CN116485116A - 一种基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法 - Google Patents
一种基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法 Download PDFInfo
- Publication number
- CN116485116A CN116485116A CN202310348187.3A CN202310348187A CN116485116A CN 116485116 A CN116485116 A CN 116485116A CN 202310348187 A CN202310348187 A CN 202310348187A CN 116485116 A CN116485116 A CN 116485116A
- Authority
- CN
- China
- Prior art keywords
- welding
- task
- time
- station
- max
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 title claims abstract description 43
- 238000003466 welding Methods 0.000 claims abstract description 112
- 238000004519 manufacturing process Methods 0.000 claims abstract description 72
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000007704 transition Effects 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 12
- 230000006872 improvement Effects 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 230000035484 reaction time Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 229920003205 poly(diphenylsiloxane) Polymers 0.000 claims 1
- 230000008439 repair process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Abstract
本发明涉及一种基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法，包括如下步骤：基于广义随机Petri网建立汽车座椅骨架焊接生产线人机协作焊接作业过程模型；建立人机协作焊接作业过程任务分配优化模型；基于改进候鸟算法的任务分配优化模型求解；实例分析。本发明解决人机协作任务再分配时易陷入局部最优问题，获取最优的汽车座椅骨架焊接工作站人机协作任务分配方案，实现最小化生产节拍的目的。
Description
技术领域
本发明涉及一种基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法，属于智能制造领域。
背景技术
随着机器人技术的发展，机器人已在工业生产过程广泛应用，但对于一些复杂的作业任务,机器人还无法独立完成灵活、智能的操作与控制。因此，人机协作(Human-robotcollaboration,HRC)将成为智能制造系统运行的主要作业形式。在人机协作过程中，存在人机作业资源冲突和相互竞争等问题。所以，研究人机协作过程建模与任务分配优化，对实现机器人与人协同高效、精准地完成复杂任务具有重要意义。
发明内容
针对上述问题本发明开发一种基于广义随机Petri网(佩氏网)与改进候鸟算法的人机协作任务分配优化方法，构建基于广义随机Petri网的人机协作过程模型，引入疲劳状态参数，建立疲劳状态概率分布函数，解析考虑疲劳影响的人机协作过程的动态人机关系；在此基础上，以生产节拍最小化为目标，构建人机协作任务分配优化模型，提出一种改进候鸟算法的模型求解算法，获得最佳的人机协作任务分配方案。最后，应用PDPS(ProcessDesigner Process Simulate：工艺设计和工艺仿真)构建人机协作过程仿真模型，通过优化前后仿真分析，验证了方法的有效性和可行性。本发明的一种基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法，包括如下步骤：
S1、基于广义随机Petri网建立汽车座椅骨架焊接生产线人机协作焊接作业过程模型；
S2、建立人机协作焊接作业过程任务分配优化模型；
S3、基于改进候鸟算法的任务分配优化模型求解；
S4、基于PDPS的焊接工作站人机协作建模与仿真。
优选的，所述的步骤S1包括如下子步骤：
具体的，所述的步骤S1中：S11、不同疲劳状态下的生产任务的完成时间thσ。
thσ＝t0+ρ0(t0+t1+t2)+(1-ρ0)t1＝t0+t1+ρ0(t0+t2)
式中，ρ0为工人没有成功完成任务的概率；t0为工人接到任务的反应时间；在人机协作的GSPN(Generative Shape Proposal Network：候选框生成网络)模型中，t1、t2表示瞬时变迁集；
在人机协作生产的GSPN模型中，变迁t表示一项生产任务由工人或机器人执行。当t表示时间变迁时表示是时间延时。本文中当变迁t代表的任务执行时，这个时间延时可以视为任务执行花费的时间。因此几个与变迁t相关的时间定义为：tα表示变迁t代表的任务到达时刻；tβ表示变迁t代表的任务完成时刻；tω表示人或机器对任务的反应时间；tγ表示人或机器对任务的执行时间，通常tγ服从指数分布；tσ表示变迁tσ平均实施延迟。
根据以上定义，可以发现：
tσ＝tω+tγ
tβ＝tα+tσ
其中当变迁t为瞬时变迁时，tβ＝tα，tσ＝0。
为了计算整个生产任务的完成时间，我们需要计算人机协作GSPN模型图中每个时间变迁t对应工人或机器人完成任务的。工人或者机器人执行任务面临不同的情况，例如错误检查和错误修复。
具体的，所述的步骤S1中：S12、机器人完成任务的时间为
trσ＝ρ1 2thσ+ρ1(t3+t4)+(1-ρ1)t3＝t3+ρ1t4+ρ1 2thσ
式中，ρ1为机器人识别失败的概率；t3为识别时间；t4为重启时间；thσ为工人完成当前生产任务的期望时间。
具体的，所述的步骤S1中：S13、总任务完成时间T也就是变迁T10的实施时间T10β，计算如下：
T＝T10β＝T10α＝max{T3β,T8β}＝max{max(T9β+T8α,T7β+T8α),T3β}＝max{T9β+T8α,T7β+T8α}＝max{max(T4β+T9α,T6β+T9α)+T8α,T6β+T7α+T8α}＝max(T4β+T9α,T6β+T9α)+T8α＝max{max(T1α+T4α+T9α，+T5α+T6α+T7α)+T8α,max(T1α+T2α+T3α,T1α+T4α+T3α)+T8α}
具体的，所述的步骤S1中：S14、整个生产方案的任务完成时间T为：
T＝max{max(T1α+T4α+T9α，+T5α+T6α+T7α)+T8α,max(T1α+T2α+T3α,T1α+T4α+T3α)+T8α}＝118s
优选的，所述的步骤S2包括如下子步骤：
具体的，所述的步骤S2中：S21、从时间成本优化的角度进行任务分配，任务分配方案的目标函数为：
MinCT＝T
式中CT为汽车座椅焊接生产线生产节拍。
具体的，所述的步骤S2中：S22、T为广义随机Petri网模型模拟每个任务分配方案计算人和机器人执行当前装配任务的作业时间：
T＝max{max(T1α+T4α+T9α，+T5α+T6α+T7α)+T8α,max(T1α+T2α+T3α,T1α+T4α+T3α)+T8α}
具体的，所述的步骤S2中：S23、处理操作分配：对汽车座椅双边焊接生产线人机协作所有任务进行分配，保证每个操作都分配到相应工位由焊接机器人执行或焊接工作站工人执行。
要求每个操作必须分配到某个成对工位的一侧，且由一种成产模式执行。
具体的，所述的步骤S2中：S24、优先关系约束：在焊接操作中每道工序有优先关系约束，例如焊接机器人执行焊接任务是焊接工作站工人的紧前任务。其数学模型表示如下：
要求操作i的前序操作h必须被分配到前面或者相同的成对工位
考虑操作i和它的前序操作h分配到同一成对工位时的情况，此时操作i的开始时间必须大于或者等于操作h的结束时间。
具体的，所述的步骤S2中：S25、操作的排序及开始时间约束：确定分配到一工位且相互之间无优先关系的操作的排序及开始时间公式。
下列公式要求当人机协作生产模式执行某生产操作后，其后面的操作必须在焊工人和焊接机器人完成该操作后才能进行加工。
j∈J,k∈K(i)∩K(h),p∈{nr+2.nr+3,···,2nr+1}
当操作i先于同一工位上的作h执行且操作由人机协作加工时，操作h的开始时间必须大于或者等于操作i的结束时间。
下列公式要求只有在员工和机器人执行完所有前面前操作时，人机协作生产才能执行某生产操作。
j∈J,k∈K(i)∩K(h),p∈{nr+2.nr+3,···,2nr+1}
当操作i先于同一工位上的操作h执行且操作h由人机协作加工时，操作h的开始时间必须大于或者等于操作i的结束时间。
具体的，所述的步骤S2中：S26、处理协同约束：在焊接机器人进项焊接作业时，保证加工完A面任务时再执行B面焊接任务。
其要求在协同约束集中的操作i和操作h必须分配到成对工位的两边，操作h开始时间必须大于或者等于操作i的结束时间。
具体的，所述的步骤S2中：S27、节拍约束：要求所有的操作的结束时间必须小于或者等于生产节拍。
具体的，所述的步骤S2中：S28、人机任务分配约束：要求每个工位最多可分配一个机器人。
具体的，所述的步骤S2中：S29、位置约束：要求在位置约束中的操作i必须分配到工位(j,k)。
整体优化模型：通过以上的条件假设、目标函数和约束条件汽车座椅骨架焊接人机协作任务分配优化设计模型，具体如下。
MinCT＝T
优选的，所述的步骤S3包括如下子步骤：
具体的，所述的步骤S3中：S31、编码设计：
操作排序的编码：在基于操作排序的编码的基础上，引入方向向量来确定任意方向操作的分配方向。
具体的，所述的步骤S3中：S32、解码设计：
选择在操作序列前面位置的一个可分配操作，如果是左/右边操作，则该操作只能分配到左/右边工位。如果所选的操作可被分配到任意一边，选择余量较大的一侧作为当前工位，当在两侧余量相同时默认选择左侧。
Step1：新开一个成对工位，并转到Step3。
Step2：如果所有操作均已分配，终止程序。否则，新开一个成对工位。
Step3：执行如下步骤。
Step3.1：确定是否存在可分配的操作。如果没有操作可分配，转到Step2；
否则，转到Step3.2。
Step3.2：选择可分配的操作，并确定当前成对工位的左边或者右边为当前分配操作的工位。
Step3.3：将所选择的操作分配到选择的工位。
Step3.4：更新成对工位两边的余量，并执行Step3.1。
具体的，所述的步骤S3中：S33、采用交换操作与插入操作两个邻域结构的方式来获得到新的操作排序向量。通过随机选择不同的两个位置的操作交换二者的位置以及随机选择一个操作插入在新的位置实现交换操作与插入操作。
具体的，所述的步骤S3中：S34、算法有效性分析：改进后候鸟算法在目标结果和迭代次数均优于改进前算法和遗传算法，运行时间略高于其他两种算法，目标结果提高0.72％这一结果进一步验证了本文所提改进策略的有效性。
具体的，所述的步骤S3中：S35、优化结果分析：相较于任务分配优化前，优化后的任务分配策略生产节拍更小，焊接机器人等待时间更短，有效的提高了人机协作效率。最终结果表明，本案例人机协作任务分配生产线最小节拍为102s。
优选的，所述的步骤S4包括如下子步骤：
具体的，所述的步骤S4中：S41、以某汽车座椅骨架焊接工作站为对象，将已经导入的模型按照空间位置1:1进行还原工作站模型。
具体的，所述的步骤S4中：S42、按照汽车座椅骨架焊接车间对焊接生产人机协作焊接作业过程进行建模。
具体的，所述的步骤S4中：S43、搭建仿真环境，对焊接机器人进行构建，对操作工人建模；
具体的，所述的步骤S4中：S44、分别对优化前和优化后的工作站焊接作业进行模拟仿真，对比工作站焊接机器人焊接时间和焊接工作站生产一周期的完工时间。仿真结果表明：改善后方案可降低生产节拍，提高生产效率，有效验证了本文所提改善方案的适用性与有效性。
本发明的有益效果是：建立了基于广义随机Petri网的人机协作焊接作业过程模型。建立工人疲劳状态参数的概率分布函数，应用库所变迁、有向弧、令牌描述人机协作系统各个部分的动态变化过程，解析了人机协作焊接作业过程人机顺序、并发和互斥等关系，实现了工人作业状态动态变化下人机作业时间数学描述。为人机协作焊接作业任务分配优化模型提供了参数。提出一种基于改进候鸟算法的模型求解算法，解决了人机协作任务再分配时易陷入局部最优的问题，获得了实例中人机协作任务分配的最优方案。对人机协作任务分配优化后，焊接工作站的生产节拍由118s降低为102s，实现了降低生产节拍的目的。
附图说明
图1为本发明的人机协作作业任务分解图；
图2为本发明的人机协作GSPN模型；
图3为本发明的人机协作方式；
图4a和4b分别为本发明的邻域结构，其中图4a为交换操作，图4b为插入操作；
图5为本发明的改进候鸟算法流程图；
图6为本发明的算法结果对比图；
图7为本发明的任务分配优化结果；
图8a和8b为本发明的机器人焊接作业甘特图，其中图8a表示任务分配优化前，图8b表示任务分配优化后；
图9为本发明的工作站模型；
图10为本发明的工作站PDPS模型俯瞰图；
图11为本发明的优化前焊接机器人焊接时间；
图12为本发明的优化后焊接机器人操作时间；
图13为本发明的改善前后效果对比图。
具体实施方式
下面结合附图及实施例，对本发明进行进一步详细说明，但应当理解实施例用以解释本发明，并不用于限制本发明。
开发一种基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法，图1为人机协作作业任务分解图。J1＝{j11,j12,j13}和J2＝{j21,j22,j23}分别表示两位工人的作业过程。M1＝{m11,m12}表示焊接机器人的作业过程。J1或J2序列的生产操作之间没有先后顺序约束，可以并行作业；M1序列的生产有先后顺序约束而只能串行作业。针对人机协作并行生产过程，GSPN模型如图2所示。
在汽车座椅骨架人机协作焊接作业过程GSPN模型中，库所P0表示需要焊接加工的冲压件都在存储区，T0表示瞬时变迁，焊接工作站工人接到作业任务，使两个作业任务分别流入到库所P1和P2形成两条并行任务线，P1和P2分别表示焊接工作站两位工人准备就绪，时间变迁T1和T2分别表示两个工人的作业过程和时间，经过T1和T2指定时间后，标记流入库所P3和P4，P3和P4分别表示两位工人完成指定生产作业，经过T3判断焊接作业任务是否完成，P5表示人机协作焊接作业任务完成。
进一步的，为了计算整个生产任务的完成时间，需要计算图2中每个时间变迁t对应工人或机器人完成任务的。当焊接工作站工人接到作业任务，需要t0的反应时间对作业任务进行分析，随后执行作业任务。在装载/卸载作业任务时，工人有概率ρ0的可能没有成功完成任务，工人需要检查装载/卸载失败的原因进行修复，我们假设工人尝试一次就能修复生产错误。工人的疲劳程度会直接t0和ρ0的大小，当工人疲劳程度高时，对作业任务的反应时间和错误率都会提升。
进一步的，我们从实际试验中采样得到数据，根据工人的疲劳状态的t0和ρ0，则可计算不同疲劳状态下的生产任务的完成时间thσ。
thσ＝t0+ρ0(t0+t1+t2)+(1-ρ0)t1＝t0+t1+ρ0(t0+t2)
进一步的，当焊接机器人分配到焊接任务时，机器人首先识别焊缝，识别时间为t3。如果机器人成功完成识别任务，则任务完成；但是实际中机器人有概率ρ1的可能没有成功完成识别任务，在这种情况下，焊接机器人需要做错误修复。错误修复焊缝识别错误主要分为两个步骤，首先焊接机器人会重新启动经过重启时间为t4后重新执行识别焊缝任务，如果机器人再次识别失败，焊接机器人将会停止运行并报警，等待工人的帮助。
进一步的，计算机器人完成任务的时间：
trσ＝ρ1 2thσ+ρ1(t3+t4)+(1-ρ1)t3＝t3+ρ1t4+ρ1 2thσ
进一步的，根据以上计算过程，总任务完成时间T也就是变迁T10的实施时间T10β，计算如下：
T＝T10β＝T10α＝max{T3β,T8β}＝max{max(T9β+T8α,T7β+T8α),T3β}＝max{T9β+T8α,T7β+T8α}＝max{max(T4β+T9α,T6β+T9α)+T8α,T6β+T7α+T8α}＝max(T4β+T9α,T6β+T9α)+T8α＝max{max(T1α+T4α+T9α，+T5α+T6α+T7α)+T8α,max(T1α+T2α+T3α,T1α+T4α+T3α)+T8α}
进一步的，整个生产方案的任务完成时间T为：
T＝max{max(T1α+T4α+T9α，+T5α+T6α+T7α)+T8α,max(T1α+T2α+T3α,T1α+T4α+T3α)+T8α}＝118s
进一步的，建立人机协作任务分配优化模型。其中，变量定义如表1所示。
表1变量定义
ψ一个取值很大的正实数；
tfi操作i的完成时间；
C(i)生产方向与操作i方向相反的操作集合，
进一步的，从时间成本优化的角度进行任务分配，当生产线启用位置数量确定时，任务分配方案的目标函数为：
MinCT＝T
当生产线启用位置数量n确定时，最小化生产节拍；式中CT为汽车座椅焊接生产线生产节拍，T为广义随机Petri网模型模拟每个任务分配方案计算人和机器人执行当前装配任务的作业时间：
T＝max{max(T1α+T4α+T9α，+T5α+T6α+T7α)+T8α,
max(T1α+T2α+T3α,T1α+T4α+T3α)+T8α}
进一步的，当前工人和机器人的状态变化时，更新他们的GSPN模型参数，从而准确的计算人机协作焊接作业时间。
进一步的，处理操作分配：对汽车座椅双边焊接生产线人机协作所有任务进行分配，保证每个操作都分配到相应工位由焊接机器人执行或焊接工作站工人执行。
要求每个操作必须分配到某个成对工位的一侧，且由一种成产模式执行。
进一步的，优先关系约束：在焊接操作中每道工序有优先关系约束，例如焊接机器人执行焊接任务是焊接工作站工人的紧前任务。其数学模型如下：
要求操作i的前序操作h必须被分配到前面或者相同的成对工位，
考虑操作i和它的前序操作h分配到同一成对工位时的情况，此时操作i的开始时间必须大于或者等于操作h的结束时间。
进一步，操作的排序及开始时间约束：确定分配到一工位且相互之间无优先关系的操作的排序及开始时间公式。
进一步，下式要求当人机协作生产模式执行某生产操作后，其后面的操作必须在焊工人和焊接机器人完成该操作后才能进行加工。
j∈J,k∈K(i)∩K(h),p∈{nr+2.nr+3,···,2nr+1}
当操作i先于同一工位上的作h执行且操作由人机协作加工时，操作h的开始时间必须大于或者等于操作i的结束时间。
下式要求只有在员工和机器人执行完所有前面前操作时，人机协作生产才能执行某生产操作。
j∈J,k∈K(i)∩K(h),p∈{nr+2.nr+3,···,2nr+1}
当操作i先于同一工位上的操作h执行且操作h由人机协作加工时，操作h的开始时间必须大于或者等于操作i的结束时间。
进一步的，处理协同约束：在焊接机器人进项焊接作业时，保证加工完A面任务时再执行B面焊接任务，人机协作方式如图3所示。
其要求在协同约束集中的操作i和操作h必须分配到成对工位的两边，操作h开始时间必须大于或者等于操作i的结束时间。
进一步的，节拍约束：要求所有的操作的结束时间必须小于或者等于生产节拍。
进一步的，人机任务分配约束：要求每个工位最多可分配一个机器人。
进一步的，位置约束：要求在位置约束中的操作i必须分配到工位(j,k)。
整体优化模型：通过以上的条件假设、目标函数和约束条件汽车座椅骨架焊接人机协作任务分配优化设计模型，具体如下。
MinCT＝T
进一步的，编码设计：操作排序的编码，在基于操作排序的编码的基础上，引入方向向量来确定任意方向操作的分配方向。
进一步的，解码设计：选择在操作序列前面位置的一个可分配操作，如果是左/右边操作，则该操作只能分配到左/右边工位。如果所选的操作可被分配到任意一边，选择余量较大的一侧作为当前工位，当在两侧余量相同时默认选择左侧。
Step1：新开一个成对工位，并转到Step3。
Step2：如果所有操作均已分配，终止程序。否则，新开一个成对工位。
Step3：执行如下步骤。
Step3.1：确定是否存在可分配的操作。如果没有操作可分配，转到Step2；
否则，转到Step3.2。
Step3.2：选择可分配的操作，并确定当前成对工位的左边或者右边为当前分配操作的工位。
Step3.3：将所选择的操作分配到选择的工位。
Step3.4：更新成对工位两边的余量，并执行Step3.1。
进一步的，邻域结构：本发明采用交换操作与插入操作两个邻域结构的方式来获得到新的操作排序向量。通过随机选择不同的两个位置的操作交换二者的位置以及随机选择一个操作插入在新的位置实现交换操作与插入操作，如图4a和4b所示。
进一步的，图5为改进候鸟算法流程图。
进一步的，算法有效性分析：为验证本文所提候鸟算法改进策略的有效性，运用改进前后候鸟算法和常用的遗传算法，在Intel CORE i78GB RAM Windows7计算机上进行仿真，基于Matlab2016编程，对前文所建模型进行求解，其求解结果如图6所示。对比改进前后算法运行时间、迭代次数和最后目标优化结果三个指标进行评价，其中，运行时间和目标结果两个指标都是越小越好，迭代次数越大越好，对比三项指标结果如表2所示。
表2算法性能比较
改进后候鸟算法在目标结果和迭代次数均优于改进前算法和遗传算法，运行时间略高于其他两种算法，目标结果提高0.72％这一结果进一步验证了本文所提改进策略的有效性。
进一步的，优化结果分析：基于双边生产线人机协作任务分配数学模型，以生产节拍最小化为目标，运用本文提出的改进候鸟算法对以上案例求解，将种群数量设置为200，迭代次数为300。对该算法运行后，得到结果图7所示。相较于任务分配优化前，优化后的任务分配策略生产节拍更小，焊接机器人等待时间更短，有效的提高了人机协作效率。最终结果表明，本案例人机协作任务分配生产线最小节拍为102s。由于装载的工件型号必须为机器人焊接的工件型号，因此焊接工作站工人的装载/卸载作业任务与焊接机器人的工件型号相同。其中图中两机器中间空白部分为焊机机器人停机等待时间。焊接机器人甘特图如8所示。
进一步的，以某汽车座椅骨架焊接工作站为对象，将已经导入的模型按照空间位置1:1进行还原工作站模型。以某汽车座椅骨架焊接工作站为对象，将已经导入的模型按照空间位置1:1进行还原工作站模型如图9。
进一步的，按照汽车座椅骨架焊接车间对焊接生产人机协作焊接作业过程进行建模。
进一步的，搭建仿真环境，对焊接机器人进行构建，对操作工人建模；由于汽车座椅焊接工作站通用性，其一般按照第50百分位(P50)的人体设计；对焊接机器人工作路径进行呈现与改进最后确定工人行动轨迹。模型如图10所示。
进一步的，分别对优化前和优化后的工作站焊接作业进行模拟仿真，对比工作站焊接机器人焊接时间和焊接工作站生产一周期的完工时间，对比结果如图11、12所示。改善前后对比表如表3所示，效果对比图如图13所示，图中横坐标为优化对比指标，纵坐标为对应的数值。仿真结果表明：改善后方案可降低生产节拍，提高生产效率，有效验证了本文所提改善方案的适用性与有效性。
表3改善前后效果对比表
以上所述为本发明的优选实施例，并不用于限制本发明，本发明所属领域的技术人员依然可以对上述技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (5)
1.一种基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法，其特征在于，包括如下步骤：
S1、基于广义随机Petri网建立汽车座椅骨架焊接生产线人机协作焊接作业过程模型；
S2、建立人机协作焊接作业过程任务分配优化模型；
S3、基于改进候鸟算法的任务分配优化模型求解；
S4、基于PDPS的焊接工作站人机协作建模与仿真。
2.如权利要求1所述的基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法，其特征在于，步骤S1包括如下子步骤：
S11、不同疲劳状态下的生产任务的完成时间thσ，
thσ＝t0+ρ0(t0+t1+t2)+(1-ρ0)t1＝t0+t1+ρ0(t0+t2)
式中，ρ0为工人没有成功完成任务的概率；t0为工人接到任务的反应时间，
S12、机器人完成任务的时间为
trσ＝ρ1 2thσ+ρ1(t3+t4)+(1-ρ1)t3＝t3+ρ1t4+ρ1 2thσ
式中，ρ1为机器人识别失败的概率；t3为识别时间；t4为重启时间；thσ为工人完成当前生产任务的期望时间，
S13、总任务完成时间T也就是变迁T10的实施时间T10β，计算如下：
T＝T10β＝T10α＝max{T3β,T8β}＝max{max(T9β+T8α,T7β+T8α),T3β}
＝max{T9β+T8α,T7β+T8α}＝max{max(T4β+T9α,T6β+T9α)
+T8α,T6β+T7α+T8α}＝max(T4β+T9α,T6β+T9α)+T8α
＝max{max(T1α+T4α+T9α，+T5α+T6α+T7α)+T8α,
max(T1α+T2α+T3α,T1α+T4α+T3α)+T8α}
S14、整个生产方案的任务完成时间T为：
T＝max{max(T1α+T4α+T9α，+T5α+T6α+T7α)+T8α,
max(T1α+T2α+T3α,T1α+T4α+T3α)+T8α}
＝118s。
3.如权利要求1所述的基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法，其特征在于，步骤S2包括如下子步骤：
S21、从时间成本优化的角度进行任务分配，任务分配方案的目标函数为：
MinCT＝T
式中CT为汽车座椅焊接生产线生产节拍，
S22、T为广义随机Petri网模型模拟每个任务分配方案计算人和机器人执行当前装配任务的作业时间：
T＝max{max(T1α+T4α+T9α，+T5α+T6α+T7α)+T8α,
max(T1α+T2α+T3α,T1α+T4α+T3α)+T8α}
S23、处理操作分配：对汽车座椅双边焊接生产线人机协作所有任务进行分配，保证每个操作都分配到相应工位由焊接机器人执行或焊接工作站工人执行，
要求每个操作必须分配到某个成对工位的一侧，且由一种成产模式执行，
S24、优先关系约束：在焊接操作中每道工序有优先关系约束，例如焊接机器人执行焊接任务是焊接工作站工人的紧前任务，其数学模型表示如下：
要求操作i的前序操作h必须被分配到前面或者相同的成对工位
考虑操作i和它的前序操作h分配到同一成对工位时的情况，此时操作i的开始时间必须大于或者等于操作h的结束时间，
S25、操作的排序及开始时间约束：确定分配到一工位且相互之间无优先关系的操作的排序及开始时间公式，
下列公式要求当人机协作生产模式执行某生产操作后，其后面的操作必须在焊工人和焊接机器人完成该操作后才能进行加工，
当操作i先于同一工位上的作h执行且操作由人机协作加工时，操作h的开始时间必须大于或者等于操作i的结束时间，
下列公式要求只有在员工和机器人执行完所有前面前操作时，人机协作生产才能执行某生产操作，
当操作i先于同一工位上的操作h执行且操作h由人机协作加工时，操作h的开始时间必须大于或者等于操作i的结束时间，
S26、处理协同约束：在焊接机器人进项焊接作业时，保证加工完A面任务时再执行B面焊接任务，
其要求在协同约束集中的操作i和操作h必须分配到成对工位的两边，操作h开始时间必须大于或者等于操作i的结束时间，
S27、节拍约束：要求所有的操作的结束时间必须小于或者等于生产节拍，
S28、人机任务分配约束：要求每个工位最多可分配一个机器人，
S29、位置约束：要求在位置约束中的操作i必须分配到工位(j,k)，
整体优化模型：通过以上的条件假设、目标函数和约束条件汽车座椅骨架焊接人机协作任务分配优化设计模型，具体如下，
MinCT＝T
4.如权利要求1所述的基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法，其特征在于，步骤S3包括如下子步骤：
S31、编码设计：
操作排序的编码：在基于操作排序的编码的基础上，引入方向向量来确定任意方向操作的分配方向，
S32、解码设计：
选择在操作序列前面位置的一个可分配操作，如果是左/右边操作，则该操作只能分配到左/右边工位，如果所选的操作可被分配到任意一边，选择余量较大的一侧作为当前工位，当在两侧余量相同时默认选择左侧，
Step1：新开一个成对工位，并转到Step3，
Step2：如果所有操作均已分配，终止程序，否则，新开一个成对工位，
Step3：执行如下步骤，
Step3.1：确定是否存在可分配的操作，如果没有操作可分配，转到Step2；
否则，转到Step3.2，
Step3.2：选择可分配的操作，并确定当前成对工位的左边或者右边为当前分配操作的工位，
Step3.3：将所选择的操作分配到选择的工位，
Step3.4：更新成对工位两边的余量，并执行Step3.1，
S33、采用交换操作与插入操作两个邻域结构的方式来获得到新的操作排序向量，通过随机选择不同的两个位置的操作交换二者的位置以及随机选择一个操作插入在新的位置实现交换操作与插入操作，
S34、算法有效性分析：改进后候鸟算法在目标结果和迭代次数均优于改进前算法和遗传算法，运行时间略高于其他两种算法，目标结果提高了0.72％这一结果进一步验证了本文所提改进策略的有效性，
S35、优化结果分析：相较于任务分配优化前，优化后的任务分配策略生产节拍更小，焊接机器人等待时间更短，有效的提高了人机协作效率，最终结果表明，本案例人机协作任务分配生产线最小节拍为102s。
5.如权利要求1所述的基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法，其特征在于，步骤S4包括如下子步骤：
S41、以某汽车座椅骨架焊接工作站为对象，将已经导入的模型按照空间位置1:1进行还原工作站模型；
S42、按照汽车座椅骨架焊接车间对焊接生产人机协作焊接作业过程进行建模；
S43、搭建仿真环境，对焊接机器人进行构建，对操作工人建模；
S44、分别对优化前和优化后的工作站焊接作业进行模拟仿真，对比工作站焊接机器人焊接时间和焊接工作站生产一周期的完工时间，仿真结果表明：改善后方案可降低生产节拍，提高生产效率，有效验证了本文所提改善方案的适用性与有效性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310348187.3A CN116485116A (zh) | 2023-04-03 | 2023-04-03 | 一种基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310348187.3A CN116485116A (zh) | 2023-04-03 | 2023-04-03 | 一种基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116485116A true CN116485116A (zh) | 2023-07-25 |
Family
ID=87222369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310348187.3A Pending CN116485116A (zh) | 2023-04-03 | 2023-04-03 | 一种基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116485116A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117057551A (zh) * | 2023-08-02 | 2023-11-14 | 天津大学 | 考虑协作机器人的多工序作业调度问题的解决方法和装置 |
-
2023
- 2023-04-03 CN CN202310348187.3A patent/CN116485116A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117057551A (zh) * | 2023-08-02 | 2023-11-14 | 天津大学 | 考虑协作机器人的多工序作业调度问题的解决方法和装置 |
| CN117057551B (zh) * | 2023-08-02 | 2024-04-19 | 天津大学 | 考虑协作机器人的多工序作业调度问题的解决方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ceglarek et al. | Rapid deployment of remote laser welding processes in automotive assembly systems | |
| CN110796355B (zh) | 一种基于动态解码机制的柔性作业车间调度方法 | |
| CN108876090A (zh) | 一种agv与加工装备的协同优化调度方法 | |
| CN110355764B (zh) | 一种龙门式双机器人的焊接路径规划方法及系统 | |
| CN116485116A (zh) | 一种基于广义随机Petri网与改进候鸟算法的人机协作任务分配优化方法 | |
| CN112286149A (zh) | 一种考虑起重机运输过程的柔性车间调度优化方法及系统 | |
| Michels et al. | The Robotic Assembly Line Design (RALD) problem: Model and case studies with practical extensions | |
| Zhou et al. | Multi-robot multi-station cooperative spot welding task allocation based on stepwise optimization: An industrial case study | |
| Papakostas et al. | Integrating digital manufacturing and simulation tools in the assembly design process: A cooperating robots cell case | |
| CN112348314A (zh) | 一种带起重机的分布式柔性车间调度方法及系统 | |
| CN111538307B (zh) | 一种制造执行系统的工艺路线建模方法及系统 | |
| Larsen et al. | Path planning of cooperating industrial robots using evolutionary algorithms | |
| Givehchi et al. | Cloud-DPP for distributed process planning of mill-turn machining operations | |
| CN113159506B (zh) | 人机协作生产单元任务分配与作业调度集成决策方法 | |
| CN112147960A (zh) | 一种柔性制造系统优化调度方法及装置 | |
| CN112101725A (zh) | 产品的数字化制造系统及方法、电子设备与存储介质 | |
| CN116523165A (zh) | 柔性作业车间amr路径规划与生产调度的协同优化方法 | |
| Zhao et al. | Spot-welding path planning method for the curved surface workpiece of body-in-white based on a memetic algorithm | |
| CN111562773B (zh) | 一种制造执行系统与产线一体化虚拟调试的方法及系统 | |
| CN116224946B (zh) | 机械件加工车间生产与物流集成的优化调度方法与系统 | |
| CN113867275B (zh) | 一种分布式车间预防维修联合调度的优化方法 | |
| CN116184941A (zh) | 一种模糊车间调度的多目标方法和系统 | |
| CN116414094A (zh) | 一种焊接装配智能调度方法及系统 | |
| CN114676987A (zh) | 一种基于超启发式算法的智能柔性作业车间主动调度方法 | |
| Bao et al. | A steerable GA method for block erection of shipbuilding in virtual environment |
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 |