动态多变的制造系统环境中,良好的协调机制对提高制造系统的敏捷性、适应性和鲁棒性等将起到至关重要的作用。在阐述了智能制造系统协调机制意义的基础上,分析了现有协调机制与方法(如基于拉格朗日松弛法的协调、基于合同网的协调、基于Petri Net的协调、基于生物激素的协调等)的国内外研究现状及存在的问题。最后,指出了在智能制造系统中,对协调机制与方法需要进一步的研究方向。<br/> Good coordination mechanism will play a crucial role in improving the agility, adaptability and robustness of manufacturing systems in dynamically changing manufacturing systems environment. Based on the significance of co- ordination mechanism for intelligent manufacturing system, the research status between foreign and domestic study progresses on the coordination mechanism and method (such as coordination based on Lagrange Relaxation method, co- ordination based on contract net protocol, coordination based on Petri Net, coordination based on biological hor-mone and pheromone, and so on) is given, some existent problems for coordination mechanism in existent research methods presently are pointed out. Finally, the future research trends of the coordination mechanism and methods for intelligent manufacturing system are presented.
由于制造系统所处的环境是动态多变的,包含许多不确定性因素:客户订单的改变、运输延迟、价格的变化、设备故障、紧急订单的需求等等,为了更好地处理制造系统中的不确定因素,制造系统中制造单元之间就必须进行很好的协调,以适应多变的生产任务,充分利用资源、缩短加工任务的完成时间、保持设备负荷平衡,提高效率降低成本,简化生产车间调度复杂性,实现制造单元面向加工任务的动态优化组合,真正实现高度柔性和自适应性。
协调作为一个重要的概念广泛地出现在多个学科和社会经济领域,成为共同关注的一个研究课题。近年来,在制造系统协调方法方面已有大量的研究成果,采用的方法多是建立协调模型和协调语言[
拉格朗日松弛法(Lagrangian Relaxation, LR)被作为一种解决复杂调度问题的热门方法。这一技术已经成功的应用于为单机和并行机的调度问题获得近似最优解[
Gou Ling等将LR应用于生产车间的调度[3,4]。Tanaka[
然而,该方法也有一些缺点,由于其目标函数的非凸性,用对偶问题求解时,存在对偶间隙,需要根据对偶问题的优化解采取一定的措施构造原问题的优化可行解[
合同网协议(Contact Net Protocol, CNP)是Smith和Davis提出的一种协调方法[9-11],它被广泛用于实现分布式问题求解系统中的任务分配。
一般情况下,有两种重要的Agent存在于CNP中:管理Agent和资源Agent。管理Agent收到上级提交的任务之后,当该管理Agent无法独立完成其所接收到的任务时,就向其它资源Agent发出任务标书。其它资源Agent对宣布的标书做出投标。管理Agent从返回的投标书中选定最合适的资源Agent,然后管理Agent和资源Agent经过最后的协商而达成一致并签订协议。
CNP能够以简单的协调方式实现任务的合理分配,是一种有效的协调方法。研究表明:当CNP应用于车间调度时,其调度的性能要比传统的启发式所获得的调度性能更好[
为了使CNP获得更为优越的性能指标,并且与实际应用场合的需要更加吻合,为此,很多专家学者提出了大量的改进的合同网模型。如:在CNP中引入基于范例的推理以减少信息通信量[
目前,CNP在制造领域各个方面的应用都获得了广泛的研究,如车间调度[18,19]、运输小车调度[20,21]、机器人协调[
但是,采用传统的CNP协调时,在协调、协商与协作的过程中,不可避免地存在着存在如下的不足[
1) 管理Agent以广播的方式招标,对每个投标进行评价,很大程度上增加了通信量。
2) 任务固定划分,很难适应动态变化的环境。管理Agent对任务进行固定的划分后,对子任务选择一个执行的任务Agent,并将任务分配给该任务Agent,任务Agent接受任务比较被动。没有一个任务Agent根据自己的规划和能力来获得子任务,这样固定的任务分配必然导致低效率。
3) 管理Agent为了找到最佳的任务Agent,从各自利益的角度出发,存在一个反复协商的过程,既造成了系统信息的大量冗余,又造成系统通信资源的浪费。
4) 只考虑了Agent静态的求解能力,没有充分考虑如负载、任务的求解质量、代价等动态变化的因素,这些因素随着任务Agent的学习能力的提高和自己所处的状态而变化。
5) 非合作型多Agent系统环境下Agent的自私性导致了系统性能的下降。
6) 当任务最终得不到执行时或者死锁现象等问题,传统合同网没有充分考虑对任务所做的处理。
PN最初由Petri在1962年开发,对于描述和分析并发处理之间的同步、通信和资源共享来说,是一种适当并且可靠的语言。在离散事件动态系统的控制分析方面,PN方法具有模型形式的直观性和概括性、性能特征的工程意义性、分析过程定性和定量的兼顾性,以及应用的可扩展性等优点[
文献[
潘全科[
PN模型往往具有较强的建模能力,然而,PN在实践应用中,也暴露出了一些缺点。首先,越复杂的PN模型往往具有越强的建模能力,但是同时也削弱了其模拟、分析和验证的能力,并且不具备足够的简洁、有效性。其次,没有数据概念,使得所构造模型往往过于庞大,这是由于所有数据操作都必须直接表现在网结构中(即通过位置和变迁来表现)。再次,没有分层概念,因此不可能通过拥有良好接口定义的子网来构建大的模型。第四,在控制方面的效率并不是很高。因此,单纯利用普通PN描述,存在无输入与输出的封闭系统及状态空间的“爆炸”等问题[
生物群体智能中的个体之间为了互相施加影响来实现协调和合作,就必须通过一种间接的通信方式来向其它个体传递信息,这种通信方式又被称为基于生物外激素(Pheromone/Stigmergy)的隐式协调机制。从蚂蚁寻食到蚂蚁聚集尸体到蚂蚁搬运筑巢个体之间的通信机制总是离不开Pheromone/Stigmergy机制。Stigmergy(刺激)和Pheromone(信息素)作为隐式的通信方式,具有相同的效用,因此,在绝大部分的文献研究中将这两者等同起来。文献[36-38]就采用的是这种方式。
Grasse首先引入Stigmergy来解释白蚁在筑巢的过程中是如何进行协调的[39,40]。Stigmergy在宏观上提供了一种将个体行为和群体行为联系起来的机制。基于Stigmergy的协调机制在制造系统协调控制领域中得到较为广泛的应用。文献[
基于信息素的协调机制在制造系统中也得到了较为广泛的应用。文献[
另外,关于生物内激素调节机制在制造系统中也得到了一定的应用。文献[
通过以上分析不难发现,利用生物激素的调节作用,可以引导个体投入到当前群体更需要的工作中,从而在群体内部实现协调合作。这种协调方法与基于合同网等显示协调机制相比较,具有以下显著特点[
Gupta和Sivakumar[
从以上对制造系统协调机制与方法的研究成果可以发现,由于人工智能技术、物联网技术以及计算机技术等的不断成熟与发展,在制造系统中的任务分配、机器人协调等各个应用领域,各种制造资源在某种程度上都已具备足够的智能性、自治性以及相应的信息交互能力。对制造系统协调机制与方法也将由原来通过集中控制方式逐渐转变为递阶控制乃至分布式的协调控制方式。但是,对分布式制造系统协调控制机制的研究方法上还有许多工作要做,主要表现在以下几个方面:
1) 基于类电磁机制的智能启发式算法的研究。类电磁机制是通过模拟电磁场中的吸引–排斥机制,来实现对全局最优解的搜索。因此,如何将动态环境下的制造资源、任务与信息素有机结合起来,建立资源与任务之间的吸引–排斥机制模型,是需要进一步的研究方向。
2) 显示与隐式协调机制的有机结合的研究。诸如前面提及到的显示协调与隐式协调机制各有自己的优越性所在,再加上应用较为成熟的多agent技术,研究显示与隐式协调机制相结合更加能有效地解决制造系统的动态协调控制问题。
3) 与免疫算法等智能优化算法相互结合的协调机制研究。生物免疫系统是一个高度并行、分布、自适应和自组织的系统,具有很强的学习、识别、记忆和特征提取能力,不但能够识别抗原而且清除抗原,维护人体整个系统功能的正常运转。因此,研究基于信息素与免疫算法相结合的制造系统协调机制与控制方法,使系统可以自适应地对内外环境做出及时响应与控制。
4) 基于内外激素相互结合的协调机制研究。通过上面对基于生物激素的协调分析可知,基于生物内外激素调节的协调机制与方法在制造系统调度与控制中的应用取得了一定的研究成果,完全满足分布自治的平等交互实现的协调方式的要求,但主要还是集中在基于蚁群算法的车间调度优化方面的研究。因此,对基于生物激素的协调机制与方法的研究,尤其是对内外激素相互结合的协调机制的研究仍有待于进一步深入和完善。
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[
[