智能倉儲是鋁用炭素企業(yè)實施智能工廠的重要組成部分,天車無人化則是智能倉儲的核心內(nèi)容,通過智能調(diào)度和控制,為天車作業(yè)實現(xiàn)無人化植入了大腦。天車作業(yè)調(diào)度決定了庫區(qū)天車作業(yè)是否順暢及作業(yè)效率。針對炭塊倉儲中天車作業(yè)的無序性、突發(fā)性、搶占性,以及部分作業(yè)需要人工介入的特點,提出一種基于多Agent協(xié)調(diào)和局部尋優(yōu)的天車調(diào)度模型,并成功運用于生產(chǎn)實踐中。 

【文章來源】：輕金屬. 2020,(11)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

轉(zhuǎn)運站基本配置方式

Agent技術(shù)和多Agent系統(tǒng)是目前學(xué)術(shù)和工程領(lǐng)域的研究熱點,在越來越廣泛的領(lǐng)域得到了應(yīng)用[10],本文研究了目前調(diào)度算法在實際應(yīng)用中的不足,針對炭塊倉儲中天車調(diào)度的特點,提出一種基于多Agent協(xié)調(diào)和局部尋優(yōu)的調(diào)度模型。整個多Agent調(diào)度模型分為任務(wù)管理Agent、庫位管理Agent、分析處理Agent、輸送設(shè)備Agent、天車設(shè)備Agent,以及數(shù)據(jù)訪問控制Agent幾個部分,如圖2所示。任務(wù)管理Agent:管理任務(wù)模型,并對任務(wù)的創(chuàng)建、執(zhí)行、結(jié)果全生命周期進(jìn)行跟蹤,根據(jù)任務(wù)優(yōu)先級進(jìn)行任務(wù)的動態(tài)分配。任務(wù)管理Agent接收來自地面輸送設(shè)備或人工的夾塊信號,對信號的有效性進(jìn)行判斷和分析,自動生成對應(yīng)任務(wù),并對任務(wù)執(zhí)行的各環(huán)節(jié)和步驟進(jìn)行細(xì)致的管理,控制任務(wù)的等待時間和執(zhí)行時間,將執(zhí)行信息通過展示界面實時反饋給管理人員。

從圖3可以看到,在1個小時內(nèi),總共完成了7次搬運作業(yè),包括兩次生塊下線,三次生塊編組,一次熟塊解組,一次熟塊組裝,期間有一次沖突避讓(任務(wù)類型為“天車移動”),任務(wù)優(yōu)先級較高的生塊下線和熟塊組裝在10分鐘內(nèi)完成,優(yōu)先級較低的生塊編組和熟塊解組在15分鐘內(nèi)完成,符合現(xiàn)場生產(chǎn)的正常節(jié)奏,保證了生產(chǎn)過程的連續(xù)性和穩(wěn)定性。4 結(jié) 語

【參考文獻(xiàn)】：
期刊論文
[1]鋼鐵企業(yè)同軌多天車調(diào)度方法研究[J]. 雷兆明,王鵬程,廖文喆,趙凡.  計算機仿真. 2019(06)
[2]基于軌跡映射模型的天車多目標(biāo)調(diào)度方法[J]. 周炳海,廖秀梅.  湖南大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[3]基于Agent的智能制造系統(tǒng)實時動態(tài)調(diào)度機制研究[J]. 黃騰霄,唐敦兵,張海濤,許超.  機械制造與自動化. 2017(06)
[4]基于RESTART方法的同軌多天車仿真調(diào)度[J]. 趙寧,穆云,徐傳標(biāo),杜彥華.  系統(tǒng)工程理論與實踐. 2016(07)
[5]基于Petri網(wǎng)和UML的鋼廠天車調(diào)度系統(tǒng)仿真[J]. 朱道飛,王華,王建軍,畢貴紅,趙業(yè)清.  昆明理工大學(xué)學(xué)報(自然科學(xué)版). 2013(03)
[6]基于免疫遺傳算法的車間天車調(diào)度仿真模型[J]. 鄭忠,周超,陳開.  系統(tǒng)工程理論與實踐. 2013(01)
[7]多Agent系統(tǒng)的研究進(jìn)展及其在機械制造領(lǐng)域的應(yīng)用[J]. 李芳,陳南.  制造業(yè)自動化. 2009(01)



本文編號：3326235