数学建模国赛优秀论文.pdfVIP

智能RGV 的动态调度策略 摘要 本文根据题目给定的智能加工系统及系统作业参数，针对一道工序物料加工作业、 两道工序物料加工作业、作业中故障处理等三种情况，建立数学模型，分别给出了相应 的RGV 最佳调度策略。 针对一道工序物料加工作业的情况，本文设计当RGV 完成当前指令后若未接收到 任何CNC 的上料需求信号，RGV 将会根据调度模型立即判别执行一次移动指令，移动 到下一步发出上料需求信号的CNC 前。并将作业效率最佳问题转换为一班次8 小时内 CNC 处于工作状态总时间最长，并假设RGV 具有短时间的记忆储存功能，能够记录与 匹配RGV 与各CNC 进行最后一次交互的时间，为RGV 设计“八步一走”调度模型，在 RGV 进行移动指令之前都会遍历搜索选择未来八次移动过后八台CNC 的总等待时间最 小的路径的第一步移动指令作为当前的移动指令。遍历所有可能的初始八台 CNC 的上 料情况，依据RGV“八步一走”调度模型取成料数最多的初始CNC 上料顺序，完成任务 1。将题目给定的针对一道工序的三组数据带入模型计算，得出第一组最大物料加工数 量为 382，第二组为359，第三组为392 ；推算了不考虑RGV 运动时间的理想状态下， 三组数据的最大加工数量分别为384、368、392 ；得到三组数据下加工系统的作业效率 分别为99.48%、97.55%、100%，完成任务2 。 针对两道工序物料加工作业的情况，在不可更换刀具的前提下，由第一道工序与第 二道工序的比值，兼容考虑第二道工序之后的清洗时间，按比例分别为CNC 安装4:4 、 3:5、5:3 的刀具配比，并在对称性原则基础上调试具体安装方案；为 RGV 设计三步捆 绑（或四步捆绑加工调度模型）：RGV 遍历三步，取捆绑加工后的完成时间最前的走法。 遍历所有的初始可能路径，依据捆绑调度模型取成料数最多的初始 CNC 上料顺序，完 成任务 1。将给定的针对两道工序的三组数据带入模型计算，得出三组最大物料加工数 量分别为253 、209 、236 ；选择的两类CNC 数量配比分别为4:4 、3:5、5:3；通过与理想 状态下最大物料加工数量268 、216 、236 进行比较，得到三组数据下加工系统的作业效 率分别为94.40%、96.76%、100%，完成任务2 。 针对作业中故障处理的情况，本文将每一道工序加工的故障概率设为 1%，在判定 故障的 CNC 的加工时间内，以均匀分布随机一个时间点作为故障发生时间点，并从 600~1200 秒之间均匀随机生成一个整数作为修复时间，在一道工序与二道工序的模型 中作出以下调整：在故障发生的那一刻起，在CNC 未修复并发出上料需求信号之前， 将该CNC 从系统中暂时抹去，RGV 在执行完当前指令后，不再进行有关该CNC 的指 令操作，直至 CNC 修复发出上料需求信号。考虑到故障发生的不确定性，以及人工修 复时间的可操作性，在完成任务的基础下，再分别取修复时间为600~1200 秒随机，600 秒，900 秒，1200 秒做20 组的随机试验探究成料数规律，进行均值和方差计算如下： 一道工序的情况下，第一组数据关于 4 类修复时间的成料数方差分别为 12.20,9.55,11.95,9.82；第二组数据方差分别为15.57,18.68,19.55,14.68；第三组数据方差 分别为 10.03,13.41,8.92,13.73；两道工序的情况下，第一组数据关于4 类修复时间的成 料数方差分别为 9.66,7.38,7.12,13.17 ；第二组数据方差分别为7.85,3.39,5.87,9.69 ；第三 组数据方差分别为7.66,4.58,7.72,10.13 。由此可知，实际修复时，提升技工技术，将人工 修复时间尽量控制在10~15 分钟左右，可以较好增加结果稳定性。 关键词：RGV 智能动态调度 “八步一走” 多步捆绑联动 故障排查概率分析 1 一、问题重述 1.1 问题背景 RGV 是一种无人驾驶、能在固定轨道上自由运行的智能车。在智能加工系统中，轨 道式自动引导车RGV 的调度方案对系统的加工效率存在着决定性的影响。RGV 在智能 加工系统中，因面临的工作环境