(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110597305.5 (22)申请日 2021.05.28 (65)同一申请的已公布的文献号 申请公布号 CN 113326581 A (43)申请公布日 2021.08.31 (73)专利权人 江麓机电集团有限公司 地址 411100 湖南省湘潭市雨湖区解 放北 路四号 (72)发明人 宋海伟　祝文武　霍览坤　赵睿　 张佳佳　纪辉明　张杨　吕叶立　 李林谊　 (74)专利代理 机构 成都弘毅天承知识产权代理 有限公司 5123 0 专利代理师 丁存伟 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/12(2006.01) G06F 111/04(2020.01)G06F 111/06(2020.01) (56)对比文件 CN 110635486 A,2019.12.31 CN 110488755 A,2019.1 1.22 CN 112257163 A,2021.01.2 2 CN 112085368 A,2020.12.15 CN 112749776 A,2021.0 5.04 CN 107248754 A,2017.10.13 US 10577894 B1,2020.0 3.03 陈金广.求 解作业车间调度问题的改进遗传 算法. 《计算机系统应用》 .2021,第3 0卷(第5期), 第190−195页. M.Gholami.integrati ng Simulati on and genetic algorithm to sc hedule a dynamic flexible job shop. 《J I ntell Manuf》 .20 08, 张国辉等.考虑机 器故障的柔 性作业车间鲁 棒调度方法. 《系统仿真学报》 .2016,(第04期), 刘胜等.基 于改进遗传算法的多目标FJS P问 题研究. 《控制工程》 .2016,(第0 6期), 审查员 张盈盈 (54)发明名称 一种基于组合生产和设备故障约束的遗传 调度方法 (57)摘要 本发明公开了一种基于组合生产和设备故 障约束的遗传调度方法， 用于 车间柔性作业调度 技术， 本发明涉及自动控制技术领域； 通过构建 作业约束图模型解决加工生产线生产调度的问 题， 同时通过引入基于机器故障率的轮盘选择 法， 使得作业最大程度在健康机器上完成， 进而 减小设备故障时的调度延 迟， 优化组合产线遗传 调度算法的适应度计算， 然后将智能调度算法用 于组合箱体生产线， 实验结果表明， 该调度策略 相比较于基于遗传算法的调度方法， 能够获得更 好的初始化种群以及收敛性和鲁棒性， 解决组合 产线智能排程问量， 同时考虑了机器损耗故障的可能， 进而实现柔 性作业车间调度。 权利要求书2页 说明书5页 附图2页 CN 113326581 B 2022.07.19 CN 113326581 B 1.一种基于组合 生产和设备故障约束的遗传调度方法， 其特 征在于， 包括如下步骤： 步骤1、 提出作业约束图模型， 使用多前序作业约束图清晰表示各个作业之间的关联性 和依赖性； 其中， 步骤1所述作业约束图模型是一种双向有向图， 即虚拟一个j2作业表示组 合生产作业， 节点Pij表示第i个作业的第j个工序， 且每个节点有一个或多个前向边连接各 个作业； P0i和P1j分别表示实际作业j0和j1的虚拟组合生产工序， 避免排程时进行重复排班， 即某时刻一台机器上是否运行某工序， 需要取决于该工序的直接前序工序的库存， 均存在 库存时才允许在该时刻被排 程， 否则不允许 此时被排 程， 如公式1： ， 其中Pij‑>prek(stock)表示Pij的第k个前序工序的库存； 步骤2、 采用基于机器故障率的轮盘选择法， 得到机器故障率构建机器轮盘选择模型， 根据每台机器当前运行时间动态计算故障率， 实现自适应的机器选择， 使得作业最大程度 在健康机器上完成， 进而减小设备故障时的调度延迟以及对存在多工序设备进行工序筛 选； 其中， 步骤2所述机器故障率构建机器轮盘选择模型是根据机器当前运行时长和机器寿 命的关系近似计算当前故障发生 率， 如公式2； ， 其中ρ(mx|t)表示机器mx在t时刻的故障概 率， Pt‑1代表在机器mx上运行的前一工序； 同时得到 同一类型的多台机器的当前时刻的故障率， 然后根据softmax归一化函数得 到的机器故障率构建机器 轮盘选择模型， 如公式3： ， 其中 表示第y台设备mx在t时刻的归一化后的故障概率， 根据各机器所计算 出的归一 化故障率可以进行轮 盘盘面大小分配； 步骤3、 结合作业约束图模型和机器故障率构建机器轮盘选择模型， 利用种群选择和适 应度计算， 实现组合产线中作业和设备的智能调度。 2.根据权利要求1所述的一种基于组合生产和设备故障约束的遗传调度方法， 其特征 在于， 步骤3所述种群选择和适应度计算过程， 具体步骤如下： (1)对作业、 设备、 时间、 工序、 库存初始化编码， 同时对算法中的种群大小、 交配率和变 异率参数进行初始化； (2)初始化种群， 将作业、 机器和工序对应编码为若干条染色体， 并对每条染色体增加 筛选过程， 筛 选条件如下： S1判断是否进入组合 生产流程： 如果是组合 流程进入步骤S2， 否则进入步骤S3； S2判断组合前工序是否都有库存： 如果满足条件进入步骤S3， 不满足条件则清除当前 染色体候选调度 序列， 并进行 下一个染色体的筛 选流程； S3判断是否有多台当前类型的设备： 如果存在多台设备可以完成当前工序则进入步骤 S4， 否则进入步骤S5；权　利　要　求　书 1/2 页 2 CN 113326581 B 2S4优化设备选择： 根据基于设备故障率的轮盘选择模型， 让当前工序大概率选择到运 行状态更健康的设备 上工作； S5判断是否为起始工序： 如果不是起始工序， 判断前序工序 是否均有库存， 如果正确则 进行下一步操作， 否则清除当前染色体； (3)循环开始， 循环次数为种群大小； (4)评价种群 中的个体适应度， 计算过程中增加可能发生故障设备的维修时间， 并使得 所有作业和工序的最晚完成时间最小化； (5)以比例原则， 利用锦标赛法先随机选择若干染色体， 然后从中选择出适应度最高的 两条染色体用来进行重组和变异； (6)利用交叉算子和变异算子循环产生新的染色体， 同时也要对新染色体进行跟步骤2 相同的筛 选操作； (7)直到停止循环的条件 满足， 即达 到遗传次数， 得到最终的排 程和调度结果。权　利　要　求　书 2/2 页 3 CN 113326581 B 3