基于知识的动态调度决策机制研究

针对基于知识的调度系统在实际应用中存在的知识源具有主观倾向性、决策依赖部分属性等缺陷，提出了一种新的基于知识的动态调度决策方法。在此基础上设计了调度决策系统。以合同网协议为协调机制，构建了基于多Agent的动态调度框架；由调度专家经验知识获取调度规则知识，并采用投票表决法解决规则知识的冲突，在实现知识融合的同时获得规则知识的可信度；对资源的调度历史记录进行学习，获取资源的条件属性可信度；利用粗糙集中定义的奈件属性重要度，计算调度规则知识中各条件属性重要度，并对其进行归一化处理，获取条件属性权值；提出了基于模糊Petri网的知识决策模型，以条件属性可信度为托肯、条件属性权值为输入强度、规则知识可信度为输出强度进行推理，得到决策属性可信度，形成决策结果。描述了动态调度系统的知识决策过程，完成了系统分析设计。     

基于多Agent的虚拟企业调度研究与实现

针对虚拟企业制造环境的不确定性、动态性和复杂性，运用多Agent技术实现生产调度系统的反应性和智能性．构建了虚拟企业生产调度系统体系结构；通过Agent能力匹配来实现任务分解；采用基于合同网的协商和多属性决策来解决虚拟企业调度问题中的任务分配和协作，利用集成的优化算法来自动处理调度优化问题，并进行了原型系统的开发。     

多Agent在刀具调度中的应用

介绍了多Agent在刀具调度中的应用,探讨了基于多Agent的刀具调度系统结构、招标方式及工作流程。     

基于UML的可重组制造系统的调度系统建模

采用多智能代理(Multi-Agent)技术进行可重组制造系统的调度研究,根据生产任务生成一个动态逻辑制造单元,生产调度是由调度部分对单元内的资源进行的,并分析了调度系统的工作工程.在此基础上,采用统一建模语言UML建立了系统的包图、类图、协作图.系统有两个包,动态逻辑制造单元包和调度包,每个智能代理(Agent)设计为一个类,分析了每个类的属性和操作,协作图则表示了不同对象间的相互协作和消息传递.选用建模工具Rational Rose2000建立系统的UML模型,并可生成系统的代码框架.     

基于网格原理的跨企业协同制造平台

为了支持企业间的制造协同,参考网格的运行机制,提出了基于网格的跨企业协同制造平台。该平台包括制造资源管理系统、制造任务建模系统和制造任务管理系统等3个相关的系统和面向网格的协同工具。采用Agent及领域知识模型支持平台的资源管理、任务建模、资源调度、任务分配及制造过程管理等。分散的制造企业可以通过Internet,利用协同制造平台建立全球制造网络,实现对市场的快速和敏捷响应。     

基于Agent网的知识网的自重构研究

提出了一种新的基于知识网和Agent网的知识化制造系统的自重构方法。首先给出知识网及其多重集的定义，定义了知识网多重集的并、交、差等运算；其次，根据知识网的多重集，研究了知识网重构运算的算法，并深入探讨了运算后多重集的预处理规则及多重集到知识网的映射；最后通过复杂系统自重构的例子介绍了基于知识网和Agent网的自重构方法，证实了自重构方法的有效性。     

基于Agent的数字车间及其调度技术的研究

在中国国家自然科学基金重点资助项目《网络环境下的数字制造理论与关键技术》，中国教育部博士学科点基金资助项目《网络制造产品电子交易平台设计与研究》，中国国家科技攻关计划项目《支持网络制造的协同交互与资源共享平台研究与产业化》共同资助下，开展基于Agent的数字车间及其调度技术的研究。 数字车间是实施数字制造的主体，是制造计划的具体执行者，也是制造信息的反馈者，更是制造实时信息的集散地。数字车间生产的敏捷性在一定程度上决定着整个企业的敏捷性，所以从敏捷调度的视角，研究数字车间的相关理论与技术。 提出基于Agent的数字车间框架结构。框架包含车间管理与计划子系统、设计子系统、生产调度与管理子系统、物料运输子系统、库存与管理子系统、制造资源子系统、生产仿真子系统和制造执行子系统。框架结构支持虚拟企业生产模式——组成数字车间的设备或设备单元可以是处于不同地域，通过制造设备Agent之间的协调与合作，制造设备在物理位置上不变，而在生产组织和管理逻辑上随加工任务的变化而改变，实现资源的动态配置，对变化的任务做出及时响应，从而提高制造系统的敏捷性，因此也被称为虚拟数字车间。赋予数字车间更为重要的地位和作用——除承担对生产任务的调度与制造实施以外，还兼具运输服务和仓储管理等两项功能，并在制造过程中实时收集订单的生产进度信息。 研究数字车间中Agent对制造资源数据的管理技术，将与制造资源相关的数据信息直接集成到制造资源Agent结构，使得数据库系统就像是Agent框架整体的一部分。提出以分布式数据库系统为中间层的车间系统集成方案。在此基础上，研究基于Agent会话的车间运作方式，将数据库系统看作Agent系统与其他系统联系的中间层的结构，使得Agent系统易于实现与现有软件系统的集成。Agent使用数据库访问机制     

半导体生产线群体智能调度模型研究

模仿蚁群生态系统，提出了半导体生产线群体智能调度模型。该调度模型由集中优化控制MAS(C-MAS)与分布式动态控制人工蚁群MAS(D-MAS)构成，实现了优化控制与动态调度的优势互补。其中，C-MAS主要由仿真Agent与调度Agent构成；D-MAS由一个蚁后Agent和代表半导体生产线物理实体的多个工件蚂蚁Agent与多个资源蚂蚁Agent构成，蚂蚁Agent通过基于信息素的间接交互实现半导体生产线的动态调度，蚁后Agent用于实现C-MAS与D-MAS的紧密协作，从而获得半导体生产线优化的动态智能调度。给出了基于群体智能调度模型的智能动态调度算法，对群体智能调度模型进行了定性评价。     

动态调度决策系统构建研究

网络制造技术的发展使得现代制造企业中的资源分配与调度不只局限于某一车间内部的任务安排,更可能是一个涉及大范围地域的资源调动、分派问题。本文针对大范围、跨平台分布式系统实现的特性,将调度涉及到的对象抽象为各类Agent实体,在基于合同网协议的动态调度策略下,分析了基于知识的动态调度决策系统的运作流程体系,概括了该决策系统的功能需求,并划分了实现模块。最后,结合JINI技术的实现优势,构建了基于知识的动态调度决策系统的实现框架,对系统中的软件实体进行了抽象和分析。     

分布式混合优化调度方法研究

在敏捷制造环境下车间组织模型不再只是物理上集中在一起的生产作业车间，其制造资源分散在不同地域的企业联盟中。引入了部分全局优化调度的概念，将作业按其紧迫程度进行分组并完成优化；针对分布式调度中优化与动态响应的冲突问题，提出了一种将优化调度和分布式动态调度相结合的混合调度控制方法；设计了多Agent的动态调度系统结构，描述了处于不同角色Agent的运作过程；详细阐述了系统中可能遭遇的随机干扰事件及其动态应对策略。给出了算例，对计算结果进行了分析。     

Using data-fuzzification technology in small data set learning to improve FMS scheduling accuracy

Production decisions in real dynamic flexible manufacturing systems (FMS), especially in the early stages are often made with limited information. Information is limited because scheduling knowledge is hard to establish in such an environment. Though the machine learning technique in the field of Artificial Intelligence is thus used for this task by many researchers, this research is aimed at increasing the accuracy of machine learning for FMS scheduling using small data sets. Approaches used include data-fuzzifying, domain range expansion, and the application of adaptive-network-based fuzzy inference systems (ANFIS). The results indicate that learning accuracy under this strategy is significantly better than that of a traditional crisp data neural networks.     

并行设计耦合任务集的识别方法

并行设计中强调多种知识的有效集成，耦合任务是一组具有相互依赖关系的任务的集合，它正反映了这种知识集成的要求，它对设计时间和质量均有着关键的影响。通过对耦合任务集的识别可以为合理分配设计资源、在效规划设计过程、科学组建集成开发队伍提供参考。本文在建立设计过程图的基础上提出了识别耦合任务集的有效方法。     

CALCULATION OF FUZZY RELIABILITY IN THE CASE OF RANDOM STRESS AND FUZZY FATIGUE STRENGTH

0 INTRODUCTIONFatigUe Performance data Of metal material is the basic data for the fatigUe reliability design ofmechanical elements or systems. Because fatigUe test data has large scatter, to obtain the accuse oh Ncurve, much experimental data should be collected. HOweVer, only a small amount of sample data isavailable due to the eXPerimental costS or difficulty of collection. The following relationship Eq. (l )acqUired from a saal amount data POint(N, d ) is often imp~ise and a lea…     

Key Technology of Embedded System Implementation for Software-based CNC System

The software-based computer numerical control(CNC)system includes three types of tasks: periodic real-time tasks,aperiodic real-time tasks,and non-real-time tasks.The tasks are characterized by concurrency,hybridization,and correlation,which make system implementation difficult.The conventional scheduling algorithm can not meet the demands of system implementation in the software-based CNC system completely.The uncertainty factors when running real-time tasks affect control performance by degrading manufacturing accuracy as a result of system resource and processor use restrictions.To address the technical difficulty of embedded system implementation,a novel fuzzy feedback scheduling algorithm based on output jitter of key real-time tasks for a software-based CNC system is proposed.Time characteristics,such as sampling jitter,input-output jitter,and non-schedulability are discussed,followed by quantification through simulations of the impact of time characteristics on manufacturing accuracy.On the basis of this research,the scheduler architecture is designed,and then the algorithm table is calculated.When the system resource changes,the key periodic real-time tasks meet their deadlines by means of dynamically adjusting the task period.The simulated results show that the machining precision rises by an order of magnitude for the proposed scheduler in resource-constrained software-based CNC systems.Moreover,unlike conventional feedback scheduling methods,the algorithm in this paper does not rely on the availability of task execution times and is easy to implement while incurring only a small overhead.     

粗糙集规则获取在旋转注水机组故障诊断中的应用

粗糙集理论能够有效地处理不精确、不完整的数据和知识,并从中发现隐含知识,提示潜在规律。提出一种基于粗糙集理论的大型旋转机械故障诊断和知识获取模型。该模型从包含冗余和不一致信息的原始数据出发, 构建决策表,通过属性约简和基于分明矩阵的属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库。基于该模型以某旋转注水机组故障分析为例,从来自实际的经验数据获取旋转注水机组转子故障诊断的规则知识,其属性约简率可达25％,并能有效解决旋转注水机组故障诊断中规则获取的知识冗余或缺失问题,验证了其有效性。     

并行设计中任务调度问题的研究

为了对产品并行开发过程进行合理规划,针对并行设计中任务调度的特点,综合考虑并行设计所涉及的企业运作的具体因素和约束,以模糊集理论为基础,给出了一种建立并行设计过程模糊设计结构矩阵的方法,提出了基于“任务影响度”的耦合任务集内任务执行调度算法。综合考虑并行设计中子任务和团队内成员的各种动态、模糊和非量化因素,建立了子任务和团队内成员之间的平衡矩阵,并利用匈牙利算法和遗传算法,按不同情况给出了子任务到团队内成员的分配方法。     

设备故障智能诊断方法的研究

模糊聚类、粗糙集理论、灰色系统理论等相关技术曾被广泛应用于设备故障诊断中,但是模糊聚类只能对已知样本做出决策,不具有柔性,不能通过已知信息和聚类结果对问题所涉及领域内的新样本的类别做出决策;粗糙集理论不能处理连续变量;而灰色系统理论无法去除故障诊断中冗余的特征参数,不能区分各特征参数的重要性,因而制约了它们在故障诊断中的应用.在本文中,这几种理论被有机地结合起来,应用于设备故障诊断中.在故障诊断过程中,首先利用模糊c均值聚类对样本的参数进行离散化处理,求得各类别的聚类中心,接着基于粗糙集原理对设备特征参数进行约简,去除冗余参数,定量确定各特征参数的重要程度,然后根据约简的特征参数和各参数的重要程度,利用灰色关联分析的方法确定各种标准故障状态与目前设备状态的关联度,从而找到设备的故障所在之处.在本文最后部分通过实例证明,将模糊c均值聚类、粗糙集理论和灰色系统理论结合起来,应用于设备的故障诊断中是一种行之有效的方法,为智能故障诊断提供了理论基础.     

基于多智能体机制面向资源的CAPP系统研究

为提高在车间中执行的工艺规划的柔性和适应性,提出一个基于多智能体机制面向资源的CAPP系统的框架。该系统由分布式制定工艺任务的工艺信息代理和对应车间资源的资源代理组成。面向一个工艺任务,资源代理组成多个资源代理联盟,工艺信息代理通过选择资源代理联盟进行任务分配。重点研究了工艺规划和资源分配的并行,多代理之间多级协商的资源冲突消解策略,以及面向资源的工艺决策优化等关键技术。开发了原型系统以评价系统的性能,生成的面向资源的工艺方案输入车间调度系统。     

Work-in-process scheduling by evolutionary tuned fuzzy controllers

In this paper, an evolutionary algorithm (EA) strategy for the optimization of generic work-in-process (WIP) scheduling fuzzy controllers is presented. The EA strategy is used to tune a set of fuzzy control modules that are used for distributed and supervisory WIP scheduling. The distributed controllers objective is to control the rate in each production stage in a way that satisfies the demand for final products while reducing WIP within the production system. The EA identifies those sets of parameters for which the fuzzy controller performs optimal with respect to WIP and backlog minimization. The proposed EA strategy is compared with known heuristically tuned distributed and supervised fuzzy control approaches. Extensive simulation results show that the EA strategy significantly improves the system’s performance.