□ 陳宇寧，吳建民，劉麗敏

(1.上海工程技術大學 機械與汽車工程學院，上海 201600；2.遼寧工程職業(yè)學院 機械工程系，遼寧 鐵嶺 112008)

1 緒論

物流管控可實現(xiàn)貨物運輸?shù)母咝д{度，為此學者們開展了大量的相關研究工作。牛潤軍等[1]提出了面向飛機自動化裝配的物料配送管理體系。郭洪杰[2]針對飛機裝配車間傳統(tǒng)“領料式”物料配送存在的弊端,提出了一種工藝模型驅動的物料動態(tài)精準配送方法，構建了飛機裝配車間物料精準配送管理系統(tǒng)。任玲利等[3]研究港口電子商務物流配送供應鏈相關業(yè)務的物流單證電子化和標準化,運用基于作業(yè)資源優(yōu)化調配的口岸物流配送智能化管理模型。吳睿等[4]基于物聯(lián)網(wǎng)技術完成了企業(yè)物流管控系統(tǒng)設計。張海霞[5]設計并實現(xiàn)了一個大區(qū)域網(wǎng)絡聯(lián)機的實時共享物流信息管理系統(tǒng)。

精準配送是物流光控技術的核心功能，郝慶杰等[6]構建了一種基于信息系統(tǒng)和需求預測的裝備維修器材精準配送保障模式。呂鵬等[7]基于改進遺傳算法完成了航空快遞配送線路規(guī)劃方案。余文泰等[8]構建基于智能制造的帶時間窗約束的生產(chǎn)物料配送路徑優(yōu)化模型。陸志強等[9]構建了飛機移動生產(chǎn)線物料配送與空箱回收集成決策的模型并設計了求解算法。吳京秋等[10]在生產(chǎn)線中引入基于互聯(lián)網(wǎng)訂單的ERP信息管理系統(tǒng),并結合該系統(tǒng)對焊接生產(chǎn)線物料配送控制系統(tǒng)進行功能設計。

科學、合理地實現(xiàn)脈動裝配生產(chǎn)線物流調度可大幅度提高裝配質量和裝配效率，為此論文通過設計生產(chǎn)線資源智能調度和控制方案全方位實現(xiàn)脈動裝配生產(chǎn)線的優(yōu)化，從而縮短裝配周期。論文著重開展了AGV物料小車定位與可靠性研究，以此實現(xiàn)生產(chǎn)線的物料精確配送和數(shù)字化工藝協(xié)同。

2 裝配線物流路徑

論文所涉及的脈動裝配生產(chǎn)線系統(tǒng)包括轉配組件、燃油系統(tǒng)、潤滑系統(tǒng)和電氣系統(tǒng)等50余項，其裝配工藝復雜，為此按照裝配需求將脈動裝配生產(chǎn)線劃分為四個主要區(qū)域：零件配送區(qū)(人工分揀，使用物料AGV把物料配送至裝配工位)、部裝區(qū)(人工操作車間行車裝配并在線檢測配合尺寸)、傳裝區(qū)(人工操作智能輔助提升裝置裝配并在線檢測配合尺寸)、總裝區(qū)(人工裝配)，物流路徑如圖1所示。

3 生產(chǎn)線管控系統(tǒng)設計

3.1 總體架構搭建

生產(chǎn)線物流管控系統(tǒng)總體架構圖分為三層：最底層為設備互聯(lián)層，包括生產(chǎn)線上所有的設備及支持設備互聯(lián)和命令控制的通訊層；中間是產(chǎn)線控制層，承擔系統(tǒng)主體功能，包括生產(chǎn)任務管理、資源管理和資源智能調度和控制、數(shù)據(jù)采集功能；最上層是展示層，為用戶提供圖形化界面和接口，實現(xiàn)下層功能管理和生產(chǎn)線跟蹤監(jiān)控，如圖2所示。

圖2 生產(chǎn)線管控系統(tǒng)總體構架

生產(chǎn)線資源管理主要管理整個生產(chǎn)線資源，包括AGV小車、測量和檢測設備、物料架和周轉車以及非實體資源如工序、位置、站位等。其主要功能是每種資源的錄入和移除、資源位置和狀態(tài)、資源歷史信息以及針對各類型資源的可以進行的獨立操作等。

生產(chǎn)任務管理允許工人輸入或者從MES系統(tǒng)獲取的方式建立裝配任務，裝配任務必須針對裝配工序列表中某個工序，系統(tǒng)會自動建立該裝配工序需要檢測的數(shù)據(jù)項，以備質量檢驗過程操作使用。操作者可以通過多樣化的篩選條件查看我的任務、歷史任務、已完成任務等。

3.2 生產(chǎn)線資源智能調度和控制

生產(chǎn)線資源智能調度和控制依托指令隊列，根據(jù)生產(chǎn)線設備的實時狀態(tài)反饋，決定物流指令的執(zhí)行順序和生產(chǎn)線的設備和資源的協(xié)調運動，并能在生產(chǎn)線部分異常情況下調整生產(chǎn)指令的執(zhí)行，保證生產(chǎn)的安全性和高效性。指令響應和執(zhí)行反饋為閉環(huán)機制，如圖3所示。

圖3 指令響應和執(zhí)行反饋閉環(huán)機制

生產(chǎn)線管控系統(tǒng)采用多層級的指令可執(zhí)行性檢測方案來保證生產(chǎn)線指令在執(zhí)行滿足執(zhí)行條件，并且不會影響其他指令執(zhí)行，造成生產(chǎn)線資源或設備損壞。不管是上層管理層指令還是底層設備層指令，每條指令在執(zhí)行之前都要進行可執(zhí)行性檢測。

每條指令下達到資源調度層，資源調度層對指令可執(zhí)行性進行判斷，并立即返回一個確認結果。管理系統(tǒng)收到接收確認后，建立非阻塞等待事件等待指令執(zhí)行的結束，在指令執(zhí)行結束后讀取下一個指令；在未接收時，根據(jù)返回結果和生產(chǎn)線狀態(tài)分析原因，自決策等待還是報警，待問題解決后繼續(xù)重新下達。調度執(zhí)行層和設備層協(xié)調完成命令執(zhí)行，在執(zhí)行過程中出現(xiàn)問題，將錯誤信息及時反饋給上層以及管理系統(tǒng)，由系統(tǒng)或人為分析問題原因，待問題解決后繼續(xù)執(zhí)行指令。

4 AGV物料小車精準定位與可靠性

4.1 精準定位

定位分為初定位和精確定位，可滿足不同工況要求。初定位是以相應的傳感器監(jiān)測磁條或者色帶的一些參數(shù)進行定位，定位精度為±10mm；精確定位是在車身加裝工業(yè)用視覺相機進行定位，定位精度為±3mm。通過磁傳感器識別AGV行駛路徑上的磁條，輸出X/Y/角度/狀態(tài)等數(shù)據(jù)給控制系統(tǒng)，通過如下BPSO-PID算法實現(xiàn)AGV小車精確引導。

在經(jīng)典 PID 控制器中， 設定輸入值為f(t)，輸出值為y(t)，控制規(guī)律表示為

(1)

式中，kp、ki、kd分別為比例、積分、微分系數(shù)，e(t)為誤差，并且

e(t)=y(t)-r(t)

(2)

由于在實際的工程應用中，參數(shù)kp、ki、kd存在相互關聯(lián)性、耦合性，采用試湊法較難精確調節(jié)。通常采用智能算法(如粒子群算法、遺傳算法、蟻群算法等)進行參數(shù)自適應調節(jié)。但不足之處是這些算法容易過早收斂，陷入局部最優(yōu)解，不能求出全局最優(yōu)解。本文采用雙態(tài)粒子群算法(Binary-state Particle Swarm Optimization，BPSO)求解參數(shù)kp、ki、kd，系統(tǒng)結構圖如圖4所示。

圖4 系統(tǒng)結構圖

雙態(tài)粒子群算法將粒子群分為兩個不同行為狀態(tài)的子群，探索群體和捕食群體。在粒子群迭代初期，所有粒子處于捕食狀態(tài)，捕食狀態(tài)的粒子群行為狀態(tài)與普通粒子群算法一樣。設粒子規(guī)模為M，搜索空間維數(shù)為D，種群的最大迭代次數(shù)為T，粒子群中粒子i(1≤i≤M)的位置為Xi=(Xi1,…,xid)，速度為Vi=(vi1,…,vid)，它根據(jù)自己的個體最優(yōu)值和全局最優(yōu)值pgd在D維空間中搜索得出最優(yōu)解，粒子i的速度和位置按式(3)和式(4)更新下一代的速度和位置。

vid(t+1)=ω(t)·vid(t)+r1·c1·[pid(t)-xid(t)]+r2·c2·[pgd(t)-xid(t)]

(3)

xid(t+1)=xid(t)+vid(t+1)

(4)

其中：t為粒子i的迭代次數(shù)，c1、c2為粒子i的學習因子，r1、r2分別為(0,1)間的隨機數(shù)，ω(t)為粒子i的慣性權重。本文采用自適應慣性權重，如式(5)。

(5)

式中,ωmax、ωmin分別為慣性權重的最大值和最小值；fi為粒子i的適應度，favg為當前粒子群適應度平均值；fg為當前粒子群最優(yōu)適應度。本文選取系統(tǒng)指標函數(shù)JITAE為粒子群適應度函數(shù)，即

(6)

在粒子群尋優(yōu)過程中，若算法陷入局部最優(yōu)值，保留一部分優(yōu)良的粒子繼續(xù)以捕食狀態(tài)搜索。其余大部分粒子轉為探索狀態(tài)，在搜索空間內(nèi)重新初始化，繼續(xù)尋優(yōu)，這部分粒子位置為公式(7)，速度更新公式和位置更新公式為式(8)、(9)。

(7)

xkd(t+1)=xkd(t)+vkd(t+1)

(8)

vkd(t+1)=ω·sign(r)·vkd+c1·r1·[pkd(t)-xkd(t)]+c2·r2·[pgd(t)-xkd(t)]+c3·u(0,1)·[xkd(t)-hpgd(t)]

(9)

(10)

式中，sign(r)為符號函數(shù)，c3為(0,1)之間隨機數(shù)，u(0,1)為高斯分布函數(shù)，hpgd為搜索狀態(tài)的粒子在解集空間內(nèi)的全局最優(yōu)值。

在迭代計算中，根據(jù)式(11)判斷粒子群是否陷入局部最優(yōu)值，若連續(xù)5次δ(t)≤0.1，即粒子群適應度基本無變化，則認為算法陷入局部最優(yōu)值。

(11)

具體算法流程如下：

步驟1：粒子群參數(shù)初始化。

步驟2：初始化粒子位置和速度，生成參數(shù)kp、ki、kd的初始位置。

步驟3：按式(3)、(4)、(6)更新粒子位置、速度和適應度。

步驟4：按式(11)計算δ(t)。若算法陷入局部極值，跳步驟5，否則執(zhí)行步驟7。

步驟5：按適應度排序粒子，性能較好的30%個粒子以捕食狀態(tài)行動，按式(3)、(4)更新速度和位置。其余粒子轉為探索狀態(tài)，按式(8)、(9)、(6)更新速度、位置和適應度。

步驟6：分別計算捕食狀態(tài)的和探索狀態(tài)的全局最優(yōu)值，比較后更新全局最優(yōu)值。

步驟7：算法迭代次數(shù)達到T，尋優(yōu)結束，求得kp、ki、kd全局最優(yōu)解。

4.2 安全防護系統(tǒng)

AGV小車具備多種安全防護功能，確保在運動過程中小車內(nèi)人和設備的安全。AGV小車采用對角安裝2個安全激光掃描器來實現(xiàn)360度的保護。運轉過程中，掃描器將始終對特定的活動輸入配置進行監(jiān)控。輸入數(shù)和活動輸入數(shù)設定完成后，可對各輸入組合進行定義和分配檢測區(qū)組。特定的活動輸入組合數(shù)取決于輸入總數(shù)和活動輸入總數(shù)。安全激光掃描器有靈活的報警區(qū)域設置，可以根據(jù)現(xiàn)場情況靈活地更改區(qū)域設置。

安全激光掃描器監(jiān)測系統(tǒng)采用PLC控制，當其到達AGV報警區(qū)域1，此時AGV報警并將PLC寫入到驅動器的速度在當前速度的基礎上乘以0.66再寫入PLC；安全激光掃描器監(jiān)測到AGV報警區(qū)域2，此時AGV報警并將PLC寫入到驅動器的速度在當前速度的基礎上乘以0.33再寫入PLC；安全激光掃描器監(jiān)測到AGV停止區(qū)域，此時AGV報警并將PLC寫入到驅動器的速度在當前速度的基礎上乘以0再寫入PLC，小車停止運動。當障礙物消除或者是人員離開，AGV自動開始運行，此時PLC寫入到驅動器的速度即是PLC收到的速度。

5 結論

論文以裝配空間和裝配時長為前提完成了脈動裝配生產(chǎn)線系統(tǒng)的合理布局，進一步搭建了脈動裝配生產(chǎn)線管控系統(tǒng)，設計了一套完整的生產(chǎn)線資源智能調度和控制方案，為了實現(xiàn)待裝配部件在生產(chǎn)線的精準配送，應用雙態(tài)粒子群算法改進PID算法和PLC控制，搭建了AGV車輛精準定位體系和安全監(jiān)測體系，通過論文提出的生產(chǎn)線管控系統(tǒng)及其精準配送系統(tǒng)可大大提高裝配質量和裝配效率。