏对系统全局动态的连续建模能力,导致调度结果更多依赖经验参数,而缺乏对真实物理过程和未来状态的有效预测,这些问题使得现有调度系统在复杂场景下已难以满足高精度、高可靠性的运行需求,为了弥补传统方法的实时性不足,行业开始引入数字孪生模型,将产线设备、加工状态、资源关系和物理行为以虚拟模型的方式在系统中实时映射,数字孪生能够同步呈现现场状态、支持高精度仿真,并能在调度前对潜在冲突、电机负载、路径拥堵等风险进行提前预测,因此成为提升调度精度与生产柔性的关键技术路线。

5、上述技术至少存在如下技术问题:

6、由于现有生产线往往缺乏对结构参数、运行状态和物理特性的统一建模,数字孪生模型精度不足,使调度算法无法依赖模型获得真实可信的评价;同时,调度过程多基于固定参数或经验规则,无法随设备状态变化而动态调整,导致调度方案与实际运行脱节;再加上智能优化算法在优化过程中容易出现粒子过度集中而陷入局部最优,或过度分散导致搜索效率下降,使调度结果进一步失去可靠性。

技术实现思路

1、一方面,提供了一种数字孪生驱动的柔性生产线调度优化方法,该方法包括:

2、采集生产线设备运行参数和生产线设备物理参数构成状态参数筛选集,并建立初步数字孪生模型,执行单因子扰动试验得到状态参数候选集,计算并排序生产线设备状态参数的贡献度,并确定生产线设备关键参数。

3、根据初步数字孪生模型中包含的参数约束集,将生产线划分结构性分区,识别生产线中的耦合设备,构建耦合子系统并分析结构性子系统,汇总子系统贡献度,执行分辨率建模策略配置,完成子系统模型构建。

4、在完成子系统模型构建后运行仿真,验证数字孪生模型的仿真效果。

5、初始化粒子群算法,并生成最优调度方案,进行数字孪生模型仿真验证生产调度方案,评估调度可行性,并以此调整粒子群参数,完成闭环优化。

6、另一方面,提供了一种数字孪生驱动的柔性生产线调度优化系统,该系统包括:

7、生产线设备关键参数确定模块,用于采集生产线设备运行参数和生产线设备物理参数构成状态参数筛选集,并建立初步数字孪生模型,执行单因子扰动试验得到状态参数候选集,计算并排序生产线设备状态参数的贡献度,并确定生产线设备关键参数。

8、分辨率策略配置模块,用于根据初步数字孪生模型中包含的参数约束集,将生产线划分结构性分区,识别生产线中的耦合设备,构建耦合子系统并分析结构性子系统,汇总子系统贡献度,执行分辨率建模策略配置,完成子系统模型构建。

9、模型仿真参数调整模块,用于在完成子系统模型构建后运行仿真,验证数字孪生模型的仿真效果。

10、仿真验证模块,用于初始化粒子群算法,并生成最优调度方案,进行数字孪生模型仿真验证生产调度方案,评估调度可行性,并以此调整粒子群参数,完成闭环优化。

11、本发明实施例提供的技术方案带来的有益效果至少包括:

12、1、本发明提供的一种数字孪生驱动的柔性生产线调度优化方法,通过系统性地采集历史离线数据生产线设备的结构参数、运行状态参数和物理参数,并结合调度规则开展敏感性分析,精准识别关键参数与关键子系统,从而对各子系统采用差异化建模策略进行高分辨率或简化建模,通过数字孪生模型实现对整体生产过程的仿真验证;同时结合粒子群算法对生产调度方案进行迭代优化,通过闭环调节关键参数状态和算法参数,实现调度方案在可行性与优化效果上的动态平衡,从而提高生产效率、缩短总完工时间、优化设备负载分布,进而实现对生产过程全局可视化、实时调控和高精度调度优化,有效解决了现有技术中关键参数难以识别、子系统耦合复杂、调度优化难以闭环迭代以及生产过程不可实时精确调控的问题。

13、2、本发明通过从结构、运行和物理层面全面收集生产线设备参数,并结合调度规则开展系统性敏感性分析与单因子扰动试验,从而能够精准筛选出对生产输出影响显著的关键参数,进而实现了对生产过程关键因素的准确捕捉和高可信度建模,提高了数字孪生模型的输入完整性和可靠性,为后续子系统建模与生产调度优化提供了坚实的数据基础,同时有效降低了因参数遗漏或不准确导致的仿真偏差和优化失效风险。

14、3、本发明通过对生产线进行结构性分区和耦合子系统划分,并结合贡献度评估采用差异化建模策略,从而能够在保证计算效率的同时精确模拟关键子系统运行,进而实现了对整体生产系统的高精度仿真和动态验证,能够及时发现潜在瓶颈与异常状态,对关键与非关键子系统的运行性能进行分层优化,同时保证模型在保持计算效率的前提下反映实际生产状态,为闭环调度优化提供可验证、可追踪的仿真依据。

15、4、本发明通过将数字孪生模型与粒子群算法结合,构建迭代更新的生产调度闭环,并根据仿真结果动态调整关键参数和算法权重,从而能够生成高效、可行的调度方案,进而实现了生产周期缩短、设备负载均衡、瓶颈缓解和资源利用最大化,能够实时响应生产变化、预测潜在冲突并自动优化调度决策,同时形成可追踪的优化迭代历史,为持续改进和生产计划调整提供科学依据,有效解决了现有技术中调度方案优化难以闭环、局部最优易陷入及实时调控能力不足的问题。