本发明涉及高端液压元件制造数字化车间货位分配技术领域，具体地涉及一种高端液压元件制造数字化车间存储零部件的方法及系统。
背景技术
在智能制造迅速发展的今天，传统的高端装备制造业生产车间受到极大的冲击而演变出了如今的数字化车间。
自动化仓库是高端液压元件制造数字化车间中的在不直接人工干预的情况下，能自动地存储和取出物料的系统。它是以多层货架构成，通常是将物料存放在标准的料箱或托盘内，然后由巷道式堆垛起重机对任意货位实现物料的存取操作，并利用计算机实现对物料的自动存取控制和管理。
但是，现有技术的自动化仓库的研究方向主要如何采用机械代替人力以搬运货物，但是，对于科学、有效地设计货物实际的存放方式的研究甚少。这也制约了自动化仓库技术的发展。
技术实现要素：
本发明的目的是提供一种高端液压元件制造数字化车间存储零部件的方法及系统，该方法及系统能够满足液压元件零部件数字化车间安全生产和高效作业的要求，并提高自动化仓库的存储效率。
为了实现上述目的，本发明的一方面提供一种高端液压元件制造数字化车间存储零部件的方法，用于高端液压元件制造数字化车间自动化仓库货位分配的优化，所述方法包括：
获取存储任务，所述存储任务包括所述液压元件零部件的数量和所述液压元件零部件的存储要求；
根据所述存储要求生成适应度函数；
根据预设的编码方式和约束随机生成所述液压元件零部件的初始的种群；
根据所述适应度函数分别计算所述种群的每个个体的适应度；
根据预设的代沟按照所述适应度从大到小的顺序从所述种群中筛选出预定数量个个体以形成子种群；
对所述子种群分别进行交叉、变异运算；
将所述子种群插入到所述种群中，按照所述适应度从小到大的顺序替代所述种群中预定数量个个体以生成新的所述种群；
判断生成所述种群的次数是否达到预设次数；
在判断生成所述种群的次数达到预设次数的情况下，输出所述适应度最大的个体；
在判断生成所述种群的次数未达到所述预设次数的情况下，根据所述适应度函数分别计算所述种群的每个个体的适应度直到生成所述种群的次数达到所述预设次数。
可选地，所述对所述子种群分别进行交叉、变异运算进一步包括：
对所述子种群进行取整运算。
可选地，所述对所述子种群分别进行交叉、变异运算进一步包括：
对所述子种群进行去重运算。
本发明的另一方面还提供一种高端液压元件制造数字化车间存储零部件的系统，用于高端液压元件制造数字化车间自动化仓库的管理和控制，包括：
获取任务模块，用于获取存储任务，所述存储任务包括所述液压元件零部件的数量和所述液压元件零部件的存储要求；
采集模块，用于采集液压元件零部件的种类和质量；
优化模块，分别与所述获取任务模块、所述采集模块连接，用于：
通过所述获取任务模块获取所述存储任务；
通过所述采集模块获取所述液压元件零部件的种类和数量；
根据所述存储任务、所述种类和数量生成所述液压元件零部件的货位分配方案；
控制模块，与所述优化模块连接，用于根据所述货位分配方案控制所述自动化仓库的堆垛机和有轨制导车辆将所述液压元件运输至所述自动化仓库的货架上。
可选地，所述根据所述存储任务、所述种类和数量生成所述液压元件零部件的货位分配方案包括：
根据所述存储要求生成适应度函数；
根据预设的编码方式和约束随机生成所述液压元件零部件的初始的种群；
根据所述适应度函数分别计算所述种群的每个个体的适应度；
根据预设的代沟按照所述适应度从大到小的顺序从所述种群中筛选出预定数量个个体以形成子种群；
对所述子种群分别进行交叉、变异运算；
将所述子种群插入到所述种群中，按照所述适应度从小到大的顺序替代所述种群中预定数量个个体以生成新的所述种群；
判断生成所述种群的次数是否达到预设次数；
在判断生成所述种群的次数达到预设次数的情况下，输出所述适应度最大的个体作为货位分配方案；
在判断生成所述种群的次数未达到所述预设次数的情况下，根据所述适应度函数分别计算所述种群的每个个体的适应度直到生成所述种群的次数达到所述预设次数。
可选地，所述优化模块进一步用于：
将所述子种群分别进行交叉、变异运算后，进一步对所述子种群进行取整运算。
可选地，所述优化模块进一步用于：
将所述子种群分别进行交叉、变异运算后，进一步对所述子种群进行去重运算。
通过上述技术方案，本发明提供的高端液压元件制造数字化车间存储零部件的方法采用改进的遗传算法计算液压元件零部件的货位分配方案，在满足液压元件零部件数字化车间安全生产的情况下，提高了液压元件零部件存储的安全性和作业效率；本发明提供的高端液压元件制造数字化车间存储零部件的系统采用改进的遗传算法计算液压元件零部件的货位分配方案，在满足液压元件零部件数字化车间安全生产的情况下，提高了液压元件零部件存储的安全性和作业效率。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是根据本发明的一个实施方式的高端液压元件制造数字化车间存储零部件的方法的流程图；
图2是根据本发明的一个示例的单排货架的结构示意图；
图3是根据本发明的一个示例的单排货架货位编号示意图；
图4是根据本发明的一个示例的经过该高端液压元件制造数字化车间存储零部件的方法处理过程中用于存储液压元件零部件的自动化仓库的目标函数的最优解和均值的变化跟踪图；以及
图5是根据本发明的一个实施方式的高端液压元件制造数字化车间存储零部件的系统的结构框图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如图1所示是根据本发明的一个实施方式的高端液压元件制造数字化车间存储零部件的方法的流程图。在图1中，该方法可以包括：
在步骤s10中，获取存储任务。在本发明的该实施方式中，该存储任务可以包括液压元件零部件的数量和液压元件零部件的存储要求。
在步骤s11中，根据存储要求生成适应度函数。
在步骤s12中，根据预设的编码方式和约束随机生成液压元件零部件的初始的种群。
在步骤s13中，根据适应度函数分别计算种群的每个个体的适应度。
在步骤s14中，根据预设的代沟按照适应度从大到小的顺序从种群中筛选出预定数量个个体以形成子种群。
在步骤s15中，对子种群分别进行交叉、变异运算。
在步骤s16中，将子种群插入到种群中，按照适应度从小到大的顺序替代种群中预定数量个个体以生成新的种群。
在步骤s17中，判断生成种群的次数是否达到预设次数。
在步骤s18中，在判断生成种群的次数达到预设次数的情况下，输出适应度最大的个体。
在判断生成种群的次数未达到预设次数的情况下，根据适应度函数分别计算种群的每个个体的适应度直到生成种群的次数达到预设次数。
在本发明的一个示例中，用于存储高端液压元件零部件的自动化仓库的货架可以是例如如图2所示的货架。在图2中，该货架可以包括p列q层，每个货位的高度为h，宽度为l，第一层货架距地面高度为h0。将离出库口(如图2中示出的实心圆形)最近的列设定为第1列，最底层设定为第1层，将处在第y列z层的货位坐标记为(y，z)(y＝1，2，…，p；p为该货架的列数的数量值；z＝1，2，…，q；q为该货架的层数的数量值)。
如图3所示，对货架上的每个货位进行编号。受篇幅限制，本示例中仅列出两层的货架的编号。为了便于本示例的对模型的验证过程，可以采用公式(1)和公式(2)将每个货架的编号转换为坐标形式。
y＝(i-1)％p+1(1)
其中，
在步骤s10中，存储要求可以包括：
1、提高货架的稳定性。在该示例中，由于货架的稳定性与货架的整体的中心有关(重心越低则货架的稳定性越好)，那么，可以在将该液压元件零部件放置到货架上时，遵循上轻下重的原则以使得该货架在放置液压元件零部件后整体的中心最低。在该示例中，可以采用方程(1)来表示该存储要求1的数学模型，
其中，f1(y,z)为该存储要求1的数学模型，minf1(y,z)为该存储要求1的数学模型的最小值(最优解)，kyz、myz分别为第y列z层货位上用于固定液压元件零部件的工装板或周转箱中的液压元件零部件的种类数和该货位上工装板或周转箱的质量，m和n分别为该工装板或周转箱中各个种类的液压元件零部件的质量和数量，i为该货位的编号。
2、使得货架的横向受力均匀(如图2中示出的y方向)。在放置该液压元件零部件时，可以按照例如以该货架的中线pl/2为中心左右对称分布，那么，可以采用方程(2)来表示该存储要求2的数学模型，
其中，f2(y,z)为该存储要求2的数学模型，minf2(y,z)为该存储要求2的数学模型的最小值(最优解)，kyz、myz分别为第y列z层货位上用于固定液压元件零部件的工装板或周转箱中液压元件零部件的种类数和该货位上工装板或周转箱的质量，m和n分别为该工装板或周转箱中各个种类的液压元件零部件的质量和数量，i为该货位的编号。
3、提高出库效率，使得仓库的堆垛机拣选货物的时间最短。在该示例中，可以是例如将周转率(该液压元件零部件使用或被调用的频率)高的货物(液压元件零部件)放在离出库口较近的货位上以降低该周转率高的货物的出库时间，从而提高整个出库任务的工作效率。那么，可以用方程(3)和公式(3)来表示该存储要求3的数学模型，
其中，f3(y,z)为该存储要求3的数学模型，minf3(y,z)该存储要求3的数学模型的最小值(最优解)，tyz将货位(y，z)的货物移到出库口所用的时间(这里可以忽略堆垛机启动和制动时间，vy、vz分别表示堆垛机在水平方向(y方向)和垂直方向(z方向)的移动速度。y×l表示出库该货物堆垛机需要水平移动的距离，(z-1)×h为需要垂直移动的距离)。fyz表示该货位货物的周转率(周转率可以通过统计一定时间内车间生产计划结合bom(billofmaterial，bom)物料清单获得)，fyztyz表示在一定时间周期内，将货位(y，z)的货物移动到出库口所耗的时间。
在该示例中，为了便于对上述多个模型求解，根据公式(4)将上述方程(1)、方程(2)和方程(3)去量纲(归一化)，
其中，f为存储要求的数学模型，fmin和fmax分别是存储要求的数学模型的最小值和最大值。
将上述方程(1)、方程(2)和方程(3)经过公式(4)转换后分别记为单目标函数f1’、f2’和f3’，这样三个单目标函数都可以映射到(0,1)区间内，成为无量纲函数。
在步骤s11中，，采用方程(4)表示目标函数，
minf(y,z)＝0.25f1'+0.25f2'+0.5f3'(4)
其中，f(x，y)为目标函数，minf(x，y)为目标函数的最小值(最优解)。
采用方程(5)表示适应度函数f(y，z)，
在步骤s12中，根据预设的编码方式和约束随机生成液压元件零部件的初始的种群。在该示例中，在装有液压元件零部件的工装板或周转箱的数量为40并且仓库中待选择的空货位的数量为140的情况下，可以将该40个装有液压元件零部件的工装板或周转箱用40个随机生成的1至140且不重复的整数进行编号，并生成液压元件零部件分配方案的初始种群，该种群可以包括：随机的50个不同排列顺序的个体(即装有液压元件零部件的工装板或周转箱的货位分配方案)。
在步骤s13中，根据方程(4)分别计算每个个体的适应度。
在步骤s14中，根据预设的代沟按照适应度从大到小的顺序从种群中筛选出预定数量个个体以形成子种群。在该示例中，在该代沟的取值可以为例如0.9。结合上述工装板或周转箱(每个工装板或周转箱里按照一定的组盘规则存放有一定数量和种类的液压元件零部件)的数量为40、种群中的个体的数量为50个的条件，根据代沟按照适应度从大到小的排列顺序可以从种群中可以筛选出45个个体以形成子种群。优选地，在该示例中，选择个体的方法的具体步骤可以为例如通过获得适应度向量的累加和完成随机遍历抽样的表格，被选择的个体的索引是通过比较产生的数与向量累加和来决定的，一个个体被选择的概率可以根据公式(5)计算得出：
其中，f(xi)为个体xi的适应度，nind为种群中的个体数，f(xi)是这个个体被选择的概率。
在步骤s15中，对上述筛选出的子种群分别进行交叉、变异运算。对于该交叉运算，在该示例中，可以是例如采用单点交叉的方式来完成该交叉运算。对于变异运算。在该示例中，可以选用基本位变异法，即对个体编码串中以变异概率、随机指定的某一位或某几位基因座上的值做变异运算。但是，在对该子种群进行变异运算时，需要控制每个位置变异后的数(编号)不能超过货位数，即该变异后的数就是要在[1，140]之间。优选地，还可以对该子种群进行取整运算。由于在上述预设的编码方式中，每个染色体(个体)上的每个基因(用于存放液压元件零部件的工装板或周转箱的编号)必须是一定范围内的整数(例如在1至140之间)，所以，在该示例中，可以进一步对该子种群进行取整运算，这样可以避免出现不满足条件(例如在1至140之间)的个体。更优选地，在该实施方式中，由于在上述预设的编码方式中，每个染色体(个体)上的每个基因必须是不能重复的，那么，在该示例中，可以进一步采用去重运算以循环替换掉子种群的每个个体中重复的基因，直到子种群的每个个体中的基因不同。
在步骤s16中，将经过运算(交叉、变异、取整和去重)之后的子种群按照适应度从小到大的顺序替代种群中预定数量个个体以生成新的种群。在该示例中，在步骤s14中筛选出了种群中的适应度从大到小排列的45个个体以形成子种群。在对该子种群进行运算(交叉、变异、取整和去重)之后，生成了新的子种群。在该步骤s16中，可以是例如将种群中原有的适应度从小到大排列的前45个个体删除，并将该新的子种群插入该种群中以替代被删除的45个个体。从而形成(生成)新的种群。
在步骤s17中，判断生成种群的次数是否达到预设次数。在该示例中，该预设次数可以是例如500次。
在判断生成种群的次数未达到预设次数的情况下，根据适应度函数分别计算种群的每个个体的适应度直到生成种群的次数达到预设次数。在该示例中，由于该生成种群的次数未达到预设次数(500)次，那么说明对该液压元件零部件的最佳货位分配方案仍没有计算出，所以，返回执行步骤s13至步骤s17，直到在步骤s18中，判断生成种群的次数达到预设次数。在步骤s18中，在判断生成种群的次数达到预设次数的情况下，此时说明该液压元件零部件的最佳货位分配方案已经计算出，那么可以输出适应度最大的个体。该适应度最大的个体即为该液压元件零部件的最佳货位分配方案。
如表1所示是通过matlab软件编写及运行程序得出经过上述计算过程后的最终结果(液压元件零部件货位分配方案的最优方案)和该方法处理前的货位分配方案，并进一步得出计算过程中液压元件零部件数字化车间的自动化仓库的目标函数的最优解和均值的变化跟踪图(如图4所示)。在该变化跟踪图中，虚线f(x1)表示计算过程中目标函数最优解的变化，实线f(x2)表示计算过程中目标函数均值的变化。从图4中可以看出，经过上述步骤计算后的液压元件零部件的货位分配方案可以很大程度地降低目标函数值，因此根据该计算结果可以极大地提高液压元件零部件仓库的安全性和工作效率。此外，从图4中可以看出，在生成种群的次数达到350次后目标函数的最优解和均值的变化开始趋于稳定并在500次后最终收敛于一个值，因此可以认为这个值就是目标函数最优值，该值对应的货位分配方案就是最优解集。
表1
本发明的另一方面还提供一种高端液压元件制造数字化车间存储零部件的系统，用于高端液压元件制造数字化车间自动化仓库的管理和控制。如图2所示，该系统可以包括：获取任务模块01、采集模块02、优化模块03和控制模块04。
获取任务模块01用于获取存储任务，该存储任务可以是包括(高端)液压元件零部件的数量和液压元件零部件的存储要求。该获取任务模块01可以是包括但不限于无线数据接收装置、手动输入装置等。
采集模块02可以用于采集液压元件零部件的种类和数量。在本发明的该实施方式中，该采集模块02可以通过采集贮存液压元件零部件的周装箱或工装板的种类和质量来进一步采集该液压元件零部件的种类和数量。该采集模块02可以是例如电子计重器。在本发明的一个示例中，也可以是例如将液压元件零部件分类放置到周装箱或工装板中，并检测每个贮存液压元件零部件的周装箱和工装板的质量(包括液压元件零部件的质量)。
优化模块03分别与该获取任务模块01、采集模块02连接，用于根据该获取任务模块01获取的存储任务、该采集模块02采集的液压元件种类的数量和质量来进一步计算将该液压元件零部件放置到自动化仓库的货架上的货位分配方案。优选地，该优化模块03还可以根据上述所述的方法来计算将该液压元件零部件(周装箱或工装板)放置到货架上的最佳货位分配方案。
控制模块04可以与优化模块03连接，用于根据该优化模块03计算出的货位分配方案控制该自动化仓库的搬运机构将该液压元件零部件放置到货架上。在本发明的一个示例中，该搬运机构可以是包括但不限于堆垛机、有轨制导车辆(railguidedvehicle，rgv)等本领域技术人员所知的搬运机构。
此外，上述优化模块03和控制模块04均可以为处理器，两者的功能可以采用两个独立的处理器来实现，也可以采用一个处理器来实现。更进一步地，该处理器可以例如为通用处理器、专用处理器、常规处理器、数字信号处理器(dsp)、多个微处理器、与dsp核心相关联的一个或多个微处理器、控制器、微控制器、专用集成电路(asic)、现场可编程门阵列(fpga)电路、任何其它类型的集成电路(ic)、状态机等。
通过上述技术方案，本发明提供的高端液压元件制造数字化车间存储零部件的方法及系统采用改进的遗传算法计算液压元件零部件的货位分配方案，在满足液压元件零部件安全加工原则的同时，提高了液压元件零部件存储的安全性和作业效率。
以上结合附图详细描述了本发明的可选实施方式，但是，本发明并不限于上述可选实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施方式对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施方式的思想，其同样应当视为本发明实施方式所公开的内容。