船用汽轮机智能车间机器人调度研究

发布时间：2020-10-20 14:37

　　 在“中国制造2025”的战略指导下,我国制造业正在进行智能化改造升级,制造业水平逐渐从“大国”向“强国”转变。2019年3月,全国两会上“智能+”成为制造业升级的关键词,智能车间作为智能制造底层单元,推进智能车间的建设是实现智能制造关键一步。汽轮机的制造水平体现着一个国家工业水平的高低,船用汽轮机在推进舰船升级,提高国家安全水平具有重要意义。在此背景下船用汽轮机智能车间的建设,汽轮机加工单元的升级需求日益突显,通过机器人制造单元来实现汽轮机加工车间向数字化和智能化升级转型。本文以某船用汽轮机制造单元为研究对象,对船用汽轮机智能车间制造单元机器人的调度问题开展了以下研究:首先,针对国内外的制造单元机器人调度问题的研究现状进行分析,确定了总体的研究框架;分析了船用汽轮机制造单元的加工特点,建立了船用汽轮机制造单元单轨约束条件下机器人调度模型,通过对机器人调度方法的对比分析,确定了机器人静态调度和动态调度的方法。其次,针对单轨约束机器人调度模型,提出了一种基于机器人混合搬运工序(搬运、上料和下料)的机器人调度策略进行静态调度,根据此调度策略设计染色体的编码与解码方式,采用基于启发式调整的改进遗传算法对调度问题进行求解;针对单轨多机器人存在轨道占用问题,建立了机器人运动模型,给出了机器人运动冲突判断方法,并根据冲突类型建立机器人的冲突消解策略,规划了两机器人运动位置。再次,基于机器人静态调度,探索了机床故障、机器人故障、临时插入、加工时间变化和周期性重调度五种典型的车间动态干扰事件,采用基于事件和周期混合驱动的调度策略以及滚动窗口的调度方法对机器人进行动态调度;根据汽轮机制造车间典型的加工工件为例对算法进行验证,应用DELMIA软件对机器人调度结果进行仿真验证,验证了算法调度结果的正确性。最后,采用Visual Studio 2012、MATLAB、Microsoft SQL Sever 2012等开发工具,设计并开发了船用汽轮机制造车间机器人调度系统,并以某汽轮机制造车间典型的加工工件为例进行验证。通过对汽轮机制造车间机器人调度的研究,为汽轮机实施智能示范车间提供技术支持,促进汽轮机制造车间智能制造的升级转型。
【学位单位】：哈尔滨工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP242
【部分图文】：

智能制造奠定基础。本章分析了船用汽轮机制造车间的特点，研究机器人制造单元的机器人调度问题，按照工件的加工工艺规程，机器人参与工件的搬运、工件的上料和工件的下料过程，实现工件的自动流转；建立单轨约束机器人调度数学模型，并分析了制造单元机器人的静态调度方法与动态调度方法。2.1 船用汽轮机制造车间特点分析本课题面向对象船用汽轮机制造车间，主要承担船用汽轮机的零部件例如支持轴承、法兰盘、混合室、轴承箱和小型转子等一些加工任务以及装配过程中的对零件的修配、照配等工作。主要涉及数控车床、数控铣床、数控钻床、数控镗床和数控磨床等一些机床，整个车间布局按照跨度进行分区布置，每个跨度尺寸 18m×125m，机床按顺序布置在每一跨上，车间跨区图如图 2-1 所示。第一个区域以辅助设施为主，主要是检验和超声区；第二区域到第九区域主要为机床布置区域，承担包括车、铣、钻、镗和磨等加工工序，车间的主要加工和修配、照配在这些区域内完成。

从运行统计结果可以看出，两种算法求出最优解，平均最优解基本相似；标准遗传算法平均收敛代数为 274.9 代和最快收敛代数 90 代，基于启发式调整的改进遗传算法平均收敛代数 112.2 代和最优收敛代数 33 代，可以看出基于启发式调整的改进遗传算法的平均收敛代数和最优收敛代数明显好于标准遗传算法的平均收敛代数和最优收敛代数，由此可以验证基于启发式调整的改进遗传算法可以加快调度算法的收敛速度。3.5.2 单搬运机器人调度结果单搬运机器人调度中，优化的目标函数取 α=1，β=0，即仅考虑最小化最大完工时间。在改进的遗传算法中采用随机化初始的种群，种群规模 20，最大的迭代数量为 500 代，变异率 Pm=0.1，在 Matlab R2014a 软件中运行得到如图 3-10 所示调度运行结果；平均每代的适应度收敛曲线和每代最优的适应度收敛曲线如图3-11、图 3-12 所示。

均每代的适应度收敛曲线和每代最优的适应度收敛曲线如图3-11、图 3-12 所示。图 3-10 单搬运机器人调度结果甘特图图 3-11 平均每代适应度收敛曲线 图 3-12 每代最优适应度收敛曲线
【相似文献】

相关期刊论文 前10条

1 王德亮;;开发机器人程序快速修正方法[J];现代焊接;2016年02期

2 明子成;;游览机器人的设计与实现[J];正德学院学报;2008年02期

3 张鑫龙;原思聪;;码垛机器人位置精度测试与分析[J];机床与液压;2017年03期

4 刘兴良;;多关节式机器人电传动系统设计[J];机械工业自动化;1987年03期

5 刘美华,常文森;机器人位置/力控制系统的稳定性[J];机器人;1988年03期

6 张永昌;;取代潜水员的蜘蛛型机器人[J];航海;1988年06期

7 解广达;;日本产业机器人的最新动向[J];仪器仪表与分析监测;1988年04期

8 刘美华,常文森;两种具有动力学补偿的机器人位置/力混合控制器[J];国防科技大学学报;1989年01期

9 徐彬;温秀兰;黄涛;陈一心;钱俊;贺帆;张超;;图书识别整理机器人的设计与研发[J];科技创新与应用;2019年10期

10 Eduardo Nebot;;机器人技术——从自动化到智能系统[J];Engineering;2018年04期

相关博士学位论文 前10条

1 郑华栋;面向激光熔覆成形的机器人路径生成及优化研究[D];大连理工大学;2019年

2 罗文兴;面向教育机器人的室内定位研究[D];华中师范大学;2018年

3 迟明路;花瓣型胶囊机器人游动特性与空间磁矩驱动策略[D];大连理工大学;2018年

4 程敏;面向服务机器人的室内动态环境地图构建的研究[D];中国科学技术大学;2019年

5 江国来;共融移动服务机器人导航与交互关键技术研究[D];中国科学院大学(中国科学院深圳先进技术研究院);2019年

6 赵庆营;基于分子通信的多纳米机器人局部靶向药物传送关键技术研究[D];上海大学;2018年

7 罗冰;时变气流环境下飞行机器人搜寻气味源关键问题研究[D];天津大学;2017年

8 仲宇;分布式强化学习理论及在多机器人中的应用研究[D];哈尔滨工程大学;2003年

9 王卫华;移动机器人定位技术研究[D];华中科技大学;2005年

10 章小兵;基于视觉和超声波传感器的地面移动机器人定位与路径规划研究[D];东南大学;2006年

相关硕士学位论文 前10条

1 王新刚;基于视觉的机器人位置修正装配系统的设计[D];南昌大学;2019年

2 杨德春;服务机器人自主导航系统设计与实现[D];安徽工业大学;2019年

3 圣明明;商用服务机器人人机交互关键技术研究[D];安徽工业大学;2019年

4 郭海洋;基于深度学习的智能割草机器人视觉模块研究[D];哈尔滨工业大学;2019年

5 刘中华;船用汽轮机智能车间机器人调度研究[D];哈尔滨工业大学;2019年

6 管凤青;基于多源信息的机器人辅助脊柱手术状态感知方法研究[D];哈尔滨工业大学;2019年

7 姚伟嘉;分布式多机器人协同环航编队控制[D];国防科技大学;2017年

8 王鹏飞;基于cell的可变分辨率地图构建和导航方法研究[D];国防科技大学;2017年

9 贾涛;基于群智能算法的机器人避障研究[D];沈阳航空航天大学;2019年

10 张琦;舱内辅助机器人视觉导航与控制方法研究[D];国防科技大学;2017年

本文编号：2848808