论文摘要
AVS/RS系统是未来自动化立体仓库发展的趋势,目前对于它的研究还处于概念模型设计阶段。为了进一步推广AVS/RS的实际应用,研究其运行过程动态特性和控制模式是非常必要的。本文以单轨道双向运行的自动小车存取系统（AVS/RS）为研究对象,提出了基于Petri网构建AVS/RS动态模型的方法,并在此基础上研究了环路死锁的控制策略及无死锁运行优化。主要工作如下:提出了双重着色概念,解决建模过程中模型简化和系统动态特性双重需要,并利用该思想进一步提出了构建AVS/RS系统双重着色动态赋时Petri网（DCDT-PN）模型方法;分析了AVS/RS系统RGV小车和升降机等活动资源的行为,引入模块化思想构建了AVS/RS整体DCDT—PN模型。然后结合有向图工具,以一类采用可双向运行的RGV、单一轨道的AVS/RS为研究对象,阐述了RGVs路径死锁的原因一环路死锁,给出了系统环路无死锁的条件,并提出了可靠的无环路死锁的控制策略,从而解决了严格死锁问题。指出了死锁控制过程进一步优化的必要性,建立了AVS/RS死锁控制的三种情况的数学模型:升降机接货模型（LO-Model）、同一层死锁模型（OLDO-Model）和混合无死锁路径优化模型（BDO-Model）。提出了使用不可行度处理约束条件的方法,设计了启发式均匀算术交叉算子,给出了三个典型OLDO-Model的构建过程,并对基于惩罚函数法、可行域法和启发式均匀算子法的OLDO-Model进行验证,实验结果表明,基于启发式均匀算子的遗传算法具有更快的收敛速度。针对LO-Model这样的非线性约束条件的多目标TSP优化问题,提出了基于遗传算法求解LO-Model的方法和相关算子,比较了LO-Model中以升降机接送时间、小车等待时间以及它们加权和后的结果;引入多目标遗传算法NSGA-Ⅱ,使用不可行度处理约束条件,并把不可行度加入快速排序计算中,给出了算法流程,实验证明是有效的。指出BDO-Model属于组合优化和整数规划的混杂模型,设计了双色编码方案表示决策变量,通过线性加权目标和,把BDO-Model问题转变为单目标优化问题,并利用改进交叉和变异算子后的遗传算法进行求解,通过与常用遗传算法的实验结果对比分析,证明是有效的。在对NSGA-Ⅱ算法分析的基础上,提出了NonF-HNSGA-Ⅱ算法。在NonF-HNSGA-Ⅱ算法中,引用两个针对目标的不可行度处理BDO-Model非线性约束条件,并把它们引入到个体等级计算中;提出了启发式交叉算子,根据个体的不可行度和优劣程度,选择BDO-Model子模型交叉操作,并把该思想引入到变异算子中,提出启发式变异算子;改进了种群重组和精英选择策略,防止算法收敛于不可性域。通过仿真实验,说明了NonF-HNSGA-Ⅱ比NSGA-Ⅱ具有更好的收敛速度,在短时间内能找到较好的Pareto解集。
论文目录
摘要Abstract第一章 绪论1.1 引言1.2 自动小车存取系统及其相关系统的研究现状综述1.2.1 自动化立体仓库的建模1.2.2 死锁控制1.2.3 AVS/RS其它相关方面的研究现状1.3 本文的主要研究内容第二章 双重着色动态赋时Petri网构建AVS/RS系统模型2.1 前言2.2 双重着色动态赋时Petri网（DCDT-PN）模型的方法2.3 AVS/RS系统行为分析2.4 应用DCDT-PN构建AVS/RS的模块化模型2.4.1 应用DCDT-PN构建货物任务进入系统的行为模型2.4.2 应用DCDT-PN构建装载行为模型2.4.3 应用DCDT-PN构建卸载行为模型2.4.4 应用DCDT-PN构建输送行为模型2.4.5 应用DCDT-PN构建离开系统的行为模型2.4.6 应用DCDT-PN构建指定行为模型2.5 AVS/RS系统的DCDT-PN模型2.6 AVS/RS系统模型的可行性分析2.6.1 入库过程的可行性分析2.6.2 出库过程的可行性分析2.7 本章小结第三章 基于有向图和PN的AVS/RS系统环路死锁控制3.1 问题的描述及其研究现状分析3.2 示例说明3.3 死锁控制3.3.1 RGVs死锁条件与路径图3.3.2 RGVs的死锁避免控制策略3.3.4 示例分析3.3.5 RGVs临界状态控制策略3.3.6 死锁控制算法3.4 本章小结第四章 AVS/RS系统无死锁控制的建模4.1 问题的描述4.2 无死锁优化模型构建要素4.2.1 整体框架结构图4.2.2 环路识别流程4.2.3 环路和环路链的标示4.2.4 环路（链）上输入库所达到时间的计算4.2.5 环路（链）上输入库所达到时间算法的改进4.2.6 无死锁控制的其它标示4.3 OLDO-Model模型4.4 升降机接货的数学模型LO-Model4.5 BDO-Model混合无死锁路径模型4.6 模型求解方法4.7 本章小结第五章 基于改进遗传算法的OLDO模型优化5.1 问题的描述5.2 基于遗传算法的整数规划背景介绍5.2.1 整数规划的研究现状5.2.2 遗传算法基本知识5.2.3 约束条件的处理5.3 OLDO-Model无死锁优化控制的数学模型示例5.4 基于惩罚函数法的OLDO-Model的遗传算法优化5.4.1 整数的处理5.4.2 编码规则5.4.3 约束条件处理和适应度函数的确定5.4.4 变异算子5.4.5 种群的多样性5.4.6 选择和交叉算子5.4.7 实验结果和分析5.5 基于可行域约束的OLDO-Model的遗传算法优化5.5.1 约束条件的处理和适应度函数确定5.5.2 选择算子5.5.3 均匀算术交叉算子5.5.4 非一致变异算子5.5.5 启发式交叉和变异率5.5.6 种群重组5.5.7 算法步骤5.5.8 实验结果和分析5.6 基于启发式均匀交叉算子的OLDO-Model的遗传算法优化5.6.1 启发式均匀交叉算子5.6.2 实验结果和分析5.7 本章小结第六章 基于遗传算法的LO-Model优化控制6.1 问题的描述6.2 自动化立体仓库接货过程优化的研究现状6.3 基于遗传算法的线性加权目标和求解LO-Model6.3.1 染色体的表达6.3.2 初始种群6.3.3 适应度函数6.3.4 约束条件的处理6.3.5 选择算子和精英保留策略6.3.5 交叉算子6.3.5 变异算子6.3.6 基于遗传算法的LO-Model优化示例6.4 多目标遗传算法在LO-Model中的应用6.4.1 NSGA-Ⅱ算法概述6.4.2 改进的NSGA-Ⅱ算法及其在LO-Model中的应用6.5 本章小结第七章 基于多目标遗传算法的BDO-Model优化控制7.1 多目标优化问题7.1.1 多目标优化问题7.1.2 多目标遗传算法7.2 BDO-Model模型示例7.3 线性加权和处理多目标的BDO模型优化7.3.1 编码方式7.3.2 初始种群7.3.3 适应度函数设计与计算7.3.4 选择算子7.3.5 交叉算子7.3.6 变异算子7.3.7 约束条件的处理7.3.8 算法的改进7.4 基于改进多目标遗传算法的BDO模型的优化7.4.1 约束条件的处理7.4.2 改进的快速排序和拥挤度计算7.4.3 启发式交叉算子7.4.4 变异算子7.4.5 种群重组选择和保留精英策略7.4.6 算法流程7.4.7 改进的NSGA-Ⅱ算法在BDO模型优化中的应用7.5 本章小结第八章 总结和展望8.1 本文工作总结和主要创新点8.2 未来工作展望[参考文献]致谢攻读博士学位期间撰写和发表的论文攻读博士学位期间参加的课题
相关论文文献
标签：死锁控制论文; 遗传算法论文;
