具有空闲时间的云制造作业车间调度方法

针对云制造企业的剩余能力利用问题,研究具有空闲时间的车间调度方法.构建云制造作业车间的调度框架,以最小化工期为目标,考虑设备空闲时间,提出工序加工时间序列的确定方法和空闲时间段的更新策略,采用基于工件的精简编码和改进的二阶粒子群算法求解工件最优调度顺序.仿真结果验证了所提出调度方法的可行性.与已有算法的对比分析表明,改进算法具有良好的搜索性能.     

云制造环境下的动态调度

在云制造环境下, 制造资源和制造能力以服务的形式封装起来, 不同的任务通过云端汇集到云平台并通过合适的调度给每个任务分配相应的服务. 由于任务在执行的过程中的不确定性, 会在某个时刻遇到突发状况从而导致对余下任务的重调度问题. 因此, 针对该问题, 考虑到云制造环境下任务的复杂性和多样性会导致在合理的时间段内很难找到最优解, 以所有任务的最大完成时间为优化目标, 提出了一种以改进的遗传算法与邻域搜索技术相结合的元启发式算法, 旨在解决云制造环境下由于任务和资源服务等的不确定性导致的重调度问题. 实验结果表明,本文所提出的算法能够很好地解决动态调度过程中的重调度问题, 并可以快速地获取最优解.     

面向制造任务的云制造虚拟车间构造方法

针对云制造模式下快速选择和组织相关制造资源、保证制造任务执行的问题,提出一种面向制造任务的云制造虚拟车间构造方法。该方法将制造过程抽象为制造任务执行链,链中的节点对应制造设备云服务或检验云服务,链中的有向边对应物流云服务;并通过行业域、地域和类型域来组织管理云服务,以构造规模较小的候选云服务集,同时减少功能匹配、性能匹配、价格匹配和时间匹配的计算量,达到快速构建云制造虚拟车间的目的。算例分析表明,相比其他方法,该方法能够在更短的时间内完成云服务的选择,并保证所选云服务的服务质量（QoS）在相关域中是更好的。     

基于区块链的云制造系统内可信资源调度方案

针对目前云制造系统中存在的各参与主体间信任问题以及资源调度效率问题,研究了将区块链技术应用于云制造系统中.首先,阐述了区块链技术应用于云制造系统的意义,提出了一种基于区块链技术的云制造系统;其次,设计了基于智能合约的制造资源调度方式,构建制造成本最小、时间最短、合格率最高的资源调度模型并用差分进化算法进行求解;最后,进行实验仿真.结果表明,基于区块链技术的智能合约内进行资源调度方法在保证了系统内各参与主体间相互信任的同时,有效地提高了云制造系统的资源调度效率和资源调度方案的优越性.     

汽车冲压车间生产调度仿真系统的设计

生产调度是冲压车间生产管理的基本内容,通过仿真方法可以优化生产调度,提高生产线的利用率.通过分析某汽车制造企业冲压生产线的工艺流程和调度要求,提出了有关合理假设,以最大化节约时间成本为指导思想,建立了汽车冲压车间生产调度仿真模型.在仿真算法设计原则基础上,详细说明了算法的执行流程.最后简单介绍了系统的功能,并给出一个生产调度实例.实例结果表明该系统能获得合理的调度方案,适用于企业冲压生产线的调度问题.     

智能制造系统基于数据驱动的车间实时调度

智能制造系统采用大量先进的信息技术,为车间实时调度提供技术基础.各类信息技术在生产制造过程中的广泛应用使得制造系统积累了大量与生产调度相关的数据,因此,通过利用历史生产调度数据和智能装备收集到的实时生产数据,建立基于数据驱动的生产实时调度方法成为新型制造环境下实现高效调度的新思路.针对智能制造环境下的混合流水车间实时调度问题,提出基于BP神经网络的数据驱动的实时调度方法,从历史近优的调度方案中提取用于调度知识挖掘的样本数据,通过BP神经网络训练学习获取生产系统状态与调度规则的映射关系网络,并将其应用于生产在线实时调度.数值实验表明,所提出的方法优于固定单一调度规则,在不同的调度性能指标下其效果均稳定且良好.     

基于多Agent柔性制造单元的生产调度研究

针对基于制造单元的作业车间的生产调度问题进行了研究,结合多代理的智能性、灵活性和遗传算法的智能优化能力,建立基于多智能体的柔性制造单元的作业车间的调度系统模型.然后,提出了集成多智能体和遗传算法的动态调度策略和调度协商机制;最后,应用此方法完成了常规调度和异常调度的仿真算例.结果表明所开发系统可以解决基于加工单元的制造...     

绿色车间调度优化研究进展

当今社会环境问题日益严重,绿色制造的研究备受关注.作为现代化制造模式,绿色制造旨在保证产品功能与质量,降低生产成本,提高生产效益,同时减少环境污染与能源浪费,实现经济指标和绿色指标的协同优化.绿色车间调度是绿色制造的重要环节,比传统调度问题的求解难度更高,更具学术研究意义和工程应用价值.绿色车间调度通过资源分配、操作排序和运作模式的合理优化,实现增效、节能、减排、降耗.为此,分析绿色车间调度问题的复杂性和相应的处理机制,介绍绿色车间调度在问题、方法、应用层面的代表性研究进展,进而指出各层面有待进一步研究的若干方向和内容,以促进智能制造与绿色制造的研究与发展.     

制造资源耦合映射与模糊匹配技术研究

针对云制造中云制造服务资源匹配映射多种模式并存,云制造服务资源与云制造资源需求间相互影响且映射关系复杂,导致缺少有效云制造服务资源匹配方法.在综合考虑云制造资源需求间相互影响的基础上,提出了云制造服务资源匹配模型,利用模糊积分度量用户云制造资源需求与云制造服务资源间的匹配程度,提出了基于模糊积分的云制造服务资源匹配方法.通过基于模糊积分的云制造服务资源匹配方法,计算获得云制造服务资源对云制造资源需求的匹配度,为制造云中的终端用户提供按需、自助、敏捷的云制造服务资源智能匹配技术.最后,以中小模具企业云制造平台某型号多工位级进模具排样图设计应用为实例,证明了文中方法在工程应用中的正确性与高效性.     

基于正态云模型的状态转移算法求解多目标柔性作业车间调度问题

为了求解具有多目标多约束的柔性作业车间调度问题,提出一种基于正态云模型的状态转移算法.构建以最小化最大完工时间、机器总负荷及瓶颈机器负荷为目标的多目标柔性作业车间调度问题的数学模型;针对灰熵关联度适应度分配策略在Pareto解比较序列与参考序列之间的差值相等时不能引导算法进化的情况,提出一种改进灰熵关联度的适应度值分配策略;同时引入兼具模糊性和随机性的云模型进化策略以改进状态转移算法,可有效避免算法早熟并增加候选解的多样性.仿真结果表明:基于正态云模型的状态转移算法能够有效解决多目标柔性作业车间调度问题;与其他算法相比,所提出算法求解问题的收敛精度更高、收敛速度更快.     

基于振动信号和云推理的球磨机负荷软测量

采用振动信号对球磨机料位进行测量时,特征值具有散度大、随机性强的特点.对此,基于具有将随机性、模糊性与稳定倾向性相结合能力的云模型,提出一种利用云模型对球磨机料位进行概念表示和推理测量的方法.首先,利用逆向云发生器对振动信号的功率谱特征值进行概念提取以获得前件云;然后,由料位值信息建立相对应的后件云;最后,利用云模型的不确定推理实现球磨机料位的软测量.对比实验结果表明了所提出方法的有效性和可行性.     

某一转炉或精炼炉故障下炼钢-连铸生产重调度方法及应用

炼钢-连铸生产中会出现某一台转炉或精炼炉故障, 目前已有的重调度方法没有考虑多重精炼或只进行了仿真研究, 难以有效应用到具有多重精炼的钢厂, 而采用人工调整方式则容易导致炉次等待时间过长或断浇. 为此,通过引入炉次生产状态参数, 建立0-1 混合整数规划重调度模型, 提出由“未加工”炉次的设备指派、“未加工”炉次的开工时间优化和浇铸时间调整3 部分组成的重调度方法. 将该方法应用于某钢铁厂炼钢-连铸生产调度过程的实际工程应用验证了所提出方法的有效性.

     

累积量测序列的区间云变换及识别

目标多属性序列类数据不能直接与数据库中的区间类数据融合识别, 对此, 提出一种基于云变换的序列-区间异类数据识别算法. 对目标多属性序列数据进行频数计算形成频率分布函数, 并进行虚警检测, 实施云变换形成云簇, 提取云簇特征, 再根据3 En 准则形成云滴区间, 实现了序列型数据的区间化表示. 进一步, 利用一种区间多属性识别判定准则进行识别判定, 得到识别结果, 解决了序列-区间异类数据的识别问题. 仿真实验结果验证了该算法对序列-区间异类数据识别的有效性.

     

基于改进的TODIM方法的区间灰数多属性决策模型

针对属性值为区间灰数的多属性决策问题, 提出一种基于改进的TODIM方法的区间灰数多属性决策方法. 考虑决策者参照依赖的心理行为特征, 结合随机占优的思想给出两两方案相比较时的收益和损失; 分析经典TODIM方法中优势度和全局价值的不足, 给出新的优势度的表示方法和方案; 相对于其他方案收益和损失的总优势度的表示方法, 提出一种改进的TODIM方法. 最后通过实例说明了所提出方法的有效性和可行性.

     

基于联合配送的城市物流配送路径优化

针对城市多区域协同发展造成的商业中心相对分散的现状, 提出“多对多” 的城市网络化联合配送机制. 以运输距离、实载率等与成本密切相关的油耗成本为优化目标, 建立面向城市多区域配送需求的车辆路径模型; 同时,利用量子比特位设计染色体结构, 利用云模型云滴随机性与稳定性改进遗传算子, 设计云量子遗传算法对所建立的联合配送模型进行求解. 最后, 结合不同算例对模型和算法进行了仿真实验分析.

     

基于云PSO 的RVM入侵检测

入侵检测可为计算机网络信息提供安全保障,在其方法研究中,由于相关向量机(RVM)具有高稀疏性且预测中使用概率因素,在网络入侵检测中优于支持向量机.然而RVM的核函数参数是经验估计的,为此,提出一种基于云模型的粒子群优化算法的RVM方法,即采用云粒子群算法确定RVM的核参数,构建RVM分类模型,再采用一对一分类方法进行多类检测分类.经入侵检测实验研究,所得结果表明所提出的方法优于基于常规相关向量机的检测方法,且具有更高的入侵检测精度.     

指标期望为随机变量情形的多指标决策方法

针对指标期望为随机变量情形的多指标决策问题, 提出一种决策分析方法. 该方法首先通过计算指标值相对于指标期望的损益值, 将决策矩阵转化为关于指标期望的损益矩阵; 然后运用随机占优准则, 通过判断针对每个指标两两方案之间的随机占优关系, 进而构建两两方案的随机占优关系矩阵, 并使用PROMETHEE II 方法对方案进行排序; 最后以某研究所移动硬盘采购问题为例, 对所提出方法的实用性进行说明.

     

基于动态面的高超声速飞行器模糊自适应非线性控制

针对高超声速飞行器模型非线性、多变量和参数不确定特性, 并考虑控制增益变化可能导致控制奇异值问 题, 提出一种基于动态面的模糊自适应非线性控制方法. 根据动态面和动态逆策略, 分别设计了高度和速度跟踪控制 器. 利用模糊自适应方法在线逼近不确定函数项, 并采用Nussbaum 增益技术抑制虚拟控制增益不确定影响, 以减少 在线学习量, 保证系统的半全局一致最终有界性. 仿真结果表明, 所提出的方法可实现飞行器对高度和速度的准确跟 踪控制.

     

欠驱动AUV模糊神经网络L2增益鲁棒跟踪控制

提出基于模糊神经网络欠驱动水下自主机器人(AUV)的L2增益鲁棒跟踪控制方法,该方法通过在线学习逼近动力学模型的不确定项.控制器克服了由于缺少横向推力对跟踪误差的影响,在考虑未知海流干扰情况下,实现了系统对模糊神经网络逼近误差的L2增益小于γ.利用Lyapunov稳定性理论证明了闭环控制系统误差信号一致最终有界.最后,通过精确模型参数和参数扰动仿真实验验证了该控制方法具有很好的跟踪效果和较强的鲁棒性.     

单边Lipschitz 非线性时滞系统的函数观测器设计

基于线性矩阵不等式理论, 研究一类非线性时滞系统的函数观测器设计. 通过选取合适的Lyapunov-Krasovskii 泛函, 得到函数观测器增益矩阵存在的充分条件, 并系统地提出函数观测器增益矩阵的设计方法. 仿真实例表明, 所设计的函数观测器是可行有效的.