柔性作业车间批量重调度方法研究
发布时间：2022-12-25 13:15
随着人工智能的发展,制造业也发生着翻天覆地的变化,智能制造、智能工厂等新的制造理念层出不穷,企业想要在竞争的激流中不被淹没,必须提高对市场的反应能力,能够适应多品种、小批量的生产模式,并且能够对生产环境中出现的例如插单、撤单、机床故障、原材料缺失等问题有迅速的响应和处理机制。而传统的静态调度早已无法适用于动态变化的生产环境,所以动态调度问题也越来越受到广大学者的关注,同时由于在实际生产过程中,大多数企业采用批量生产,因此对于批量动态调度问题的研究具有很重要的研究价值和现实意义。论文首先描述了柔性作业车间的批量动态调度问题,总结了目前对动态调度的衡量指标,定义了模型变量和模型假设,针对最大完工时间、拖期惩罚、拖期工件数量三个优化目标建立了数学模型,并且讨论了现在动态调度框架存在的问题,根据实际生产的需求,提出了拖期惩罚容忍度的概念,并针对机床故障、插单两个动态事件给出了基于混合驱动机制的改进调度框架。接着,论文基于已有的调度方案,分别针对动态事件中的插单、机床故障问题如何进行重调度做了深入研究,针对插单问题提出了基于群体智能搜索的批量插单调度方法,从分批选择、批量选择、以及子批数量分配提...
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题来源
1.2 课题研究背景及意义
1.3 国内外研究现状
1.3.1 车间动态调度方式研究现状
1.3.2 柔性车间重调度研究现状
1.3.3 柔性车间批量调度研究现状
1.3.4 问题分析及总结
1.4 论文研究内容及结构
第2章 柔性作业车间批量重调度问题
2.1 作业车间批量动态调度问题描述
2.2 作业车间批量重调度问题的数学建模
2.2.1 模型假设
2.2.2 变量定义
2.2.3 数学模型
2.3 基于延迟惩罚容忍度的重调度策略
2.3.1 柔性作业车间中的扰动类型
2.3.2 延迟惩罚容忍度
2.3.3 重调度策略
2.4 求解方法
2.4.1 传统求解方法
2.4.2 智能的调度方法
2.4.3 本文的求解方法
2.5 本章小结
第3章 插单批量重调度算法研究及应用
3.1 插单批量重调度概述
3.2 遗传算法及群体智能算法
3.2.1 遗传算法原理及流程
3.2.2 群体智能算法概述
3.2.3 粒子群算法原理及流程
3.3 基于群体智能搜索遗传算法的插单调度分批算法
3.3.1 分批选择
3.3.2 批量选择
3.3.3 调度分批算法
3.3.4 分批算法流程
3.4 分批算法在插单调度实例中的验证和应用
3.4.1 分批算法效率与优化性能验证
3.4.2 某零配件车间分批插单实例求解的多种算法对比验证
3.4.3 某航空结构件厂实际生产实例的分批调度应用
3.5 本章小结
第4章 机床故障批量重调度算法研究
4.1 机床故障批量重调度概述
4.2 强化学习算法
4.2.1 强化学习原理及结构
4.2.2 强化学习中的几个关键概念
4.2.3 Q-learning
4.3 基于Q-learning的机床故障调度
4.3.1 机床故障问题调度问题模型
4.3.2 动作集定义
4.3.3 状态变量确定和状态划分
4.3.4 回报函数的建立
4.4 模型实现及验证
4.4.1 单工序单Agent模型
4.4.2 多工序多Agent模型
4.4.3 模型验证
4.5 本章小结
第5章 智能调度系统开发与应用
5.1 引言
5.2 系统概述
5.2.1 系统的主要功能模块及工作流
5.2.2 系统结构
5.2.3 系统数据库设计
5.3 系统实现技术
5.3.1 C#与MATLAB混合编程
5.3.2 C#与Excel的交互
5.3.3 C#与MySQL 的交互
5.4 系统界面功能设计及调度模块实现
5.4.1 界面设计
5.4.2 资源管理模块
5.4.3 任务排程调度模块
5.5 实例验证
5.6 本章小结
总结与展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果
本文编号：3726693
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题来源
1.2 课题研究背景及意义
1.3 国内外研究现状
1.3.1 车间动态调度方式研究现状
1.3.2 柔性车间重调度研究现状
1.3.3 柔性车间批量调度研究现状
1.3.4 问题分析及总结
1.4 论文研究内容及结构
第2章 柔性作业车间批量重调度问题
2.1 作业车间批量动态调度问题描述
2.2 作业车间批量重调度问题的数学建模
2.2.1 模型假设
2.2.2 变量定义
2.2.3 数学模型
2.3 基于延迟惩罚容忍度的重调度策略
2.3.1 柔性作业车间中的扰动类型
2.3.2 延迟惩罚容忍度
2.3.3 重调度策略
2.4 求解方法
2.4.1 传统求解方法
2.4.2 智能的调度方法
2.4.3 本文的求解方法
2.5 本章小结
第3章 插单批量重调度算法研究及应用
3.1 插单批量重调度概述
3.2 遗传算法及群体智能算法
3.2.1 遗传算法原理及流程
3.2.2 群体智能算法概述
3.2.3 粒子群算法原理及流程
3.3 基于群体智能搜索遗传算法的插单调度分批算法
3.3.1 分批选择
3.3.2 批量选择
3.3.3 调度分批算法
3.3.4 分批算法流程
3.4 分批算法在插单调度实例中的验证和应用
3.4.1 分批算法效率与优化性能验证
3.4.2 某零配件车间分批插单实例求解的多种算法对比验证
3.4.3 某航空结构件厂实际生产实例的分批调度应用
3.5 本章小结
第4章 机床故障批量重调度算法研究
4.1 机床故障批量重调度概述
4.2 强化学习算法
4.2.1 强化学习原理及结构
4.2.2 强化学习中的几个关键概念
4.2.3 Q-learning
4.3 基于Q-learning的机床故障调度
4.3.1 机床故障问题调度问题模型
4.3.2 动作集定义
4.3.3 状态变量确定和状态划分
4.3.4 回报函数的建立
4.4 模型实现及验证
4.4.1 单工序单Agent模型
4.4.2 多工序多Agent模型
4.4.3 模型验证
4.5 本章小结
第5章 智能调度系统开发与应用
5.1 引言
5.2 系统概述
5.2.1 系统的主要功能模块及工作流
5.2.2 系统结构
5.2.3 系统数据库设计
5.3 系统实现技术
5.3.1 C#与MATLAB混合编程
5.3.2 C#与Excel的交互
5.3.3 C#与MySQL 的交互
5.4 系统界面功能设计及调度模块实现
5.4.1 界面设计
5.4.2 资源管理模块
5.4.3 任务排程调度模块
5.5 实例验证
5.6 本章小结
总结与展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果
本文编号：3726693
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3726693.html
