本发明涉及一种橡胶轮胎生产中硫化工艺过程的优化调度方法，属于生产车间智能优化调度
技术领域：
。
背景技术：
随着汽车工业的迅速发展，社会对轮胎的需求量也越来越高。我国不仅是轮胎制造大国，也是出口大国，在国际市场占有重要地位。轮胎行业属于传统的技术密集、资金密集型行业，其生产工艺复杂、物流纵横交错、生产设备多，不仅要考虑改善物流节奏，减少工序之间的脱节率，增加产能获得更大的利润，而且还需考虑减少辅助时间，提高工序整体的协调。橡胶车间里一个轮胎的加工包括炼胶、压延、成型、硫化四个工序，每一个工序的生产调度又伴随着特殊的工艺约束。其中橡胶的硫化工序是整个橡胶工业产品的最后一个工序，橡胶半成品一旦经过硫化以后就由生胶变成熟胶，不能够重新利用。硫化工序在轮胎生产中非常重要，在整个轮胎生产过程中耗时最长，因此，如何充分利用有限的硫化机在最短时间内完成轮胎订单的硫化加工工作，是轮胎制造企业的关键所在，也直接影响到整个轮胎生产的效率。橡胶轮胎生产调度是多工序、有特殊工艺约束的生产调度。橡胶硫化车间的硫化工序包含更换模具、温模和轮胎硫化三步，具有多工序约束和多产品的特点，用时依据客户的不同的要求轮胎到达被加工的机器的时间不同，因此橡胶轮胎的硫化工艺过程属于典型的带多工序、加工约束和到达时间的并行机调度问题(pmsp_amp)。橡胶硫化车间的生产模式具有多产品性、多批次性、批产量有限性等特点，硫化车间生产调度的一个重要任务是合理安排有限生产资源，以完成计划区间的多种产品需求。国外已有很多学者和部分轮胎制造企业在轮胎制造的生产调度集成自动化应用方面做出研究，但是在国内大多数企业仍然采用人工安排调度的方法，由调度员凭借经验经过简单计算得出调度方案。随着工业技术的快速发展与进步，这种人工调度的方式已经逐渐不能满足企业低功耗生产的要求。显然，对于如何科学合理对硫化车间安排生产调度，充分利用有限的设备在最短时间内完成订单中轮胎的硫化任务，对于提高轮胎生产效率以及增加企业利润都有着重要意义。本发明基于橡胶轮胎生产中轮胎硫化工艺过程的特点，建立基于轮胎硫化车间的排序调度模型，设计一种带交叉算子的混合粒子群优化调度算法，可在较短时间内获得橡胶轮胎生产中硫化工艺过程调度问题的近似最优解，从而降低工厂的生产成本，提高工厂的生产效率和经济效益。技术实现要素：本发明的目的是针对现有橡胶轮胎生产中硫化工艺过程的调度问题，提出一种带交叉算子的混合粒子群优化算法的优化调度方法，以解决轮胎生产中硫化工艺过程由于加工排序不当导致的工厂成本浪费、时间损耗过长和经济效益不高等问题。本发明的技术方案是：一种橡胶轮胎生产中硫化工艺过程的优化调度方法，通过确定橡胶轮胎生产中硫化工艺过程的调度模型和优化目标，并使用带交叉算子的混合粒子群算法的优化调度方法对目标进行优化；其中，调度模型依据不同轮胎在硫化工艺过程中，每个轮胎在每台机器上的所需的工序数、到达时间和硫化时间来建立，优化目标为最小化最大完工时间cmax(π)：j＝1,2,…,s_m；l＝1,2,…,s_tj式中，为的开始加工时间，为的加工时间，表示第j台设备上所需要加工的轮胎基于工序的排列中的第l个工件；为前一次加工所用的机器号，当首次加工时，为在前一个机器上的排列中从左往右的位置，是芯片l首次到达第j台机器的时间；s_m表示加工机器数，s_tj为第j台机器上的工序总数；优化的目标为在所有需要硫化的轮胎排序的集合π中找到一个最优排序使得最大完工时间cmax(π)最小；所述一种带交叉算子的混合粒子群算法的优化调度方法具体为：step1、参数初始化：设定种群规模np，加速度系数c1,c2，惯性权重ω和算法开始运行时间；step2、种群初始化：采用neh方法产生一个初始种群个体，余下np-1个个体使用随机方法产生，并计算每个个体的目标函数值f，直至初始解的数量达到种群规模的要求；step3、交叉操作：从种群中随机选取两个个体进行基于pox的交叉操作，并计算交叉后产生的新个体的目标函数值，若其优于其中任一个父代个体，则将交叉后产生的新个体对应替换父代个体；step3、更新局部最优位置与全局最优位置：①对每一个个体，将其当前目标函数值与其历史最优位置pbest对应的目标函数值比较，若当前的目标函数值更优，则用其替换更新历史最优位置；②对每一个个体，将其当前目标函数值与全局最优位置gbest对应的目标函数值比较，若当前的目标函数值更优，则用其替换更新全局最优位置；step4、粒子(个体)的位置与速度更新：根据下列公式对每一个粒子(个体)的速度与位置进行更新：其中，表示第k次迭代粒子(个体)i飞行速度矢量的第d维分量；表示第k次迭代粒子(个体)i位置矢量的第d维分量；ω表示惯性权重，是一个非负常数，用以调节解空间的搜索范围；c1,c2为加速度常数，用于调节学习的最大步长；r1,r2表示取值范围为[0,1]内的随机数，用来增加搜索的随机性；pbestid表示粒子(个体)i飞行的历史最优位置的第d维分量；gbestd表示粒子(个体)i飞行的全局最优位置的第d维分量；所述带交叉算子的混合粒子群算法是基于连续实数域进行运算更新的，而橡胶轮胎生产中的硫化工艺过程是基于待加工的轮胎的离散排序变量，因此采用基于随机键的编码方式对待进行硫化工艺的轮胎的工序排序进行实数编码，然后根据lov规则建立实数编码与整数编码之间的一一映射关系，进而实现从实数编码向轮胎工序排序的转换；step5、更新种群：由step3和step4能得到一个由一系列新个体(粒子)组成的新种群(粒子群)，对新种群中的各个体进行评估，得到其对应的目标函数值f，将新种群中的个体与step2产生的初始种群中的个体进行一一相互对比，若新种群中个体更优，则将其替换旧种群中的个体；否则，不做修改；step6、基于交换(interchange)与前向插入(forward-insert)的局部搜索：将新种群中所有个体看做“选中个体”，对每一个“选中个体”依次进行探索阶段和扰动阶段，采用基于“交换(interchange)”的邻域操作实现扰动阶段，扰动次数为3次，探索阶段利用“前向插入(forward-insert)”邻域操作，探索次数设置为待硫化的轮胎总数s_c，利用探索阶段可对扰动后的个体进行更为细致的探索；如局部搜索得到的个体优于“选中个体”，则将其替换，并将当代种群作为新一代种群；step7、终止条件：设定终止条件为算法运行时间t＝100×s_c，如果算法满足所设置的终止运行时间t，则输出“最优个体”；否则转至步骤step3，反复迭代，直至满足终止条件为止。本发明的有益效果是：本发明基于橡胶轮胎生产中轮胎硫化工艺过程的特点，建立基于轮胎硫化车间的排序调度模型和优化目标，设计出一种带交叉算子的混合粒子群优化调度算法，可在较短时间内获得橡胶轮胎生产中硫化工艺过程调度问题的优良解，从而可节约生产时间，能降低由于排序不当可能导致的工厂生产成本浪费，可以提高工厂的生产效率和经济效益。附图说明图1为本发明的整体设计流程图；图2为本发明的整体算法流程图；图3为本发明中问题解的表达示意图；图4为本发明的基于“前向插入(forward-insert)”的邻域操作示意图；图5为本发明的基于“交换(interchange)”的邻域操作示意图。具体实施方式实施例1：如图1-5所示，一种橡胶轮胎生产中硫化工艺过程的优化调度方法，通过确定橡胶轮胎生产中硫化工艺过程的调度模型和优化目标，并使用带交叉算子的混合粒子群算法的优化调度方法对目标进行优化；其中，调度模型依据不同轮胎在硫化工艺过程中，每个轮胎在每台机器上的所需的工序数、到达时间和硫化时间来建立，优化目标为最小化最大完工时间cmax(π)：j＝1,2,…,s_m；l＝1,2,…,s_tj式中，为的开始加工时间，为的加工时间，表示第j台设备上所需要加工的轮胎基于工序的排列中的第l个工件；为前一次加工所用的机器号，当首次加工时，为在前一个机器上的排列中从左往右的位置，是芯片l首次到达第j台机器的时间；s_m表示加工机器数，s_tj为第j台机器上的工序总数；优化的目标为在所有需要硫化的轮胎排序的集合π中找到一个最优排序使得最大完工时间cmax(π)最小；所述一种带交叉算子的混合粒子群算法的优化调度方法具体为：step1、参数初始化：设定种群规模np，加速度系数c1,c2，惯性权重ω和算法开始运行时间；step2、种群初始化：采用neh方法产生一个初始种群个体，余下np-1个个体使用随机方法产生，并计算每个个体的目标函数值f，直至初始解的数量达到种群规模的要求；step3、交叉操作：从种群中随机选取两个个体进行基于pox的交叉操作，并计算交叉后产生的新个体的目标函数值，若其优于其中任一个父代个体，则将交叉后产生的新个体对应替换父代个体；step3、更新局部最优位置与全局最优位置：①对每一个个体，将其当前目标函数值与其历史最优位置pbest对应的目标函数值比较，若当前的目标函数值更优，则用其替换更新历史最优位置；②对每一个个体，将其当前目标函数值与全局最优位置gbest对应的目标函数值比较，若当前的目标函数值更优，则用其替换更新全局最优位置；step4、粒子(个体)的位置与速度更新：根据下列公式对每一个粒子(个体)的速度与位置进行更新：其中，表示第k次迭代粒子(个体)i飞行速度矢量的第d维分量；表示第k次迭代粒子(个体)i位置矢量的第d维分量；ω表示惯性权重，是一个非负常数，用以调节解空间的搜索范围；c1,c2为加速度常数，用于调节学习的最大步长；r1,r2表示取值范围为[0,1]内的随机数，用来增加搜索的随机性；pbestid表示粒子(个体)i飞行的历史最优位置的第d维分量；gbestd表示粒子(个体)i飞行的全局最优位置的第d维分量；所述带交叉算子的混合粒子群算法是基于连续实数域进行运算更新的，而橡胶轮胎生产中的硫化工艺过程是基于待加工的轮胎的离散排序变量，因此采用基于随机键的编码方式对待进行硫化工艺的轮胎的工序排序进行实数编码，然后根据lov规则建立实数编码与整数编码之间的一一映射关系，进而实现从实数编码向轮胎工序排序的转换；step5、更新种群：由step3和step4能得到一个由一系列新个体(粒子)组成的新种群(粒子群)，对新种群中的各个体进行评估，得到其对应的目标函数值f，将新种群中的个体与step2产生的初始种群中的个体进行一一相互对比，若新种群中个体更优，则将其替换旧种群中的个体；否则，不做修改；step6、基于交换(interchange)与前向插入(forward-insert)的局部搜索：将新种群中所有个体看做“选中个体”，对每一个“选中个体”依次进行探索阶段和扰动阶段，采用基于“交换(interchange)”的邻域操作实现扰动阶段，扰动次数为3次，探索阶段利用“前向插入(forward-insert)”邻域操作，探索次数设置为待硫化的轮胎总数s_c，利用探索阶段可对扰动后的个体进行更为细致的探索；如局部搜索得到的个体优于“选中个体”，则将其替换，并将当代种群作为新一代种群；step7、终止条件：设定终止条件为算法运行时间t＝100×s_c，如果算法满足所设置的终止运行时间t，则输出“最优个体”；否则转至步骤step3，反复迭代，直至满足终止条件为止。在所设计的带交叉算子的混合粒子群算法的优化调度方法中，设置种群规模np设置为200，加速度系数c1＝0.8，c2＝0.8，惯性权重ω＝0.7，s_c表示待硫化轮胎总数，s_m表示硫化车间可用机器数，算法总运行时间t＝100×s_c，表1给出了在不同问题规模下所述算法求得的目标函数值。表1不同问题规模下所求得的目标函数值s_c×s_m30×540×1050×570×1080×590×20cmax(π)6784581746105331162378上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。当前第1页12