智能制造系統(tǒng)生產(chǎn)計劃和車間調(diào)度的研究

《智能制造系統(tǒng)生產(chǎn)計劃和車間調(diào)度的研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、南京航空航天大學(xué)博士學(xué)位論文摘要本文研究了智能制造系統(tǒng)的生產(chǎn)計劃和車間優(yōu)化調(diào)度問題，主要工作和創(chuàng)新點(diǎn)如下：根據(jù)生命科學(xué)中免疫系統(tǒng)的信息處理機(jī)制，將免疫計算和改進(jìn)的遺傳算法相結(jié)合，建立了一種用于車間調(diào)度的免疫遺傳算法。針對作業(yè)車間調(diào)度問題，設(shè)計了免疫遺傳計算中疫苗的提取和接種方法，通過作業(yè)車間調(diào)度十個典型標(biāo)準(zhǔn)問題驗(yàn)證，文中所述免疫遺傳算法可行，較現(xiàn)有免疫算法、一般遺傳算法及一些傳統(tǒng)優(yōu)化設(shè)計方法在收斂效率和準(zhǔn)確性等方面有很大改進(jìn)與提高。在研究雙資源、多工藝路線作業(yè)車間調(diào)度的基礎(chǔ)上，從實(shí)際作業(yè)車間調(diào)度系統(tǒng)存在大量不確定因素的情況出發(fā)，建立了模糊調(diào)度的數(shù)學(xué)模型?；谀：碚摵妥赃m應(yīng)原理，對算法中初始種

2、群的構(gòu)造、適應(yīng)度計算、模糊遺傳操作等方面進(jìn)行了研究，以最小完工時間和平均滿意度最大為優(yōu)化目標(biāo)，應(yīng)用改進(jìn)的模糊遺傳算法，求解出最優(yōu)調(diào)度工序。提出了面向車間調(diào)度的動態(tài)、分布式工藝計劃與車間調(diào)度集成模型，深入構(gòu)建、研究了集成模型的層次結(jié)構(gòu)。將工藝計劃與基于周期和事件驅(qū)動的動態(tài)優(yōu)化調(diào)度有機(jī)地相結(jié)合，使集成系統(tǒng)能適應(yīng)連續(xù)加工過程中復(fù)雜的環(huán)境變化并高效地完成實(shí)時處理，減少突發(fā)事件造成的工序大范圍的重新設(shè)計。把二倍體混合遺傳算法引入動態(tài)車間優(yōu)化調(diào)度運(yùn)算，從而使集成模型中動態(tài)生產(chǎn)調(diào)度與控制功能得以實(shí)現(xiàn)。實(shí)例驗(yàn)證了集成系統(tǒng)和算法的可行性和有效性。研究了批量生產(chǎn)中以生產(chǎn)周期、最大提前/最大拖后時間、生產(chǎn)成本、以及

3、設(shè)備利用率指標(biāo)：機(jī)床總負(fù)荷和機(jī)床最大負(fù)荷為調(diào)度目標(biāo)的柔性作業(yè)車間優(yōu)化調(diào)度問題。提出了批量生產(chǎn)優(yōu)化調(diào)度策略。建立了多目標(biāo)優(yōu)化調(diào)度模型。結(jié)合多種群粒子群搜索與遺傳算法的優(yōu)點(diǎn)提出了具有傾向性粒子群搜索的多種群混合算法，以提高搜索效率和搜索質(zhì)量。仿真結(jié)果表明該模型及算法較目前國內(nèi)外現(xiàn)有方法更為有效和合理。本課題的研究受到國家自然科學(xué)基金重大項(xiàng)目“支持產(chǎn)品創(chuàng)新的先進(jìn)制造技術(shù)中的若干基礎(chǔ)性研究”（項(xiàng)目編號：59990470）的支持，課題的研究已經(jīng)通過國防科工委的專家鑒定。專家認(rèn)為：“研究成果具有開創(chuàng)性，整個研究成果屬于國際先進(jìn)水平，根據(jù)查新報告，其中多工藝多資源的動態(tài)優(yōu)化生產(chǎn)調(diào)度技術(shù)屬于國際首創(chuàng)”。關(guān)鍵詞

4、：作業(yè)調(diào)度工藝計劃進(jìn)化算法多目標(biāo)多資源動態(tài)調(diào)度批量生產(chǎn)i智能制造系統(tǒng)生產(chǎn)計劃與調(diào)度的研究AbstractTheschedulingoptimizationofthejobshopsisacoreofadvancedmanufacturingandmodernmanagingtechnology.Theproblemofjobshopschedulinghasbecomeoneofkeybottle-neckinproductionprocess.Thesubjectisstudiedinthisthesisandseveralinnovationsarepresented.Accordingt

5、otheinformationprocessingmechanismofimmunesysteminbioticscience,anewapproachofimmunegeneticalgorithmforjobshopschedulingisproposedthroughcombiningimmunealgorithmwithimprovedgeneticalgorithm.Aimingattheproblemofjobshopscheduling,theapproachofdistillingandinjectingvaccinationissolved,whichisdifficulty

6、inimmunealgorithm.Itistestifiedthatconvergenceefficiencyandaccuracyoftheimmunegeneticalgorithminsolvingtenstandardjobshopschedulingproblems.Theresultsindicatetheproposedalgorithmiscompetitive,beingabletoproducebettersolutionsthenotherapproach.Basedonthefoundationofstudyingjobshopschedulingwithdual-r

7、esourceandmultipleprocessplans,fromthecircsofmassincertitudecomplicationsexistinginpracticaljobshopschedulingsystem,themodeloffuzzyjobshopschedulingisformulated.Theminimumfuzzycompletiontimeormaximuma