本文分別針對(duì)直線軌道RGV智能加工系統(tǒng)的一道工序和兩道工序的物料加工作業(yè)情況，以工作時(shí)長(zhǎng)內(nèi)實(shí)際成料數(shù)、RGV作業(yè)效率、CNC作業(yè)效率多目標(biāo)作為目標(biāo)函數(shù)，給出RGV動(dòng)態(tài)調(diào)度模型和算法。前者在本文分別針對(duì)直線軌道RGV智能加工系統(tǒng)的一道工序和兩道工序的物料加工作業(yè)情況，以工作時(shí)長(zhǎng)內(nèi)實(shí)際成料數(shù)、RGV作業(yè)效率、CNC作業(yè)效率多目標(biāo)作為目標(biāo)函數(shù)，給出RGV動(dòng)態(tài)調(diào)度模型和算法。前者在各作業(yè)時(shí)間差距甚微的實(shí)驗(yàn)數(shù)據(jù)下，得到的智能加工系統(tǒng)整體效率較高且小車(chē)移動(dòng)方式基本相似；后者得到不同工序的作業(yè)時(shí)間會(huì)影響不同工序CNC的分配數(shù)目和小車(chē)的移動(dòng)的作業(yè)方式，數(shù)據(jù)仿真結(jié)果表明：建立的模型和求解算法切實(shí)可行。

　　2003 年Malmborg 教授及其課題組首先提出自動(dòng)小車(chē)存取系統(tǒng)，它主要包括軌道導(dǎo)引小車(chē)系統(tǒng)，通過(guò)RGVS 小車(chē)進(jìn)行貨物存取。RGVS 控制系統(tǒng)通常與AGVS 比較，RGVS 智能加工系統(tǒng)優(yōu)化調(diào)度一直是研究的熱點(diǎn)。目前眾多國(guó)內(nèi)學(xué)者對(duì)此做出了許多研究，初步概述了智能加工系統(tǒng)調(diào)度的一般方法。用動(dòng)態(tài)規(guī)劃法建立最優(yōu)路徑的逆序遞歸數(shù)學(xué)模型，求解復(fù)合作業(yè)的最佳配對(duì)組合，使復(fù)合作業(yè)的路徑優(yōu)化方法更加簡(jiǎn)單。等通過(guò)遺傳算法時(shí)利用多重編碼技術(shù)，結(jié)合計(jì)算機(jī)模型仿真求解進(jìn)行研究。等提出一種用于求解復(fù)雜環(huán)境下自動(dòng)導(dǎo)引小車(chē)路徑規(guī)劃問(wèn)題的改進(jìn)灰狼優(yōu)化算法，引入路徑微調(diào)算子和鄰域變異算子來(lái)提高灰狼優(yōu)化算法的局部開(kāi)發(fā)能力，采用改進(jìn)的路徑片段與障礙物相交判斷算法來(lái)提高算法的運(yùn)行效率。等以任務(wù)最短完成時(shí)間為目標(biāo)，此基礎(chǔ)上提出路徑最短和堵塞次數(shù)最少兩個(gè)優(yōu)化目標(biāo)，提出了改進(jìn)的自適應(yīng)權(quán)重的求解方案，進(jìn)一步提高了算法性能。智能算法的缺點(diǎn)在于收斂速度較慢以及求解時(shí)容易陷入局部最優(yōu)，因此解決算法獲得最終較優(yōu)解的時(shí)間效率問(wèn)題成為未來(lái)研究的，這也是智能算法在實(shí)際生產(chǎn)過(guò)程中的瓶頸問(wèn)題。圖1 是一個(gè)RGV 有軌制導(dǎo)車(chē)輛系統(tǒng)，是集各高新技術(shù)于一體的系統(tǒng)，配合CNC 計(jì)算機(jī)數(shù)控機(jī)床在物料加工方面有一定的實(shí)際應(yīng)用。它有一個(gè)機(jī)械手臂、兩只機(jī)械手爪和物料清洗槽，能夠完成上下料及清洗物料等作業(yè)任務(wù)。本文討論的是在結(jié)合8 臺(tái)CNC、1 條RGV 直線軌道、1 條上料傳送帶、1 條下料傳送帶等附屬設(shè)備條件下，如何實(shí)現(xiàn)物料加工的效率最高化問(wèn)題。