基于解析-仿真反馈的动态随机生产决策模型

为了解决动态随机因素在综合生产计划决策中造成的生产计划不可行问题,提出了使用仿真方法近似实际的生产系统,结合随机解析模型,通过反馈方法进行决策参数修正的解析仿真动态随机生产决策模型,并给出了作业参数的反馈松弛修正方法.该方法首先通过静态随机解析模型求解最优生产决策,将最优决策结果输入仿真模型,以此比较实际仿真生产结果和静态解析模型决策结果的差别,基于该差别对随机决策参数进行松弛修正,将松弛之后的决策参数带入解析模型再次循环建模并求解和仿真,直到符合停止准则.通过算例验证了该决策方法的收敛性,并通过实例证明了该方法在实际生产系统的动态随机决策中是有效的.     

满足产品需求条件下的车间最优随机生产计划与控制

根据实际需要建立关联方程有延迟且以正好满足产品需求为约束条件的车间生产计划与控制的随机非线性规划模型，即一种求解动态优化问题的静态优化模型，为求解方便将其转化成线性规划模型。提出分别用卡马卡算法和基于卡马卡算法的关联预测法来求解柔性自动化车间（FAM）最优随机生产计划与控制问题，并编制了相应软件。通过算例研究，比较了上述2种方法和Matlab中的线性规划法，结果表明所提方法非常适合将不确定性环境中的FAW产品需求计划最优分解成由FAW中各柔性制造系统（FMS）执行的短期随机计划，尤其适合FMS之间工件传输需经出入库并有1个生产周期延迟的情况。     

分散决策供应链生产计划协同研究

为解决多级、多产品、分散供应链系统生产计划协同问题,提出了一种基于拉格朗日松弛算法的生产计划协同模型.在该模型中,建立每个企业独立的生产计划模型,使用拉格朗日松弛算法,松弛掉企业之间的物流平衡约束,将需要集中决策的供应链生产计划协同问题,分解为企业间分散的独立决策问题;运用次梯度算法对拉格朗日因子进行更新,通过反复迭代的优化过程实现生产计划协同.仿真实验表明,基于拉格朗日松弛算法的供应链协同对复杂供应链系统能够较好地逼近最优解,协同效果和收敛速度优于遗传算法.     

液压压力控制系统参数求解及系统仿真分析

采用一种用于求解非线性方程组的遗传算法对辨识获得的系统传递函数进行参数求解，依照解得的系统参数获得系统的开环模型。通过对开环模型进行仿真并与实测输出曲线对比，验证了遗传算法求解液压伺服系统参数的可行性。同时，通过分析仿真结果，找出了材料试验机比例压力控制系统与伺服压力控制系统在辨识方法上的差别。     

柔性自动化车间的最优随机生产计划

研究了由多个柔性制造系统组成的柔性自动化车间的最优随机生产计划问题,首先根据实际需要建立车间生产计划的随机非线性规划模型,为求解方便,将其近似转化成确定非线性规划模型,并通过引进约束进一步转化成线性规划模型。由于这种模型规模较大,很难在微机上用单纯形法在可接受的时间内获得其最优解。为此,分别用卡马卡算法和基于卡马卡算法的关联预测法,求解柔性自动化车间最优生产计划问题,并编制了相应软件。最后通过算例研究,比较了卡马卡算法、基于卡马卡算法的关联预测法和Matlab中的线性规划法,结果表明,所提方法非常适合将不确定性环境中的随机产品需求计划,最优分解成由柔性自动化车间中各柔性制造系统执行的短期随机计划。     

劣化系统的生产、质量控制与视情维护联合建模与优化

针对设备状态信息不能实时获取的问题,以质量反馈信息作为评估系统状态的重要依据制定维修策略。在产品质量与设备劣化状态之间存在明显函数关系时,将批量生产结束后系统状态的检测信息和批量生产过程中的质量反馈信息作为互补,进行预防性维护决策,确保维修活动具有快速响应能力。以生产批量大小、质量控制阈值以及预防维护阈值三者为联合决策变量,利用全概率分解方法建立了平均费用率模型。针对模型的高度复杂性,设计基于蒙特卡洛仿真和响应曲面法的优化算法,实现对模型的快速近似求解。最后通过数值实验演示,验证了仿真算法的有效性,并通过敏感性分析明确了相关参数的变化对最优策略的影响。     

基于制造商回收的双渠道闭环供应链博弈分析

为探究制造商回收的双渠道闭环供应链中的价格决策问题,在考虑回收率和再制造成本差异的情形下,建立了单周期静态博弈模型和时滞动态博弈模型。静态模型采用运筹和优化的方法,给出集中决策和分散决策下的最优策略解析式,分析了再制造成本差异对最优策略的影响;动态模型借助非线性动力学理论和系统复杂性理论,给出系统局部渐近稳定的条件和分岔点的解析式;通过仿真揭示了时滞参数、回收率、再制造成本差异和价格调整速度对系统稳定性和复杂性的影响。利用变量反馈控制法对失稳系统实现了有效控制。研究表明,增加再制造成本差异会降低销售价格,但能提高回收率和利润;同时,时滞参数和价格调整速度应适中,从而防止系统失稳。     

S-函数在火电机组模型仿真中的应用

火电机组模型多为静态的，带有一定的局限性，当实际运行工况变化时，模型中的参数不会随着现场工况变化而变化，不能真实反映实际机组运行状况，这给仿真带来了一定的误差。文章对已建立的火电机纽模型作适当修改，选取影响模型特性的主要参数为修正对象，在Simulink仿真环境下建立基于S-函数的火电机组仿真模型。仿真时通过建立的S-函数模块读取实际机组运行数据，并根据相关计算方法动态修正选取的模型参数，使其能随着现场工况的变化而变化，实现动态仿真，从而能更好的服务于仿真试验研究。     

求解静电驱动微梁变形的数值与解析方法

给出了一种静电力作用下微悬臂梁控制方程的数值求解方法,提出了求解该模型的近似解析式和修正解析式,并采用模态叠加法计算微梁的动响应。结果表明,修正解析式、数值算法和动响应方法计算的微梁变形结果是一致的。同时也揭示了微梁振动响应周期与驱动电压成正比、动态临界电压低于静态临界电压等相关特性。     

基于仿真和正交试验的优化调度研究

针对生产系统多点协调调度问题,提出了一种基于仿真和正交试验的优化调度方法。在动态生产环境中,为了支持快速仿真调度分析,以模型元素和控制逻辑分离的原则为指导,采用面向对象方法,实现了基于模块化控制逻辑的快速仿真建模。以仿真模型作为系统目标求解函数,各种决策参数作为系统输入变量,通过正交试验优化仿真实验,确定最佳调度决策参数组合,将其应用于生产系统的调度控制。以某研究所的数控车间为例,验证了该调度方法的可行性和有效性。     

变扰动强度下柔性装配作业车间调度性能分析

柔性装配作业车间是柔性作业车间的一类现实化扩展,其调度问题既要考虑复杂的加工路径柔性,还要考虑零件间的装配关联约束,以及由其带来的关联零件生产进度协同难题.首先给出了柔性装配作业车间调度问题的数学模型;然后考虑现实生产中普遍存在的随机扰动,采用了完全反应式与预测-反应式两类动态调度策略,并提出了相应的优先度规则算法和周...     

面向清洁生产的石材矿山机械设备决策模型及其应用

石材开采设备优化决策是改善企业矿山开采过程清洁性的有效途径之一.论文着重以节约资源、保护环境为目标,建立了一种面向清洁生产的矿山设备决策目标分解参考体系;对矿山设备的选择问题进行了三级分类和数学描述;针对石材矿山开采具有代表性的分离工序设备决策问题,建立了多目标优化决策模型,并将熵权法和层次分析法结合,应用模糊数学理论对上述模型进行求解.通过实例分析验证所提出模型的可行性和有效性.     

利用响应面方法的汽轮机叶片振动可靠性分析

考虑随机因素的影响,确定汽轮机叶片固有振动静、动频率的统计特性,建立叶片避开共振时的功能函数.以汽轮机扭叶片为研究对象,在考虑几何因素、安装因素、材料因素和转速随机性的同时,将确定性有限元法、响应面方法和Monte-Carlo模拟法相结合对叶片进行振动可靠性分析.在对扭叶片复杂叶型进行有限元参数化建模和试验设计基础上,分别采用多项式响应面法和神经网络响应面法构建了扭叶片静、动频率与随机变量之间的近似关系式,并代替有限元模型,同时结合Monte-Carlo模拟技术得到静频、动频的统计特性和累积分布函数.针对叶片危险振型,在合理确定功能函数的基础上对其进行了振动可靠性分析,并以Latin Hypercube样本Monte-Carlo 模拟法计算结果作为相对精确解,对两种不同响应面法进行了对比.     

考虑随机参数的高速列车动力学分析

建立高速列车车辆系统非线性动力学仿真模型,考虑悬挂刚度和阻尼、轮轨匹配参数、轮轨界面参数、轨道不平顺和载重的随机性,应用数值仿真研究高速列车动力学性能的随机统计特征。分析随机参数确定方法、动力学仿真工况数量和计算结果后处理方法,并与试验结果进行对比验证。计算结果表明,与常规动力学分析相比,考虑随机因素的动力学方法可以得到动力学指标的分布特性,能够考虑到多种参数随机变化对动力学性能的综合影响。常规动力学计算结果是考虑随机因素的特例,能代表车辆动力学性能的普遍规律,但不能掌握动力学指标的变化域和分布规律。考虑随机因素的动力学方法可用于高速列车动力学性能预测、动力学参数优化和异常振动分析等领域,能更加真实、全面反映车辆动力学性能,优化出的悬挂参数具有更广泛的线路运行适应性。     

面向知识管理的过程企业知识模型体系研究

过程企业由于其特定的技术经济形态,由单元生产过程和市场需求协同作用,驱动决策流成为其知识管理显著的特点和难点。分析了过程企业由动态过程模拟模型、过程控制模型、技术经济评价及经营决策模型构成的三级过程性知识模型体系,提出静态性知识、策略性知识和推理性知识的知识分类方法,解决了过程企业实施现代集成过程系统必须的基于市场需求和生产过程的决策模型。研究并提出了基于类的面向对象的知识模型表达模式,形成由模型类、模型框架和模型实例构成的模型层次,讨论了以过程模拟和数据挖掘作为重要技术支撑的知识学习方法,并针对行业的过程性特点,提出了面向业务与决策过程的知识发布模式。     

A study on the prediction of machining accuracy

The machining accuracy prediction has been widely studied in many manufacturing processes to achieve efficient control for production process. In this paper, a dynamic analysis model is proposed to develop the prediction model of machining accuracy. The dynamic analysis model has the advantage of high predictable power of the GM(1,1) model while at the same time utilizing the prediction power of the Markov chain model from stochastic process theory. Furthermore, Taylor approximation method is employed to enhance the prediction accuracy. The effectiveness of the proposed model is validated with a real case.     

Fabrication of micro-channel arrays on thin stainless steel sheets for proton exchange membrane fuel cells using micro-stamping technology

Bipolar plates are one of the crucial components of proton exchange membrane fuel cells. Because of the expensive production costs of traditional graphite bipolar plates, which require a few millimeters thickness over the space, the resulting metal bipolar plate reduces the cost, and the thickness can be reduced to the micron range. This study explored the application of micro-stamping technology to produce thin metal bipolar plates with the relevant process parameters. In this study, the channel design was 0.8?×0.75 mm for the use of a rigid punch on a 50-μm-thick stainless steel sheet (SUS 304) for micro-channel stamping processes. The finite element method and the experimental results were used to analyze the main parameters of the micro-stamping process. The traditional material model and the scale factor modified material model were used for simulation. The experimental results verified that the modified material model is more realistic for products and has superior similarity because the punch load is relatively small. This study used updated Lagrangian formulation concept to establish an elastic–plastic deformation finite element analysis model and scale factor to modify the calculation to effectively simulate the micro-stamping process for metal bipolar plates.     

Make-to-order/make-to-stock partitioning decision using the analytic network process

This paper presents a decision-making structure to determine the appropriate product delivery strategy for different products in a manufacturing system. These strategies include make-to-stock (MTS), make-to-order (MTO), and hybrid MTS/MTO production systems. In fact, the proposed approach gets the decision maker the opportunity to benefit from both strategies through applying the hybrid one. There are varieties of driving factors involved in choosing the right product delivery strategy, and all these factors have positive and negative interactions with each others; in this regard, we apply an appropriate multi-criteria decision-making method. In this method, relevant criteria affecting MTS/MTO partition are split into four categories: market-related criteria, product-related criteria, process-related criteria, and supplier-related criteria. Due to the interdependency between these criteria, we use analytic network process that generalizes analytic hierarchical process by considering the interdependencies among factors. Finally, in order to show the applicability of the proposed structure in practice, the structure is implemented to choose the best production policy among three aforementioned strategies in the real industrial case company.     

A stochastic finite element dynamic analysis of structures with uncertain parameters

The real life structural systems are characterized by the inherent uncertainty in the definition of their parameters in the context of both space and time. In the present study a stochastic finite element method has been proposed in the frequency domain for analysis of structural dynamic problems involving uncertain parameters. The harmonic forces as well as earthquake-induced ground motion are treated as random process defined by respective power spectral density function. The uncertain structural parameters are modelled as homogeneous Gaussian stochastic field and discretized by the local averaging method. The discretized stochastic field is simulated by the Cholesky decomposition of respective covariance matrix. By expanding the uncertain dynamic stiffness matrix about its reference value the Neumann expansion method is introduced in the finite element procedure within the framework of Monte Carlo simulation. This approach involves only single decomposition of the dynamic stiffness matrix for entire simulated structure. Thus a considerable saving of computing time and the facility that several stochastic fields can be simultaneously handled are the basic advantages of the proposed formulation. Numerical examples are presented to elucidate the accuracy and efficiency of the proposed method with the direct Monte Carlo simulation.