在可重构制造系统(RMSs)中，系统的体系结构可以在其运行过程中进行修改。这种重新配置可能由许多动机引起:处理返工和故障、添加新产品、添加新机器等。 在RMSs中，资源共享可能导致死锁，一些操作因此可能保持不完整。本文的目的是开发一种新的两步解决方案，用于动态变化RMSs中死锁控制的监控控制器的快速和准确重构。首先，利用网络重写系统(NRS)设计了动态配置下的可重构Petri网模型。所得到的模型保证了有界性行为性质，但可能失去Petri网模型的其他性质(如活性和可逆性)。第二步，利用基于位置不变量的虹吸控制方法，为可重构Petri网开发自动死锁预防策略，解决RMSs中死锁结构动态变化的问题，并获得系统的活动性和可逆性行为特性。  研究人员提出的方法使用文献中的例子进行了测试，结果突出了自动死锁防止策略适应RMSs配置变化的能力。

 相关论文以题为“     Automatic Supervisory Controller for Deadlock Control in Reconfigurable Manufacturing Systems with Dynamic Changes    ”发表在《     Applied Sciences    》上。

 离散事件系统的典型例子是自动化制造系统(AMS)。 通过共享资源(如机器、自动控制车辆、自动化工具、机器人和异步或同步操作的缓冲器)，它允许在离散时间输入各种产品类型。在竞争激烈的全球市场中，AMSs必须应对意想不到的快速市场变化。他们必须迅速修改他们的软件和硬件，以满足这些动态变化。然而，传统的自动化制造系统无法成功满足这一要求，因为它需要大量的资本投资。可重构制造系统已经被开发出来解决传统自动化制造系统的这些缺点。可重构制造系统是一种实时随机动态配置的新型生产系统。这些配置包括处理返工和故障，添加新产品和机器，以及添加新的搬运设备。在RMSs中，一组系统资源可以用来根据特定的过程序列来处理每个组件。  然而，这种资源共享可能导致死锁，因此一些操作可能保持不完整。因此，处理死锁问题对于RMSs是至关重要的。

 Petri网(PNs)作为图形化和数学建模工具广泛应用于AMSs中的调度、死锁分析和控制。它们可以用来描述AMSs的特征和行为，如同步、并发、冲突、因果依赖和排序。 Petri网可用于行为特征，例如有界性和活动性。从技术角度来看，已经提出了几种基于Petri网的策略。这些策略基于三种策略:(i)死锁检测和恢复，(ii)避免死锁，和(iii)防止死锁。这些策略大多通过结构分析和可达图分析提出了Petri网中的死锁控制。此外，还提出了评价和构建AMS主管的三个标准，即行为许可、计算复杂度和结构复杂度。

 Net重写系统(NRS)是另一种基于图形的重配置机制。 在模式匹配和动态结构替换方面，会发生重构。通过图灵机的实现，研究人员证明了图灵机的表达能力是等价的。网络重写系统的一个子集，称为可重构网络，也提供了一种算法，使Petri网平坦到标准。这个子集仅将NRS限制为那些在位置和转换的数量上保持不变的转换，也就是说，只有流关系可以被更改。扁平化通过将重新配置的数量乘以转变的数量，显著地增加了转变的规模。NRS用于与改进的网络重写系统的逻辑控制器。改进的NRS版本限制重写规则，以确保重要的结构特征(如有界性、活动性和可逆性)不会失效。为了重新配置基于PNs的RMS监控控制器，研究人员开发了一种改进的网络重写系统(INRS)。对RMS修改进行了更改，以重写规则，然后应用于初始PN控制器。INRS首先被提出作为重新配置的基础。Petri网模型的结构可以动态改变。然后，研究人员提出了RMS修正的三种表现形式，并提出了一种基于inrs的RMS Petri网控制器设计方法。在这种方法中，行为的性质，即被修改系统的有界性、可逆性和活性，没有被验证或验证。

考虑图1a中所示的AMS示例。该系统有一个机器人R1和一个机器M1。机器M1一次处理一个零件，机器人R1一次处理一个零件。有用于装卸的缓冲器。此外，一个零件类型被认为是在系统中处理的。零件操作顺序如图1b所示。图2显示了AMS示例的S3PR网络。它有六个地方和四个过渡。可以使用以下位置集:P0 = {p1}， PR = {p5, p6}， PA = {p2, p3, p4}。在Petri模型上有五个可达到的标记。初始标记为Mo = (5,0,0,0,0,1,1)T，表示系统内需要同步处理的不同原始部件，包括前置条件、输入信号、缓冲区、资源状态，如机器、机器人等。位置通常用来表示资源状态、操作和活动。转换用于表示从一种状态到另一种状态的控件更改。有向电弧对应于状态间的物料、资源、信息流和控制流方向。材料、信息和资源都由令牌表示。

 图1.(a)自动化制造系统(AMS)实例和(b)操作顺序。

 图2.基于AMS的(S2P)(简单顺序过程)(S3PR)网络系统。

 GPENSIM代码和验证

 研究人员使用GPenSIM工具编写开发的方法来验证它，并将开发的代码与Ezpeleta等人、Zhou和Kaid等人的研究进行比较。 生成有三个文件:(1)佩特里网定义文件(PDF),代表了静态模型,因为他的地方,过渡,弧,(2)通用处理器文件(COMMON_PRE文件)代表的激活条件使火转换,和(3)的主要仿真文件(MSF)计算模拟的结果。在MATLAB R2015a上实现了该方法。一台配备Windows 10, 64位和Intel(R) Core (TM) i7-4702MQ CPU, 2.20 GHz, 16 GB RAM的PC。

 仿真结果表明，所设计模型包括机器人和机器的总吞吐量时间(系统总时间)、总吞吐量和利用率，具有较好的时间性能。 研究人员进行480 min的仿真，在MATLAB中仿真后得到表1所示的结果。表1显示了上面提到的时间性能标准的结果。所有方法都获得了图3中所示的资源利用率的大致相同的值。此外，所提出的方法(如图3所示)可以实现与其他技术大致相同的吞吐量值。从Part A的吞吐量时间来看，本文方法与其他技术的吞吐量值大致相同，如图3所示。因此，该方法是有效的，可以得到足够精确的结果，并可应用于其他实例。

 图3.将该方法与现有方法进行了比较。

 表1. 与现有方法的时间性能比较。

 结论

 本文提出了一种新的两步解决方案，用于动态变化RMSs中死锁控制的监控控制器的快速准确重构。 首先，利用网络重写系统设计了一个动态配置下的可重构PN模型。所得到的模型保证了有界性行为属性，但不能保证Petri网模型的其他属性(如活动性和可逆性)。第二步提出了一种基于位置不变量的虹吸控制方法用于可重构Petri网的自动死锁预防策略，以解决RMSs中结构动态变化时的死锁问题，保证系统的活动性和可逆性。本文使用GPenSIM工具验证了本文提出的方法，并与文献中现有的方法进行了比较，以突出其适应RMS配置变化的能力。

研究人员所开发方案的局限性是所得到的模型缺乏从PN模型到应用控制语言的适当转换方法。  因此，研究人员未来的研究将检验所开发的方法，以有一种自动的方法来检验所获得的模型对现实世界制造系统的适用性。