【技术实现步骤摘要】
本专利技术涉及智能制造领域，具体涉及一种基于数字孪生的车间设备资源优化方法。
技术介绍
1、当前智能制造的背景下，纺织行业正经历着数字化和智能化的转型。随着市场竞争的日益激烈，纺织企业的生产模式也从传统的单一品种大批量生产转向多品种小批量、定制化的生产方式。这一变化虽然提升了灵活性和市场响应能力，但也带来了更高的生产调度复杂度。同时，绿色制造理念近年来成为热点话题。作为能源消耗大户，纺织行业在织造、染整以及纺机器械运行等环节，面临着如何在保证生产效率与质量的同时减少能源消耗和环境污染的挑战。
2、传统的纺织生产工艺通常涉及多个环节，且这些环节之间相互依赖，形成了复杂的生产流程。在织造环节实际生产中，织轴需要根据生产计划和机器的特性进行合理分配。机器的类型、性能、负载情况、生产任务的不同要求，都需要在调度过程中进行综合考虑，以便最大化生产效率和设备利用率。然而，传统的生产调度方法往往依赖人工经验和规则，难以有效地应对多变的生产环境，导致生产效率低下，设备资源分配不合理，能源消耗较高。
3、在这种传统生产模式下，织造车间的生产管理过程中缺乏实时数据和动态反馈，设备和生产环节缺乏充分的协调与数据支持，设备资源分配不合理，生产调度难以灵活应对市场变化。更重要的是，设备能源的消耗难以得到有效监控和优化，生产过程中常出现不必要的停机、空载运行等现象，导致能源浪费和效率低下。
技术实现思路
1、本专利技术的目的在于提供一种提高生产效率的基于数字孪生的车间设备资源优化方法。
2、为了达到上述目的，本专利技术采用这样的技术方案：
3、一种基于数字孪生的车间设备资源优化方法，包括如下步骤：
4、s1：构建织造车间的数字孪生模型，所述数字孪生模型实时获取订单信息，以及各个织轴的织轴信息和各个机器的生产信息；
5、所述织轴信息包括生产总长度、织轴品种、织轴卷绕体积、织轴的卷绕密度、总经纱根数、经纱线密度、经纱上浆率、未加工状态下的初始长度、订单生产总长、加成率、释放率、织物收缩率、额外纱线的长度、织轴序列以及交付时间；
6、所述生产信息包括加工时间、准备时间、加工能耗系数、空载能耗系数以及启停能耗；
7、s2：根据获取的所述订单信息和所述生产信息构建车间数学模型，所述车间数学模型以最小化能耗和最小化同一机器换轴次数作为优化目标，所述车间数学模型由如下公式表示：
8、；
9、；
10、其中，为加工能耗，为空载能耗，为启停能耗，表示机器的第根织轴品种，m是机器数量，n是织轴数量；
11、设置约束条件为：
12、(1)；
13、(2)；
14、(3)；
15、，,(4)；
16、，，(5)；
17、其中，公式（1）表示每台机器除第一个机器以外，如果当前机器启停能耗小于当前织轴准备时的空载能耗，则选择采用机器开关机策略，反之选择机器空载待机准备；
18、公式（2）表示该机器的准备时间加加工时间要小于等于该织轴的结束时间；
19、公式（3）表示对于要先后在同一台机器上加工的织轴i和织轴i+1，织轴i+1的准备时间不能早于织轴i的完工时间；
20、公式（4）表示高效的织轴和机器的加工时间、加工能耗、准备时间均小于低效的和效率一般的；
21、公式（5）表示低效的织轴和机器的加工时间、加工能耗、准备时间均大于效率一般和高效的；
22、s3：基于数字孪生模型并且根据织造车间的生产特性，设计两阶段的优化方法，所述优化方法包括织轴合并和基于合并后的织轴进行资源优化，采用改进的pso算法进行资源优化，对所述车间数学模型进行求解，获取最优生产调度方案；
23、所述织轴合并为在确保织物质量的前提下，将经纱线品种和工艺一致的织轴进行合并，采用如下公式计算织轴的最大绕长长度、织轴的实际绕长长度和织轴数：
24、；
25、；
26、；
27、其中，为织轴卷绕体积， y为织轴的卷绕密度， z为总经纱根数， w为经纱线密度， β为经纱上浆率，为未加工状态下的初始长度， λ为加成和释放率， α为织物收缩率，为额外纱线的长度， l为订单生产总长；
28、s4：结合数字孪生模型搭建可视化平台，所述可视化平台用于展示织造车间内机器的运行状态、生产参数以及环境数据，并将这些数据与数字孪生模型进行同步。
29、优选的，步骤s1中采用仿真软件构建织造车间的数字孪生模型，其中物理实体包括机器和机器的生产状态，虚拟模型则通过仿真软件对设备运行状态、订单信息、设备能耗和生产流程进行数字化映射，数据采集与处理模块将实时获取到的数据通过分析与整理为数字孪生模型实时提供支持。
30、优选的，步骤s3中，采用改进的pso算法进行资源优化的步骤如下：
31、s301：编码与解码：初始种群数为 p，将染色体总长设为织轴总数 n，每个基因位对应一个织轴，按照织轴的品种表示为 j1、 j2、 j3 ，机器编号 m为从0开始的整数，将织轴序列创建数值为0~1随机值的位置向量并按降序进行排序，再对排序后的织轴进行机器分配操作，生成初始解集并计算每个粒子的适应度；
32、s302：非支配排序和拥挤度计算：通过比较解之间的支配关系，将其划分为多个不同的非支配层，再计算每个非支配层中每个粒子的拥挤度距离；
33、s303：根据适应度更新粒子历史最优和全局最优以及粒子速度位置；
34、s304：设计一种专门针对能耗的局部搜索方法，具体步骤如下：
35、获取更新后得到的粒子总能耗最大的机器以及对应的织轴和品种；
36、获取总能耗最大的机器上所有织轴的加工时间，对比进行排序并找到加工时间最短的织轴；
37、将三个连续品种不一的中间织轴在原机器上删除并插入到加工时间最短的机器中，若有相同品种则插入到相同品种的织轴前，若没有则随机插入，计算新解的适应度；
38、s305：精英选择：将更新后的最优解和父代解混合，进行非支配排序和拥挤度计算，选出下一代；
39、s306：判断是否达到预设的最大迭代次数，若达到预设的最大迭代次数则输出最优解，否则重复步骤s302-s306；
40、s307：根据输出的最优解生成最优生产调度方案，根据本文档来自技高网...
【技术保护点】
1.一种基于数字孪生的车间设备资源优化方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种基于数字孪生的车间设备资源优化方法，其特征在于：步骤S1中采用仿真软件构建织造车间的数字孪生模型，其中物理实体包括机器和机器的生产状态，虚拟模型则通过仿真软件对设备运行状态、订单信息、设备能耗和生产流程进行数字化映射，数据采集与处理模块将实时获取到的数据通过分析与整理为数字孪生模型实时提供支持。
3.如权利要求1所述的一种基于数字孪生的车间设备资源优化方法，其特征在于：步骤S3中，采用改进的PSO算法进行资源优化的步骤如下：
4.如权利要求1所述的一种基于数字孪生的车间设备资源优化方法，其特征在于：步骤S4中，通过传感器和物联网设备，将车间内机器的运行状态、生产参数以及环境数据实时与所述数字孪生模型进行同步。
5. 一种车间设备资源优化系统，包括存储器和处理器，及存储在所述存储器上的计算机程序，其特征在于：所述处理器执行所述计算机程序以实现上述权利要求 1-4任一项所述的方法。
6.一种计算机的可读存储介质，其上存储有计算机
7. 一种计算机产品，包括计算机程序，其特征在于：该计算机程被处理器执行时实现上述权利要求 1-4 任一项所述方法。
...【技术特征摘要】
1.一种基于数字孪生的车间设备资源优化方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种基于数字孪生的车间设备资源优化方法，其特征在于：步骤s1中采用仿真软件构建织造车间的数字孪生模型，其中物理实体包括机器和机器的生产状态，虚拟模型则通过仿真软件对设备运行状态、订单信息、设备能耗和生产流程进行数字化映射，数据采集与处理模块将实时获取到的数据通过分析与整理为数字孪生模型实时提供支持。
3.如权利要求1所述的一种基于数字孪生的车间设备资源优化方法，其特征在于：步骤s3中，采用改进的pso算法进行资源优化的步骤如下：
4.如权利要求1所述的一种基于数字孪生的...
【专利技术属性】
技术研发人员：陈豪，石茜茜，王耀宗，张剑铭，陈松航，王森林，骆炜，连明昌，
申请(专利权)人：泉州装备制造研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。