申请/专利权人：贵州大学

申请日：2023-06-19

公开（公告）日：2024-04-12

公开（公告）号：CN116540658B

主分类号：G05B19/418

分类号：G05B19/418

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.08.22#实质审查的生效;2023.08.04#公开

摘要：本发明公开了基于监督控制理论和强化学习的自动制造系统调度方法，包括以下步骤：S1、根据自动制造系统调度问题，使用自动机建立系统制造单元数学模型Gi，安全性和活性控制规范模型Ej，生产任务模型Et；S2、基于S1的Gi，建立自动机模型G；结合S1的Ej和Et，求解出调度问题的目标模型T；利用Nadzoru软件求解出调度问题的监控器模型V＝SupCG,T；S3、根据S2的V，以最大化生成过程中机器的并行性为优化目标，构建调度问题的数学模型；S4、将S3中的V转换为确定性马尔可夫决策过程MDP，利用Q学习算法求解调度问题，实验并结果分析。本发明采用上述方法，得到自动制造系统在生产过程中机器并行运行最大化的最优调度方案，提高生产效率，降低生产成本。

主权项：1.基于监督控制理论和强化学习的自动制造系统调度方法，其特征在于，包括以下步骤：S1、根据自动制造系统调度问题，使用自动机建立系统制造单元的数学模型Gi，安全性和活性控制规范模型Ej，生产批次为k个产品且深度为m的生产任务模型Et，其中，i＝1,...,N表示制造单元数量，j＝1,...,M表示控制规范的自动机模型个数；所述S1中，使用自动机建立制造单元的数学模型Gi，安全性和活性控制规范模型Ej，生产批次为k个产品且深度为m的生产任务模型Et分别为：Gi＝Hi,∑i,δi,hi0,Him，Ej＝Hj,∑j,δj,hj0,Hjm，Et＝Ht,∑t,δt,ht0,Htm，其中，i＝1,...,N；Hi表示有限状态集合；∑i表示有限事件集合，划分为可控事件集合∑ic和不可控事件集合∑iuc，且δi:Hi×∑i→Hi表示状态转移函数；hi0表示初始状态；Him表示标记状态集合；安全性和活性控制规范模型Ej和任务自动机模型Et的含义与模型Gi中的含义相同，深度为m的生产任务自动机模型Et如下所示： S2、基于S1的制造单元模型Gi，建立自动制造系统的自动机模型G；结合S1的控制规范模型Ej，生产任务模型Et，求解出自动制造系统调度问题的目标模型T；利用Nadzoru软件求解出自动制造系统调度问题的监控器模型V＝SupCG，T；S3、根据S2监控器模型V，以机器运行并行最大化为优化目标，构建调度问题的数学模型fp*；所述S3中，通过机器运行函数Σ→{-1，0，1}，判断机器是否处于运行状态，具体定义如下： 其中，表示使机器进入运行状态的事件集合，表示使机器进入空闲状态的事件集合；将扩展为Σ*→N，其中，N为自然数集合；对于空串ε和事件序列en＝σ1σ2···σn∈LV：facε＝0 对于监控器中的一个状态h，它是从初始状态经过长度为nn＝1,2,…的事件序列en到达的，即h＝δh0,en，facen表示在状态h时当前处于运行状态的机器数量；若事件序列en使得系统在整个运行过程中至少有两台机器同时处于运行状态，则称该事件序列为并行制造序列，而串行制造序列是指系统在整个运行过程中至多有一台机器处于运行状态；为定量判断不同事件序列在整个生产过程中的机器并行性，定义机器运行计数函数fp，对于事件序列en＝σ1σ2···σn∈LV： fp通过累加系统在不同状态下处于运行的机器数量，描述整个生产过程中机器的并行性，fp的值越大，代表生产过程中的机器并行性越好；从初始状态到标记状态的任意事件序列e∈LmV都表示满足生产批次为k个产品的调度策略，则满足制造系统加工逻辑的调度策略集合为Ld＝{e∈LmV||e|＝m}，故生产过程中机器运行并行最大化调度问题定义为： S4、将S3中的监控器模型V转换为确定性马尔可夫决策过程MDP，利用Q学习算法求解自动制造系统调度问题fp*，实验并进行结果分析。

全文数据：

权利要求：

百度查询： 贵州大学 基于监督控制理论和强化学习的自动制造系统调度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD