基于多动作深度强化学习的纺机制造车间调度方法

纺机制造车间调度问题是一种具有复杂工艺约束和序列相关设置时间的柔性作业车间调度问题,为了保证调度方案的质量,提升企业的订单准时交付能力,提出了一种以最小化最大完工期为优化目标的多动作深度强化学习算法。首先,将调度问题建模为多马尔可夫决策过程。然后,针对纺机制造车间调度的工件选择和机器选择两个子问题,分别设计了用于定义工序选择策略和机器选择策略的两个编码器,以预测选择不同工序和机器的概率分布。其中,在工序选择编码器中,采用图神经网络对析取图进行编码,以降低问题规模对解的质量的影响。其次,提出了一种具有多动作空间的强化学习训练算法,用于学习两个子策略。最后,经某纺机制造企业的实际生产案例验证,该方法的性能受问题规模影响较小,与其他对比算法相比,能够获得较高质量的调度方案,训练的模型具有较好的泛化能力和稳定性。     

PVDF氟碳粉末涂料的研制

PVDF氟碳粉末具有优质、环保、高效和节能等优点,本文介绍了改性热固性丙烯酸树脂与PVDF树脂,制备得到性能优异的PVDF氟碳粉末涂料的研制方法 ;采用三级粉碎技术使其粒径降低到30μm左右,在保证涂层性能的同时明显降低了涂膜厚度,涂层厚度从60~100μm降低至30~50μm。