一种制造系统智能排产方法与系统技术方案

本发明专利技术公开一种制造系统智能排产方法与系统，使用人工神经网络对解决制造系统排产问题的遗传算法进行改进，通过神经网络记忆遗传算法子代的适应度，以此优化遗传算法的交叉概率，与传统使用遗传算法解决排产问题的方法相比求解质量更高，生成的排产计划更合理，提高了企业的生产效率。

【技术实现步骤摘要】
一种制造系统智能排产方法与系统
本专利技术涉及智能排产领域，尤其涉及一种制造系统智能排产方法与系统。
技术介绍
优秀的生产调度能够提高资源利用率，提高制造企业产能，提高产品的竞争性，帮助企业在竞争性日益增强的市场中脱颖而出。所以，对生产排产问题进行研究是一件非常有必要和意义的事。遗传算法在排产问题等复杂的组合优化问题中有着广泛的应用，它本身具有很好的鲁棒性，可以应用到大多数优化问题中。但是遗传算法容易过早收敛，导致得到的排产计划不能令人满意。传统遗传算法在解决作业车间调度问题时局部搜索能力较差，导致其解的质量不高，不能生成优秀的排产计划。
技术实现思路
本专利技术的目的在于通过一种制造系统智能排产方法与系统，来解决以上
技术介绍
部分提到的问题。为达此目的，本专利技术采用以下技术方案：一种制造系统智能排产方法，该方法包括如下步骤：S101、根据排产数据随机产生初始种群，并将初始种群输出到解码模块；S102、所述解码模块将收到的初始种群中的排产数据分别解码，获得排产计划，并将排产计划输出到计算适应度模块；S103、所述计算适应度模块计算排产计划的适应度；S104、判断是否到达终止条件，若到达，则输出当前搜索到的最好解，并结束算法，否则执行步骤S105；S105、选择模块根据步骤S103所计算出的适应度对种群进行选择，并将完成选择的种群输出到变异模块；S106、所述变异模块根据变异概率随机对种群中的某些数据进行随机的变异；S107、在变异模块输出的种群中选取父代，并保存每次选取的两个父代；S108、将所有两两配对的父代送入神经网络一，计算子代适应度；S109、根据步骤S108计算得到的子代适应度更新交叉概率；S110、根据所述交叉概率进行交叉操作；S111、循环执行步骤S103至步骤S110。特别地，所述步骤S111还包括：在该循环中计算适应度模块计算子代适应度，并将子代适应度与之前保存的父代送入神经网络二中进行训练，并在达到神经网络一的更新阈值时，将神经网络二中的参数完全复制到神经网络一，完成对神经网络一中参数的更新。特别地，所述步骤S101中排产数据包括但不限于：各机床已加工零件个数、已有的排产计划、各零件的截止日期，以及计划新加工的零件数、截止日期、加工工序。特别地，所述步骤S105中选择模块根据步骤S103所计算出的适应度对种群进行选择，具体包括：选择模块根据步骤S103所计算出的适应度，采用最佳个体保存法和比例保存法两种策略相结合的方式对种群进行选择。特别地，所述步骤S106中变异的方式是调整种群某些随机染色体中任意几个基因的顺序。本专利技术还公开了一种制造系统智能排产系统，该系统包括:传感模块、数控控制器、数据采集卡以及工控机；所述传感模块用于感知数控机床的相关加工数据，输出给数据采集卡；所述数据采集卡用于采集数控控制器、传感模块输入的加工信息，输出给工控机；所述工控机用于执行如下步骤S101至步骤S111：S101、根据排产数据随机产生初始种群，并将初始种群输出到解码模块；S102、所述解码模块将收到的初始种群中的排产数据分别解码，获得排产计划，并将排产计划输出到计算适应度模块；S103、所述计算适应度模块计算排产计划的适应度；S104、判断是否到达终止条件，若到达，则输出当前搜索到的最好解，并结束算法，否则执行步骤S105；S105、选择模块根据步骤S103所计算出的适应度对种群进行选择，并将完成选择的种群输出到变异模块；S106、所述变异模块根据变异概率随机对种群中的某些数据进行随机的变异；S107、在变异模块输出的种群中选取父代，并保存每次选取的两个父代；S108、将所有两两配对的父代送入神经网络一，计算子代适应度；S109、根据步骤S108计算得到的子代适应度更新交叉概率；S110、根据所述交叉概率进行交叉操作；S111、循环执行步骤S103至步骤S110。特别地，所述步骤S111还包括：在该循环中计算适应度模块计算子代适应度，并将子代适应度与之前保存的父代送入神经网络二中进行训练，并在达到神经网络一的更新阈值时，将神经网络二中的参数完全复制到神经网络一，完成对神经网络一中参数的更新。特别地，所述步骤S101中排产数据包括但不限于：各机床已加工零件个数、已有的排产计划、各零件的截止日期，以及计划新加工的零件数、截止日期、加工工序。特别地，所述步骤S105中选择模块根据步骤S103所计算出的适应度对种群进行选择，具体包括：选择模块根据步骤S103所计算出的适应度，采用最佳个体保存法和比例保存法两种策略相结合的方式对种群进行选择。特别地，所述步骤S106中变异的方式是调整种群某些随机染色体中任意几个基因的顺序。本专利技术提出的制造系统智能排产方法与系统使用人工神经网络对解决制造系统排产问题的遗传算法进行改进，通过神经网络记忆遗传算法子代的适应度，以此优化遗传算法的交叉概率，与传统使用遗传算法解决排产问题的方法相比求解质量更高，生成的排产计划更合理，提高了企业的生产效率。附图说明图1为本专利技术实施例提供的制造系统智能排产方法流程示意图；图2为本专利技术实施例提供的神经网络中部分神经元间数据计算过程示意图；图3为本专利技术实施例提供的智能排产程序示意图；图4为本专利技术实施例提供的制造系统智能排产系统示意图。具体实施方式为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的较佳实施例。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容理解的更加透彻全面。需要说明的是，当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。请参照图1所示，图1为本专利技术实施例提供的制造系统智能排产方法流程示意图。本实施例中制造系统智能排产方法具体包括如下步骤：S101、根据排产数据随机产生初始种群，并将初始种群输出到解码模块。在本实施例中所述排产数据包括但不限于：各机床已加工零件个数、已有的排产计划、各零件的截止日期，以及计划新加工的零件数、截止日期、加工工序。S102、所述解码模块将收到的初始种群中的排产数据分别解码，获得排产计划，并将排产计划输出到计算适应度模块。S103、所述计算适应度模块计算排产计划的适应度。S104、判断是否到达终止条件，若到达，则输出当前搜索到的最好解，并结束算法，否则执行步骤S105。终止条件是一个人为设定的条件，条件是根据需求定义的，如果有效率上的要求，就将用于判断的变量阈值设定的小一些，如果要求解尽量的好，就设的大一些。举个例子，算法每次循环都会计算出一个解，这些解中有的解比曾经最好的解差(最好解的定义在下个问题中)，有的好。举一个例子，当某一次循环计算出的解比曾经的最好解还要好时，将用于判断终止条件的变量置0，如果循环中计算出的解没有比曾经的最好解差，就将这个变量自增1，在当前最好的解在后续循环中没有变的更好时，本文档来自技高网...

【技术保护点】
1.一种制造系统智能排产方法，其特征在于，包括如下步骤：S101、根据排产数据随机产生初始种群，并将初始种群输出到解码模块；S102、所述解码模块将收到的初始种群中的排产数据分别解码，获得排产计划，并将排产计划输出到计算适应度模块；S103、所述计算适应度模块计算排产计划的适应度；S104、判断是否到达终止条件，若到达，则输出当前搜索到的最好解，并结束算法，否则执行步骤S105；S105、选择模块根据步骤S103所计算出的适应度对种群进行选择，并将完成选择的种群输出到变异模块；S106、所述变异模块根据变异概率随机对种群中的某些数据进行随机变异；S107、在变异模块输出的种群中选取父代，并保存每次选取的两个父代；S108、将所有两两配对的父代送入神经网络一，计算子代适应度；S109、根据步骤S108计算得到的子代适应度更新交叉概率；S110、根据所述交叉概率进行交叉操作；S111、循环执行步骤S103至步骤S110。

【技术特征摘要】
1.一种制造系统智能排产方法，其特征在于，包括如下步骤：S101、根据排产数据随机产生初始种群，并将初始种群输出到解码模块；S102、所述解码模块将收到的初始种群中的排产数据分别解码，获得排产计划，并将排产计划输出到计算适应度模块；S103、所述计算适应度模块计算排产计划的适应度；S104、判断是否到达终止条件，若到达，则输出当前搜索到的最好解，并结束算法，否则执行步骤S105；S105、选择模块根据步骤S103所计算出的适应度对种群进行选择，并将完成选择的种群输出到变异模块；S106、所述变异模块根据变异概率随机对种群中的某些数据进行随机变异；S107、在变异模块输出的种群中选取父代，并保存每次选取的两个父代；S108、将所有两两配对的父代送入神经网络一，计算子代适应度；S109、根据步骤S108计算得到的子代适应度更新交叉概率；S110、根据所述交叉概率进行交叉操作；S111、循环执行步骤S103至步骤S110。2.根据权利要求1所述的制造系统智能排产方法，其特征在于，所述步骤S111还包括：在该循环中计算适应度模块计算子代适应度，并将子代适应度与之前保存的父代送入神经网络二中进行训练，并在达到神经网络一的更新阈值时，将神经网络二中的参数完全复制到神经网络一，完成对神经网络一中参数的更新。3.根据权利要求1所述的制造系统智能排产方法，其特征在于，所述步骤S101中排产数据包括但不限于：各机床已加工零件个数、已有的排产计划、各零件的截止日期，以及计划新加工的零件数、截止日期、加工工序。4.根据权利要求1所述的制造系统智能排产方法，其特征在于，所述步骤S105中选择模块根据步骤S103所计算出的适应度对种群进行选择，具体包括：选择模块根据步骤S103所计算出的适应度，采用最佳个体保存法和比例保存法两种策略相结合的方式对种群进行选择。5.根据权利要求1至4之一所述的制造系统智能排产方法，其特征在于，所述步骤S106中变异的方式是调整种群某些随机染色体中任意几个基因的顺序。6.一种制造系统智能排产系统，其特征在于，包括:传感模块、数控控制器、数据采集卡以及工控机；所述传感模块用于感知...

【专利技术属性】
技术研发人员：王晨升，易阳，陈浩哲，
申请(专利权)人：无锡易通精密机械股份有限公司，
类型：发明
国别省市：江苏,32