【文章內(nèi)容簡(jiǎn)介】 此背景下，美國(guó)國(guó)家自然科學(xué)基金會(huì)（The National ScienceFoundation，NSF）提出了動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)應(yīng)用系統(tǒng)（DynamicData Driven Application Systems，DDDAS）的概念和研究方向，試圖將仿真與實(shí)驗(yàn)有機(jī)地結(jié)合起來，構(gòu)成一種仿真與實(shí)驗(yàn)融合為一體的自然和諧的共生動(dòng)態(tài)反饋系統(tǒng)。各單元模塊的功能如下1．控制單元：控制仿真模型運(yùn)行，抽取模型的狀態(tài)特征數(shù)據(jù)與注入數(shù)據(jù)對(duì)比分析，據(jù)此調(diào)整模型和分辨率；控制實(shí)際生產(chǎn)線運(yùn)行，根據(jù)仿真結(jié)果數(shù)據(jù)反饋生產(chǎn)線調(diào)度優(yōu)化方案；控制數(shù)據(jù)采集，根據(jù)仿真結(jié)果數(shù)據(jù)產(chǎn)生數(shù)據(jù)采集策略，反饋數(shù)據(jù)采集模塊執(zhí)行。2．仿真模型單元：根據(jù)控制系統(tǒng)指令，產(chǎn)生新的仿真目標(biāo)策略。據(jù)此，從模型庫(kù)調(diào)用相應(yīng)模型進(jìn)行新模型的構(gòu)建，并動(dòng)態(tài)調(diào)整模型或模型參數(shù)，達(dá)到仿真結(jié)果與仿真目標(biāo)逼近。最后，將模型與仿真結(jié)果進(jìn)行分析評(píng)價(jià)，并形成知識(shí)保存在知識(shí)庫(kù)中，為完善模型庫(kù)構(gòu)建和模型選擇提供依據(jù)。3．人機(jī)接口單元：顯示仿真結(jié)果，支持用戶對(duì)仿真策略進(jìn)行調(diào)整和控制，支持用戶根據(jù)仿真結(jié)果對(duì)生產(chǎn)線運(yùn)行進(jìn)行控制，支持用戶根據(jù)仿真結(jié)果對(duì)數(shù)據(jù)采集策略進(jìn)行選擇控制。4．?dāng)?shù)據(jù)采集單元：根據(jù)控制系統(tǒng)指令，生成新的數(shù)據(jù)采集策略。據(jù)此，采集生產(chǎn)線上的數(shù)據(jù)，并且具備多信息源數(shù)據(jù)融合能力。(一)動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)仿真單元此單元由調(diào)度模塊和仿真模塊組成，完成調(diào)度方案的生成功能。其中，調(diào)度模塊包括相互協(xié)同的兩個(gè)層次：上層模塊是生產(chǎn)計(jì)劃調(diào)度器，采用全局優(yōu)化的方法，利用群體智能蟻群算法進(jìn)行尋優(yōu)，可產(chǎn)生一個(gè)靜態(tài)的調(diào)度計(jì)劃，其尋優(yōu)時(shí)間長(zhǎng)的問題可以通過多Agent建模的分布式計(jì)算能力得到解決。下層模塊是實(shí)時(shí)調(diào)度模塊，采用啟發(fā)式的規(guī)則對(duì)生成的調(diào)度計(jì)劃進(jìn)行調(diào)整，并通過仿真進(jìn)行分析和驗(yàn)證。當(dāng)不確定事件發(fā)生，生產(chǎn)線上的環(huán)境變量發(fā)生改變時(shí)，該模塊負(fù)責(zé)調(diào)整調(diào)度計(jì)劃適應(yīng)新的系統(tǒng)狀態(tài)。如果在多個(gè)調(diào)度目標(biāo)無(wú)法優(yōu)化的情況下，通知上層模塊，重新生成調(diào)度計(jì)劃。整個(gè)過程是一個(gè)動(dòng)態(tài)反饋過程。采用智能算法的優(yōu)點(diǎn)在于能夠從全局的角度進(jìn)行優(yōu)化，缺點(diǎn)在于模型描述的精度不高和易于陷入局部?jī)?yōu)化解；利用帶啟發(fā)式規(guī)則的仿真方法恰恰能夠精確地描述模型和改善局部的解的性能，同時(shí)在較短的時(shí)間內(nèi)生成優(yōu)化的調(diào)度方案。上層的調(diào)度結(jié)果不僅會(huì)指導(dǎo)下層的調(diào)度過程，即帶啟發(fā)式規(guī)則的仿真是對(duì)智能蟻群算法產(chǎn)生的調(diào)度計(jì)劃的局部修改；而且下層的調(diào)度結(jié)果也能幫助上層的調(diào)度尋優(yōu)，啟發(fā)式規(guī)則產(chǎn)生的某些局部?jī)?yōu)化解也可以作為啟發(fā)信息指導(dǎo)蟻群算法更快地收斂。仿真模塊完成以下三種功能：首先，它能夠?qū)崿F(xiàn)用戶可視化的生產(chǎn)線建模，模型的復(fù)雜程度可以根據(jù)用戶研究問題的深度不同進(jìn)行定義和設(shè)置；其次，為適應(yīng)動(dòng)態(tài)變化的生產(chǎn)環(huán)境，在仿真運(yùn)行過程中，生產(chǎn)模型也可以根據(jù)生產(chǎn)線的具體情況進(jìn)行自動(dòng)修正，如某個(gè)設(shè)備失效等；最后，對(duì)調(diào)度模塊產(chǎn)生的調(diào)度方案進(jìn)行仿真，并把由此生成的對(duì)該調(diào)度方案的多目標(biāo)評(píng)價(jià)值和對(duì)瓶頸設(shè)備的預(yù)測(cè)數(shù)據(jù)反饋給調(diào)度模塊，作為對(duì)下一步調(diào)度優(yōu)化判斷的依據(jù)。(二)動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)仿真控制單元由中心推理機(jī)和輔助功能Agent組成，共同構(gòu)成一個(gè)調(diào)度決策支持系統(tǒng)。中心推理機(jī)實(shí)現(xiàn)基于案例庫(kù)或規(guī)則庫(kù)的智能決策功能，輔助功能Agent在中心推理機(jī)的協(xié)同下工作，包括多目標(biāo)管理Agent、優(yōu)化策略管理Agent、調(diào)度仿真劇情管理Agent、調(diào)度因素分析Agent等四種類型的Agent，它們分別實(shí)現(xiàn)不同的控制功能。多目標(biāo)管理Agent：負(fù)責(zé)控制當(dāng)前調(diào)度優(yōu)化的方向，對(duì)調(diào)度方案評(píng)價(jià)函數(shù)中多個(gè)不同目標(biāo)的權(quán)重進(jìn)行動(dòng)態(tài)的參數(shù)調(diào)整，實(shí)現(xiàn)調(diào)度目標(biāo)與當(dāng)前生產(chǎn)線的實(shí)際生產(chǎn)情況一致。柔性制造系統(tǒng)生產(chǎn)線調(diào)度問題是一個(gè)多目標(biāo)的優(yōu)化問題。短期優(yōu)化目標(biāo)包括：最大化生產(chǎn)量、最大化WIP移動(dòng)步數(shù)、最小訂單交貨延遲率、降低加工周期、降低加工周期方差、降低WIP水平等。目標(biāo)之間存在相互制約的關(guān)系，如何選取各目標(biāo)優(yōu)化的權(quán)重以平衡各目標(biāo)優(yōu)化的能力是需要解決的問題。各目標(biāo)權(quán)值的大小比例是一個(gè)動(dòng)態(tài)調(diào)適的過程。首先，它必須與我們生產(chǎn)計(jì)劃對(duì)當(dāng)前生產(chǎn)的要求和側(cè)重點(diǎn)一致。同時(shí)，它也在不斷地動(dòng)態(tài)調(diào)整，保持與生產(chǎn)線當(dāng)前的實(shí)際生產(chǎn)情況一致，完成這個(gè)任務(wù)需要中心推理機(jī)的協(xié)同，如基于案例庫(kù)的推理等。優(yōu)化策略管理Agent：直接對(duì)調(diào)度和仿真模塊下達(dá)指令，負(fù)責(zé)監(jiān)控調(diào)度仿真的執(zhí)行過程。優(yōu)化策略管理Agent根據(jù)控制模塊設(shè)定的優(yōu)化目標(biāo)或調(diào)度模塊反饋的優(yōu)化目標(biāo)的達(dá)成情況，在中心推理機(jī)的幫助下，按照推理規(guī)則，進(jìn)行模型和算法的調(diào)整，實(shí)現(xiàn)全局優(yōu)化算法和局部?jī)?yōu)化算法之間的動(dòng)態(tài)協(xié)作，當(dāng)滿足一定的條件時(shí)，返回優(yōu)化的調(diào)度方案作為當(dāng)前的最優(yōu)解。調(diào)度仿真劇情管理Agent：協(xié)助用戶完成“what—if”分析。與傳統(tǒng)仿真不同，動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)仿真是一種與生產(chǎn)線生產(chǎn)過程并行的仿真方法。因此，我們可以在仿真過程中設(shè)置多個(gè)時(shí)間斷點(diǎn)，通過改變假設(shè)條件來進(jìn)行生產(chǎn)預(yù)測(cè)；同時(shí)，也可以進(jìn)行回放分析，這在傳統(tǒng)仿真方法中是無(wú)法實(shí)現(xiàn)的。對(duì)多劇情仿真的管理由仿真劇情管理Agent實(shí)現(xiàn)；同時(shí)，仿真參數(shù)和得到的結(jié)果也將作為知識(shí)保存在案例庫(kù)中。調(diào)度因素分析Agent：接收來自數(shù)據(jù)采集模塊的實(shí)時(shí)生產(chǎn)線數(shù)據(jù)，比較仿真數(shù)據(jù)與生產(chǎn)數(shù)據(jù)的差異，如果發(fā)現(xiàn)兩者有較大的偏差，即參數(shù)超出了允許的域值范圍，則使用中心推理機(jī)分析原因，并將分析的調(diào)度因素傳遞給優(yōu)化策略管理Agent，作為調(diào)整調(diào)度模型和算法的依據(jù)。同時(shí)，將調(diào)度因素反饋給數(shù)據(jù)采集策略Agent，由后者按一定的策略完成下一步的生產(chǎn)線數(shù)據(jù)采集工作。(三)動(dòng)態(tài)數(shù)據(jù)注入單元由數(shù)據(jù)采集策略Agent根據(jù)調(diào)度因素分析A—gent反饋的結(jié)果生成下一步的數(shù)據(jù)采集策略，然后派出對(duì)應(yīng)的移動(dòng)Agent到生產(chǎn)制造EMS系統(tǒng)中采集生產(chǎn)線上的生產(chǎn)數(shù)據(jù)。由于柔性制造系統(tǒng)生產(chǎn)線由上百個(gè)生產(chǎn)設(shè)備構(gòu)成，如果對(duì)所有的生產(chǎn)數(shù)據(jù)進(jìn)行采集必然影響數(shù)據(jù)的采集效率，所以采用移動(dòng)Agent既縮短時(shí)間又提高數(shù)據(jù)的精確性，同時(shí)還可以根據(jù)需要對(duì)數(shù)據(jù)作一定的預(yù)處理以縮小傳遞的數(shù)據(jù)量。(四)用戶界面交互Agent 負(fù)責(zé)把仿真數(shù)據(jù)展示給用戶，同時(shí)，接收用戶對(duì)仿真模型或參數(shù)的控制。使用戶可以實(shí)時(shí)地控制仿真的整個(gè)過程，并利用仿真結(jié)果指導(dǎo)生產(chǎn)和數(shù)據(jù)采集過程。模型運(yùn)行機(jī)制從圖3中可見，動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)仿真的過程與生產(chǎn)線的生產(chǎn)過程是并行進(jìn)行的。仿真系統(tǒng)根據(jù)一定的時(shí)鐘節(jié)拍采樣生產(chǎn)線上的數(shù)據(jù)；然后，將仿真數(shù)據(jù)與生產(chǎn)線數(shù)據(jù)作比較，使用因素分析Agent分析原因。如果發(fā)現(xiàn)兩者有較大的偏差，即參數(shù)超出了允許的域值范圍，則調(diào)整仿真模型，重新進(jìn)行仿真。其中，仿真模型根據(jù)動(dòng)態(tài)注入的生產(chǎn)數(shù)據(jù)完成自適應(yīng)調(diào)整是整個(gè)DDDAS的核心，本文采用分層優(yōu)化的思想生成調(diào)度方案，同時(shí)達(dá)到全局和局部的優(yōu)化目標(biāo)。首先，將智能搜索技術(shù)與離散事件仿真技術(shù)相結(jié)合，得到上層的調(diào)度方案；然后，應(yīng)用優(yōu)化策略Agent對(duì)仿真結(jié)果進(jìn)行分析，找到進(jìn)一步優(yōu)化的方向，利用啟發(fā)式調(diào)度規(guī)則進(jìn)行方案調(diào)整得到下層的調(diào)度方案，并反復(fù)地使用仿真進(jìn)行驗(yàn)證。不僅下層的調(diào)度方案建立在上層調(diào)度方案的基礎(chǔ)上；同時(shí)，上層的調(diào)度模塊接受下層調(diào)度方案的局部?jī)?yōu)化解作為啟發(fā)信息引導(dǎo)搜索過程，以加快收斂，在較短的時(shí)間內(nèi)得到全局的優(yōu)化解。與傳統(tǒng)的靜態(tài)仿真不同，DDDAS仿真能動(dòng)態(tài)地吸收新的數(shù)據(jù)，并將仿真過程同真實(shí)系統(tǒng)相融合，讓二