区块链在分布式电力交易中的研究领域及现状分析

国家发改委、能源局陆续指出:要全面放开经营性电联用户发电计划,支持中小用户参与市场化交易,健全全面放开经营性发电计划后的价格形成机制。行政引导市场,市场发展技术,基于区块链技术的电力交易研究迎来了前所未有的行政和市场机遇。区块链以分布、公开、不可篡的区域共治模式,为社会和市场提出了一套全新的商业解决方案。该文依托区块链技术,探讨了基于分布式交易的电力交易市场、产消者以及相关服务产业的需求和行业现状,分析了区块链电力交易的发展趋势;归纳了电力交易领域区块链追求创新实验的主要方向,研究了电力交易区块链的总体架构设计创新、电力交易场景应用创新和区块链性能提升研究创新等内容;最后通过文献综述和百余个区块链电力交易系统实施案例,梳理了区块链技术在电力交易行业面临的挑战与应用前景。以期通过该文综述对分布式电力交易领域的未来研究有一定贡献。     

数据驱动的智慧车间实时调度方法研究

智能制造系统采用了物联网等大量先进信息技术,使得车间积累了大量的实时生产数据。同时,复杂制造系统在运行过程中容易出现一系列干扰事件,这对车间实时响应能力提出了更高的要求。因此,在工业大数据支撑的制造环境下,针对考虑序列相关设置时间和阻塞的混合流水车间调度问题(Hybridflowshopschedulingproblemwithsequence-dependentsetup timesandblocking,HFSP-SDST-B),提出一种基于深度强化学习的实时调度方法,从而实现制造资源的合理分配和完工时间最小化。作为一个序列决策问题,HFSP-SDST-B可以被建模为一个马尔科夫决策过程。在每个调度点,智能体根据当前的生产状态选择相应的调度规则,从而进行合理的工件排序和机器分配。为了实现生产数据驱动的实时调度方法,依次设计考虑阻塞因素的调度点、通用生产状态特征、基于遗传规划的启发式规则和奖励函数。然后提出一种基于近端策略优化算法的训练方法,从而让智能体构建状态与规则之间的有效映射。最后试验结果表明,与现有的动态调度方法相比,该方法具有优越性和通用性,并且通过学习能够有效处理随机扰动...     

考虑设备劣化的加工工时预测方法

针对加工设备在不同寿命阶段造成的机加工工时波动问题,提出了考虑设备劣化的加工工时预测方法。针对单工况,构建了基于BiGCU-MHResAtt-Weibull模型的机加工工时预测模型,采用双向门控卷积单元(BiGCU)提取局部特征,利用多头残差自注意力网络,获取不同特征间的影响关系,全连层输出优化后的残余寿命值并通过Weibull概率分布函数实现加工工时倍率映射;针对多工况,结合单工况模型,设计了大数据集和特征迁移模型,并通过聚类和曲线拟合生成加工工时预测谱系。最后,采用美国国家航天局提供的涡扇发动机数据集完成了模型训练和预测,验证了所提方法的有效性。     

汽车线束生产信息分析及布局优化

基于企业实地调研与生产现场信息采集,对企业各类生产信息进行归类整理,从生产计划、物料需求、设备管理、制程管理等方面进行了信息采集与分析,同时基于工业工程的方法对企业汽车线束生产的现场布局进行了优化,显著提高了汽车线束生产的效率。     

基于改进Kalman滤波的智慧社区居民定位

现如今智慧社区正在快速发展, 各种公共设施及建筑的建设使得社区内环境复杂, 影响着居民中弱势群体的安全. 故实时的居民定位便格外重要. 智慧定位作为精准化智慧服务之一, 主要通过RFID技术实现社区内老幼等人群的轨迹跟踪, 以进行安全保障. 除此之外还可分析居民聚集场所趋势, 为社区建设公共设施提出建议. 本文针对RFID阅读器传播数据时被各种噪声影响导致的定位精度差、定位结果偏差等传统问题, 引用了Kalman滤波消除信号传递过程中的过程噪声和观测噪声, 在该算法中插入改进的密度聚类算法以消除环境噪声影响, 设计了基于改进密度聚类算法的Kalman滤波轨迹定位方法(Kalman filter for improved density peak clustering, K-IDPC). 经实验验证, 相对于Kalman滤波, K-IDPC的定位精度在0.565 m左右, 准确度大幅提高.     

数据驱动的生产线数字孪生系统构建与应用

为满足生产线智能化的发展需求,针对传统生产线现场调试周期长,生产线三维可视化能力差,生产数据不同步,现场状态监控成本高等问题,结合数字孪生技术,以数据驱动为基础,构建了生产线数字孪生系统。首先运用Process Simulate构建生产线上的各类设备的数字孪生模型,根据数据通信网络和数据采集架构图,利用OPC UA和Modbus通信,读取生产线设备实时数据,并存入相应的数据库中作为驱动生产线数字孪生模型的数据源,从而实现数字孪生模型对物理实体的实时映射。最后,通过搭建虚拟仿真环境,对数字孪生系统进行虚拟调试,并通过构建实例验证平台,验证生产线数字孪生系统的有效性和可行性。     

基于改进案例推理的智能车间扰动处理决策研究

车间扰动事件一旦发生会严重影响车间的生产运作。为了快速高效地处理扰动事件,恢复车间正常运作,提出了一种基于改进案例推理的智能车间扰动处理决策方案。以智能制造环境下离散制造车间扰动处理为研究对象,利用三元法对车间扰动案例进行建模,分析了案例问题域的阶梯层次属性,设计了案例特征属性多维相似度匹配算法及对应的相似度计算公式;结合指标贡献率和核密度估计改进了序关系分析法,并计算最终案例属性权重值,提高了案例匹配的精确度,实现了扰动案例与历史案例的快速高效匹配,提供了应对车间扰动的具体解决方案。通过某模具智能制造车间扰动案例验证了所提方法的有效性和可行性。     

面向置换流水车间生产过程的瞬态产能计算方法

针对具有可重入环节的置换流水车间易发生堵塞、生产布局规划难等情况，受伯努利理论启发，分析了此置换流水车间的生产流程，建立基于瞬时状态概率的系统生产过程性能预测模型。首先，根据加工任务多样性和生产工艺可靠性，定义人机混合加工机器的状态表达函数以及可靠性模型，并利用瞬态跃迁描述模型中的算子，建立瞬态产能模型，对置换流水车间的映射关系进行解析。其次，通过状态函数定义并计算加工机器和缓冲区的状态，对置换流水车间进行逆向建模。最后，根据实际生产情况设置相应生产参数并进行实验仿真。仿真结果证明，该模型具备可行性，能够为实际具有可重入环节的置换流水车间中的布局优化和高效运行提供理论支撑。     

面向云制造的资源集群聚类方法研究

针对云制造平台海量多样的服务资源分类界限模糊的问题，分析了云服务和制造资源之间的关系，提出云制造下混合式资源服务聚集模型。此外，文章基于k-means聚类算法建立了聚类有效性评估函数；针对k-means聚类算法对初始聚簇中心敏感易陷入局部最优的缺点，引入蛙跳算法确定初始聚簇中心，利用反向解扩大初始蛙群的搜索范围，结合最优解均值改进族群最差蛙的优化，提高族群的信息共享能力，结合改进后的蛙跳算法和k-means迭代，提出一种基于蛙跳算法改进的k-means聚类算法。最后，以两种数据集和云平台上同类机床资源为例，验证了所提聚类算法的有效性和可行性。     

大数据驱动的产线集群综合设备效率精准监测

随着国际竞争日益激烈，制造车间更多地关注产能与设备效率，以期通过降低停机时间、减少无效浪费，实现产能提升，从而摊薄成本，增加企业竞争力。有鉴于此，从工业大数据角度出发，以设备密集型产线集群设备综合效率(OEE)精准在线监测为目标，从时间维度和空间维度分析，以前后两个治具加工间隔、治具片数、检测时间、治具引脚数等为特征空间，构建基于合成少数类过采样技术和多层感知器神经网络分类模式的停机类型模式识别方法(SMOTE-MLP),实现不平衡数据处理与停机类型的精准划分，摒弃传统线下计算的方式，为时间稼动率、性能稼动率、良率以及OEE的在线、实时计算提供了可能，形成一套以工业大数据为驱动的、设备密集型产线集群OEE精准在线监测的理论和方法，为智能车间分析与优化提供一套可行方案。