【摘要】： 本文研究了智能制造系統(tǒng)的生產(chǎn)計(jì)劃和車間優(yōu)化調(diào)度問(wèn)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(jì)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(duì)作業(yè)車間調(diào)度問(wèn)題,設(shè)計(jì)了免疫遺傳計(jì)算中疫苗的提取和接種方法,通過(guò)作業(yè)車間調(diào)度十個(gè)典型標(biāo)準(zhǔn)問(wèn)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(jì)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(duì)算法中初始種群的構(gòu)造、適應(yīng)度計(jì)算、模糊遺傳操作等方面進(jìn)行了研究,以最小完工時(shí)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(dòng)態(tài)、分布式工藝計(jì)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(jì)劃與基于周期和事件驅(qū)動(dòng)的動(dòng)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(guò)程中復(fù)雜的環(huán)境變化并高效地完成實(shí)時(shí)處理,減少突發(fā)事件造成的工序大范圍的重新設(shè)計(jì)。把二倍體混合遺傳算法引入動(dòng)態(tài)車間優(yōu)化調(diào)度運(yùn)算,從而使集成模型中動(dòng)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(shí)間、生產(chǎn)成本、以及設(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(wèn)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(guó)內(nèi)外現(xiàn)有方法更為有效和合理。 本課題的研究受到國(guó)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(hào):59990470)的支持,課題的研究已經(jīng)通過(guò)國(guó)防科工委的專家鑒定。專家認(rèn)為:“研究成果具有開(kāi)創(chuàng)性,整個(gè)研究成果屬于國(guó)際先進(jìn)水平,根據(jù)查新報(bào)告,其中多工藝多資源的動(dòng)態(tài)優(yōu)化生產(chǎn)調(diào)度技術(shù)屬于國(guó)際首創(chuàng)”。
【圖文】：

慮染及對(duì)用了零件的工序指定相同的符號(hào)，然后根據(jù)它們釋。如 2 個(gè)工件，每個(gè)工件有 2 道工序，則示第二個(gè)零件的第一道工序，第二個(gè)“b”fi作為適應(yīng)度值，其中 H：為當(dāng)代種群中的最大完成時(shí)間的最小值。抗體 v 與抗原的＋W）表示，Agi=(fmax-fi)/(fmax-fmin)。親和力越好。bij(i,j=1,2,…,N+W)表示了兩抗體之間的相似產(chǎn)生的抗體是一個(gè)不確定的抗體，其基因座圖 2.1 免疫遺傳算法流程

而丟失重要種群的多樣性。組作（SWAP），逆序S）進(jìn)行變異。索能力，并維持群象，本文采用逆轉(zhuǎn)隨機(jī)挑選兩個(gè)逆轉(zhuǎn)逆向排序，生成新苗的基礎(chǔ)上，，通過(guò)完成的。接種疫苗是為了防止種群的項(xiàng)操作序號(hào)目工件 1 2 3a 3 3 2b 1 5 3操作時(shí)間c 3 2 3a M1M2M3b M1M3M2機(jī)器順序c M2M1M3表 2.1 3/3/IG/Cm a xJSP加工數(shù)據(jù)
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2007
【分類號(hào)】：TH166

【引證文獻(xiàn)】

相關(guān)博士學(xué)位論文 前4條

1 曾強(qiáng);離散制造企業(yè)批量生產(chǎn)車間調(diào)度智能優(yōu)化研究[D];重慶大學(xué);2010年

2 吳珊珊;面向復(fù)雜制造系統(tǒng)的智能生產(chǎn)調(diào)度方法及其應(yīng)用研究[D];東華大學(xué);2011年

3 劉鵬飛;混合生產(chǎn)形態(tài)下的作業(yè)車間調(diào)度關(guān)鍵技術(shù)研究[D];大連交通大學(xué);2012年

4 曾敏;大規(guī)模定制關(guān)鍵問(wèn)題建模與應(yīng)用研究[D];華中科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前7條

1 禹曉蕾;基于約束滿足的改進(jìn)蟻群算法在車間調(diào)度中的應(yīng)用研究[D];武漢理工大學(xué);2010年

2 豆之敬;基于遺傳模擬退火算法的電梯轎廂生產(chǎn)車間調(diào)度研究[D];廣東工業(yè)大學(xué);2011年

3 黃園園;混合型生產(chǎn)調(diào)度建模與優(yōu)化研究[D];西南交通大學(xué);2011年

4 楊婉慧;產(chǎn)銷一體化環(huán)境下鋼鐵企業(yè)冷軋生產(chǎn)計(jì)劃與調(diào)度研究[D];復(fù)旦大學(xué);2010年

5 楊萍;基于合同網(wǎng)機(jī)制的柔性智能車間調(diào)度系統(tǒng)建模與仿真[D];華南理工大學(xué);2012年

6 李鵬;基于瓶頸工序的多資源多目標(biāo)機(jī)械加工車間排產(chǎn)方法與系統(tǒng)研究[D];重慶大學(xué);2012年

7 張朔;面向電子制造企業(yè)的生產(chǎn)調(diào)度與管理系統(tǒng)[D];大連理工大學(xué);2013年

本文編號(hào)：2672462