CN106227163A - 基于Petri网和模拟退火的装备制造系统无死锁调度方法 - Google Patents

基于Petri网和模拟退火的装备制造系统无死锁调度方法 Download PDF

Info

Publication number
CN106227163A
CN106227163A CN201610555726.0A CN201610555726A CN106227163A CN 106227163 A CN106227163 A CN 106227163A CN 201610555726 A CN201610555726 A CN 201610555726A CN 106227163 A CN106227163 A CN 106227163A
Authority
CN
China
Prior art keywords
transition
workpiece
equipment manufacturing
manufacturing system
dead
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610555726.0A
Other languages
English (en)
Other versions
CN106227163B (zh
Inventor
韩立斌
王芳
刘小毅
赵宇
王纪震
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 28 Research Institute
Original Assignee
CETC 28 Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CETC 28 Research Institute filed Critical CETC 28 Research Institute
Priority to CN201610555726.0A priority Critical patent/CN106227163B/zh
Publication of CN106227163A publication Critical patent/CN106227163A/zh
Application granted granted Critical
Publication of CN106227163B publication Critical patent/CN106227163B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于Petri网和模拟退火的装备制造系统无死锁调度方法，首先建立装备制造系统的受控Petri网模型(N,M0)，通过对变迁序列的不断修复和优化，得到系统调度序列的最优解。该方法基于模拟退火算法实现，利用装备制造系统的受控Petri网模型检验变迁序列的可行性，并对进入死锁状态的变迁序列进行修复，能够在保证解的可行性的同时，极大地提高算法的搜索效率，可以在较短时间给出一个最优变迁序列，从而显著缩短装备制造系统的制造周期，提高生产效率。

Description

基于Petri网和模拟退火的装备制造系统无死锁调度方法
技术领域
本发明属于装备制造系统，具体涉及一种装备制造系统无死锁调度方法。
背景技术
装备制造系统是一类现代化的生产系统，系统中的各类生产资源，如加工机床、机器人、缓冲区等，通过物料运输系统连接起来，由计算机系统统一控制和调度，实现对各种不同类型工件的自动化生产。装备制造系统面临如何合理配置资源、优化生产流程、缩短制造周期和降低生产成本等问题，由于不同工件对共享和有限资源的竞争，需要寻求一种有效的调度策略来分配这些资源，使得生产约束得到满足，并实现生产代价最小化或生产效率最大化。
在传统的车间调度问题中，如流水车间调度和作业车间调度，人们都假定机器与机器之间有无限容量的缓冲，因此当工件完成加工后可以立即离开加工它的机器，进入下一个机器(当下一个机器空闲时)或缓冲区(当下一个机器忙碌时)，当前机器就可以开始加工其他工件。然而，在实际的装备制造系统中，各类生产资源的容量都是有限的，包括缓冲空间，如果缺乏合适的调度策略，当工件完成加工后可能会由于下一个机器忙碌或缓冲区已满而不能离开加工它的机器，工件需要等待下一个机器或缓冲区空闲下来，一旦系统中有一组工件构成循环等待，就会发生死锁。死锁会引起系统中加工任务的阻塞，若不及时处理，可能导致全部任务的停滞，甚至损坏工件，造成重大的经济损失。无死锁调度需要综合考虑死锁控制和优化调度两个问题，既要处理系统中的死锁问题，又要优化系统性能指标，是一个更加复杂的组合优化问题。
目前处理装备制造系统无死锁调度问题的方法主要有两类。一类属于数学规划算法，此类算法面临难以建立系统数学模型的问题，同时由于算法计算量大、计算时间长，无法适用于实际的中等规模及大规模系统。另一类算法基于A*搜索算法，在搜索过程中需要一个启发函数来指导搜索方向，然而由于死锁的存在，算法经常会陷入死锁状态而不得不采取回退操作，极大地降低了算法的求解效率和质量。
Petri网是描述系统状态迁移的图形化数学建模工具，通过分析Petri网模型，可以揭示被描述系统的结构和行为特征。基于Petri网人们研究了很多方法来处理制造系统中的死锁问题。文献《Optimal Petri-Net-Based Polynomial-Complexity Deadlock-Avoidance Policies for Automated Manufacturing Systems,Xing KY,Zhou MC,LiuHX,et al.,IEEE Transactions on Systems,Man,and Cybernetics-Part A:Systems andHumans,2009,39(1):188-199.》中公开了一种通过在制造系统Petri网模型中增加死锁控制器来建立制造系统的受控Petri网模型的方法，采用此方法建立的受控Petri网模型可以对受控系统进行分析。基于制造系统的受控Petri网模型，很多研究者提出了死锁避免、预防和检测的方法，但目前还没有快速有效的死锁修复和调度方法。
发明内容
发明目的：针对现有技术中存在的问题，本发明公开了一种基于Petri网和模拟退火的装备制造系统无死锁调度方法，该方法能够避免系统发生死锁，而且能够在较短的时间内给出一个较优的调度序列。
技术方案：本发明公开了一种基于Petri网和模拟退火的装备制造系统无死锁调度方法，包括如下步骤：
步骤1：建立装备制造系统的受控Petri网模型(N,M0)；
步骤2：设定初始温度T0和终止温度Tf，令当前温度T＝T0；
步骤3：根据加工的总工件数和加工操作步骤生成随机初始解编码S，对S进行解码得到变迁序列τ(S)；
步骤4：利用系统的受控Petri网模型(N,M0)修复τ(S)和S，令Sbest＝S、τbest＝τ(S)，其中Sbest和τbest分别表示到目前为止makespan最小的解编码及其变迁序列；
步骤5：计算τ(S)的目标值Ms(S)，令Ms(Sbest)＝Ms(S)、k＝0，其中Ms(Sbest)代表到目前为止最小的makespan，k记录内循环中Ms(Sbest)连续未更新的次数；
步骤6：在S上随机执行一个邻域操作，生成新的解编码S'；
步骤7：对S'进行解码得到变迁序列τ(S')，利用系统的受控Petri网模型(N,M0)修复τ(S')和S'，计算τ(S')的目标值Ms(S')；
步骤8：令Δ＝Ms(S')-Ms(S)，如果rand[0,1]<exp(-Δ/T)，更新S＝S'、τ(S)＝τ(S')、Ms(S)＝Ms(S')，其中rand[0,1]为分布在[0,1]之间的均匀随机数；
步骤9：如果Ms(S)<Ms(Sbest)，更新Sbest＝S、τbest＝τ(S)、Ms(Sbest)＝Ms(S)、k＝0；否则，k＝k+1；
步骤10：如果k≥C，转向下一步，其中C为内循环中Ms(Sbest)最大连续未更新次数；否则，返回步骤6；
步骤11：如果T<Tf，转向下一步；否则，令T＝β×T、k＝0，返回步骤6，其中β为降温系数；
步骤12：输出最优解Sbest、τbest和Ms(Sbest)。
具体地，步骤1中建立装备制造系统的受控Petri网模型(N,M0)采用文献《OptimalPetri-Net-Based Polynomial-Complexity Deadlock-Avoidance Policies forAutomated Manufacturing Systems,Xing KY,Zhou MC,Liu HX,et al.,IEEETransactions on Systems,Man,and Cybernetics-Part A:Systems and Humans,2009,39(1):188-199.》中的方法。
步骤3中随机初始解编码S的构造方式为：通过对所有工件号随机排列而产生，只要其中包含L(i)个工件号i；其中 为总工件数；L(i)为工件i的加工路径上的变迁数。
步骤3中将解编码S解码得到变迁序列τ(S)的方法为：
从S中第一个位置上的工件号开始，直到最后一个位置，其中的第j个工件号i可以解码为工件i在其加工路径上的第j个变迁，从而可以将一个解编码解码为一个确定的变迁序列。
步骤4中修复τ(S)和S包括如下步骤：
(41)令当前变迁t为变迁序列τ(S)的第一个变迁，当前标识M为系统的初始标识M0；
(42)检测当前变迁t在当前标识M下是否使能；如果t是使能的，则引发t到达另一个标识M′，并更新当前标识M＝M′；否则从τ(S)中当前变迁t的后面找到第一个在M下使能的变迁t*，并将其移动到t的位置；
(43)当前变迁t更新为τ(S)中的下一个变迁，重复步骤(42)，直到τ(S)最后一个变迁为止。
步骤5中计算τ(S)的目标值Ms(S)的方法为：
(51)tk[i]表示第k个变迁tk对应工件i，对变迁序列τ(S)中的每一个变迁tk[i]计算其最早引发时间f(tk[i])，计算方法如下：
f(t1[u])＝0，其中u为t1对应的工件
f(tk[i])＝max{f(·((p)tk)[i])+d((p)tk[i]),f(tk-1[j])}，其中d((p)tk[i])为操作库所(p)tk[i]对应的加工时间；
(52)变迁序列τ(S)的makespan为其中v为对应的工件，为τ(S)的最后一个变迁。
步骤6中所述的领域操作包括插入、交换、反转和段插入。
有益效果：与现有技术相比，本发明具有以下优点：1、对进入死锁状态的变迁序列进行修复，能够在保证解的可行性的同时，极大地提高算法的搜索效率，从而可以在较短时间给出一个最优变迁序列；2、采用模拟退火算法优化调度过程，最优解不受随机初始解编码的影响；3、该方法既适用于小规模系统，也适用于中等规模及大规模系统；不仅能够避免系统发生死锁，而且能够在较短的时间内给出一个较优的调度序列，显著缩短装备制造系统的制造周期，从而提高生产效率。
附图说明
图1为本发明的基于Petri网和模拟退火的装备制造系统无死锁调度方法的流程图；
图2为本发明实施例中的装备制造系统示意图；
图3为本发明实施例中的装备制造系统的受控Petri网模型；
图4为本发明实施例中的一个随机初始解编码及其解码的变迁序列；
图5为本发明实施例中修复后的解编码和变迁序列；
图6为本发明实施例中可行变迁序列的目标值计算；
图7为本发明的在解编码上执行的四种邻域操作的示意图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明。
图1为本发明公开的一种基于Petri网和模拟退火的无死锁调度方法的流程图。
图2为本实施例中的装备制造系统示意图，系统中共有3个机器：r1、r2和r3，其中r1和r3分别最多同时加工1个工件，r2最多同时加工2个工件。系统可以生产2种类型的工件：q1和q2，其中q1类工件需要依次通过机器r1和r2进行加工，q2类工件需要依次通过机器r3、r2和r1进行加工。系统中q1类工件需要加工3个，q2类工件需要加工2个，故总工件数将q1类的3个工件依次编号为1、2和3，q2类的2个工件依次编号为4和5。
首先，按照文献《Optimal Petri-Net-Based Polynomial-Complexity Deadlock-Avoidance Policies for Automated Manufacturing Systems,Xing KY,Zhou MC,LiuHX,et al.,IEEE Transactions on Systems,Man,and Cybernetics-Part A:Systems andHumans,2009,39(1):188-199.》中的方法建立系统的受控Petri网模型，如图3所示。库所由机器、死锁控制器和各类工件加工操作、输入缓存和输出缓存组成，其中库所r1、r2和r3分别代表机器r1、r2和r3，它们的初始标识分别是机器r1、r2和r3能同时加工的最大工件数1、2和1；库所c1为死锁控制器，其初始标识为2，代表机器r1和r2能同时加工的最大工件数为2；路径pI1t10p11t11p12t12pU1代表q1类工件的加工路径，pI1是q1类工件的输入缓存，其初始标识是需要加工的q1类工件数3；p11是q1类工件的第一步操作，需要用到机器r1，p12是q1类工件的第二步操作，需要用到机器r2，pU1是q1类工件的输出缓存，p11、p12和pU1的初始标识都是0。同样的，路径pI2t20p21t21p22t22p23t23pU2代表q2类工件的加工路径，pI2是q2类工件的输入缓存，其初始标识是需要加工的q2类工件数2；得到如图3所示系统的受控Petri网模型(N,M0)。
结合图3和图4，本发明步骤3中生成随机初始解编码S的具体方法为：
解编码S描述了所有工件的所有操作的加工顺序，可以用来描述系统的调度，是一个有重复的工件号序列：工件i在其加工路径上的所有操作都用它的工件号i来表示，且i出现的次数为工件i的加工路径上的变迁数L(i)。初始解编码采用随机构造的方式：通过对所有工件号随机排列而产生，只要其中包含L(i)个工件号i， 为总共件数。
本发明步骤3中将解编码解码为变迁序列的具体方法为：
借助系统的受控Petri网模型(N,M0)，从S中第一个位置上的工件号开始，直到最后一个位置，其中的第j个工件号i可以解码为工件i在其加工路径上的第j个变迁，从而可以将一个解编码解码为一个确定的变迁序列。随机初始解编码S解码为变迁序列τ(S)的结果如图4所示。
本发明步骤4中利用系统的受控Petri网模型(N,M0)修复τ(S)和S的具体方法为：
从变迁序列τ(S)的第一个变迁和系统的初始标识M0开始，检测当前变迁t在当前标识M下是否使能。如果t是使能的，则引发t到达另一个标识M′，更新标识M＝M′，然后移动到τ(S)中的下一个变迁开始新循环；否则从τ(S)中当前变迁t的后面找到第一个在M下使能的变迁t*，并将其移动到t的位置；重复上述过程直到最后一个变迁为止。τ(S)的修复结果如图5所示。
如图6，本发明步骤5中计算τ(S)的目标值Ms(S)的具体方法为：
令为一个可行的变迁序列，设第k个变迁tk对应工件i，则用f(tk[i])代表变迁tk[i]的最早引发时间。约定系统开始加工的时刻为0，因此f(t1[u])＝0，其中u为t1对应的工件。考虑Petri网模型中各加工路径上的操作顺序约束和各操作的加工时间要求，变迁tk[i]必须在操作(p)tk[i]完成之后才能引发，而变迁·((p)tk)[i]的引发代表操作(p)tk[i]的开始，故f(tk[i])≥f(·((p)tk)[i])+d((p)tk[i])，其中(p)tk[i]为变迁tk[i]在其加工路径上的前一个操作库所，·((p)tk)[i]为操作库所(p)tk[i]在其加工路径上的前一个变迁，d((p)tk[i])为操作库所(p)tk[i]对应的加工时间。另一方面，考虑变迁序列τ(S)中的顺序约束，设变迁tk[i]前面的变迁tk-1对应工件j，则变迁tk[i]必须在变迁tk-1[j]引发之后才能引发，故f(tk[i])≥f(tk-1[j])。综上，f(tk[i])＝max{f(·((p)tk)[i])+d((p)tk[i]),f(tk-1[j])}。需要注意的是，如果tk[i]是其所在加工路径上的第一个变迁，则f(·((p)tk)[i])+d((p)tk[i])＝0；如果tk[i]是τ(S)中的第一个变迁，则f(tk-1[j])＝0。变迁的引发代表最后一个工件离开系统，因此变迁序列τ(S)的makespan为其中v为对应的工件。
考虑实施实例中的Petri网模型，假设各操作的加工时间分别为d(p11)＝25、d(p12)＝23、d(p21)＝15、d(p22)＝20、d(p23)＝26。变迁序列τ(S)＝(t20[4],t10[2],t21[4],t20[5],t11[2],t10[1],t12[2],t11[1],t10[3],t12[1],t11[3],t22[4],t21[5],t23[4],t22[5],t23[5],t12[3])。首先计算第一个变迁t20[4]的引发时间，它即是加工路径上的第一个变迁又是变迁序列τ(S)中的第一个变迁，所以f(t20[4])＝0。考虑第二个变迁t10[2]，它是加工路径上的第一个变迁，所以f(t10[2])＝max{0,f(t20[4])}＝0。考虑第三个变迁t21[4]，它必须在操作p21[4]完成后才能引发，故f(t21[4])＝max{f(t20[4])+d(p21),f(t10[2])}＝15。如图7所示，重复以上过程即可算出τ(S)中所有变迁的引发时间，可以看出τ(S)的makespan为127。
结合图7，本发明步骤6中可以选择执行的邻域操作有四种，分别是插入(insertion)、交换(swapping)、反转(inversion)和段插入(subsequence insertion)。插入操作随机选择解编码上的一个位置，并将该位置上的元素移动到另一个位置；交换操作随机选择解编码上的两个位置，并交换两个位置上的元素；反转操作随机选择解编码上的两个位置，并将两个位置间的元素反序排列；段插入操作类似于插入操作，它将解编码上的某一段元素整体移动到另一个位置。
本发明公开的基于Petri网和模拟退火的无死锁调度方法优化过程采用模拟退火算法，可以选择合理的冷却进度表调整迭代过程，使算法的执行更为有效，即选择合理的初始温度T0、终止温度Tf、降温系数β和内循环中Ms(Sbest)最大连续未更新次数C的值。经对比试验，上述参数取值范围为：2≤T0≤10，0.1≤Tf≤0.01，0.85≤β≤0.95，5≤C≤10，采用本发明公开的方法能够在较短时间给出一个最优变迁序列。

Claims (6)

1.一种基于Petri网和模拟退火的装备制造系统无死锁调度方法，其特征在于包括如下步骤：
步骤1：建立装备制造系统的受控Petri网模型(N,M0)；
步骤2：设定初始温度T0和终止温度Tf，令当前温度T＝T0；
步骤3：根据加工的总工件数和加工操作步骤生成随机初始解编码S，对S进行解码得到变迁序列τ(S)；
步骤4：利用系统的受控Petri网模型(N,M0)修复τ(S)和S，令Sbest＝S、τbest＝τ(S)，其中Sbest和τbest分别表示到目前为止makespan最小的解编码及其变迁序列；
步骤5：计算τ(S)的目标值Ms(S)，令Ms(Sbest)＝Ms(S)、k＝0，其中Ms(Sbest)代表到目前为止最小的makespan，k记录内循环中Ms(Sbest)连续未更新的次数；
步骤6：在S上随机执行一个邻域操作，生成新的解编码S'；
步骤7：对S'进行解码得到变迁序列τ(S')，利用系统的受控Petri网模型(N,M0)修复τ(S')和S'，计算τ(S')的目标值Ms(S')；
步骤8：令Δ＝Ms(S')-Ms(S)，如果rand[0,1]<exp(-△/T)，更新S＝S'、τ(S)＝τ(S')、Ms(S)＝Ms(S')，其中rand[0,1]为分布在[0,1]之间的均匀随机数；
步骤9：如果Ms(S)<Ms(Sbest)，更新Sbest＝S、τbest＝τ(S)、Ms(Sbest)＝Ms(S)、k＝0；否则，k＝k+1；
步骤10：如果k≥C，转向下一步，其中C为内循环中Ms(Sbest)最大连续未更新次数；否则，返回步骤6；
步骤11：如果T<Tf，转向下一步；否则，令T＝β×T、k＝0，返回步骤6，其中β为降温系数；
步骤12：输出最优解Sbest、τbest和Ms(Sbest)。
2.根据权利要求1所述的基于Petri网和模拟退火的装备制造系统无死锁调度方法，其特征在于，步骤3中随机初始解编码S的构造方式为：通过对所有工件号随机排列而产生，只要其中包含L(i)个工件号i；其中 为总工件数；L(i)为工件i的加工路径上的变迁数。
3.根据权利要求1所述的基于Petri网和模拟退火的装备制造系统无死锁调度方法，其特征在于，步骤3中将解编码S解码得到变迁序列τ(S)的方法为：
从S中第一个位置上的工件号开始，直到最后一个位置，其中的第j个工件号i可以解码为工件i在其加工路径上的第j个变迁，从而可以将一个解编码解码为一个确定的变迁序列。
4.根据权利要求1所述的基于Petri网和模拟退火的装备制造系统无死锁调度方法，其特征在于，步骤4中修复τ(S)和S包括如下步骤：
(41)令当前变迁t为变迁序列τ(S)的第一个变迁，当前标识M为系统的初始标识M0；
(42)检测当前变迁t在当前标识M下是否使能；如果t是使能的，则引发t到达另一个标识M′，并更新当前标识M＝M′；否则从τ(S)中当前变迁t的后面找到第一个在M下使能的变迁t*，并将其移动到t的位置；
(43)当前变迁t更新为τ(S)中的下一个变迁，重复步骤(42)，直到τ(S)最后一个变迁为止。
5.根据权利要求1所述的基于Petri网和模拟退火的装备制造系统无死锁调度方法，其特征在于，步骤5中计算τ(S)的目标值Ms(S)的方法为：
(51)tk[i]表示第k个变迁tk对应工件i，对变迁序列τ(S)中的每一个变迁tk[i]计算其最早引发时间f(tk[i])：
f(t1[u])＝0，其中u为t1对应的工件
f(tk[i])＝max{f(·((p)tk)[i])+d((p)tk[i]),f(tk-1[j])}，其中d((p)tk[i])为操作库所(p)tk[i]对应的加工时间；
(52)变迁序列τ(S)的makespan为其中v为对应的工件，为τ(S)的最后一个变迁。
6.根据权利要求1所述的基于Petri网和模拟退火的装备制造系统无死锁调度方法，其特征在于，步骤6中所述的领域操作包括插入、交换、反转和段插入。
CN201610555726.0A 2016-07-15 2016-07-15 基于Petri网和模拟退火的装备制造系统无死锁调度方法 Active CN106227163B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610555726.0A CN106227163B (zh) 2016-07-15 2016-07-15 基于Petri网和模拟退火的装备制造系统无死锁调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610555726.0A CN106227163B (zh) 2016-07-15 2016-07-15 基于Petri网和模拟退火的装备制造系统无死锁调度方法

Publications (2)

Publication Number Publication Date
CN106227163A true CN106227163A (zh) 2016-12-14
CN106227163B CN106227163B (zh) 2019-05-03

Family

ID=57520053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610555726.0A Active CN106227163B (zh) 2016-07-15 2016-07-15 基于Petri网和模拟退火的装备制造系统无死锁调度方法

Country Status (1)

Country Link
CN (1) CN106227163B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106776053A (zh) * 2016-12-23 2017-05-31 济南大学 一种基于矩阵的作业车间调度死锁检测与修复方法
CN110308700A (zh) * 2019-05-11 2019-10-08 西安电子科技大学 一种存在不可控行为的加工路径规划方法
CN110727249A (zh) * 2019-08-26 2020-01-24 西安电子科技大学 基于不可观事件自动制造系统最大许可行为信息控制方法
CN110850819A (zh) * 2019-10-24 2020-02-28 江西理工大学 单臂组合设备调度方法、系统、移动终端及存储介质
CN111221658A (zh) * 2019-05-31 2020-06-02 烟台职业学院 系统死锁的检测方法及系统
CN111983978A (zh) * 2019-05-22 2020-11-24 西安电子科技大学 具有吸收式策略和分布式策略特征的Petri网稳健性控制方法
CN118314747A (zh) * 2024-05-07 2024-07-09 南通大学 基于Petri网建模的智能网联车无信号交叉口通行控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1529209A (zh) * 2003-10-08 2004-09-15 东南大学 混批装配线的集成优化控制方法
CN103439885A (zh) * 2013-07-26 2013-12-11 同济大学 半导体生产线优化调度装置
US20150106316A1 (en) * 2013-10-16 2015-04-16 University Of Tennessee Research Foundation Method and apparatus for providing real-time monitoring of an artifical neural network
CN104835026A (zh) * 2015-05-15 2015-08-12 重庆大学 基于Petri网与改进遗传算法的自动化立体仓库拣选作业调度建模优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1529209A (zh) * 2003-10-08 2004-09-15 东南大学 混批装配线的集成优化控制方法
CN103439885A (zh) * 2013-07-26 2013-12-11 同济大学 半导体生产线优化调度装置
US20150106316A1 (en) * 2013-10-16 2015-04-16 University Of Tennessee Research Foundation Method and apparatus for providing real-time monitoring of an artifical neural network
CN104835026A (zh) * 2015-05-15 2015-08-12 重庆大学 基于Petri网与改进遗传算法的自动化立体仓库拣选作业调度建模优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
任磊: "《基于Petri网的柔性制造系统无死锁遗传调度算法》", 《控制理论与应用》 *
张剑龙: "基于Petri网的智能制造系统建模和调度方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
齐继阳: "《基于Petri网和模拟退火算法的生产调度》", 《江苏科技大学学报（自然科学版）》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106776053A (zh) * 2016-12-23 2017-05-31 济南大学 一种基于矩阵的作业车间调度死锁检测与修复方法
CN110308700A (zh) * 2019-05-11 2019-10-08 西安电子科技大学 一种存在不可控行为的加工路径规划方法
CN110308700B (zh) * 2019-05-11 2021-09-24 西安电子科技大学 一种存在不可控行为的加工路径规划方法
CN111983978A (zh) * 2019-05-22 2020-11-24 西安电子科技大学 具有吸收式策略和分布式策略特征的Petri网稳健性控制方法
CN111221658A (zh) * 2019-05-31 2020-06-02 烟台职业学院 系统死锁的检测方法及系统
CN111221658B (zh) * 2019-05-31 2023-08-01 烟台职业学院 系统死锁的检测方法及系统
CN110727249A (zh) * 2019-08-26 2020-01-24 西安电子科技大学 基于不可观事件自动制造系统最大许可行为信息控制方法
CN110850819A (zh) * 2019-10-24 2020-02-28 江西理工大学 单臂组合设备调度方法、系统、移动终端及存储介质
CN118314747A (zh) * 2024-05-07 2024-07-09 南通大学 基于Petri网建模的智能网联车无信号交叉口通行控制方法
CN118314747B (zh) * 2024-05-07 2024-09-03 南通大学 基于Petri网建模的智能网联车无信号交叉口通行控制方法

Also Published As

Publication number Publication date
CN106227163B (zh) 2019-05-03

Similar Documents

Publication Publication Date Title
CN106227163A (zh) 基于Petri网和模拟退火的装备制造系统无死锁调度方法
Guo et al. Applications of particle swarm optimisation in integrated process planning and scheduling
CN108153268B (zh) 一种混合流水车间调度节能控制方法
CN114912826B (zh) 一种基于多层深度强化学习的柔性作业车间调度方法
CN111400868B (zh) 带订单和机器人搬运的分布式车间调度优化方法及系统
CN112381273B (zh) 一种基于u-nsga-iii算法的多目标作业车间节能优化方法
KR102263524B1 (ko) 반복 개선 기법을 활용한 수치 제어 공작 기계의 작업 스케줄링 최적화 방법 및 장치
CN107831740A (zh) 一种应用于笔记本零件的分布式生产制造过程中的优化调度方法
CN109032150A (zh) 基于遗传算法分段优化的轨道式自动引导车动态调度方法
CN109858780A (zh) 一种炼钢-连铸生产调度优化方法
CN113656156A (zh) 一种基于禁忌搜索算法和遗传算法结合的调度优化方法
CN117852825A (zh) 基于深度学习的含中心资源柔性制造系统的无死锁调度方法
CN113505910B (zh) 一种含多路径有限连续输出库存的混合车间生产调度方法
US20120078407A1 (en) Process scheduling system, method, and program
CN104360906A (zh) 一种基于差分约束系统与迭代模的高层次综合调度方法
CN109977025A (zh) 一种工业机器人伺服系统性能单工位测试建模调度方法
CN117132181B (zh) 一种分布式柔性生产与运输协同调度方法
Han et al. Hybrid flow shop scheduling with finite buffers
Chenyang et al. Improved simulated annealing algorithm for flexible job shop scheduling problems
CN111739132B (zh) 一种基于局部控制器的全身骨骼运动效果修改方法
Wei et al. Composite rules selection using reinforcement learning for dynamic job-shop scheduling
Huang et al. Prediction of residual stresses in a multipass pipe weld by a novel 3D finite element approach
Kalinowski Decision making stages in production scheduling of complex products
Han et al. Bus manufacturing workshop scheduling method with routing buffer
CN111667113A (zh) 一种柔性制造系统的快速无死锁分枝定界调度方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant