黃 琦，劉麗蘭，王 森，周 維

（1.上海大學 上海市智能制造及機器人重點實驗室，上海 200072；2.上海寶信軟件股份有限公司，上海 201900）

基于動態(tài)數(shù)據(jù)驅(qū)動的鋼鐵生產(chǎn)仿真系統(tǒng)研究

黃 琦1，劉麗蘭1，王 森2，周 維2

（1.上海大學 上海市智能制造及機器人重點實驗室，上海 200072；2.上海寶信軟件股份有限公司，上海 201900）

鋼鐵生產(chǎn)過程工藝復雜、不確定成分多。當擾動事件發(fā)生時，傳統(tǒng)靜態(tài)仿真系統(tǒng)無法做到實時動態(tài)地數(shù)據(jù)注入，從而影響調(diào)度方案的制定。為了解決不確定事件擾動下的鋼鐵生產(chǎn)調(diào)度問題，基于動態(tài)數(shù)據(jù)驅(qū)動應用系統(tǒng)思想，提出了動態(tài)數(shù)據(jù)驅(qū)動的鋼鐵生產(chǎn)調(diào)度仿真方法，采取多Agent技術建立了鋼鐵生產(chǎn)仿真系統(tǒng)模型，并詳細論述了系統(tǒng)的框架結構、功能和運行機制，對鋼鐵生產(chǎn)調(diào)度問題的深度研究具有一定的指導意義。

動態(tài)數(shù)據(jù)驅(qū)動；鋼鐵生產(chǎn)；多Agent；生產(chǎn)調(diào)度

0　引言

鋼鐵生產(chǎn)過程是一個兼具離散性和連續(xù)性的生產(chǎn)過程，其復雜多變和不確定等特征使得開發(fā)相關的仿真系統(tǒng)變得異常困難。目前，國外鋼鐵企業(yè)多數(shù)已經(jīng)完成了單工序、靜態(tài)仿真系統(tǒng)的研發(fā)，并已面向整個鋼鐵生產(chǎn)過程著手于數(shù)據(jù)驅(qū)動的仿真系統(tǒng)研究，取得一些成果。但國內(nèi)鋼鐵行業(yè)在數(shù)據(jù)驅(qū)動仿真上還只是起步階段，目前多數(shù)仿真系統(tǒng)還無法做到數(shù)據(jù)信息的實時動態(tài)注入、分析與決策。

鋼鐵生產(chǎn)過程是一個多約束的復雜工藝過程，各種突發(fā)的擾動事件對生產(chǎn)計劃的編排影響巨大[1]。為了解決上述問題，文中先是對鋼鐵生產(chǎn)過程當中可能出現(xiàn)的擾動事件進行了分析，進而闡述動態(tài)數(shù)據(jù)驅(qū)動應用系統(tǒng)（Dynamic Data Driven Application System，DDDAS）的概念及其基本框架結構，然后基于DDDAS的思想并結合多Agent技術建立了鋼鐵生產(chǎn)仿真調(diào)度模型，最后對其功能、結構以及運行機制進行了理論剖析。

1　鋼鐵生產(chǎn)擾動事件分析

鋼鐵生產(chǎn)過程物流量大、工藝繁瑣，典型工序包含高爐煉鐵、轉爐煉鋼、精煉鋼、連鑄、熱軋等。而每道工序涉及到的設備少則幾臺，多則幾十臺。各工序的約束條件和工藝目標也不盡相同。因此，在現(xiàn)實生產(chǎn)環(huán)境中存在很多隨機的和不確定的因素。各種突發(fā)的擾動事件會對生產(chǎn)線的正常運行產(chǎn)生不利影響，使得原始設定的調(diào)度方案失效，進而影響生產(chǎn)系統(tǒng)的運作。根據(jù)擾動事件的發(fā)生條件，將其分為外部環(huán)境擾動及內(nèi)部環(huán)境擾動兩類，如表1所示。

表1　鋼鐵生產(chǎn)擾動事件

2　DDDAS概述及其框架結構

2.1DDDAS概述

上世紀80年代初期，F(xiàn)rederica Darama在做石油開采的輻射傳播計算時萌發(fā)了DDDAS的思想[2～4]。其基本思想是將實際系統(tǒng)與仿真系統(tǒng)結合起來，在仿真系統(tǒng)運行過程當中，仿真系統(tǒng)能夠動態(tài)地從實際系統(tǒng)接收新的數(shù)據(jù)，經(jīng)處理后作出響應并反饋給實際系統(tǒng)，通過對數(shù)據(jù)的雙向反復處理，使得仿真結果更為準確、可靠。從而讓兩者組成了一個彼此協(xié)作、相互作用的動態(tài)反饋控制系統(tǒng)。

DDDAS的動態(tài)性主要表現(xiàn)為以下三點[5]：

1）基于實時仿真結果，系統(tǒng)可以動態(tài)調(diào)整仿真模型參數(shù)，進而控制實際系統(tǒng)和對數(shù)據(jù)信息進行有選擇性的采集。

2）基于實際數(shù)據(jù)與仿真結果的差異對比，系統(tǒng)可以動態(tài)地調(diào)整仿真模型，進而控制實際系統(tǒng)和對數(shù)據(jù)信息進行有選擇性的采集。

3）基于專家的分析評價，由專家選擇仿真模型，系統(tǒng)能夠自適應地控制實際系統(tǒng)和對數(shù)據(jù)信息進行有選擇性的采集。

DDDAS的提出可以很好的彌補原有模型的不足，同時也大大減少了仿真運行的時間。因此，美國國家自然科學基金會（NSF）在第一次DDDAS會議報告中就指出，DDDAS將開創(chuàng)一個有著高度潛在功能的全新仿真領域，以其構建出的新型且具有增強功能的應用系統(tǒng)，能夠轉變工程和科學研究領域的工作方式，對眾多領域產(chǎn)生空前的影響。

2.2DDDAS框架結構

鋼鐵生產(chǎn)流程既連續(xù)又離散的特征決定了其不確定因素多的特點，所以當各種擾動事件產(chǎn)生時，原始生產(chǎn)調(diào)度計劃很難做到快速修正?；谏闲」?jié)DDDAS的基本原理，將DDDAS的思想用于解決鋼鐵生產(chǎn)調(diào)度問題，得出DDDAS系統(tǒng)架構如圖1所示。

圖1　動態(tài)數(shù)據(jù)驅(qū)動系統(tǒng)架構圖

系統(tǒng)主要由模型庫、數(shù)據(jù)采集模塊、人機交互模塊、模型運行與控制模塊組成，各模塊功能如下：

1）模型庫：儲存并管理鋼鐵調(diào)度模型，通過模型運行與控制模塊的評價分析結果相應地調(diào)用庫中相匹配的模型，并對修正后的模型和信息進行管理。

2）數(shù)據(jù)采集模塊：多渠道獲取數(shù)據(jù)，并加以整合。根據(jù)模型控制要求，解析為符合要求的數(shù)據(jù)格式。

3）人機交互模塊：顯示鋼鐵調(diào)度仿真結果。支持用戶對調(diào)度方案進行調(diào)整，亦可對模型控制模塊和數(shù)據(jù)采集模塊進行選擇性修正。

4）模型運行與控制模塊：調(diào)用模型庫中的模型并以此控制仿真的運行，對仿真模型的運行結果進行分析評價，動態(tài)修正模型參數(shù)，形成知識存儲于模型庫中。分析注入的精度驗證數(shù)據(jù)與仿真數(shù)據(jù)的差異，調(diào)整模型并控制數(shù)據(jù)采集。

3　基于多Agent和數(shù)據(jù)驅(qū)動的鋼鐵生產(chǎn)線調(diào)度模型

3.1仿真系統(tǒng)總體框架

根據(jù)動態(tài)數(shù)據(jù)驅(qū)動的鋼鐵生產(chǎn)仿真系統(tǒng)的結構特點，將仿真系統(tǒng)設計為動態(tài)數(shù)據(jù)注入模塊、仿真驅(qū)動與控制模塊、仿真輸出模塊和人機交互模塊四個層次，總體框架如圖2所示。

3.2系統(tǒng)模塊結構及其功能

采用多Agent技術實現(xiàn)對鋼鐵生產(chǎn)仿真系統(tǒng)的建模?；诙郃gent技術的仿真可以作為實際系統(tǒng)的預測器，能夠分析生產(chǎn)過程中的異常情況并提供決策支持，從而有效地制定最優(yōu)化的生產(chǎn)調(diào)度計劃[6]。該仿真系統(tǒng)的各個模塊由各自獨立又相互聯(lián)系的Agent單元組成，系統(tǒng)各個模塊的具體結構及功能如下：

1）動態(tài)數(shù)據(jù)注入模塊

仿真系統(tǒng)動態(tài)接收數(shù)據(jù)并對該數(shù)據(jù)進行處理后做出響應是動態(tài)數(shù)據(jù)驅(qū)動系統(tǒng)的核心思想，它是DDDAS區(qū)別于傳統(tǒng)仿真的主要特點和優(yōu)勢[7]。首先，該模塊中的數(shù)據(jù)采集Agent獲取決策優(yōu)化Agent的分析結果信息，送至數(shù)據(jù)處理Agent進行處理。之后，該模塊中的調(diào)度協(xié)同Agent基于數(shù)據(jù)信息處理結果及生產(chǎn)實際情況進行作業(yè)計劃的調(diào)整，在制定和調(diào)整作業(yè)計劃的過程中，設定相應的約束條件和優(yōu)化目標。隨后將更新的作業(yè)計劃下達給模型初始化子系統(tǒng)完成調(diào)度模型的更新。

2）仿真驅(qū)動與控制模塊

該模塊是基于DDDAS仿真的核心模塊，分為仿真子模塊和仿真控制子模塊兩個層次。

仿真控制子模塊中每個Agent接收上級調(diào)度環(huán)境狀態(tài)信息和其他Agent傳來的信息，在某些規(guī)則下，在知識庫里選擇合適的調(diào)度規(guī)則，對調(diào)度模型進行分析。其中，調(diào)度因素分析Agent接收上層的實時生產(chǎn)線數(shù)據(jù)，分析仿真數(shù)據(jù)和實際數(shù)據(jù)的差異，如參考值比允許的閾值大，則由推理機進行判斷，之后將判斷結果傳遞給決策優(yōu)化管理Agent。決策優(yōu)化Agent和推理機共同完成模型和算法的調(diào)整，根據(jù)相應的推理規(guī)則，返回最優(yōu)化的調(diào)度方案。

圖2　基于DDDAS的鋼鐵生產(chǎn)仿真系統(tǒng)框架圖

模塊中的仿真子模塊可細分為調(diào)度生成單元、調(diào)度調(diào)整單元和仿真運算單元三個層次。調(diào)度生成單元采用智能蟻群算法進行全局尋優(yōu)，求得一個初始調(diào)度方案。但該算法有其突出的缺點，搜索初期積累信息素花費時間較長，且易陷于局部最優(yōu)解[8]。調(diào)度調(diào)整單元則對調(diào)度生成單元產(chǎn)生的初始調(diào)度方案進行調(diào)整，分析和驗證其可行性。該單元主要依賴于啟發(fā)式算法完成調(diào)度方案的修改，它能夠在較短的時間內(nèi)更新調(diào)度方案，并且精確地描述模型和改善局部解，彌補智能蟻群算法的不足。仿真運算單元則主要完成鋼鐵生產(chǎn)線建模以及調(diào)度方案的仿真。當系統(tǒng)運行時，調(diào)度模型能夠基于生產(chǎn)線的實際情況進行動態(tài)修正，然后對調(diào)度方案進行仿真分析，生成的仿真分析評價數(shù)據(jù)信息則作為判斷依據(jù)實時傳遞給調(diào)度調(diào)整單元，從而形成一個完整的動態(tài)反饋的過程。

3）仿真輸出模塊

仿真輸出模塊主要負責將仿真驅(qū)動與控制模塊的分析結果錄入結果數(shù)據(jù)庫。該數(shù)據(jù)庫主要存放調(diào)度過程中的數(shù)據(jù)信息并加以統(tǒng)計分析，之后以動態(tài)圖的形式進行結果表達，傳遞信息給用戶界面交互Agent，為用戶提供參考依據(jù)。

4）人機交互模塊

人機交互模塊負責將仿真結果與決策評價信息以可視化的形式展示給用戶。仿真運行過程當中，用戶也可以實時查看各仿真模塊的運作情況，及時發(fā)現(xiàn)瓶頸因素，針對模型的不足之處對其相關參數(shù)進行選擇性修正，指導整個仿真過程。

3.3仿真系統(tǒng)運行機制

UML（Unified Modeling Language，統(tǒng)一建模語言）是一種直觀、明確的軟件系統(tǒng)產(chǎn)物的通用可視化語言[9]。UML序列圖能夠清晰地表達類與類之間的方法調(diào)用（或消息發(fā)送）的實現(xiàn)過程，也可以展現(xiàn)用例圖中各功能的實現(xiàn)方案[10]。針對鋼鐵生產(chǎn)調(diào)度工藝復雜及不確定因素多的特點，利用UML序列圖對本仿真系統(tǒng)進行分析，如圖3所示。

從圖3可以看出，當仿真調(diào)度系統(tǒng)運行時，其對象間的協(xié)作關系為：

1）數(shù)據(jù)采集Agent先基于一定的時鐘節(jié)拍從生產(chǎn)線上采集生產(chǎn)數(shù)據(jù)，對比該數(shù)據(jù)與仿真數(shù)據(jù)的差異，調(diào)度因素分析Agent分析兩類數(shù)據(jù)的比較結果，如若參數(shù)值小于閾值，則等待下個時鐘重新采集數(shù)據(jù)；若參數(shù)值大于閾值，則將模型數(shù)據(jù)傳遞給推理機進行分析處理，之后再傳遞給決策優(yōu)化Agent，根據(jù)有關規(guī)則調(diào)整模型參數(shù)。

2）決策優(yōu)化Agent采用智能搜索算法：智能蟻群算法和啟發(fā)式算法。蟻群算法對任何可行的調(diào)度方案進行全局尋優(yōu)，鑒于該算法易陷入局部最優(yōu)解的不足，再使用啟發(fā)式規(guī)則對尋得的調(diào)度方案進行調(diào)整修正，從而以最短的時間求得新的決策方案。通過對各種方案循環(huán)往復的仿真驗證、對比分析，最終得出最優(yōu)的決策方案。

圖3　仿真系統(tǒng)運行機制

3）決策優(yōu)化Agent根據(jù)仿真結果判斷調(diào)度模型是否滿足優(yōu)化條件。若不滿足，則更新決策優(yōu)化模型，進行下一輪仿真；否則返回決策方案。

可以看出，該系統(tǒng)可以動態(tài)地從實際系統(tǒng)接收數(shù)據(jù)，應用相關智能搜索算法對數(shù)據(jù)信息進行反復地優(yōu)化和仿真分析，并且實時反饋最優(yōu)決策方案，這種循環(huán)往復的過程大大提高了仿真的準確性和時效性，同時也擴展了仿真系統(tǒng)的應用能力。

4　結束語

鋼鐵生產(chǎn)過程工藝繁瑣、隨機性強。當擾動事件發(fā)生時，容易導致傳統(tǒng)靜態(tài)仿真系統(tǒng)調(diào)度方案失效，不利于生產(chǎn)計劃的編制?；谝陨峡紤]，本文基于DDDAS的思想，采用多Agent技術并結合智能搜索算法建立了一種鋼鐵生產(chǎn)線仿真調(diào)度系統(tǒng)，該系統(tǒng)能夠很好地提高仿真的準確性與實時性，為鋼鐵生產(chǎn)調(diào)度問題提供了一套優(yōu)化的解決方法和思路。

[1] 彭杰.基于改進遺傳算法煉鋼—連鑄生產(chǎn)作業(yè)計劃編制的研究[D].重慶大學,2013.

[2] Darema F.Dynamic data driven applications systems：New capabilities for application simulations and measurements[M]. Computational Science-ICCS 2005.Springer Berlin Heidelberg, 2005：610-615.

[3] Darema F.Dynamic data driven applications systems：A new paradigm for application simulations and measurements[M]. Computational Science-ICCS 2004. Springer Berlin Heidelberg, 2004：662-669.

[4] Darema F.Dynamic data driven application systems[J].Internet Process Coordination,2002：149.

[5] 朱林,方勝良,吳付祥,顧有林,等.基于動態(tài)數(shù)據(jù)驅(qū)動的電子戰(zhàn)仿真系統(tǒng)[J].電子信息對抗技術,2013,28(2)：52-57.

[6] 趙業(yè)清.基于多Agent的鋼鐵生產(chǎn)復雜物流系統(tǒng)建模與仿真研究[D].昆明理工大學,2011.

[7] 周云.面向?qū)崟r作戰(zhàn)決策支持的動態(tài)數(shù)據(jù)驅(qū)動仿真理論和方法研究[D].長沙：國防科學技術大學,2010.

[8] 蘇兆品,蔣建國,梁昌勇,張國富,夏娜,等.蟻群算法的幾乎處處強收斂性分析[J].電子學報,2009,37(8)：1646-1650.

[9] Cockburn A.Writing effective use cases[J].Preparation for Addison-Wesley Longman,1999.

[10] 蔣勝龍,鄭忠,高小強,何臘梅,等.基于UML的煉鋼物流仿真系統(tǒng)分析與設計[J].系統(tǒng)仿真學報,2007,19(16)：3676-3679,3733.

Research of steel production simulation system based on DDDAS

HUANG Qi1, LIU Li-lan1, WANG Sen2, ZHOU Wei2

TP391.9

A

1009-0134(2016)07-0014-04

2016-04-05

“十二五”國家科技支撐計劃資助項目（2015BAF22B01）

黃琦（1992 -），男，湖北人，碩士研究生，研究方向為鋼鐵生產(chǎn)調(diào)度及系統(tǒng)仿真技術。