魏佳 劉艷超 劉西堯

摘要：為了提高卷煙生產(chǎn)排程集成控制能力，提出基于APS的卷煙生產(chǎn)排程集成優(yōu)化方法。基于APS構建多數(shù)學模型，以分析卷煙生產(chǎn)排程的優(yōu)化模式。利用Lyapunov函數(shù)使該卷煙生產(chǎn)排程的生產(chǎn)線系統(tǒng)處于平衡狀態(tài)，并卷煙生產(chǎn)的約束參量模型，根據(jù)約束參量模型得到多?？刂茽顟B(tài)方程。通過分析卷煙的控制狀態(tài)，完成集成控制的參量穩(wěn)態(tài)調(diào)節(jié)，實現(xiàn)卷煙生產(chǎn)排程集成優(yōu)化。仿真結果表明，采用該方法進行卷煙生產(chǎn)排程集成優(yōu)化控制的自適應性較好，穩(wěn)態(tài)控制能力較強，具有很好的卷煙生產(chǎn)排程集成控制和流程管控能力。

關鍵詞：APS;卷煙生產(chǎn);排程;集成;控制

中圖分類號：TP273

文獻標志碼：A

ResearchonIntegratedOptimizationoftheProductionScheduleoftheCigaretteBasedonAPS

WEIJia，LIUYanchao，LIUXiyao

（WuhanCigaretteFactory，ChinaTobaccoHubeiIndustrialCo，Ltd.，Wuhan430040，China）

Abstract：Inordertoimprovetheintegratedcontrolabilityofcigaretteproductionscheduling，anintegratedoptimizationmethodofcigaretteproductionschedulingbasedonAPSisproposed.BasedonAPS，amultimathematicalmodelisconstructedtoanalyzetheoptimizationmodeofcigaretteproductionscheduling.ALyapunovfunctionisusedtomaketheproductionlinesystemofcigaretteproductionscheduleinequilibriumstate，andtheconstraintparametermodelofcigaretteproductionisusedtoobtainthemultimodecontrolstateequationaccordingtotheconstraintparametermodel.Byanalyzingthecontrolstateofcigarette，thesteadystateadjustmentofintegratedcontrolparametersiscompleted，andtheintegratedoptimizationofcigaretteproductionschedulingisrealized.Thesimulationresultsshowthatthemethodisadaptivetotheintegratedoptimalcontrolofcigaretteproductionscheduling.Ithasgoodperformance，strongsteadystatecontrolability，goodcigaretteproductionscheduling，andhascontrolandprocesscontrolability.

Keywords：APS;cigaretteproduction;scheduling;integration;control

0引言

為滿足卷煙市場需求，小批量柔性生產(chǎn)已逐漸代替剛性生產(chǎn)模式，但柔性模式下卷煙生產(chǎn)車間排程難度增大，為提高卷煙生產(chǎn)水平，急需優(yōu)化生產(chǎn)排程。針對該問題已有部分處理方法，如關聯(lián)規(guī)則調(diào)度法、統(tǒng)計特征分析法、模糊控制方法等。排程問題引起了業(yè)界內(nèi)的重視，排程問題的核心思想是是要優(yōu)化生產(chǎn)系統(tǒng)全局性的調(diào)度，從而提高生產(chǎn)線的生產(chǎn)效率及輸出，最終實現(xiàn)卷煙生產(chǎn)的全局最優(yōu)。研究卷煙生產(chǎn)排程集成優(yōu)化方法，在促進卷煙生產(chǎn)質量優(yōu)化中具有重要意義[1]。

基于關聯(lián)規(guī)則調(diào)度的卷煙生產(chǎn)排程集成控制，采用模糊關聯(lián)規(guī)則調(diào)度方法，進行卷煙生產(chǎn)排程集成調(diào)度?；诮y(tǒng)計特征分析的卷煙生產(chǎn)排程集成方法，采用大數(shù)據(jù)信息融合方法進行卷煙生產(chǎn)排程集成控制，但該方法進行卷煙生產(chǎn)排程集成的模糊度較大?；谀：刂品椒ǖ木頍熒a(chǎn)排程集成控制，結合粒子群進化尋優(yōu)方法，進行卷煙生產(chǎn)排程集成控制[23]，構建卷煙生產(chǎn)排程集成的模糊控制約束參量模型，采用專家補償方法進行卷煙生產(chǎn)排程控制優(yōu)化，但上述方法進行卷煙生產(chǎn)排程集成控制的穩(wěn)態(tài)控制能力較差[4]。

針對上述問題，本文提出基于APS的卷煙生產(chǎn)排程集成優(yōu)化方法。APS是利用各種數(shù)學模型、模擬仿真技術對生產(chǎn)作業(yè)運行狀態(tài)進行優(yōu)化的一種排產(chǎn)工具和計劃[5]。它不僅支持人機交互的模式參與生產(chǎn)排序，還能夠根據(jù)生產(chǎn)狀況制定合理的排產(chǎn)計劃，以提高生產(chǎn)排程集成控制和流程管控能力。本文方法將通過建立卷煙生產(chǎn)的排程集成優(yōu)化模型，進行卷煙生產(chǎn)的流水線優(yōu)化控制，根據(jù)卷煙生產(chǎn)智能數(shù)據(jù)信息處理結果，進行排程集成優(yōu)化控制，提高排程集成優(yōu)化控制能力[6]。在卷煙生產(chǎn)的排程集成優(yōu)化模型設計中，需要結合模糊控制律進行排程集成優(yōu)化約束參量分析，建立卷煙生產(chǎn)排程集成優(yōu)化約束參量模型，采用大數(shù)據(jù)信息融合調(diào)度技術，進行卷煙生產(chǎn)排程集成優(yōu)化設計，提高卷煙生產(chǎn)排程集成控制的自適應性，最終實現(xiàn)基于APS的卷煙生產(chǎn)排程集成優(yōu)化。經(jīng)仿真實驗結果證明，本文方法具有較好的魯棒性。

1卷煙生產(chǎn)排程集成控制的約束參量分析和控制狀態(tài)

1.1約束參量分析

為實現(xiàn)卷煙生產(chǎn)排程集成優(yōu)化控制，需構建卷煙生產(chǎn)排程集成控制的約束參量模型[7]。通過多參量約束方法分析卷煙生產(chǎn)排程集成控制過程中的擾動因素，構建卷煙生產(chǎn)排程集成的線性擾動方程如式（1）。

mV=P（α-δφ）Fgr

（1）

式中，P表示參數(shù)給料精度;α表示不同生產(chǎn)線上的卷煙總給料量;δφ表示可用物料量;Fgr表示工作站數(shù)量。初始化卷煙生產(chǎn)排程集成控制的擾動參數(shù)。采用模糊擾動聚類分析方法，進行卷煙生產(chǎn)排程集成控制的狀態(tài)特征分析，得到狀態(tài)特征方程如式（2）。

Vm=mv×（-2Km/R）+Km

（2）

式中，Km表示生產(chǎn)線節(jié)拍;R表示卷煙生產(chǎn)線效率。根據(jù)特征分析方程計算卷煙生產(chǎn)排程集成的耦合特征量，采用協(xié)同Kalman融合方法獲取卷煙生產(chǎn)排程集成控制的耦合特征量，從而得到卷煙生產(chǎn)排程函數(shù)如式（3）、式（4）。

Pv=Vm（fθ+gθu（t））

（3）

f（P）=Pvu（t）gθ+dθ（t）

（4）

其中，式（3）為生產(chǎn)控制的耦合特征量，式（4）表示卷煙生產(chǎn)排程函數(shù)。fθ、gθ分別表示相關性模糊檢測特征量;u（t）表示卷煙設備利用率;dθ（t）表示生產(chǎn)線工序負荷。通過上述計算獲取卷煙生產(chǎn)過程中所涉及參數(shù)及其排程函數(shù)，利用該函數(shù)獲取卷煙生產(chǎn)排程集成控制的約束參量模型，則約束參量模型的表達式如式（5）。

Mh=f（p）·VsN

（5）

其中：

N=aij+Fgr

Vs=12S2（t）

式中，Vs表示Lyapunov函數(shù)，通過該函數(shù)可使該生產(chǎn)線系統(tǒng)處于平衡狀態(tài)，以確保卷煙生產(chǎn)的約束參量模型處于漸近穩(wěn)定狀態(tài)。結合卷煙生產(chǎn)排程集成控制約束參量模型，進行模糊指向性調(diào)度，構建卷煙生產(chǎn)排程集成控制模型，提高卷煙生產(chǎn)排程控制能力。

1.2多?？刂茽顟B(tài)

通過上述完成卷煙生產(chǎn)排程集成控制約束參量模型的構建，設計多目標約束的卷煙生產(chǎn)排程集成控制參數(shù)辨識模型，得到參數(shù)辨識結果如式（6）。

T=12VMRXR

（6）

采用微分方程數(shù)值分析進行卷煙生產(chǎn)排程集成融合處理，在高維C空間中構建卷煙生產(chǎn)排程的多約束規(guī)劃問題，建立卷煙生產(chǎn)排程函數(shù)的相關性檢測統(tǒng)計特征量如式（7）。

fY=1yσ2πe-（lny-μ）22σ2

（7）

式中，e表示卷煙生產(chǎn)排程約束條件。根據(jù)約束參量模型，建立卷煙生產(chǎn)排程控制的協(xié)同濾波模型，得到多?？刂频臓顟B(tài)方程如式（8）

CL=MRR2+R2D12MP

（8）

分析耦合特性隨卷煙生產(chǎn)排程分布的結構參數(shù)，得到集成變化規(guī)律，根據(jù)卷煙生產(chǎn)排程控制的約束參量進行多?？刂?，提高卷煙生產(chǎn)排程集成優(yōu)化能力。

2卷煙生產(chǎn)排程集成優(yōu)化

2.1卷煙生產(chǎn)排程集成控制的參量穩(wěn)態(tài)調(diào)節(jié)

通過模糊相關性約束方法進行卷煙生產(chǎn)排程函數(shù)的最優(yōu)特征函數(shù)解集分析，令Aj（L）作為卷煙生產(chǎn)排程過程控制的指向性中心分布函數(shù)[8]，其中j=1，2，…，k，可得卷煙生產(chǎn)排程的控制的狀態(tài)特征量如式（9）。

y（t）=ρ1af（t）b2

（9）

式中，f（t）為卷煙生產(chǎn)排程控制的特征值，ρ為卷煙生產(chǎn)排程控制的多普勒擴展，a為頻域分布參數(shù)，b為隨微分參數(shù)。在模糊PID過程約束下[9]，得到卷煙生產(chǎn)排程控制的集成約束處理如式（10）。

x·i=fi（xi，ui）D（xi，Aj（L））=

min{D（xi，Aj（L））}

（10）

通過式（10）的集成約束處理過程，可為解決卷煙生產(chǎn)過程中連續(xù)體結構拓撲優(yōu)化問題。式中，xi∈Rn，ui∈Rm。得到卷煙生產(chǎn)排程集成規(guī)則函數(shù)如式（11）。

f（x）=1+10（n-1）+∑ni=2（x2i-10cos（4πxi））

（11）

采用模糊關聯(lián)規(guī)則調(diào)度方法，進行卷煙生產(chǎn)排程集成控制的參量穩(wěn)態(tài)調(diào)節(jié)[1011]，輸出如式（12）。

h（x）=g（x）1-f（x）g（x）2

（12）

根據(jù)參數(shù)調(diào)節(jié)結果，進行卷煙生產(chǎn)排程集成控制的過程尋優(yōu)。

2.2卷煙生產(chǎn)排程集成優(yōu)化控制

建立卷煙生產(chǎn)排程集成控制的輸出尋優(yōu)函數(shù)，采用參數(shù)自適應穩(wěn)態(tài)調(diào)節(jié)方法進行卷煙生產(chǎn)排程集成調(diào)度和參數(shù)模糊度辨識，卷煙生產(chǎn)排程函數(shù)得模糊聚類中心滿足edp=k（p-1）+1，其中k為正整數(shù)。在Lognormal分布約束下，卷煙生產(chǎn)排程集成調(diào)度擬合值滿足如式（13）。

e=kdpp-1p+1k

（13）

根據(jù)卷煙生產(chǎn)排程集成控制的微分方程進行參數(shù)尋優(yōu)，輸出尋優(yōu)函數(shù)如式（14）。

G（x）=MPgLf（x）

（14）

采用APS流程控制方法進行卷煙生產(chǎn)排程集成調(diào)度，得到卷煙生產(chǎn)排程集成控制的尋優(yōu)過程函數(shù)如式（15）。

limz→0Kv（z）=12Γ（v）z2-v

（15）

構建多目標約束的卷煙生產(chǎn)排程集成控制參數(shù)辨識模型，得到擴展方程如式（16）。

limz→0Kv（z）′=121+glny-μσ2

（16）

在凸優(yōu)化子空間中，存在g2β+g2ρ=0，1≤β，ρ≤255。采用參數(shù)自適應穩(wěn)態(tài)調(diào)節(jié)方法進行卷煙生產(chǎn)排程控制，得到邊界域BNDMC（d），輸出的穩(wěn)態(tài)特征量定義如式（17）。

P（d）=max（（g（d1|Ei），…，g（dm|Ei））>0，Ei∈E}

（17）

基于上述，卷煙生產(chǎn)排程集成優(yōu)化控制的輸出函數(shù)如式（18）。

τij（t+1）=P（d）（1-ρ）h（x）+ρΔτ（t）limz→0Kv（z）′（18）

綜上分析，實現(xiàn)卷煙生產(chǎn)排程集成優(yōu)化控制。為檢驗本文方法的有效性及可行性，需進行仿真實驗。

3仿真實驗與結果分析

為了測試本文方法在實現(xiàn)卷煙生產(chǎn)排程集成控制中的應用性能，進行仿真實驗，實驗采用APS流程控制方法進行生產(chǎn)排程過程控制，結合Matlab進行試驗測試分析，對卷煙生產(chǎn)排程信息采樣的頻率為1200kHz，統(tǒng)計分析樣本集規(guī)模為2400，模糊PID控制的約束參量為0.24，采集過程控制約束參數(shù)，進行卷煙生產(chǎn)排程集成，采用APS流程控制方法進行卷煙生產(chǎn)排程集成調(diào)度，得到集成優(yōu)化輸出如圖1所示。

分析圖1得知，采用本文方法能有效實現(xiàn)卷煙生產(chǎn)排程集成優(yōu)化。由于本文方法在進行卷煙生產(chǎn)排程集成輸出時通過模糊相關性約束方法對卷煙生產(chǎn)排程函數(shù)的最優(yōu)特征函數(shù)解集進行集成約束處理，優(yōu)化卷煙生產(chǎn)過程中連續(xù)體結構，并采用模糊關聯(lián)規(guī)則調(diào)度方法，完成卷煙生產(chǎn)排程集成控制的參量穩(wěn)態(tài)調(diào)節(jié)，以實現(xiàn)穩(wěn)態(tài)狀態(tài)下卷煙生產(chǎn)的高輸出目的。

測試控制的收斂性，得到對比結果如圖2所示。

分析圖2得知，采用該方法進行卷煙生產(chǎn)排程集成優(yōu)化控制的穩(wěn)態(tài)控制能力較強，這是由于本文方法采用了Lyapunov函數(shù)，使該生產(chǎn)線系統(tǒng)處于平衡狀態(tài)，以確保卷煙生產(chǎn)的約束參量模型處于漸近穩(wěn)定狀態(tài)，以實現(xiàn)排程集成的高收斂性。因此本文方法具有很好的卷煙生產(chǎn)排程集成控制和流程管控能力，更適用于卷煙生產(chǎn)排程中。

4總結

建立卷煙生產(chǎn)排程集成優(yōu)化約束參量模型，采用大數(shù)據(jù)信息融合調(diào)度技術，進行卷煙生產(chǎn)排程集成優(yōu)化設計，提高卷煙生產(chǎn)排程集成控制的自適應性，本文提出基于APS的卷煙生產(chǎn)排程集成優(yōu)化方法。構建卷煙生產(chǎn)排程集成控制的約束參量模型，結合模糊PID控制方法進行卷煙生產(chǎn)排程集成控制過程中的參量穩(wěn)態(tài)調(diào)節(jié)，構建多目標約束的卷煙生產(chǎn)排程集成控制參數(shù)辨識模型，采用APS流程控制方法進行卷煙生產(chǎn)排程集成調(diào)度，建立卷煙生產(chǎn)排程集成控制的模糊控制律，采用參數(shù)自適應穩(wěn)態(tài)調(diào)節(jié)方法進行卷煙生產(chǎn)排程集成調(diào)度和參數(shù)模糊度辨識，實現(xiàn)卷煙生產(chǎn)排程集成優(yōu)化控制。研究得知，該方法進行卷煙生產(chǎn)排程集成優(yōu)化控制的自適應性較好，穩(wěn)態(tài)控制能力較強，具有很好的應用價值。

參考文獻

[1]王楚捷，王好賢.MCORD下無線接入網(wǎng)絡資源分配研究[J].計算機工程與應用，2018，54（22）：9298.

[2]王曉雷，陳云杰，王琛，等.基于Qlearning的虛擬網(wǎng)絡功能調(diào)度方法[J].計算機工程，2019，45（2）：6469.

[3]李自強.復雜軌道交通多目標調(diào)度效率數(shù)學建模仿真[J].計算機仿真，2018，35（8）：119122.

[4]StoeanC，PreussM，StoeanR，etal.Multimodaloptimizationbymeansofatopologicalspeciesconservationalgorithm[J].IEEETransonEvolutionaryComputation，2010，14（6）：842864.

[5]LiangJJ，QuBY，MaoXB，etal.DifferentialevolutionbasedonfitnessEuclideandistanceratioformultimodaloptimization[J].Neurocomputing，2014，137（8）：252260.

[6]CZIBULAG，MARIANZ，CZIBULAIG.Detectingsoftwaredesigndefectsusingrelationalassociationrulemining[J].KnowledgeandInformationSystems，2015，42（3）：545577.

[7]HILLSJ，BAGNALLA，IGLESIABDL，etal.BruteSuppression：asizereductionmethodforApriorirulesets[J].JournalofIntelligentInformationSystems，2013，40（3）：431454.

[8]汪成亮，溫鑫.智能環(huán)境下分布式Rete算法[J].計算機應用，2016，36（7）：18931898.

[9]HanSI，LeeJM.Fuzzyechostateneuralnetworksandfunneldynamicsurfacecontrolforprescribedperformanceofanonlineardynamicsystem[J].IEEETransactionsonIndustrialElectronics，2014，61（2）：10991112.

[10]PolygerinosP，WangZ，OverveldeJTB，etal.Modelingofsoftfiberreinforcedbendingactuators[J].IEEETransactionsonRobotics，2015，31（3）：778789.

[11]KoivumakiJ，MattilaJ.Stabilityguaranteedimpedancecontrolofhydraulicroboticmanipulators[J].IEEE/ASMETransactionsonMechatronics，2017，22（2）：601612.

（收稿日期：2019.08.13）