一种工厂智能调度方法
【技术领域】
[0001] 本发明涉及智能控制与调度技术领域，具体涉及一种工厂智能调度方法。
【背景技术】
[0002] 随着工业4. 0的推广和《中国制造2025》的逐步推进，智能工厂的概念也渐渐形成 了共识：智能工厂是利用各种现代化的技术手段，实现工厂的办公、管理及生产自动化，达 到加强及规范企业管理、减少工作失误、提高工作效率以及降低资源消耗的目的。智能工厂 是工业4. 0和《中国制造2025》的必经之路，是构成工业4. 0的核心元素。
[0003] 目前我国的工业水平仍然处在工业2. 0与工业3. 0之间，只有少数大型生产制造 企业进行了工业4. 0的尝试，大多数传统生产工厂依然采用工人手工操作机器的形式，生 产效率不高、能耗较大、污染也较重。当前国内外掀起了一股研究智能工厂的热潮，然而智 能工厂的模型也仅仅只是雏形，没有形成规范化、标准化的统一标准，对智能工厂的认识才 处于启蒙阶段。
【发明内容】
[0004] 为克服上述现有技术的不足，本发明的目的在于提供一种提高生产效率，降低生 产能耗，减少环境污染，节约生产成本的工厂智能调度方法。
[0005] 为实现上述目的，本发明采用以下技术方案：一种工厂智能调度方法，该调度方法 主要包括以下步骤：
[0006] a.根据智能工厂对信息采集的需求，在工厂内部设置智能传感器，通过智能传感 器采集设备状态信息和工厂环境信息；
[0007] b.将设备状态信息和环境信息分别送至对应PLC数据采集站；
[0008] c.各PLC数据采集站经过数据预处理，将数据分成流程调度记录数据、关键设备 控制记录数据、设备运行状态数据、关键工艺指标数据上传至数据中心；
[0009] d.数据中心进行知识规则的提取，得到流程调度规则、设备控制规则、异常处理规 则构成的知识规则库；
[0010] e.通过设备智能控制算法和流程智能调度算法分别读取相应的规则，实现对智能 工厂内资源进行优化配置和调度，并实现对设备的精准控制；
[0011] f.调度和控制效果通过智能工厂虚拟现实动画实时展示出来，便于相关人员及时 准确获知工厂信息，并提供相应接口供人工介入，实现人机友好交互应用和体验；
[0012] g.执行调度和控制后的设备信息又通过智能传感器及时准确采集，形成良性反馈 和闭环。
[0013] 作为优选技术方案，所述知识规则库的构成主要包括专家规则的构建和挖掘规则 的构建，
[0014] 所述专家规则的构建步骤如下：
[0015] 1)问题目标化，专家丰富的经验结合现场实际，将期待解决的问题分解为多个确 定的目标；
[0016] 2)问题知识化，辨别所要研究的问题本质，分析具体研究任务核心是什么，并分析 该问题的定义、规模、是否可分解子任务以及数据方面信息；
[0017] 3)知识概念化，概括知识表示所需要的关键概念及其关系，其中包括数据类型、已 知条件、已知状态、问题目标、提出的假设以及控制策略；
[0018] 4)概念形式化，即确定用来组织知识的数据结构形式，应用各种知识表示方法把 与概念化过程有关的关键概念、子问题及信息流特性变换为正式的表达，包括假设空间、过 程模型和数据特性；
[0019] 5)形式规则化，即编制规则、把形式化的知识变换为由编程语言表示的可供计算 机执行的语句和程序；
[0020] 6)评估合法化，即评估规则化了知识的合理性，检验规则的有效性；
[0021 ] 7)将规则作为专家知识添加到规则库中。
[0022] 所述挖掘规则的构建步骤如下：
[0023] 1)问题目标化，现场生产数据是海量的，需要明确挖掘目的、挖掘方向，将问题描 述为具体的目标；
[0024] 2)数据仓库构建，根据问题目标，深刻理解问题本质及涉及的数据范围，理解数据 中心中各维数据的实际意义，从而合理地选择数据组成数据集，以此构建数据仓库；
[0025] 3)形成特定数据集，数据仓库通过数据选择、数据转换形成可用于数据挖掘的数 据集；
[0026] 4)规则模型的建立，通过数据挖掘领域中各种挖掘算法，如聚类分析、分类分析、 时间序列分析、关联规则分析，建立多种规则模型；
[0027] 5)规则评估，对建立的规则模型进行验证评估，并以知识的方式表示该规则；
[0028] 6)将评估后的规则知识添加到规则库中。
[0029] 作为优选技术方案，所述设备智能控制算法包括如下步骤：
[0030] 1)建立多目标经济指标优化智能控制模型，优化目标如下：
[0032] 存在如下约束：
[0033] AUm^ AUm^ Δ U+m
[0034] U U U +M
[0035] α「σ A y P1 (k+1 I k) < β !+ σ I
[0036] α 2_ σ y Ρ2 (k+1 I k) < β 2+ 〇 2
[0037] [yP1,yP2] =MnodelUw
[0038] O1, σ2
[0039] 式中Um代表待优化求解的控制变量，y \是被控变量2最优值，R +"代表进料上限， y~P1代表会导致系统故障的被控变量1边界值，Qi，Q2, P，A，R是目标项优化权重系数，控 制器优先保证权重系数大的目标项，[a i，β J，[ α 2, β 2]是被控变量1、2的质量指标区间， σ P 〇 2是软约束修正参数，调整该参数可放宽被控变量控制区间精度，从而为其他优化项 解放控制器剩余度，Mnic^1为预测模型；
[0040] 上述目标函数主要由三部分组成：其中，
是保证被控变量 区间控制的动态优化部分；
为防止系统故障的最大值罚函数；
实现设备优化运行的稳态经济优化目标：
实现进料优化， IC代表最优下料量；I Iyp2IiI Γλ实现被控量优化，yi代表被控量；
[0041] 2)求解优化控制模型：
[0042] a)将约束优化问题标准化为：
[0043] min J (X)
[0044] s. t gj(X) ^ 0, j = 1，2, · · · 8
[0045] X= [ δ j, δ 2, UM]
[0046] 将约束标准化为下式：
[0048] b)采用乘子罚函数法将约束优化问题转化为无约束优化问题：
[0050] 其中，γ,为拉格朗日乘子，N为罚因子。
[0051] c)给定初始Χ°，乘子向量yk，常数Ν，设定常数σ，ω (δ > 1，ω e (〇，1))，设定 允许误差ε > 0,令k = I ;
[0052] d)以Xk 1为初始点，采用PS0+P0WELL算法求解约束问题
[0053] e)若I 丫 k_ 丫 k 11 < ε则停止计算，得到近似极小点Xk，结束优化计算，否则转下 一步；
则令N = σ Ν，转下一步，否则直接转下一步；
返回第四步，经以上步骤，计算出约束优 化问题的近似全局最优解。
[0056] 作为优选技术方案，所述流程智能调度算法主要包括如下步骤：
[0057] 1)通过ERP/MES系统或者通过人机交互平台获取调度计划条件；
[0058] 2)通过数据挖掘和人工专家共同建立知识规则库；
[0059] 3)结合步骤1得到的调度计划条件和步骤2得到的知识规则库提供的设备优选规 则等规则来共同对调度状态空间进行搜索；
[0060] 4)通过调度状态空间搜索得到初步调度计划集；
[0061] 5)通过智能传感器层探测由步骤9的调度计划指令的执行结果，得到智能工厂所 有关键设备信息和环境信息；
[0062] 6)通过通讯网络传递步骤5获得的设备信息和环境信息至实时数据库。
[0063] 7)步骤2知识规则库提供的异常处理规则和流程调度规则等和步骤6提供的设备 状态信息和环境信息经由计划在线调整模块得到需调整计划集；
[0064] 8)结合步骤4得到的初步调度计划集和步骤7得到的需调