[发明专利]一种面向设备突发大故障的生产线风险调度方法

权利要求书

1.一种面向生产线设备突发大故障的生产线风险调度方法，其特征在于，包括以下步骤：

步骤1、建立基于隐马尔可夫模型的生产线设备健康状态评估模型；所述生产线设备健康状态包括健康、亚健康、正常、异常、常规故障和突发大故障状态；

步骤1-1、采用分段K-means方法进行模型参数的初始化，通过不断迭代模型聚类中心，获得模型初始化参数λ，即λ=（π，A，B）；式中π表示初始状态分布向量，A表示状态转移概率分布矩阵，B表示观察值概率矩阵；

步骤1-2、输入生产线设备性能参数跟踪数据，训练模型参数，直至使观测序列O的概率最大，且模型参数收敛为止，此时的模型为所求的隐马尔科夫链；

步骤2、根据步骤1的生产线设备健康状态评估模型获取生产线设备处于突发大故障状态的概率；

利用Forward-Backward算法，计算出生产线设备在t时刻处于状态的概率：

式中为给定λ在t时刻输出的观测序列为{o₁,…o_t}、状态为的概率，为给定λ在t时刻输出的观测序列为{o_t+1,…o_T}、状态为的概率，为给定λ对应的观测序列O的最大概率；

计算生产线设备处于突发大故障状态的概率P_k：

；

步骤3、度量生产线设备常规故障风险和突发大故障的风险，根据步骤2获取的生产线设备处于突发大故障状态概率P_k，基于线性加权综合评估生产线设备故障风险；

根据P_k利用信息熵确定线性组合的生产线设备突发大故障权重因子：

式中H_k为生产线设备突发大故障状态对应的信息熵，H_i为生产线设备各健康状态对应的信息熵，m为生产线设备健康状态的个数；

基于生产线设备突发大故障权重因子δ，评估生产线设备故障风险；

式中CVaR_c为生产线设备突发大故障风险，B_i为生产线设备常规故障风险；

步骤4、围绕步骤3获取的生产线设备风险性及其经济性两者关系进行分析，构建多目标风险调度模型从经济性和风险性两方面统筹考虑，以工位负荷平衡和生产线设备故障风险为优化目标，构建一种多目标风险调度模型；

步骤4-1、为均衡每一个瓶颈工位的过载时间与空闲时间，平衡工位负载将作为风险调度的经济性指标，具体定义为：

式中：idt_ij为第i次序的车在第j工位的闲置时间，ovt_ij为第i次序的车在第j工位的超载时间；

步骤4-2、根据步骤3计算调度模型风险指标：

所述风险调度模型约束条件包括：工序顺序约束、机器约束和连续性约束；

工序约束：要求同一工件的工序间有先后约束，即工件i的第j道工序必须在第(j-1)道工序结束后才可以进行：

式中b_ijm表示工序R_ij在m台机器的开始加工时间，S_ijm= S_i(j-1)m=1；

机器约束:同一台机器在同一时刻只能加工一道工序，即对工序R_ij在时刻t, t＞0若，则S_xym=1必不成立，i=x时j≠y；

连续性约束：工序R_ij在加工过程中不能中断：

式中c_ijm表示工序R_ij的完工时间；

步骤5、结合差分进化方法和多目标非支配遗传算法，优化步骤4建立的多目标风险调度模型，得到生产线的最终调度方案；

具体的多目标非支配遗传算法包括以下步骤：

步骤5-1、随机初始化一个父种群P₀，其包含N个个体，对种群中的个体进行快速非支配排序得到种群P_t，并根据非支配等级对每个个体进行分级；

步骤5-2、对种群P_t二元锦标赛得到种群P_t'，随机选择个体p，利用差分变异模型以差分概率P_d进行变异；差分变异模型如下：

式中x_best表示当前种群中最优个体，F是缩放因子，x_r1、x_r2、x_r3、x_r4是在种群P_t随机选择的；

步骤5-3、将步骤5-2的变异个体与其它个体进行二项式交叉生成个体q'；

步骤5-4、对个体q'以变异概率P_m产生新的变异个体q''，并将q'、q''合并成子代种群；

步骤5-5、合并P_t和生成组合种群R_t；

步骤5-6、对R_t进行快速非支配排序，比较R_t的拥挤距离，并利用精英策略选择R_t中的N个个体组成新一代种群P_t+1；

步骤5-7、判断是否满足终止条件，若满足条件，循环结束，输出结果；否则，转到步骤5-2继续执行。