一种混凝土智能调度控制方法与流程

本发明主要涉及pc工厂混凝土调度技术领域，具体是一种混凝土智能调度控制方法。

背景技术：

现有pc工厂混凝土的调度有两种方式：一种是手动操作人工调度，在混凝土布料机需要料时，人工遥控操作混凝土输送机到接料位即搅拌站下方接料，接完料搅拌站发出接料完成信号，人工遥控操作混凝土输送机送料到卸料位，卸料给布料机完成混凝土的输送。另一种方式是自动调度由中控室控制，布料机需要料时发信息给中控，中控发信息给输送机和搅拌站，搅拌站进行制料，混凝土输送机自动到接料位接料，送到卸料点，布料到卸料点后自动卸料给布料机。

无论是人工遥控，还是自动调度，现有方式混凝土输送机都是定速运行，或者以空载速度和重载速度中的一种定速运行，在构件不同，混凝土特性不同，或布料机布料速度，行走速度等外部因素变化时，系统定速运行不能给自动适应新的变化，使生产节拍变慢，影响生产效率。

技术实现要素：

鉴于现有技术中存在的不足和缺陷，本发明的目的在于提供一种混凝土智能调度控制方法，实现混凝土的智能调度，自动适应生产节拍。

为了解决上述技术问题，本发明采用如下技术方案：一种混凝土智能调度控制方法，其特征在于：包括如下步骤，

(1)定义控制器的模糊输入量和模糊输出量，模糊输入量为每一个卸料点混凝土实际送料时间和生产所需时间的偏差e和偏差变化率ec，模糊输出量为每台送料机的送料速度给定u；

(2)模糊输入量和模糊输出量的处理，选取隶属度函数采用三角形方式，对系统相关环节参数作归一化变换，转换为[0，6]之间的连续量，模糊输入量和模糊输出量离散化后，每一档对应一个模糊子集，再进行模糊处理，将模糊输入量e、ec和模糊输出量u语言值模糊子集分成7档，定义为{零，小小，小大，中小，中，大小，大}，并简记为{zo，ss，sb，ms，m，bs，b}。

(3)模糊决策规则与推理设定，通过总结控制经验，建立如下表1、表2、表3所示的模糊决规则库，其基本形式表现为模糊条件语句，采用模糊规则格式为ifaandbthenc；ifec＝aiande＝bjthenu＝cij，(i＝1，2，…，7；j＝1，2，…，7)；采用查表法，表1、表2、表3存储在工控机中，在实际控制时，只要通过查表和对模糊输入量的量化这两个步骤，就可得到模糊控制值，在已知ei和eci的情况下，通过查询该表得到ui，由式(1)可算出模糊输出量u:

u＝ku×ui(1)

式中:ku为输出控制量比例因子。

表1

表2

表3

(4)模糊输出量u到实际控制需要的实际输出量的转换，

(5)构件知识库，知识库的输入量包括混凝土塌落度、需求的混凝土方量、送料次数、布料机的运行速度、布料机的布料速度；

(6)通过采集现场信息，评判送料机的实际输出量和控制精度；

(7)当被控对象过程受到干扰、参数突变或者环境变化、模糊控制的性能不能很好地满足控制要求时，控制器从知识库中提取输入量在线修改送料机设定提前量和调整模糊控制器的量化因子(ke、kec、ku)，使控制系统适应被控过程的环境。

与现有技术相比，本发明具有的有益效果为：本发明基于模糊理论和专家系统的智能混凝土调度控制系统,采用混凝土送料机的实际送料时间和生产需要时间的偏差和偏差变化率作为模糊控制器输入,送料机的运行速度作为输出,利用专家系统在线评判送料机的速度,自动调整送料机的运行速度,实现了混凝土送料和布料机布料的最佳结合。

附图说明

下面结合附图对本发明作进一步的说明：

图1为本发明智能调度控制系统的流程示意图；

图2为本发明人工调度的流程示意图；

具体实施方式

为了本发明的技术方案和有益效果更加清楚明白，下面结合具体实施例对本发明进行进一步的详细说明。

如图1所示，本发明由工控机、交换机、送料机、布料机、中控室、搅拌站组成一个局域网，实现数据交互。数据信息主要是混凝土输送机的状态信息、位置信息及运行速度，布料机位置信息、布料速度、布料门打开的数量、运行速度及搅拌站运行状态、混凝土塌落度和构件形状及厚度等信息。可以根据不同的运行轨道和混凝土构件厂实际设备数量进行配置。

一种混凝土智能调度控制方法，其特征在于：包括如下步骤模糊控制策略、专家控制策略，

1、模糊控制策略

1.1定义控制器的模糊输入量和模糊输出量，模糊输入量为每一个卸料点混凝土实际送料时间和生产所需时间的偏差e和偏差变化率ec，模糊输出量为每台送料机的送料速度给定u；

1.2模糊输入量和模糊输出量的处理，选取隶属度函数采用三角形方式，对系统相关环节参数作归一化变换，转换为[0，6]之间的连续量，模糊输入量和模糊输出量离散化后，每一档对应一个模糊子集，再进行模糊处理，将模糊输入量e、ec和模糊输出量u语言值模糊子集分成7档，定义为{零，小小，小大，中小，中，大小，大}，并简记为{zo，ss，sb，ms，m，bs，b}。

1.3模糊决策规则与推理设定，通过总结控制经验，建立如下表1、表2、表3所示的模糊决规则库，其基本形式表现为模糊条件语句，采用模糊规则格式为ifaandbthenc；ifec＝aiande＝bjthenu＝cij，(i＝1，2，…，7；j＝1，2，…，7)；采用查表法，表1、表2、表3存储在工控机中，在实际控制时，只要通过查表和对模糊输入量的量化这两个步骤，就可得到模糊控制值，在已知ei和eci的情况下，通过查询该表得到ui，由式(1)可算出模糊输出量u:

u＝ku×ui(1)

式中:ku为输出控制量比例因子。

表1

表2

表3

1.4模糊输出量u到实际控制需要的实际输出量的转换，采用最大隶属度法将模糊量转换为精确量，由式(2)取对应输出模糊集中隶属度值最大的论域中的值作为输出，计算公式如下:

μc(μ＊c)＝max(μc(μ))(2)

式中:c为输出模糊集合；μ为输出论域中的元素；

2、专家控制策略，控制器包括数据库、推理机、知识库，

知识库的输入量有混凝土塌落度、需求的混凝土方量、送料次数、布料机的运行速度、布料机的布料速度等现场信息；数据库采集现场信息；推理机在线评判送料机的实际运行速度和控制精度，当被控对象过程受到干扰、参数突变或者环境变化、模糊控制的性能不能很好地满足控制要求时，专家控制器从知识库中提取规则在线修改送料机设定提前量和调整模糊控制器的量化因子(ke、kec、ku)，使控制系统总能适应被控过程的环境。

量化因子对模糊控制器的性能影响较大:

①增大ke，增强误差的控制作用，可以加快系统的响应速度，但ke过大将使系统产生过大超调量；ke过小，将会大大削弱误差的控制作用，使收敛变慢，延长调节时间。

②调整kec的作用，将会调整偏差率ec的作用。量化因子kec的合理选取能改善系统的动态特性，可对偏差进行预报并抑制超调。kec过大、过小都会使收敛速度变慢。

③调整ku将直接影响系统输出。增大ku，将会提高系统的快速性，但在收敛阶段，ku过大将引起超调和振荡。减小ku，对系统的稳定有利，但延长了响应时间。对根据配料系统控制经验的归纳，可得出一组修正的ke、kec、ku及提前量。用于产生式规则表示的专家指示规则库如下:

rule1:if(e(k)≥0∩t>σt∩e(k)<σ)then(k1＝δke，k2＝-δkec，k3＝δku，k4＝0)

rule2:if(e(k)≥0∩t<σt∩e(k)<σ)then(k1＝0，k2＝0，k3＝0，k4＝0)

rule3:if(e(k)≥0∩t>σt∩e(k)>σ)then(k1＝δke，k2＝δkec，k3＝δku，k4＝δk)

rule4:if(e(k)≥0∩t<σt∩e(k)>σ)then(k1＝-δke，k2＝-δkec，k3＝δku，k4＝δk)

rule5:if(e(k)<0∩t>σt∩e(k)<-σ)then(k1＝δke，k2＝-δkec，k3＝δku，k4＝-δk)

rule6:if(e(k)<0∩t<σt∩e(k)<-σ)then(k1＝-δke，k2＝δkec，k3＝δku，k4＝-δk)

rule7:if(e(k)<0∩t>σt∩e(k)>-σ)then(k1＝δke，k2＝δkec，k3＝δku，k4＝0)

rule8:if(e(k)<0∩t<σt∩e(k)>-σ)then(k1＝0，k2＝0，k3＝0，k4＝0)

其中:e(k)表示当前时刻的偏差；σt为设定时间；σ为设定精度大小；k1、k2、k3、k4分别为量化因子ke、kec、比例因子ku以及提前量k的动态修正因子；

δke、δkec、δku、δk分别为ke、kec、ku、k的增量。

不妨设ke(k)、kec(k)、ku(k)、k(k)及ke(k-1)、kec(k-1)、ku(k-1)、k(k-1)分别为当前时刻和上一时刻的值，则在线修正算法。可以根据具体情况选取不同的数值，在系统初始化时预先赋值。运用上述修正算法，可以对模糊控制因子及设定提前量进行在线修正，量化因子、比例因子及其它参数的调整规则存放在专家知识库中，运行时在线调整。

有2种运行状态：自动状态，人工调度。

人工调度时操作人员可以选择不同送料机，设置送料机需要送料的卸料点，设置送料机需要运送的混凝土方量或者运送次数，混凝土送料机根据完成送料任务。完成任务后显示待机，并在待机位。如下图2所示，人工设置1#送料机到卸料点3，系统自动规划路径，并调度1#送料机采用速度自适应方式在卸料点3的布料机混凝土使用完之前到达卸料点3，完成卸料后自动回到接料点，准备下次接料。直到完成设定的混凝土方量的输送或设定的送料次数。送料机送料和接料的速度均采用自适应方式，满足生产节拍。

自动状态，系统首先检测各个卸料点的布料机状态，根据布料机的派工单决定布料机的优先级，即送料的优先级，并生成一个送料队列i1---in，针对每台送料机形成送料机的工作任务，送料机运行中速度均采用自适应控制算法，实现实际生产节拍小于或等于需求节拍。

对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。应当理解，此处所描述的具体实施方式仅用于理解本发明，并不用于限定本发明，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。