面向智能生产车间的自动引导车系统仿真分析

针对智能生产车间基于AGV的物料搬运系统的建立，确定AGV配置数量以及组合考虑缓存区容量、设施布局等问题至关重要。这类组合问题属于NP-Hard问题，往往难以求出精确解。因此本文提出了仿真优化的方法以获得问题的近优解。首先，对车间生产流程及AGV配置优化问题进行了描述；其次，基于Plant-Simulation仿真平台建立了具有MHS的智能生产车间的仿真模型；最后，通过仿真实验并对仿真结果的分析，总结了MHS最优配置方案，可为该智能车间设备配置、调度策略的制定提供决策支持。

在当前以中高速、优结构、新动力、多挑战为主要特征的新常态下，发展智能制造不仅是我国产业转型升级的突破口，也是重塑制造业竞争优势的新引擎，被理论与实践各界普遍认为代表了制造业的未来方向[1]。智能制造包括智能制造技术与智能制造系统，它通常具有高度自动化和自适应、自学习的功能。因此，为推动制造业的智能化进程，从智能装备、加工技术到资源管理、生产流程，都受到了国内外学者的关注和研究。特别的，其关键技术制造资源的优化调度已经成为了当今研究和应用的热点。

生产调度问题通常是指针对一项可分解的工作，在尽可能满足其约束条件的前提下，合理地分配其生产地点、生产时间和生产工序，以达到某些性能指标的最优化[2]。随着传统的车间作业环境、柔性制造系统到复杂的分布式制造系统、面向服务的网络化制造环境[3]的发展，制造系统变得越来越复杂，系统的动态性和不确定性更加突出，使得解决复杂制造环境下的调度问题变得越来越困难。

调度研究的核心内容和重点是调度方法，归结为4 种类型：基于运筹学的方法、启发式方法、基于仿真的方法和基于人工智能的方法[4]。仿真调度方法是通过对仿真模型的运行来收集数据，并运用这些数据对实际系统进行性能和状态方面的分析，从而对系统采用合适的控制调度方法[5]。

用仿真方法研究制造系统，就应该用仿真语言或者商用的仿真软件建立系统的仿真模型，这样的仿真模型比起解析方法来能更加全面地反映实际系统的特征，在此模型之上对不同的系统参数和策略进行仿真实验，仿真过程所做的就是得到该策略下系统的性能，从而对不同的策略进行评价；还可以通过仿真实验改变系统的一些参数来方便地进行系统各参数的灵敏性分析， 并且以此为基础进行系统的优化[6]。

本文以某智能车间自动导引车系统(Automated Guided Vehicle System, AGVS)的实际应用为背景，提出一种综合AGV 路径、调度规则、交通管理以及电量管理等约束的AGVS 仿真模型建立方法，并基于所建立仿真模型AGVS 的参数设置，调度规则以及车间布局做出仿真评估，以实现AGVS 资源的最佳配置和优化运行。

2. 应用背景 以AGVS 在某动车车载雷达智能生产车间的应用为背景，车间布局如图1 所示。