一种基于多智能体协同的制造任务分配方法
本发明涉及智能制造任务调度,尤其涉及一种基于多智能体协同的制造任务分配方法。
背景技术:
1、现有制造任务分配方法通常依据工艺路线、设备能力、加工时长和负载情况,将制造任务分配至具备执行条件的设备或制造智能体。此类方法能够完成基本的工序衔接和资源调度,但任务分配过程通常未充分结合已执行任务的检测结果,难以反映工件在加工过程中形成的实际质量偏差。
2、随着多智能体协同技术的发展,制造任务可以在多个制造智能体之间进行动态分配。然而,现有方法多按照固定节点关系或综合评价结果选择制造智能体,未能结合不同设备的工艺参数调节能力判断质量偏差能否在剩余工序中得到修正,也难以保持质量偏差在任务承接过程中的连续传递。
3、当检测结果发生变化或原分配路径不能继续修正质量偏差时,现有方法缺少依据剩余修正能力重新确定任务承接关系的处理机制,容易出现设备具备工艺资格但无法完成质量修正、任务分配结果与实际加工状态不匹配的问题。
4、因此,如何提供一种基于多智能体协同的制造任务分配方法是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出一种基于多智能体协同的制造任务分配方法,本发明采用改进d2stgnn模型与向量加权平均算法相结合的方法,将检测结果转换为质量偏差,并依据制造智能体的质量修正能力建立剩余闭合域矩阵;通过源节点嵌入与目标节点嵌入分别寻址、未闭合残差回写以及目标地址跨层承接,构建制造任务候选地址链,再以绑定地址对进行向量合并和局部搜索,确定任务承接顺序及制造智能体,实现质量偏差驱动的动态任务分配,具有分配准确性高、任务调整灵活和制造质量稳定的优点。
2、根据本发明实施例的一种基于多智能体协同的制造任务分配方法,包括如下步骤:
3、s1、按工艺关系匹配制造任务与制造智能体,绑定任务检测结果,形成协同对象;
4、s2、读取协同对象,将检测结果转为质量偏差,计算可修正边界并写入未执行任务位置,形成剩余闭合域矩阵;
5、s3、依据剩余闭合域矩阵建立任务节点和承接边,将偏差位置和边界位置分别映射为源节点嵌入地址和目标节点嵌入地址,形成制造任务图;
6、s4、将制造任务图接入改进d2stgnn模型,按源节点嵌入地址和目标节点嵌入地址读取节点嵌入,形成动态转移关系;
7、s5、沿动态转移关系传播偏差,将未闭合残差取反为修正量并回写,修正量落入可修正边界时停止承接,未落入时将目标地址转为下层源地址并推进,形成候选地址链;
8、s6、将候选地址链编码为向量加权平均算法解向量,把相邻层目标地址与源地址绑定为地址对,经向量合并和局部搜索形成优化地址组合;
9、s7、将优化地址组合写入源地址和目标地址,保留选中地址承接并清除未选中地址,重建动态转移关系,形成任务分配指令;
10、s8、执行任务分配指令,将检测结果转为新质量偏差并更新剩余闭合域矩阵,无目标地址时终止分配,形成任务分配结果。
11、可选的,所述s1具体包括:
12、s11、读取制造工艺路线,按照工序先后关系排列制造任务,并按照执行状态标记各制造任务,形成制造任务序列;
13、s12、读取制造智能体关联设备的可执行工序范围,逐项核对制造任务序列中未执行制造任务的工艺要求,将满足工艺要求的制造智能体关联至对应制造任务,形成任务匹配结果;
14、s13、将检测结果关联至制造任务序列中对应的已执行制造任务,并将任务匹配结果写入制造任务序列,形成协同对象。
15、可选的,所述s2具体包括:
16、s21、读取协同对象内的检测结果及对应制造任务携带的质量要求,统一质量维度和量纲,以检测值减去目标值并保留差值方向,形成质量偏差;
17、s22、读取未执行制造任务关联设备的工艺参数可调范围,将参数变化端点分别乘以对应工艺灵敏度,按乘积大小确定上下限并按质量维度累加,形成质量修正范围;
18、s23、将质量修正范围两端加上质量偏差,取所得范围与质量允许范围的交集,将交集两端减去质量偏差,形成可修正边界,无交集时记为空区间;
19、s24、以质量维度为行、未执行任务为列建立偏差矩阵和边界矩阵,首列写入质量偏差,各列写入可修正边界,形成剩余闭合域矩阵。
20、可选的,所述s3具体包括:
21、s31、按剩余闭合域矩阵各列对应的未执行制造任务建立任务节点,将协同对象中的制造智能体匹配关系写入对应任务节点,形成任务节点集合;
22、s32、读取协同对象中的制造工艺先后关系,在相邻任务节点之间建立由前一制造任务指向后一制造任务的有向承接边,形成任务拓扑;
23、s33、将偏差矩阵首列元素对应至源节点嵌入地址,将质量偏差取反值落入可修正边界的任务节点对应至目标节点嵌入地址,结合任务拓扑形成制造任务图。
24、可选的,所述改进d2stgnn模型包括线性映射层、动态图学习模块、依次堆叠的解耦时空层。
25、可选的,所述形成动态转移关系具体包括:
26、读取制造任务图,按任务节点顺序提取节点特征并执行线性映射,形成节点特征矩阵;
27、将源节点嵌入与目标节点嵌入的共同节点索引改为分别寻址,按对应嵌入地址读取源节点嵌入和目标节点嵌入;
28、将节点特征矩阵对应行分别与源节点嵌入和目标节点嵌入拼接,形成源动态特征矩阵和目标动态特征矩阵;
29、分别对源动态特征矩阵和目标动态特征矩阵执行查询变换与键变换,计算各自查询结果与键结果的转置乘积,形成正向关联分值矩阵和反向关联分值矩阵;
30、将制造任务图的有向承接边写入正向承接矩阵并转置形成反向承接矩阵,分别与按行归一化的对应关联分值矩阵逐元素相乘,无目标地址对应行清零,形成动态转移关系。
31、可选的,所述形成候选地址链具体包括:
32、截断相邻解耦时空层按照同一任务节点索引同步读取源节点嵌入和目标节点嵌入的参数路径,分别设置源节点嵌入读取地址和目标节点嵌入读取地址;
33、首个解耦时空层按源节点嵌入地址读取源节点嵌入,按目标节点嵌入地址读取目标节点嵌入,沿动态转移关系传播质量偏差;
34、从当前层输入残差中依次扣除扩散回溯结果和固有回溯结果,将未闭合残差回写至质量偏差原位置;
35、将未闭合残差取反形成修正量,修正量落入对应可修正边界时终止承接,未落入时将当前层目标地址写为下一层源地址;
36、沿制造工艺顺序查找修正量落入可修正边界的下一未执行制造任务,将对应地址写为下一层目标地址;
37、下一解耦时空层按承接地址提取转移分值并传播未闭合残差,未查找到下一目标地址时保留残差并终止传播,按层重复承接形成候选地址链。
38、可选的,所述s6具体包括:
39、s61、按质量维度和解耦时空层顺序将候选地址链编码为解向量,将目标地址与下一层源地址绑定为相邻地址对;
40、s62、按向量加权平均算法计算解向量加权均值,将地址分量写入序号绝对差最小且顺序在前的任务地址,相邻地址对写入同一地址,形成更新解向量;
41、s63、执行向量合并时,以相邻地址对为最小替换单元,更新地址对的残差绝对值之和小于原地址对时写入更新地址对,不小于时保留原地址对,形成组合解向量;
42、s64、从首个对应未闭合残差的地址对开始局部搜索,将目标地址移至下一目标地址并同步改写源地址,形成局部搜索解向量;
43、s65、未找到下一目标地址时恢复搜索前地址,选取残差绝对值之和最小且形成次序在前的局部搜索解向量,形成优化地址组合。
44、可选的,所述s7具体包括:
45、s71、按质量维度将优化地址组合写入源地址和目标地址,保持当前层目标地址与下一层源地址绑定,形成优化地址;
46、s72、读取优化地址,按解耦时空层顺序保留选中地址并清除未选中地址,形成节点嵌入读取结果;
47、s73、根据节点嵌入读取结果重算正向关联分值矩阵和反向关联分值矩阵,按行归一化后分别与承接边矩阵及转置矩阵逐元素相乘,形成重建动态转移关系;
48、s74、按优化地址组合确定未执行制造任务承接顺序,读取任务节点关联的制造智能体,形成任务分配指令。
49、可选的,所述s8具体包括:
50、s81、向任务分配指令对应的制造智能体下发制造任务,控制关联设备完成加工并采集检测结果,形成当前检测结果;
51、s82、统一当前检测结果与制造任务质量要求的质量维度和量纲,以检测值减去目标值并保留差值方向,形成新质量偏差;
52、s83、将已执行制造任务对应列标记为完成并停止地址读取,将新质量偏差写入首个未执行任务列,逐列核对可修正边界,形成更新后的剩余闭合域矩阵;
53、s84、将当前检测结果与制造任务质量要求逐维比较,检测值落入对应允许范围时确认完成,未落入时形成待承接结果;
54、s85、读取待承接结果,存在目标地址时保留对应制造任务和制造智能体并形成再分配结果,无目标地址时终止分配并形成终止结果。
55、本发明的有益效果是:
56、本发明通过将制造任务、制造智能体及任务检测结果进行关联,把已执行任务产生的质量偏差纳入任务分配过程,并依据未执行制造任务对应的质量修正范围建立剩余闭合域矩阵。相比仅依据设备能力、加工时长或负载情况进行分配的现有方法,本发明能够从质量偏差能否在剩余工序中得到修正的角度筛选制造智能体,提高任务分配结果与实际加工状态的匹配程度。
57、此外,本发明通过改进d2stgnn模型,将源节点嵌入与目标节点嵌入由共同节点索引读取改为分别寻址,并利用未闭合残差控制目标地址的跨层承接。质量偏差在相邻制造任务之间传播时,能够保持残差位置、任务地址及修正边界之间的对应关系,从而连续判断各未执行制造任务对当前偏差的修正能力,减少因固定任务关系或静态节点连接造成的错误承接。
58、本发明进一步通过向量加权平均算法将相邻层目标地址与源地址绑定为地址对,并在向量合并和局部搜索过程中保持跨层地址关系,获得满足质量修正需求的优化地址组合。依据优化结果重建动态转移关系并形成任务分配指令,能够在检测结果变化时及时调整任务承接顺序和制造智能体,提高多智能体协同分配的准确性、连续性和制造质量稳定性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com