CN104463332A - 基于有色Petri网的FMS生产仿真分配方法 - Google Patents

Abstract

本发明涉及一种基于有色Petri网的FMS生产仿真分配方法，其特点是采用以下步骤：首先，建立生产调度系统模型，获得定制加工策略图。之后，建立Petri网系统模型，综合加工策略图与Petri网系统模型，获取整合式Petri网模型。接着，进行生产调度系统验证，对CPN模型进行仿真后排查死锁。这样，能够将现有生产环节中系统控制模型的各种逻辑关系清晰地反映在整个加工过程中，使系统有序地完成指定的加工任务。同时，能够在CPNTools环境下对系统模型进行仿真，实现在不同布局、不同工件数、不同静态调度结果下的FMS的运行情况。更为重要的是，采用本发明方法实现的应用系统，具有良好的分析与设计适应性。

Description

基于有色Petri网的FMS生产仿真分配方法

技术领域

本发明涉及一种仿真方法，尤其涉及一种基于有色Petri网的FMS生产仿真分配方法。

背景技术

就现有的生产仿真规划来看，由于FMS具有离散、并行、路径可变、资源竞争、批量可变等众多重要特性，使得运用传统方法很难准确的对其进行建模。Petri网是一种强大的DES建模工具，可以很好的表示系统中的动态性，并发关系，资源约束等。由于其既有易于理解的图形化界面，又有较为丰富和严密的数学分析方法，因此Petri网被广泛的应用在FMS的生产过程建模及生产调度仿真。

在目前的研究中，基于Petri网的生产调度有两种实现方法：

第一种方法将调度问题转换为状态空间搜索问题。只要状态空间有界，理论上一定可以找到最优解。但是当系统规模增大时，Petri网的状态空间会呈爆炸式增长，计算状态空间所需的存储空间和运算求解时间将变得无法接受。使用第一种思路无法解决大规模系统的调度问题。

第二种方法利用了调度领域已有的研究成果，并发挥出Petri网的图形表达能力，可较好地解决实际调度问题。然而，由于Petri网节点语义单义，用Petri网模型难以实现复杂的调度算法，在建立调度系统时，需要编制专用的软件平台支持Petri网建模和调度，无法利用已有的Petri网软件，系统实现的难度与工作量较大。

Jensen提出了彩色Petri网的概念，彩色Petri网通常简称为CPN，特点是把系统中具有类同行为特性的元素归属到一个库所节点或一个变迁节点中，并通过定义色彩集，使得其中的托肯能够互相区别开来，从而使整个网的结构得到很大程度的简化。另外，彩色Petri网还支持递阶的建模方法，允许我们在不同的层次上对系统进行抽象和建模，为我们的建模以及模型的修改、维护带来了方便，特别是在描述复杂的大规模系统时，彩色Petri网更能显示出明显的优越性。可是，对于系统的分析却变得更加复杂，因为虽然网的结构是简化了，可是整个系统的状态空间并没有变小。而且，很多基本Petri网的分析方法并不能，或者说很难直接用于彩色Petri网的分析当中来。因此，人们开发了很多专用工具来支持CPN的建模和分析工作。丹麦的奥胡根大学和美国宇航局于2000年4月联合推出的基于CPN的仿真软件CPN tools，该软件支持标准元语言(standard ML，SML)，本文详细介绍了使用CPN实现FMS生产调度系统的防死锁的方法。

相关理论介绍：

CPN的定义为：CPN=（Σ，P，T，A，N，C，G，E，I），该式中，Σ为有限类型集，亦称为颜色集；P为有限库所集，库所具有颜色，库所中包含的数据称为token；T为有限变迁集；A为有限有向弧集，满足P∩T=P∩A=T∩A=N为节点函数；C为颜色函数；G为变迁守卫函数；E为有向弧表达式；I为初始化函数。

（1）库所

有三种标志：名字、类型和初始标志。名字（Name）用来区分其他库所，类型（Place type）用来说明放置托肯的颜色，初始标志（Initmark）表示系统初始状态时该库所放置托肯的数目。

（2）变迁

有四种标志：名字、守护、时延和行动代码。守护（Guard）为CPN ML的布尔表达式，时延（Time delay）为正整数或实数表达式以“＋”开头，行动代码（Action）为CPN ML代码，它执行在变迁触发时。

（3）有向弧

库所和变迁间用带箭头的弧连接起来，弧上的标识表示当该变迁发生时，托肯随之变化。

SML是一种函数式程序设计语言。SML的程序由函数组成。通常的Fortran、Pascal、C等高级语言属于过程式语言，过程式语言的设计面向命令，命令的执行过程包含了状态，而SML的设计面向表达式，其目的只是为了数值求解。SML程序不关心机器的状态，如内存分配、垃圾收集等存储管理由编译器自动完成。SML具有惰性求值、模式匹配、多态类型等特性。用SML编写的数学计算程序相比过程式语言要简单而高效。

SML函数有如下形式：

fun id pat1=exp1

id pat2=exp2

id patn=expn。

id是函数的名称，pat是形式参数，exp是函数体。函数体可以是一个简单的数字，也可以是一段代码。SML函数可以有多个模式的参数，SML会根据输入的参数自动选择合适的函数体。CPN Tools使用SML实现对颜色集和函数的定义。CPN的颜色集使用了SML中的数据类型。CPN中的有向弧函数和变迁守卫函数使用SML编写。

发明内容

本发明的目的就是为了解决现有技术中存在的上述问题，提供一种基于有色Petri网的FMS生产仿真分配方法。

本发明的目的通过以下技术方案来实现：

基于有色Petri网的FMS生产仿真分配方法，其特征在于包括以下步骤：步骤①，建立生产调度系统模型，设定FMS加工单元，定制加工策略图；步骤②，根据FMS加工策略，把组成控制单元的元素设置为库所，建立Petri网系统模型，若加工策略图包括超过2条路线方式，则建立首次Petri网系统模型后，再次分析FMS加工单元，建立二次Petri网系统模型；步骤③，综合加工策略图与Petri网系统模型，获取整合式Petri网模型；步骤④，进行生产调度系统验证，使用CPN工具进行分析构成CPN模型，对CPN模型进行仿真，排查死锁。

上述的基于有色Petri网的FMS生产仿真分配方法，其中：所述的步骤②中，如果存在共享资源，则设置至少一个共享资源库所。

进一步地，上述的基于有色Petri网的FMS生产仿真分配方法，其中：所述的Petri网系统模型中的元素包括，输入零件库，输出零件库，机器人上料，加工，机器人卸料，机器人送料安装，机器人竞争标志。

更进一步地，上述的基于有色Petri网的FMS生产仿真分配方法，其中：所述的Petri网系统模型中设定有瞬时变迁和时间变迁，瞬时变迁能瞬时发射；时间变迁的发生设有延迟时间。

更进一步地，上述的基于有色Petri网的FMS生产仿真分配方法，其中：步骤④所述的生产调度系统验证为，根据加工策略图给出全局节点声明，查询托肯，进行CPN模型仿真。

再进一步地，上述的基于有色Petri网的FMS生产仿真分配方法，其中：所述的FMS加工单元能同时加工两种工件，待两种工件加工完后通过自动安装站进行安装；或是，所述的FMS加工单元先后完成一种工件的两个不同工序的加工，完成后通过自动安装站进行安装，或是，所述的FMS加工单元能同时加工一种零件和先后加工一种零件的两个不同工序。

本发明技术方案的优点主要体现在：依托于对有色Petri网的应用，能够将现有生产环节中系统控制模型的各种逻辑关系清晰地反映在整个加工过程中，使系统有序地完成指定的加工任务。同时，能够在CPN Tools环境下对系统模型进行仿真，实现在不同布局、不同工件数、不同静态调度结果下的FMS的运行情况。并且，可以实时检测死锁状态，能更为准确地反映出系统的本质。更为重要的是，采用本发明方法实现的应用系统，有别于现有系统的复杂程度，具有良好的分析与设计适应性，具有普遍的工程意义。

附图说明

图1是建立生产调度系统示意图。

图2是FMS加工策略P1与P2步骤示意图。

图3是P1的Petri网系统模型示意图。

图4是P2的Petri网系统模型示意图。

图5是综合P1与P2的Petri模型示意图。

具体实施方式

如图1～5所示的基于有色Petri网的FMS生产仿真分配方法，其特征在于包括以下步骤：首先，建立生产调度系统模型，设定FMS加工单元，定制加工策略图。之后，根据FMS加工策略，把组成控制单元的元素设置为库所，建立Petri网系统模型。在此期间，若加工策略图包括超过2条路线方式，则建立首次Petri网系统模型后，再次分析FMS加工单元，建立二次Petri网系统模型。以此类推，完成所有的加工策略图，为后续整合做准备。并且，为了有效利用加工策略中的各种资源入局，如果存在共享资源，则设置至少一个共享资源库所，便于调取数据。接着，综合加工策略图与Petri网系统模型，获取整合式Petri网模型。之后，进行生产调度系统验证，使用CPN工具进行分析构成CPN模型，对CPN模型进行仿真，排查死锁。考虑到验证的便捷，生产调度系统验证为，根据加工策略图给出全局节点声明，查询托肯，进行CPN模型仿真。

就本发明一较佳的实施方式来看，考虑到能够囊括较多的元素，实现对生产现场的有效管控，满足自动化的设计需要，采用Petri网系统模型中的元素包括：输入零件库，输出零件库，机器人上料，加工，机器人卸料，机器人送料安装，机器人竞争标志。这样，能够有效导入到现场的机器人自动化运作中。并且，考虑到实际操作的需要，满足生产步骤的有效控制，

Petri网系统模型中设定有瞬时变迁和时间变迁，瞬时变迁能瞬时发射，时间变迁的发生设有延迟时间。

进一步来看，考虑到实际生产时对不同工件的加工需求不同，为了满足最大的通用性，FMS加工单元能同时加工两种工件，待两种工件加工完后通过自动安装站进行安装。或者是，该FMS加工单元先后完成一种工件的两个不同工序的加工，完成后通过自动安装站进行安装。同时，从生产的集约化出发，亦可以是FMS加工单元能同时加工一种零件和先后加工一种零件的两个不同工序。这种方式能够提供最大化的加工效率。

结合本发明的实际使用情况来看，FMS加工单元由两个输入缓冲区（I1、I2），两个输出缓冲区（O1、O2），一台机器人（R）、两台机床（M1、M2）和一个自动安装站（M3）组成，如图1所示。

之后，根据系统加工单元的特点，该加工单元可以同时加工两种工件，两种工件加工完后可以通过自动安装站进行安装，也可以先后完成一种工件的两个不同工序的加工，其加工策略如下图2所示。随即，根据FMS加工策略，把组成控制单元的元素，如机器人、机床、缓冲区等设置为库所，机器人是一个共享资源，要设置一个共享资源库所，则建立P1的Petri网的系统模型如下图3所示。此图中，P1：输入零件库，P11：输出零件库，P2、P7：机器人为M1、M2上料，P3、P8：M1、M2加工，P4、P9：机器人为M1、M2卸料，P5：机器人将料送到M3，P6：M3安装，P0：机器人竞争标志。并且，图中的T表示变迁。根据实际情况变迁分为两种：瞬时变迁和时间变迁，瞬时变迁可以瞬时发射；时间变迁的发射需要一定的时间。例如图3中T3的发射应在机床M1零件加工完毕后。

接着，现在分析FMS加工单元中的P2的情况，所要建立P2的Petri网的系统模型如下图4所示。此图中，P1：输入零件库，P7：输出零件库，P2：机器人为M1上料，P3：M1、加工，P4：机器人为M1卸料，P5：机器人将料送到M2，P6：M2加工，P0：机器人竞争标志。

之后，将图3与图4合并，构成图5表示综合的Petri模型。此图中P1：输入零件库，P11：输出零件库，P2、P7：机器人为M1、M2上料，P3、P8：M1、M2加工，P4、P9：机器人为M1、M2卸料，P5：机器人将料送到M3，P6：M3安装，P12：机器人将料送到M2，P0：机器人竞争标志。

这样，该复合的系统模型就具有了同时加工一种零件和先后加工一种零件的两个不同工序的能力，以满足生产中不同的零件加工任务的需求。

结合实际的实施来看，对于一个自动化制造系统而言，死锁情况是必须避免的。所谓死锁是指无设备故障的情况下，系统的正常运行过程被中止，表现在Petri网图中就是所有的变迁都不能被使能。产生死锁的原因有：系统配置设计不当、物流控制策略不合理。系统的死锁会严重的影响系统的生产率和控制功能的实现，因此对系统死锁状态的检测与控制是自动化制造系统设计的一个重要问题。在本文中，对所建的系统Petri网模型也进行了验证。

具体来说，采用生产调度系统的验证过程如下：结合图3加工策略中的某一种情况来看，P1:I1→M2→M3→O1；P2:I2→M1→M2→O2。这样，首先给出全局的节点声明如下：

color Job；colset Job=with J1|J2；

color Mach；colset Mach=with M1|M2|M3；

color Robot；colset Robot=with R1；

color Inproc；colset Inproc=product Job*Mach；

color Inwait；colset Inwait=product Job*Mach；

color End；colset End=with；

var R:Robot；

var Ma:Mach；

var Mb:Mach；

var J:Job。

当系统处于初始状态时，库所Ajob中有两个托肯：1`J1++1`J2，表示两个毛坯都可用；库所AMach中有三个托肯：1`M1++1`M2++1`M3，表示三台机器都是空闲的；库所Arobot中有一个托肯：1`R1，表示机器人空闲。模型是完成两种工件的两道工序的加工过程，假设一旦机床空闲时，机器人就向其装夹工件，并系统中毛坯是充足的。

其所建立的部分SML语言如下：If J=J1，Then Ma=M2，ElseMa=M2，使用CPN tools对其建模过程进行分析。之后，对以上的CPN模型进行仿真，仿真结果如下：

Statistics

------------------------------------------------------------------------

State Space

Nodes:  21

Arcs:   24

Secs:   0

Status: Full

Scc Graph

Nodes:  21

Arcs:   24

Secs:   0

Boundedness Properties

------------------------------------------------------------------------

Home Markings

[21]Liveness Properties

------------------------------------------------------------------------

Dead Markings

[21]Dead Transition Instances

None

Live Transition Instances

None

Fairness Properties

------------------------------------------------------------------------

No infinite occurrence sequences。

从仿真结果可以看出，该模型变迁都是活的（Dead TransitionInstances：None），存在一个死标识（Dead Markings），在最后达到一个死标识，但是所有数据都传输完，因此系统在运行过程中是不会发生死锁的。

通过上述的文字表述可以看出，采用本发明后，依托于对有色Petri网的应用，能够将现有生产环节中系统控制模型的各种逻辑关系清晰地反映在整个加工过程中，使系统有序地完成指定的加工任务。同时，能够在CPN Tools环境下对系统模型进行仿真，实现在不同布局、不同工件数、不同静态调度结果下的FMS的运行情况。并且，可以实时检测死锁状态，能更为准确地反映出系统的本质。更为重要的是，采用本发明方法实现的应用系统，有别于现有系统的复杂程度，具有良好的分析与设计适应性，具有普遍的工程意义。

这些实施例仅是应用本发明技术方案的典型范例，凡采取等同替换或者等效变换而形成的技术方案，均落在本发明要求保护的范围之内。

Claims (6)

1.基于有色Petri网的FMS生产仿真分配方法，其特征在于包括以下步骤：

步骤①，建立生产调度系统模型，设定FMS加工单元，定制加工策略图；

步骤②，根据FMS加工策略，把组成控制单元的元素设置为库所，建立Petri网系统模型，若加工策略图包括超过2条路线方式，则建立首次Petri网系统模型后，再次分析FMS加工单元，建立二次Petri网系统模型；

步骤③，综合加工策略图与Petri网系统模型，获取整合式Petri网模型；

步骤④，进行生产调度系统验证，使用CPN工具进行分析构成CPN模型，对CPN模型进行仿真，排查死锁。

2.根据权利要求1所述的基于有色Petri网的FMS生产仿真分配方法，其特征在于：所述的步骤②中，如果存在共享资源，则设置至少一个共享资源库所。

3.根据权利要求1所述的基于有色Petri网的FMS生产仿真分配方法，其特征在于：所述的Petri网系统模型中的元素包括，输入零件库，输出零件库，机器人上料，加工，机器人卸料，机器人送料安装，机器人竞争标志。

4.根据权利要求1所述的基于有色Petri网的FMS生产仿真分配方法，其特征在于：所述的Petri网系统模型中设定有瞬时变迁和时间变迁，瞬时变迁能瞬时发射；时间变迁的发生设有延迟时间。

5.根据权利要求1所述的基于有色Petri网的FMS生产仿真分配方法，其特征在于：步骤④所述的生产调度系统验证为，根据加工策略图给出全局节点声明，查询托肯，进行CPN模型仿真。

6.根据权利要求1所述的基于有色Petri网的FMS生产仿真分配方法，其特征在于：所述的FMS加工单元能同时加工两种工件，待两种工件加工完后通过自动安装站进行安装；或是，所述的FMS加工单元先后完成一种工件的两个不同工序的加工，完成后通过自动安装站进行安装，或是，所述的FMS加工单元能同时加工一种零件和先后加工一种零件的两个不同工序。