机器故障扰动的柔性作业车间动态调度问题研究.pdf

摘要

摘要

随着科学技术的快速发展，传统的制造业也随之转型成为“智能制造”，作业

车间调度问题是智能生产系统中的关键一环。与作业车间调度相比，柔性作业车间

调度问题（FlexibleJob-shopSchedulingProblem，FJSP）减少了机器约束，增大了求

解难度。在实际生产调度过程中，往往会受到机器故障、紧急插单、工人请假等动

态事件的干扰，而机器故障是十分常见的动态事件之一，研究如何有效地处理机器

故障扰动的柔性作业车间动态调度问题（DynamicFlexibleJob-shopScheduling

Problem，DFJSP）具有十分重要的意义。本文主要研究内容如下：

1

（）针对柔性作业车间调度问题，以最小化最大完工时间为优化目标，设计了

−

一种以双通道状态空间表示柔性作业车间环境，以不断衰减的贪婪算法作为动

作选择策略，以前后两状态的最大完工时间差作为奖励，采用卷积神经网络（CNN）

ProximalPolicyOptimizationPPO

和近端策略优化算法（，）相结合的深度强化学习

算法。其中，用卷积神经网络模拟作业车间环境，输入当前状态，输出工件编号，

然后根据最大完工时间为工件选择机器。通过这样的设计，能使智能体充分感知当

前环境，减少智能体采取错误动作的概率，从而提高神经网络的拟合速度，减少网

络的训练次数。最后通过MK系列算例验证表明该算法的可行性，并且相较于常用

的元启发式算法和深度强化学习算法取得的解更优，总体调度评分相较于GA，

ACODQN10%3%5%

和算法分别提升，和。

（2）在此研究基础上，针对机器故障扰动的柔性作业车间动态调度问题，本文

将MK算例设置了3中不同的机器故障，以此作为动态调度的算例。动态调度采用

了基于事件驱动的重调度策略，在故障发生时刻对工序分为已加工完成和未加工完

成两类，对未加工的工序进行完全重调度，依照工序加工情况进行状态修正，修正

后的状态作为重调度的初始状态进行调度。通过动态调度实验表明：此动态调度算

法比基础调度规则和其他一些算法的求解质量更高，偏差度比混合纳什均衡算法降

低7%，算法稳定性更好，能很大程度减少机器故障对整个作业车间的干扰。

（3）针对机器故障扰动的多目标优化动态调度问题，本文选用了最大完工时间、

加工能耗和机器总负载作为优化目标，采用了线性加权法将多目标转化为单目标优

化问题。先用MK算例验证此算法求解多目标优化问题的可行性，在此基础上，将

机器故障作为动态事件，用一个真实车间算例验证此算法求解机器故障扰动的多目

标优化动态调度问题的性能表现。

关键词：柔性作业车间动态调度；深度强化学习；卷积神经网络；近端策略优化

I

Abstract

Abstract

Withtherapidadvancementsinscienceandtechnology,traditionalmanufacturinghas

transitionedintointelligentmanufacturing,withjobshopschedulingbeingacritical

componentwithinintelligentproductionsystems.Comparedtostandardjobshop

scheduling,theFlexibleJob-shopSchedulingProblem(FJSP)presentsfewermachine

constraintsbutismorechallengingtosolve.Inreal-worldproduct