基于粒子群优化算法的制造单元聚类研究

为实现敏捷制造环境下资源的优化重组,降低生产过程的复杂性,提高效益,提出了敏捷制造系统资源自组织多级主协调控制结构和制造单元自组织模型,并在满足约束的前提下,建立了以总加工成本最小为目标函数的制造单元重构数学模型.采用具有计算简单、鲁棒性好、并行计算等优点的粒子群优化算法,对制造资源进行聚类研究.通过具体实例,验证了该方法的有效性,为解决此类问题提供了一种新的思路.     

面向订单制造的可重构制造系统中虚拟制造单元构建技术

为适应单件、小批、个性化和市场需求动态多变的特点.研究了多种不同交货期生产订单并存时的可重构制造系统中虚拟制造单元构建问题.构造了以连续加工产品间相似系数之和最大、工作加班时间最少、单元的封闭性最好(工件跨单元搬运次数最少)、制造系统重构成本最小及设备生产负荷均衡为目标的非线性多目标0-1整数规划模型.采用两阶段的求解策略进行求解.在第一阶段采用启发式方法对非瓶颈设备和工艺进行预处理,以缩小问题解的搜索空间;第二阶段采用一种基于网格计算的分布式平行协同多目标粒子群算法,随机搜索Pareto优化解集.最后,利用globus 4.0 工具箱搭建计算网格和Java语言实现了算法.从生产实际出发给出了算例,证明结果可行,从而验证了算法的有效性.     

可重组制造系统缓冲区容量的优化研究

为了确定可重组制造系统中的缓冲区容量,通过分析机床工作状态、生产需求量等因素对缓冲区容量的影响,建立了缓冲区状态数学模型.在此基础上,提出了缓冲区容量、机床可用度和任务需求率之间的函数关系.以满足生产任务为前提,将重组后加工域缓冲区容量最小化作为优化目标.通过粒子群优化算法,利用非可微精确罚函数法处理约束条件,采用可变惯性权重平衡搜索,以求得各工序间缓冲区容量.最后结合仿真实例,探讨了该生产线重组后系统缓冲区容量的最优配置.     

一类制造资源的协同建模、优化与求解技术

为实现云制造环境下制造资源的全面共享、发现和匹配,提供给用户理想优质的云制造服务,在虚拟资源池构建阶段引入资源建模与聚类技术,提出一种适宜云制造模式的虚拟资源的建模与优化组合方法。采用基于可扩展标记语言数据与Web本体描述语言语义的双层模型,对云池的虚拟资源协同进行建模;建立基于服务成本、服务效率、服务质量和信誉度的多目标优化数学模型,采用协同多目标粒子群算法求解该优化问题,获得最优的虚拟制造单元。以生产实践中开发的原型系统为例,验证了所提方法能够有效提高云池虚拟资源的共享、发现和匹配性能,也验证了其在工程应用中的正确性。     

混杂系统理论及其应用于制造系统的研究进展

混杂系统理论及其应用是近年来的研究热点和难点。较为全面系统地阐述了混杂系统在建模、分析、控制和优化等几个方面的理论研究现状,对主要内容及其方法的优点和局限性进行了总结和评价。作为混杂系统的一个重要代表,分析与综述了制造系统中的主要应用成果,指出了具体应用中的难点问题。最后展望了进一步的研究内容。     

面向复杂零件网络化制造的资源优化配置方法

为实现复杂零件网络化制造的资源优化配置,提出一种以零件工艺流程为核心的制造资源优化配置方法。该方法依据零件工艺流程,设计逻辑制造单元和逻辑加工路线,进行基于逻辑制造单元和逻辑加工路线的制造任务分解和描述。为了对逻辑加工路线配置最优的可执行加工路线,以运行成本、时间和加工质量为目标,建立多目标优化模型;在用遗传算法求解模型的过程中,每一代种群,基于影响度因子将运行成本、时间和加工质量的目标特征值矩阵转换为相对隶属度矩阵,进而以每个染色体的距优海明加权距离平方与距劣海明加权距离平方之和最小为准则,求取基于相对隶属度的适应度值。最后,以具体实例证明了该方法解决复杂零件网络化制造资源优化配置问题的可行性与有效性。     

基于单向环形方式的制造单元布局方法

考虑机器具体规格对各对位置距离的影响,将输入、输出点看成和机器一样的节点,同时考虑每个产品的首尾工序和需要到外单元加工的产品与输入、输出点的物流关系,构建了一个设施—产品关系矩阵.在此基础上构建一个面向随机需求并考虑机器具体规格的模型,并提出一种基于局部搜索的多种群蚁群算法,解决了单元制造系统中带有同型机的单向环形设施布局问题.实验分析结果表明,提出的方法是可行且有效的.     

基于k-中心点法的改进粒子群算法在旅行商问题中的应用

为将面向连续优化的粒子群优化算法应用于旅行商问题的求解,提出了旅行商问题的权重编码方案.该方案将属于组合优化的旅行商问题转化为连续优化问题,同时保留了粒子群算法的易操作性和高效性.针对粒子群算法易陷入局部最优的问题,提出了适合旅行商问题的基于k-中心点法的改进措施.该措施利用简单匹配系数构建粒子群的相异度矩阵,在此基础上采用k-中心点法对粒子群进行聚类分析,实现了粒子之间的信息交换,扩大了粒子的搜索空间,避免算法陷入局部最优.最后,用旅行商问题标准库的4个算例验证了权重编码方案和改进粒子群算法的有效性.     

兼顾用户满意度和发电侧收益的微电网系统量子粒子群优化

兼顾微电网系统发电侧与用户侧的综合利益,从能量管理的角度出发,建立了以用户满意度和发电侧收益为目标的优化模型。首先,采用多目标局部变异-自适应量子粒子群算法(Multi-objective local mutation adaptive quantum particle swarm optimization,MO-LM-AQPSO)获得用户满意度及发电侧收益的Pareto前沿。然后,引入缺电损失,以发电侧收益最大为目标,选取了非支配解中的最优解,并通过算例仿真验证其有效性。进而引入可平移负荷及分时电价激励机制,通过合理的峰谷电价比以引导用户积极参与需求侧响应。仿真结果表明,合理的激励措施,可提高微电网收益和用户满意度实现可再生能源的最大化利用及蓄电池运行损耗的有效减少。