随机工时下的多目标柔性作业车间鲁棒调度问题

针对工时不确定条件下的多目标柔性作业车间调度问题,采用2个不确定参数描述随机工时的波动程度和约束条件允许违背程度,将不确定条件下的柔性作业车间调度问题模型转换成确定条件下的鲁棒对等问题模型。在算法设计中采用全局非支配解集保存每代进化过程中产生的非支配解,并选择全局非支配解集中的个体参与变异操作。在交叉和变异操作之后,设计了一种基于变邻域结构的局部搜索策略。最后,运用该算法求解经典基准算例,验证了其有效性。     

制造执行系统的现状与发展趋势

论述了制造执行系统（MES）国内外研究开发现状，认为MES是实现车间生产管理敏捷化的基本技术手段，指出敏捷化、智能化和集成化是MES技术及系统的重要发展趋势。指出MES的敏捷性体现为其性能上的快速响应和结构上的快速重组，综述了有关MES敏捷化方面国内外研究概况，进而指出MES目前面临的问题。提出将理论创新与应用开发、先进性与实用性相结合，开发具有自主知识产权的MES技术成果与工具型应用系统，从根本上解决MES敏捷化问题的应对策略，以此促进MES在我国的普及与推广应用，促进车间制造自动化水平的提高和CIMS的发展。     

基于神经网络的316L不锈钢激光焊焊缝形貌预测

在316L不锈钢的激光焊接过程中,其焊接工艺参数直接影响焊缝的形貌,建立焊接工艺参数与焊缝几何形状之间的关系对于优化焊接工艺参数,降低焊接成本非常重要. 根据316L不锈钢焊缝二维不光滑轮廓形貌特点,采用分段函数思想,分别使用Hermite插值和最小二乘拟合的方法描述焊缝轮廓,构建广义回归神经网络焊缝二维形貌预测模型. 结果表明,采用Hermite插值的方法能够获得更准确的焊缝形貌,其平均相对误差为?3.49%. 该模型为316L不锈钢激光焊焊缝预测提供一种有效方法.     

一种基于改进遗传算法的多目标动态调度优化

静态调度问题一般是NP-hard问题,而动态调度问题的性能指标比静态调度的更为复杂,并且以多目标综合性能指标居多。在系统地研究了多目标动态作业车间调度问题的基础上,运用滚动窗口技术和改进的遗传算法来解决动态调度问题。滚动窗口技术将调度过程分成连续静态调度区间,在每个区间内用多目标遗传算法进行调度优化。最后开发了面向应用的动态调度原型系统,并对改进的Job-shop基准实例进行仿真试验,证明了提出策略的可行性和有效性。     

面向节能的混合流水车间调度问题建模与优化

针对面向节能的不相关并行机混合流水车间调度问题的特点,分析了混合流水车间的能耗组成,基于Wagner建模思想提出一种以最小化能耗为目标的混合整数线性规划模型,并提出一种改进的候鸟优化算法求解该问题。在候鸟优化算法中,采用随机策略生成初始种群,提出4种解码方法;基于关键路径的思想设计了两种移动策略,目的分别是调整空闲时间段使其可以实行关机重启策略,以及尽量延迟机床开机;该算法中领飞鸟和跟飞鸟通过最优交换操作和最优插入操作进行进化。通过41组实例对加入移动和关机重启策略的候鸟优化算法,以及没有加入移动和关机重启策略的候鸟优化算法进行测试,证明了所提移动和关机重启策略能够大幅度减少车间总能耗。同时,通过41组实例测试验证了所提模型和算法的有效性和可行性。     

柔性作业车间调度问题的两级遗传算法

研究不同性能指标柔性作业车间调度问题的优化.针对柔性作业车间调度问题的特点,设计基于工序编码和基于机器分配编码的两种交叉和变异算子,并提出一种双层子代产生模式的改进遗传算法应用于该调度问题,以使子代更好地继承父代的优良特征.使用实例测试改进的遗传算法,并与其他遗传算法的测试结果进行比较,所提出算法的有效性得到证实.     

基于CORBA的可重构制造执行系统研究

应用基于CORBA分布式对象技术与规范对车间管理各功能构件进行封装和设计，通过基于CORBA开放式系统集成框架，将封装后的功能构件以“即插即用”的方式进行集成；开发了一个基于CORBA的可重构的MES原型系统，实践证明该系统不仅能够快速智能处理车间制造信息，而且具有良好的扩展性、可重构性和易集成性。     

基于能耗的冷轧连退机组能效建模与工艺参数优化及排序建模优化

以冷轧连续退火机组能耗集中的炉区作为研究对象,根据能量流与热力学理论,建立了能耗与主要工艺参数之间的映射模型;采用MATLAB结合一种改进的量子遗传算法对能效模型进行优化,获取在保证质量的前提下能效最高的工艺参数组合;以辅助设备能耗最低、生产规格跳变平缓以及满足交货期为优化目标,建立了冷轧连退产线生产调度多目标优化模型,采用非支配排序遗传算法（NSGA-Ⅱ）进行求解,得出最优排序。结果表明,该模型和算法对生产实际有一定的指导作用。     

采用深度学习的铣刀磨损状态预测模型

为提高刀具磨损监测的预测精度与泛化性能,研究了基于深度学习的铣刀磨损状态预测,提出了基于堆叠稀疏自动编码网络与卷积神经网络的两种预测模型。堆叠稀疏自动编码网络对特征向量进行降维并将其纳入分类器来实现预测,可避免特征选择对先验知识的依赖;卷积神经网络将铣削振动数据转化为小波尺度图并输入模型完成分类,精简了传统建模流程。最后将提出的两种模型与传统神经网络模型进行比较,验证了所提模型的效率与精度。     

基于维修时间窗的柔性作业车间调度优化研究

针对柔性作业车间调度和预防性维护的单目标集成优化问题,以最大完工时间为优化指标,建立了基于维修时间窗的集成优化模型,设计了混合“教与学”优化（HTLBO）算法求解该模型。提出一种“基于工序加工时间最短”的机器序列初始化策略,对部分初始种群进行初始优化,以提高部分初始解的质量,使得算法能够以较短的时间收敛。对文献中柔性作业车间调度的基准问题进行求解并比较其计算结果,初步证明该混合算法的可行性;针对集成维修时间窗的柔性作业车间调度优化模型,借鉴文献中的数据生成实例进行求解,并与其他算法进行比较,证明该混合算法的有效性。