CN112257909B - 一种面向组批卫星快速测试的多层架构调度方法 - Google Patents
一种面向组批卫星快速测试的多层架构调度方法 Download PDFInfo
- Publication number
- CN112257909B CN112257909B CN202011065479.9A CN202011065479A CN112257909B CN 112257909 B CN112257909 B CN 112257909B CN 202011065479 A CN202011065479 A CN 202011065479A CN 112257909 B CN112257909 B CN 112257909B
- Authority
- CN
- China
- Prior art keywords
- test
- island
- satellite
- satellites
- items
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 345
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004519 manufacturing process Methods 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000002068 genetic effect Effects 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 3
- 238000011056 performance test Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 2
- 238000011065 in-situ storage Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 3
- 238000011990 functional testing Methods 0.000 description 3
- 235000006679 Mentha X verticillata Nutrition 0.000 description 2
- 235000002899 Mentha suaveolens Nutrition 0.000 description 2
- 235000001636 Mentha x rotundifolia Nutrition 0.000 description 2
- 238000010924 continuous production Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000010349 pulsation Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种面向组批卫星快速测试的多层架构调度方法,设计组批卫星快速生产多层架构,包括顶层架构和底层架构,按照先顶层架构再底层架构的处理顺序完成组批卫星的测试调度;本发明针对组批卫星应用需求不断提高,组批卫星高效、高可靠、智能化的流水线式综合测试模式也是迫切需要解决的问题,但现有卫星AIT流水线生产能力仍较低,无法促进未来全面智能化生产模式建立和发展。本发明应用测试岛概念,通过研制生产目标来界定各类测试岛职能,打破传统卫星原位测试中资源占用和工作低效的弊端,促进卫星智能可调度的流水线测试模式。
Description
技术领域
本发明涉及一种面向组批卫星快速测试的多层架构调度方法,属于卫星装配、集成和测试中资源分配和生产调度技术领域。
背景技术
卫星是一种大型高密度集成的装备系统,技术难度高,制造流程繁杂。卫星的AIT制造过程,包括了总装、集成和测试环节,现阶段国内卫星的AIT生产管理水平较为滞后,主要面向单颗或者小批量排产模式,延续了原有卫星制造产业中AIT人力、设备和流程的策划和调度,无法向自动化、智能化生产模式推进。随着航天事业向民用化市场开放,应用需求不断提高,未来会更加聚焦全球覆盖式组网卫星的生产研制。因此,组批卫星的快速智能化AIT模式将成为未来卫星制造产业的重要方向。
为了改善传统AIT生产制造模式中的问题,国外先进卫星制造企业提出了大部件模块化装配理念。波音公司在模块化装配过程中采用了脉动式装配线,生产线每脉动一次,则完成一定装配工作。脉动式生产线由十几个离散的工作区组成,以特定的顺序完成装配工作,在一定时间(生产节拍)内完成装配任务后移动到下一个工作区。脉动生产线是基于脉动模式建立的卫星总装配线,是间歇移动生产流水线的一种形式。
现有先进的卫星制造方法主要存在以下问题:
1)卫星的总装和综合测试过程是交叉开展,并且综合测试的时间占比和所耗精力更大,国外企业只针对卫星装配环节设计了移动生产流水线方式是不妥当的。
2)卫星综合测试工作在全部生产阶段是划分为不同阶段的,各阶段所需的测试项目、测试资源是不同的。现有测试资源多为专用化设计和应用,缺乏流动性。导致资源严重浪费,无法促进组批卫星生产的快速智能化调度。
3)组批卫星的流水线生产模型仍不完善,当前量产卫星需求背景下,无法满足快速研制生产的要求。
发明内容
本发明解决的技术问题是:针对组批卫星快速测试需求,以及AIT综合测试中繁杂巨量的测试项目缺少调度优化的问题,提供一种面向卫星快速测试的多层架构调度方法。
本发明解决技术的方案是:一种面向组批卫星快速测试的多层架构调度方法,通过下述方式实现:
设计组批卫星快速生产多层架构,包括顶层架构和底层架构,按照先顶层架构再底层架构的处理顺序完成组批卫星的测试调度;
其中顶层架构处理如下:
S1、将卫星AIT综合测试全过程的每个测试阶段作为一个测试岛,同类测试岛具备相同测试功能;
S2、针对组批卫星中的每颗卫星,将卫星AIT综合测试全过程简化成由不同类型测试岛按照顺序串联形成的流水生产线,并建立数字化模型;
S3、以组批卫星在多条流水生产线并行生产的总时间最短作为测试岛调度的目标,建立多条测试岛流水线并行生产模型;
S4、利用遗传算法,针对所述的多条测试岛流水线并行生产模型进行多条流水生产线的并行调度策略寻优,得到多条流水生产线排产调度策略;
底层架构处理如下:
针对每个测试岛,以测试岛的组成测试项目为基础,建立测试项目间的相关性矩阵;
根据建立的测试项目间的相关性矩阵,遍历各种可能的项目调配方案,以包络所有项目的完成时间最短为目标进行寻优,进而确定各测试岛内组成项目的调配方案。
优选的,卫星AIT综合测试全过程中根据测试阶段划分的测试岛包括电气接口测试岛、功能性能测试岛、模拟飞行测试岛、力学试验测试岛、热试验测试岛、出厂测试岛和故障诊断测试岛;按照同类测试岛具备相同测试功能对上述测试岛进行归纳,包括常态模式测试岛、EMC无线测试岛、力学试验测试岛、热试验测试岛。
优选的,所述的数字化模型表达如下:一个测试岛由若干测试项目Fnode组成,每完成一个测试项目,则置该测试项目完成情况的变量Rnode为1,,未完成则定义Rnode为0;当测试岛内所有项目执行结果超过参考值Tm,则说明已经完成该测试岛所有规定内容,准许进入下一个测试岛,否则不允许进入测试流水线中的下一个测试岛。
优选的,S3中建立多条测试岛流水线并行生产模型过程中必须满足的条件包括:
(1)所有卫星的都是在相同的AIT综合测试路径下完成全阶段测试任务;
(2)至少有一个测试岛组有两个或两个以上功能相同且可并行的测试岛,每个测试岛组上的测试岛数量不等;所述的测试岛组为不同卫星具备相同测试功能的测试岛的组合;
(3)每个测试岛卫星一旦开始测试就不能中断;
(4)任意一个卫星的同一个阶段只能在一个测试岛内开展测试。
优选的,S3中多条测试岛流水线并行生产模型如下:
f1=minCmax=minMax{C1,C2,...,Cn},i=1,2....,n
ei,j,k=si,j,k+ti,j,k,i=1,2,...,n,
j=1,2,...,S,k=1,2,...,mj;
ei,j,k≤si,j+1,k',i=1,2,...,n,j=1,2,...,S-1,
k=1,2,...,mj;k'=1,2,...,mj+1;
xi,j·si,j≤si',j,i,i′=1,2,...,n;
其中,Ji为待测卫星序号,n为卫星总数,S表示卫星所经历的测试阶段总数,mj为第j个阶段的测试岛总数,ti,j,k为卫星Ji在第j个阶段第k个测试岛上的总装集成测试时间,si,j,k为卫星Ji在第j个阶段第k个测试岛上的开始时间,ei,p为卫星Ji在所有测试阶段的工作完成时间;ei,j,k为卫星Ji在第j个阶段第k个测试岛上的工作完成时间,Cmax=max{C1,C2,...,Cn}为n个卫星全部完成所有测试阶段测试的所需最大完成时间。
优选的,通过下述方式建立测试项目间的相关性矩阵:
(1)定义两类占用类型,其中占用类型1表示运行保障用,对测试项目的测试内容不参与;占用类型2表示测试强相关用,即在测试项目中参与功能测试;
(2)通过定义四类规则描述测试项目间的相关性程度:
规则1同一时间只能有一个测试项目对同一种资源的占用类型为2;
规则2同一时间可以有多个测试项目对同一种资源的占用类型为1;
规则3如果任意两个测试项目对同一种资源的占用类型都为2,则两个测试项目认定是相关的,不能同时开展测试;
规则4如果任意两个测试项目对同一种资源的占用记为C1、C2属于以下情况,则两个项目可认定为不相关的,可以同时开展测试;
M=C1+C2 C1,C2∈(-1,0,1)
M为两个条件的加和,C1、C2取值-1代表不占用,取值0代表占用类型1,取值1代表占用类型2;当M<2成立时,认为两个测试项目是不相关的,否则相关;
(3)根据上述规则,依据任意两个测试项目之间的相关性,建立测试项目间的相关性矩阵。
优选的,利用遗传算法以包络所有项目的完成时间最短为目标进行寻优,进而确定各测试岛内组成项目的调配方案。
优选的,底层架构处理过程中以时间、设备占用率为双目标,采用带精英策略的快速非支配排序遗传算法进行寻优。
本发明与现有技术相比的有益效果是:
(1)针对组批卫星应用需求不断提高,组批卫星高效、高可靠、智能化的流水线式综合测试模式也是迫切需要解决的问题,但现有卫星AIT流水线生产能力仍较低,无法促进未来全面智能化生产模式建立和发展。本发明应用测试岛概念,通过研制生产目标来界定各类测试岛职能,打破传统卫星原位测试中资源占用和工作低效的弊端,促进卫星智能可调度的流水线测试模式。
(2)原有组批卫星的排产策略都是靠人来规划和设计的,需要提前预估出较长时间周期内的生产计划和资源调度,问题是很多调度难题都是随机产生的,比如资源短缺、单机设备未到等问题,时刻影响着中长期调度和排产策略,因此短期动态的调度策略微调能力是必需的,但现有测试模式无法抽象成流水车间调度问题,缺乏科学方法来解决组批卫星排产策略寻优问题。本发明采用自适应遗传算法,适应于测试岛流水线模式下的组批卫星的排产策略寻优计算,为长期、短期卫星排产调度问题都可提供有效的科学参考意见。
(3)原有组批卫星排产策略虽然解决了卫星综合测试期间,各类资源的保障问题,但对于资源的占有率和使用情况缺乏精细化管理方法,不能对设备的闲置使用状态进行科学预估,实现设备有效调配;无法精细统计出设备的使用情况,因此不能对设备老化和性能衰减情况进行科学预警。本发明在应用测试岛流水线模式下,研究组批卫星的排产策略寻优计算方法,在排产策略中资源利用率可以得到科学的统计分析,能提升资源的精细化、信息化管理能力,加强设备的预测性维护保障能力。
附图说明
图1为本发明组批卫星双层架构测试岛流水线模型示意图;
图2为本发明带精英策略的快速非支配排序遗传算法总体设计流程;
图3为本发明测试岛内部测试项目执行示意图。
具体实施方式
下面结合实施例对本发明作进一步阐述。
(一)设计组批卫星快速生产多层架构。顶层架构中以测试岛为基础进行处理寻优。底层架构中测试岛内的测试项目为基础进行处理寻优;最终按照先顶层架构再底层架构的处理顺序完成组批卫星的测试调度;
(二)顶层架构处理
第一步,功能测试岛的属性和边界条件的设计。根据卫星AIT综合测试流程,基于测试阶段、测试功能和测试场地来规范和界定AIT全过程的功能测试岛的属性,每个测试阶段可划分为为一个测试岛,同类测试岛具备相同生产职能。明确各测试岛关键实施要素,包括准入准出条件、测试目标、资源配套等。
AIT综合测试全阶段根据测试阶段、测试功能和测试场地的不同,共可界定出7类测试岛,分别是A状态测试岛、B状态测试岛、C及电磁兼容性(EMC)试验测试岛、力学试验测试岛、热试验测试岛、出厂测试岛和故障诊断验证岛。组批卫星通过在测试岛间流转实现流水线测试,在进入每类测试岛启动测试前,应按每类测试岛的准入条件要求进行检查,当全部条件均满足时方可启动综合测试,否则应推迟启动综合测试。
表1测试岛关键属性说明
第二步,设计顶层功能测试岛链层生产调度模型。卫星AIT全流程可简化为由不同类型测试岛基按照顺序串联形成的流水生产线。利用测试岛模型对组批卫星的流水线综合测试生产调度问题进行科学描述,并建立数字化模型。
卫星AIT过程由各功能性测试岛串接实现,因此卫星AIT综合测试过程可描述为流水车间问题。综合考虑各测试岛的工位及配套设备存在可服用情况,以上7种测试岛可归纳为4种类型,包括:常态模式的测试岛、EMC无线测试岛、力学试验岛、真空热试验岛。
卫星AIT全流程可简化为由不同类型测试岛基按照顺序串联形成的流水生产线。利用测试岛模型对组批卫星的流水线综合测试生产调度问题进行科学描述,并建立数字化模型:
if Fnodedone Then Rnode=1 else Rnode=0;
上述数字化模型描述如下:定义一个测试岛由若干流程节点Fnode组成,每完成一项节点,则置该节点完成情况的变量Rnode为1,,未完成则定义Rnode为0。当测试岛内所有项目执行结果超过参考值Tm,则说明已经完成该测试岛所有规定内容,准许进入下一个测试岛,否则不允许进入测试流水线中的下一个测试岛。
第三步,建立多条测试岛流水线并行生产模型
应用上述数字化模型来为组批卫星AIT综合测试过程建模,其特点描述如下:
所有卫星的都是在相同的AIT综合测试路径下完成全阶段测试任务;
至少有一个测试岛组有两个或两个以上功能相同且可并行的测试岛,每个测试岛组上的测试岛数量不等;
每个测试岛卫星一旦开始测试就不能中断;
任意一个卫星的同一个阶段只能在一个测试岛内开展测试;
多条测试岛流水线并行模式如图1所示。对组批卫星生产调度模型进行科学描述,该模型中应解算卫星生产总时间最短情况下的排产策略。记Ji为待测卫星序号,i=1,2,...,n,n为卫星总数,S表示卫星所经历的测试阶段总数,mj为第j个阶段的测试岛总数,ti,j,k为卫星Ji在第j个阶段第k个测试岛上的总装集成测试时间,si,j,k为卫星Ji在第j个阶段第k个测试岛上的开始时间,ei,j,k为卫星Ji在第j个阶段第k个测试岛上的工作完成时间,Cmax=max{C1,C2,...,Cn}为n个卫星全部完成所有测试阶段测试的所需最大完成时间。
模型描述如下:
f1=minCmax=minMax{C1,C2,...,Cn},i=1,2....,n (1)
式(1)表示一组卫星完成所有阶段总时间最短;式(2)确保在任一阶段的一颗卫星仅能被安排在一个测试岛测试;式(3)确保同一时间段任何一个测试岛上只能安排一颗卫星;式(4)表示在某个阶段上一颗卫星仅能在一个测试岛上测试;式(5)表示某一个测试岛上,卫星的测试完成时刻等于卫星测试的开始时刻加上该测试岛的测试时间;式(6)表示卫星在执行完某阶段测试岛后,才进入下一个阶段测试岛;式(7)表示如果同一阶段两颗卫星被分配到同一个测试岛测试,则优先级低的卫星需等待,直到优先级更高的卫星测试完毕。
第四步,利用遗传算法,针对所述的多条测试岛流水线并行生产模型进行多条流水生产线的并行调度策略寻优,得到多条流水生产线排产调度策略。
为了同时提升流水线测试过程中设备占用率,引导测试岛间设备的合理分配,还可以以时间、设备占用率为双目标,采用带精英策略的快速非支配排序遗传算法(NSGA-II),实现多星并行流水线的双目标优化。分别构建最小加工时间和最大设备占用率两个目标函数。改变测试岛流水线并行生产策略,将满足解算精度的个体均匀分布在Pareto前沿。引入精英策略,扩大采样空间,采用快速非支配排序算法,可降低计算复杂度。再通过迭代求解出最优的流水生产线排产调度策略,实现对测试岛流水线时间、设备双目标优化。
(三)底层架构处理
建立测试岛内测试项目的资源相关性矩阵,求解测试岛内测试项目最优的串行或并行执行方案,使得包络所有项目的最大完成时间最短。
根据测试岛的工作职能和测试要求,梳理出各测试岛的测试项目{Pn|1≤n≤nmax},此处的Pn即上述Fnode。
根据测试项目中的资源占用和功能冲突等因素,梳理测试项目间的相关性矩阵Mp,由Mp可以分析出各项目在测试岛内的工作关系和执行条件。
资源分类依据各分系统来划分,Dm表示第m个分系统的地面设备、配套人员、星载设备资源。依据用途将资源占用分成两类,占用类型1表示运行保障用,对测试项目的测试内容不参与,比如供配电设备的能源保障,测控分系统设备的通信链路保障,数管分系统设备的地面信息流解析等。占用类型2表示测试强相关用,在本项目中参与功能测试。因此可以定义规则描述项目间的相关性程度。
◆规则1同一时间只能有一个项目对同一种资源的占用类型为2。
◆规则2同一时间可以有多个项目对同一种资源的占用类型为1。
◆规则3如果任意两个项目对同一种资源的占用类型都为2,则两个项目可认定是相关的,不能同时开展测试。
◆规则4如果任意两个项目对同一种资源的占用属于以下情况,则两个项目可认定为不相关的,可以同时开展测试。
M=C1+C2 C1,C2∈(-1,0,1)
M为两个条件的加和,C1、C2取值子集中,取值-1代表不占用,取值0代表占用类型1,取值1代表占用类型2。因此当M<2成立时,认为两个项目是不相关的,否则相关。同一测试岛内测试项目的资源相关性矩阵如下所示。
其中Smnt表示第m个分系统的第nt个项目,假设同一分系统项目有固定的测试次序,系统与系统之间的测试次序无要求。项目之间完全相关用1表示,完全不相关用0表示。完全相关意义是两个项目由于资源冲突或者互相干扰,无法同时开展。完全不相关表示两个项目之间除可共用资源外,比如供电系统、测控系统、数管系统等保障系统,无其他资源冲突,或者测试不干扰。
根据以上相关矩阵,遍历各种可能的项目调配方案{B(u)|1≤u≤h}。
由图3可知,分系统内部测试项目按照次序执行,分系统间测试项目根据相关矩阵,实施项目的动态调度。
输入初始项目调配方案,计算该测试岛所有测试项目完成所需时间为
Tf表示所有项目执行时间总和,f0(B(u0))是在既定调配方案输入下的时间函数,计算出在不同时间点测试剖面的所经历的加工时间总和。
改变调度卫星测试任务调度策略,并计算改变策略后的测试总时间Tf'。如果Tf'<Tf,则更新该测试岛的项目测试方案。否则重新计算该测试岛所有测试项目完成所需时间,直到遍历全部组合策略的调配方案B(u)为止,计算出最小加工时间策略minTf。
输出最小加工时间的组合策略,退出计算。
底层架构计算中同样可以以时间、设备占用率为双目标,采用带精英策略的快速非支配排序遗传算法(NSGA-II)进行寻优。分别构建最小加工时间minTf和最大设备占用率maxE(f)两个目标函数。改变调度卫星测试任务调度策略,将满足解算精度的个体均匀分布在Pareto前沿,通过非支配排序可以选择出最优个体,淘汰不够优越的个体,再通过迭代求解出最优的并行加工策略,实现对时间、设备双目标优化。
图2给出中带精英策略的快速非支配排序遗传算法总体设计流程,算法具体计算步骤如下:
Step 1初始化进化优化算法参数,例如:种群个体数,最大进化代数等。
Step 2根据作业测试岛调度规则,随机初始化种群,每一个个体表示问题的一个可行解。
Step 3生成第一代子群,进行选择、交叉和变异操作,得到优秀个体。
Step 4子代种群和父代种群进行比较,如果父代支配子代,那么子代被抛弃,一个突变的解加入;如果父子两代没有支配关系,则通过比较它们和所有已经发现的最优解,如果子代被发现支配最优解中的任何一个解,那么检查父代和子代与最优解集的接近程度,如果子代存在于一个共享参数不密集的区域,则它被接受为最新的父代并加入到最优解集中。
Step 6若达到最大进化代数,终止进化,否则,进化代数自加1,并返回Step 2重复上述步骤。
Step 7最终得到最优的解。
本发明未详细说明部分属于本领域技术人员公知常识。
Claims (3)
1.一种面向组批卫星快速测试的多层架构调度方法,其特征在于通过下述方式实现:
设计组批卫星快速生产多层架构,包括顶层架构和底层架构,按照先顶层架构再底层架构的处理顺序完成组批卫星的测试调度;
其中顶层架构处理如下:
S1、将卫星AIT综合测试全过程的每个测试阶段作为一个测试岛,同类测试岛具备相同测试功能;
S2、针对组批卫星中的每颗卫星,将卫星AIT综合测试全过程简化成由不同类型测试岛按照顺序串联形成的流水生产线,并建立数字化模型;
S3、以组批卫星在多条流水生产线并行生产的总时间最短作为测试岛调度的目标,建立多条测试岛流水线并行生产模型;
S4、利用遗传算法,针对所述的多条测试岛流水线并行生产模型进行多条流水生产线的并行调度策略寻优,得到多条流水生产线排产调度策略;
底层架构处理如下:
针对每个测试岛,以测试岛的组成测试项目为基础,建立测试项目间的相关性矩阵;
根据建立的测试项目间的相关性矩阵,遍历各种可能的项目调配方案,利用遗传算法以包络所有项目的完成时间最短为目标进行寻优,进而确定各测试岛内组成项目的调配方案;
通过下述方式建立测试项目间的相关性矩阵:
(1)定义两类占用类型,其中占用类型1表示运行保障用,对测试项目的测试内容不参与;占用类型2表示测试强相关用,即在测试项目中参与功能测试;
(2)通过定义四类规则描述测试项目间的相关性程度:
规则1同一时间只能有一个测试项目对同一种资源的占用类型为2;
规则2同一时间可以有多个测试项目对同一种资源的占用类型为1;
规则3如果任意两个测试项目对同一种资源的占用类型都为2,则两个测试项目认定是相关的,不能同时开展测试;
规则4如果任意两个测试项目对同一种资源的占用记为C1*、C2*属于以下情况,则两个项目认定为不相关的,能够同时开展测试;
Ma=C1*+C2*,C1*,C2*∈(-1,0,1)
Ma为两个条件的加和,C1*、C2*取值-1代表不占用,取值0代表占用类型1,取值1代表占用类型2;当Ma<2成立时,认为两个测试项目是不相关的,否则相关;
(3)根据上述规则,依据任意两个测试项目之间的相关性,建立测试项目间的相关性矩阵;
所述的数字化模型表达如下:一个测试岛由若干测试项目Fnode组成,每完成一个测试项目,则置该测试项目完成情况的变量Rnode为1,未完成则定义Rnode为0;当测试岛内所有项目执行结果超过参考值Tm,则说明已经完成该测试岛所有规定内容,准许进入下一个测试岛,否则不允许进入测试流水线中的下一个测试岛;
S3中多条测试岛流水线并行生产模型如下:
f1=minCmax=minMax{C1,C2,...Ci...,Cn},i=1,2....,n (1)
xi,j·si,j≤si',j,i,i=1,2,...,n;(7)
其中,i为待测卫星序号,n为卫星总数,S表示卫星所经历的测试阶段总数,mj为第j个阶段的测试岛总数,ti,j,k为卫星i在第j个阶段第k个测试岛上的总装集成测试时间,si,j,k为卫星i在第j个阶段第k个测试岛上的开始时间;ei,j,k为卫星i在第j个阶段第k个测试岛上的工作完成时间,Cmax=max{C1,C2,...Ci...,Cn}为n个卫星全部完成所有测试阶段测试的所需最大完成时间;
式(1)表示一组卫星完成所有阶段总时间最短;式(2)确保在任一阶段的一颗卫星仅能被安排在一个测试岛测试;式(3)确保同一时间段任何一个测试岛上只能安排一颗卫星;式(4)表示在某个阶段上一颗卫星仅能在一个测试岛上测试;式(5)表示某一个测试岛上,卫星的测试完成时刻等于卫星测试的开始时刻加上该测试岛的测试时间;式(6)表示卫星在执行完某阶段测试岛后,才进入下一个阶段测试岛;式(7)表示如果同一阶段两颗卫星被分配到同一个测试岛测试,则优先级低的卫星需等待,直到优先级更高的卫星测试完毕;
建立多条测试岛流水线并行生产模型过程中必须满足的条件包括:
(1)所有卫星的都是在相同的AIT综合测试路径下完成全阶段测试任务;
(2)至少有一个测试岛组有两个或两个以上功能相同且可并行的测试岛,每个测试岛组上的测试岛数量不等;所述的测试岛组为不同卫星具备相同测试功能的测试岛的组合;
(3)每个测试岛卫星一旦开始测试就不能中断;
(4)任意一个卫星的同一个阶段只能在一个测试岛内开展测试。
2.根据权利要求1所述的方法,其特征在于:卫星AIT综合测试全过程中根据测试阶段划分的测试岛包括电气接口测试岛、功能性能测试岛、模拟飞行测试岛、力学试验测试岛、热试验测试岛、出厂测试岛和故障诊断测试岛;按照同类测试岛具备相同测试功能对上述测试岛进行归纳,包括常态模式测试岛、EMC无线测试岛、力学试验测试岛、热试验测试岛。
3.根据权利要求1所述的方法,其特征在于:底层架构处理过程中以时间、设备占用率为双目标,采用带精英策略的快速非支配排序遗传算法进行寻优。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011065479.9A CN112257909B (zh) | 2020-09-30 | 2020-09-30 | 一种面向组批卫星快速测试的多层架构调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011065479.9A CN112257909B (zh) | 2020-09-30 | 2020-09-30 | 一种面向组批卫星快速测试的多层架构调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112257909A CN112257909A (zh) | 2021-01-22 |
CN112257909B true CN112257909B (zh) | 2024-05-07 |
Family
ID=74234788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011065479.9A Active CN112257909B (zh) | 2020-09-30 | 2020-09-30 | 一种面向组批卫星快速测试的多层架构调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112257909B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113037809B (zh) * | 2021-02-18 | 2022-08-05 | 民航数据通信有限责任公司 | 一种用于飞行全阶段数字化信息推送的装置 |
CN113011859B (zh) * | 2021-05-19 | 2022-09-23 | 中国人民解放军63921部队 | 卫星发射场的测试项目确定方法、装置和电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976221A (zh) * | 2010-10-14 | 2011-02-16 | 北京航空航天大学 | 一种基于粒子群禁忌组合的并行测试任务调度方法及平台 |
CN102646061A (zh) * | 2012-02-27 | 2012-08-22 | 北京航空航天大学 | 一种基于遗传算法的卫星并行测试资源配置方法 |
CN104679633A (zh) * | 2015-02-15 | 2015-06-03 | 北京空间飞行器总体设计部 | 一种多航天器并行测试过程的效能评价方法 |
GB2557436A (en) * | 2016-11-28 | 2018-06-20 | National Univ Of Defense Technology | Differential evolution method oriented to agile satellite multi-target task planning |
CN109270366A (zh) * | 2018-08-20 | 2019-01-25 | 上海微小卫星工程中心 | 一种短周期批产化卫星的测试方法 |
AU2020100051A4 (en) * | 2020-01-10 | 2020-02-13 | Jin, Yawen Miss | Method of the mission planning for the communication between the small satellite clusters |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004059505B4 (de) * | 2004-12-10 | 2014-06-18 | X-Fab Semiconductor Foundries Ag | Anordnung zum Test von eingebetteten Schaltungen mit Hilfe von Testinseln |
US7757595B2 (en) * | 2006-04-14 | 2010-07-20 | Raytheon Company | Methods and apparatus for optimal resource allocation |
-
2020
- 2020-09-30 CN CN202011065479.9A patent/CN112257909B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976221A (zh) * | 2010-10-14 | 2011-02-16 | 北京航空航天大学 | 一种基于粒子群禁忌组合的并行测试任务调度方法及平台 |
CN102646061A (zh) * | 2012-02-27 | 2012-08-22 | 北京航空航天大学 | 一种基于遗传算法的卫星并行测试资源配置方法 |
CN104679633A (zh) * | 2015-02-15 | 2015-06-03 | 北京空间飞行器总体设计部 | 一种多航天器并行测试过程的效能评价方法 |
GB2557436A (en) * | 2016-11-28 | 2018-06-20 | National Univ Of Defense Technology | Differential evolution method oriented to agile satellite multi-target task planning |
CN109270366A (zh) * | 2018-08-20 | 2019-01-25 | 上海微小卫星工程中心 | 一种短周期批产化卫星的测试方法 |
AU2020100051A4 (en) * | 2020-01-10 | 2020-02-13 | Jin, Yawen Miss | Method of the mission planning for the communication between the small satellite clusters |
Non-Patent Citations (10)
Title |
---|
VXI为ADSL技术提供多功能和灵活的板级测试;杨林;;电子测试(06);218-220 * |
万能式断路器控制器多工位并行测试系统研制;涂水林;顾启民;谢启;杨云飞;;低压电器(17);52-56 * |
基于5M1E的组批卫星总装集成测试过程流水化管理;沈洪兴;刘会杰;漆庄平;;科学技术与工程(20);192-196 * |
基于混合遗传算法的并行测试任务调度研究;秦勇;国外电子测量技术;第35卷(第9期);72-75 * |
基于系统工程的航天器专业化测试模式探索与实践;闫金栋;王华茂;李大明;王劲榕;刘鹤;于忠江;时光;;航天器工程(05);103-112 * |
并行测试系统资源调度引擎的算法设计;项剑锋;李云溪;李恩辉;;飞机设计(04);42-46 * |
应用测试岛的组批卫星流水线测试模式设计;刘鹤;航天器工程;第28卷(第3期);99-106 * |
批量卫星流水线自动化测试系统研究;高括;刘会杰;刘磊;杨杰峰;张铭;潘小彤;;计算机测量与控制(08);19-23 * |
离散NSGA-Ⅱ求解带有限缓冲区的多目标批量流水线调度问题;韩玉艳;李俊青;桑红燕;包云;;聊城大学学报(自然科学版)(01);93-100 * |
航天器系统级测试现状分析;富小薇;王华茂;闫金栋;卢成志;王清泉;;航天器工程(01);124-130 * |
Also Published As
Publication number | Publication date |
---|---|
CN112257909A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | Research on intelligent workshop resource scheduling method based on improved NSGA-II algorithm | |
Kumar et al. | Simultaneous scheduling of machines and vehicles in an FMS environment with alternative routing | |
Chen et al. | Petri-net and GA-based approach to modeling, scheduling, and performance evaluation for wafer fabrication | |
Zhou | Modeling, analysis, simulation, scheduling, and control of semiconductor manufacturing systems: A Petri net approach | |
CN101493857B (zh) | 基于Petri网与免疫算法的半导体生产线建模与优化调度方法 | |
Gupta et al. | Job shop scheduling techniques in semiconductor manufacturing | |
Negahban et al. | Simulation for manufacturing system design and operation: Literature review and analysis | |
Qiao et al. | Scheduling of dual-arm cluster tools with wafer revisiting and residency time constraints | |
Sarin et al. | A survey of dispatching rules for operational control in wafer fabrication | |
CN113705866B (zh) | 基于资源受限项目调度问题模型的排程优化方法和系统 | |
CN103439885A (zh) | 半导体生产线优化调度装置 | |
Chan et al. | The state of the art in simulation study on FMS scheduling: a comprehensive survey | |
CN112257909B (zh) | 一种面向组批卫星快速测试的多层架构调度方法 | |
Wang et al. | A novel multi-objective optimization algorithm for the integrated scheduling of flexible job shops considering preventive maintenance activities and transportation processes | |
Attar et al. | Hybrid flexible flowshop scheduling problem with unrelated parallel machines and limited waiting times | |
Chaudhry et al. | Integrated scheduling of machines and automated guided vehicles (AGVs) in flexible job shop environment using genetic algorithms | |
Chiang et al. | Modeling, scheduling, and performance evaluation for wafer fabrication: a queueing colored Petri-net and GA-based approach | |
Fu et al. | Batch production scheduling for semiconductor back-end operations | |
Jimenez et al. | Levels of capacity and material handling system modeling for factory integration decision making in semiconductor wafer fabs | |
Ou-Yang et al. | The development of a hybrid hierarchical/heterarchical shop floor control system applying bidding method in job dispatching | |
Suresh Kumar et al. | Simulation-based metamodels for the analysis of scheduling decisions in a flexible manufacturing system operating in a tool-sharing environment | |
Dong et al. | Research on Two‐Stage Joint Optimization Problem of Green Manufacturing and Maintenance for Semiconductor Wafer | |
Tsai et al. | A Fuzzy Nonlinear Programming Approach for Optimizing the Performance of a Four‐Objective Fluctuation Smoothing Rule in a Wafer Fabrication Factory | |
Lin et al. | Colored timed Petri-net and GA based approach to modeling and scheduling for wafer probe center | |
Liu et al. | Modeling of large-scale complex re-entrant manufacturing systems by extended object-oriented Petri nets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |