一种基于数字孪生及扰动监测的车间动态调度方法

技术特征：
1.一种基于数字孪生及扰动监测的车间动态调度方法，其特征在于：该方法包括如下步骤，步骤1：数字孪生服务系统对物理车间进行生产状态的监控，获取生产任务信息，车间资源信息、生产制造信息；步骤2：采用以完工时间、能耗为优化目标的车间多目标调度模型，使用nsga-ii算法生成调度方案；步骤3：采用基于神经网络的扰动事件监测模型，将采集到的数据进行3层小波包分解，将小波包能量向量作为神经网络的输入特征量，进行扰动监测；步骤4：当发生扰动事件时，执行基于数字孪生的车间生产动态调度流程，根据不同的调度策略进行调整准备，生成重调度方案；步骤5：以工序偏离度和机器偏离度对重调度方案进行稳定性分析，用综合评价指标对重调度方案进行评价，在虚拟车间预先仿真，将调度方案传递给物理车间，物理车间根据新的调度方案生产加工。2.根据权利要求1所述的一种基于数字孪生及扰动监测的车间动态调度方法，其特征在于：步骤2包括如下步骤，步骤2.1建立车间能耗模型；在实际生产过程中，车间总能耗包含设备待机能耗、设备加工能耗和车间固能耗，各部分能耗等于功率和时间的乘积；车间总能耗计算公式如下：e＝e
work
e
idle
e
constant
式中，e为总能耗，e
work
为设备加工能耗，e
idle
为设备待机能耗，e
constant
为车间固定能耗；步骤2.2建立车间完工时间模型；单个工件的完工时间是从工件开始加工时刻到最后一个工序加工完成为止花费的所有时间；因此，车间完工总完工时间等于所有工件的最大完工时间，可表示为如下：c＝max{c1,c2,...,c
n
}式中，c
i
为第i个工件的加工完成时间，共有n个工件，c为所有工件的最大完成时间；步骤2.3调度方案算法使用nsga-ii算法，采用基于工件工序的整数编码，首先生成初始种群，通过遗传操作，之后进行非支配排序和拥挤度计算，合并父子代种群，根据非支配排序后的等级和拥挤距离选择精英个体形成新的父代种群，循环直到达到最大迭代次数，最后输出调度甘特图。3.根据权利要求1所述的一种基于数字孪生及扰动监测的车间动态调度方法，其特征在于：步骤4中，完全重调度策略：在扰动事件发生时，正在加工的工件继续加工完成，考虑扰动事件信息，各工件工序信息以及机器加工情况信息，将扰动发生时刻后为未进行加工的工序以及其可用的机器重新进行调度排产；转移重调度策略：在扰动事件发生时，正在加工的工件继续加工完成，考虑扰动事件信息，各工件工序信息以及机器加工情况信息，找到直接受影响的工序，以及它们后续的工序，即间接受到影响的工序；不受影响的工序保持原调度方案的加工任务；受影响的工序在约束条件下，转移到最先空闲的机器上进行加工。4.根据权利要求1所述的一种基于数字孪生及扰动监测的车间动态调度方法，其特征在于：工序偏离度pd为重调度方案中各工序与初始调度方案开始加工时间差值的绝对值之
和，工序偏离度越小则重调度方案的稳定性越好；式中，j为各工件的第j道工序，共有t道工序，st
ij
表示初始调度方案各工件各工序的开始加工时间，st
ij
'表示重调度方案各工件各工序的开始加工时间。机器偏离度md体现了重调度方案中各机器上加工工序的数量变化，机器偏离度越小则重调度方案的稳定性越好。式中，l为第l台机器，共有m台机器，sp
l
表示初始调度方案中各机器上的加工任务数，sp
l
'表示重调度方案中各机器上的加工任务数。综合评价指标cei为归一化后调度方案的完工时间c
n
、能耗e
n
、工序偏离度pd
n
以及机器偏离度md
n
的加权和。cei＝λ1c
n
λ2e
n
λ3pd
n
λ4md
n
式中，λ
k
为权重系数，k为第k个权重系数，共有w个权重系数，各权重系数和为1。

技术总结
本发明公开了一种基于数字孪生及扰动监测的车间动态调度方法，包括数字孪生服务系统对物理车间进行生产状态的监控，获取生产任务信息，车间资源信息、生产制造信息等。建立以完工时间、能耗为优化目标的车间多目标调度模型，使用NSGA-II算法生成调度方案。建立基于神经网络的扰动事件监测模型，将采集到的数据进行小波包分解，将小波包能量向量作为神经网络的输入特征量。执行基于数字孪生的车间生产动态调度流程，当发生扰动事件时，根据不同的调度策略进行调整准备，生成重调度方案。考虑工序偏离度和机器偏离度，对重调度方案的稳定性进行分析，以综合评价指标对调度方案进行评价。本发明能对车间扰动及时做出响应调整，提高车间生产效率和稳定性。高车间生产效率和稳定性。高车间生产效率和稳定性。


技术研发人员：初红艳 黄凯峰 刘志峰 董可 张彩霞 赵永胜 程强
受保护的技术使用者：北京工业大学
技术研发日：2022.01.19
技术公布日：2022/5/25