压电陶瓷微动机构在超精密车削中的应用

作者:xingyang                         时间：2010-12-02

轴承及轴承相关技术文章（轴承型号查询网提供） 关键字：轴承,并行车间 在市场逐步买方化、全球化条件下，为适应客户需求的多变性和产品生命周期明显缩短以及多品种、小批量生产比例不断增加等造成的市场竞争压力，制造企业积极采用各种新技术、新工艺和新设备。同时，企业的管理者意识到，一方面必须采用先进的制造模式，比如精益生产(LP)、并行工程(CE)、敏捷制造(AM)、智能制造(IM)、虚拟制造(VM)等，加强企业流程的集成：二是必须大力推广PDM、ERP 等技术，加强企业技术信息以及企业计划和管理信息的集成：三是必须对越来越复杂的制造系统进行优化，改变传统的组织结构和控制方式，使制造系统在动态多变的环境中既有快速应变的灵活性，保持系统的高性能，又有对干扰的容纳能力(容错能力)、对环境的适应能力和自组织能力，保持系统的健壮性。 本文着重从制造系统的改造方面探讨如何提高企业的效率和应变能力。 制造系统，尤其是具有相对完整和独立功能的车间作业系统，传统的组织结构和控制方式有递阶式和异构式两种。递阶式结构将控制模块逐级分层，每层有各自的任务和功能，上下层模块之间是主- 从关系，采用命令-回答的模式，控制和反馈信息通过相邻的上下层之间逐层传递，优点是降低了控制难度，能掌握系统的全局性能，缺点是不能及时响应和处理干扰。异构式结构是一种高度分布式结构，它把制造系统的各种功能模块看成是一个个自治的实体，单个实体有很大的自治和决策能力，决策通过实体间相互交流信息、协调意见而达到，优点是有很高的柔性、健壮性和对干扰的良好反应能力，缺点是失去了全局优化特性和对系统性能的预见性。 如何充分利用递阶式和异构式控制结构的优点，同时又避免两者的缺点呢?在探索过程中，我们采用了并行车间作业管理系统模式，通过作业调度和作业控制的并行处理，使车间作业系统具有抗干扰的稳定性、对变化的适应性和柔性、利用资源的高效性和对系统全局性能的预见性。 并行车间作业管理系统整体上采用多层的组织结构形式，决策权力在决策层和执行层的适当分配，决策层负责根据历史信息产生优化的调度方案，执行层在执行调度方案的过程中，有权力根据加工现场的情况适当调整原方案，以达到执行效果的实际更优。下面介绍并行车间管理的体系结构、控制策略和控制算法。[img]http://www.jinkouzc.com/0904031700471549.bmp[/img]图1 CSFC体系结构图[img]http://www.jinkouzc.com/0904031700562948.bmp[/img]图2 并行作业调度和作业控制功能模型1 并行车间作业管理系统的体系结构并行车间作业管理系统CSFC(Concurrent Shop Floor Control)由资源配置子系统和过程控制子系统组成。资源配置子系统包括生产任务管理单元、资源管理单元、调度器、在线控制器、监测器等，它主要负责资源-任务的匹配和系统性能的优化：过程控制子系统包括CAE单元(CAD单元、CAPP单元、CAM单元等)和资源管理中的过程控制部分等，它主要负责产品设计、工艺规划和过程控制等，将两个子系统的相关部分适当组合，得出如图1所示CSFC的体系结构。 CSFC系统的工作流程为:CSFC(生产计划和工艺管理模块)从MRPII接收生产任务，从CAX系统获取零部件设计、工艺和制造信息，(调度器)再根据资源及其配置信息模块的信息，采用适当的调度算法，生成最优化的作业调度方案，然后通过在线控制器将方案下发到资源模块(如运输单元和生产单元)。同时，CAX模块将相应的NC程序传送到DNC管理模块，由DNC管理模块依据各项技术资料和在线控制器的指令为执行层实施作业方案提供数控程序等。在此过程中，监测器将采集到的现场信息处理后，以恰当的方式传送到相关的模块，各模块再分工对系统的适时状态和干扰因素作出反应。 2 并行车间作业管理的控制策略并行车间作业管理中的调度器和在线控制器并行运行，在不同的时间尺度上都对干扰作出响应，生成一前一后的解决方案。 其中，调度器系统性能的全局优化，在较大的时间尺度上调整现有调度方案。它连续地进行优化计算，用静态调度算法(如遗传算法、神经网络等)谋求调度方案的最优化，保证系统的高性能、可预测性，但其掌握的信息过时，且需要大量的计算时间。 在线控制器负责响应干扰，它通过调度执行算法(如PA算法等)对新的最优方案产生之前的一段时间的系统运行进行优化。在线控制器适时监测制造系统状态、控制制造资源，并自主执行调度方案：尽可能遵照调度方案，但必要时打破方案以响应干扰。这样，就可以根据现有的调度方案和系统实际状态适时提出适当资源配置方案，而不是让调度器单独承担再调度优化任务，从而大大缓解再调度的时间压力，缩短了干拢响应时间，也大大增加了调度优化的可用时间。其功能模型如图2所示。 干扰发生时，在线控制器首先以现存的最优调度方案为基准，根据制造系统当前的状态，通过一定的算法快速计算出应急作业方案，在新的最优方案计算出来之前保证系统以较高的效率运行：同时，将干扰信息、应急方案反馈给调度器，调度器立即根据最新信息重新进行最优化计算，并将计算结果及时反馈给在线控制器。 由此可见，为解决系统性能优化和系统适时响应干扰的矛盾，必须重新配置决策权，必须打破递阶式结构和异构式结构的束缚，在保证调度器的决策权的同时，赋予在线控制器一定的自主决策权。控制器的自主性表现在:在响应干扰过程中，调度器产生的调度计划是名义计划(nominal plan)，只是控制器决策的参考信息之一，其它参考信息还有系统的当前状态等。控制器的目标是获取有限时间内能得到的可选方案中的性能最优者。 3 并行车间作业管理的控制算法[img]http://www.jinkouzc.com/0904031701062077.bmp[/img]图3 系统运行的调度状态图系统运行过程的再认识 对于一定的任务集，若车间作业系统的能力足够，作业时间足够，而且这个条件不被干扰破坏，则任务集总能完成。此时，根据运筹学原理，对于特定的全局优化指标，系统在运行期间的任意时刻，理论上都存在一个最优调度方案，而且理想状态下，系统在干扰侵入的时刻由一种最优调度方案跃迁到另一种最优调度方案。现实系统由于受到调度技术的限制，总有一个延迟，因而也就存在一个过渡状态。所以，从调度方案的性能角度来考察，现实系统的运行过程由若干最优调度阶段、过渡调度阶段以及系统的起始点和结束点组成。如图3所示。 生产任务下达，调度器根据一定的调度指标，经过充分的运算获得足够优化的调度方案S1，并下发给在线控制器执行。在t1时刻，系统遭遇干扰，一方面控制系统先在较短时间内产生应急方案S2，保证系统在新的优化方案产生前以一定的效率运行，一方面，调度器经过t2～t1时间的最优化运算，得到新方案S3，并下发执行。在t3时刻，由于采取了改善措施(如添加新设备)，系统性能提高，同样，控制系统也是先在较短时间内产生一个补救方案S4，保证在调度器经过t3～t4时间产生新的最优方案S5之前，系统可以按改进的方案运行。在时刻t5生产任务完成。 在线控制器处理干扰的方案及算法 按照上一节的理解方式，干扰的响应问题就转化为如何使过渡过程尽可能短、性能下降尽可能小的问题。在线控制器在最优阶段的职责是执行最优调度方案:在过渡阶段的职责是根据现有方案、现场信息，通过一定的算法迅速获得使性能指标下降尽量小的过渡调度方案。调度器在过渡阶段的职责为根据在线控制器传递的现场信息进行再调度。 干扰发生，最优化调度方案从一状态向另一状态转移。在这过渡中，车间作业系统(包括调度器、在线控制器和执行器等)的行为可有多种选择： 控制器在干扰发生时立即中止系统的运行，并将此时的系统状态信息反馈给调度器，然后一直等到新的最优化方案产生，才根据新方案重新启动系统。此方案存在的问题如下：过渡阶段系统完全停止运行，造成资源浪费、效率下降，而且使任务的完成严重延期。 控制器在干扰发生时，不经优化或根据简单的规则(例如分派规则、优先权规则等)制定控制方案，使系统继续运行，然后将系统信息反馈给调度器，调度器再进行最优化运算，将结果作为新的调度方案。此方案存在的问题如下：车间作业系统本身具有准混沌特性，过渡过程的恶劣性能极易造成系统整体性能的严重下降：并且过渡阶段与新的最优阶段的衔接困难，新调度方案产生后，又得再次与处在恶劣状态下的系统运行方案协调，可能会造成系统一直低效运行。 干扰发生后，控制器只负责局部优化，制定的执行方案不考虑全局性能指标。现有算法，如仿真算法、基于规则的算法等能快速有效地获得局部优化方案。此方案存在的问题是：控制器实施的是局部优化，因此无法保证全局性能指标趋于优化。 干扰发生后，控制器负责局部决策，但它考虑全局指标变化的程度，能迅速根据各种信息计算出全局性能下降最小的执行方案。适于此方案的比较好的算法是PA算法。下面就着重介绍PA算法，并简单证明这种方法向着使系统全局性能优化的确定方向努力。PA算法 在线控制器如果知道局部决策如何影响全局性能，那么它就可通过局部决策直接表示决策目标，从而根据全局优化来进行局部决策。摄动分析(PA)就是解决这种问题的一项专门数学技术。在PA算法中，全局性能指标表示为局部决策参数的函数。首先，计算全局性能指标对局部参数的偏导数，然后利用这些偏导数将全局指标表示为局部参数的线性表达式。这样，实现了决策目标与局部决策的直接相关。 为减轻在线控制器的负担，偏导数由调度器离线定义和计算：而在线控制器则根据计算结果和适时的制造信息，迅速作出局部决策。但是，常规的Gantt图调度方案表示法不能提供计算偏导数的足够信息，因此通过活动网络图来表示调度方案，这样就可以定义局部决策参数ee(如系统中每个操作的最早开始时间)和全局性能函数L(如生产任务的平均延迟时间)，L是ee的函数。然后通过高效的计算方法计算L对ee的偏导数?L/?ee(它表示局部决策参数对系统全局性能的影响程度)和L的变化量?(?L必须实时地计算出来)，?L被表示为?L/?ee的线性表达式。在线调度过程中，以全局的观点，根据系统的适时信息，确定可选方案，并对每个方案计算偏导数?L/?ee，然后算得全局指标L的变化量为?L。?L最理想的方案即被选为过渡阶段的执行方案。从上面的操作流程可知，PA算法以现存的最优调度方案为基准，将若干全局指标表达为局部参数的方程，通过微分快速计算出与原最优方案偏离最理想的方案，在新的最优方案计算出来之前保证系统以较高的效率运行。在线控制器决策的基准不是新的最优方案，因为当时它还不存在。因而在线控制器不以保证系统性能最优为直接目标，而是通过保证系统性能与现存最优方案的偏差最理想来间接保证系统性能在过渡阶段的优化。 4 结论本文分析了并行车间作业管理系统的并行式体系结构，为了解决系统运行过程中遭受干扰时既要快速作出反应，又要保持系统全局性能优化的问题，把决策权在调度器和在线控制器之间进行了适当的分配。而通过将系统运行过程划分为最优调度过程和过渡调度过程，把干扰的响应问题转化为对过渡过程的处理问题。进一步又介绍了一种高效的、能使系统性能优化的调度执行算法PA算法。 【MechNet】

上一篇：实现大型复杂模具的简单加工

下一篇：加工中心自动换刀功能及编程