【摘要】： 現(xiàn)代制造系統(tǒng)正向分散化、智能化及集成化方向發(fā)展。本學(xué)位論文以面向敏捷制造環(huán)境的新一代控制系統(tǒng)(NCS)為研究對(duì)象，首次較系統(tǒng)、全面地研究了NCS的理論、方法及其關(guān)鍵技術(shù)，為NCS的建立和實(shí)現(xiàn)奠定了良好的基礎(chǔ)。 本文在分析NCS基本需求、構(gòu)建NCS的網(wǎng)絡(luò)計(jì)算結(jié)構(gòu)、功能結(jié)構(gòu)、軟件結(jié)構(gòu)基礎(chǔ)上，采用B／S模式、面向?qū)ο蠹夹g(shù)、COM／DCOM、OLE、現(xiàn)場(chǎng)總線技術(shù)、JAVA技術(shù)、Web技術(shù)、軟件總線和即插即用技術(shù)等，建立了NCS的體系結(jié)構(gòu)和集成機(jī)制，提出了NCS的生產(chǎn)過(guò)程建模方法。 在給出智能前端的定義及技術(shù)特征后，建立了基于智能前端的現(xiàn)場(chǎng)信息處理模型；在引入智能單元概念后，提出了智能前端的功能實(shí)現(xiàn)模式；基于模糊圖論的相關(guān)理淪，研究并建立了智能前端的信息處理模型；建立了基于協(xié)同求解機(jī)制的多智能前端節(jié)點(diǎn)系統(tǒng)MIPS的推理和任務(wù)分配模型；基于網(wǎng)絡(luò)化智能傳感器／執(zhí)行器的設(shè)計(jì)及接口標(biāo)準(zhǔn)IEEE1451、神經(jīng)元芯片和Lonwoks技術(shù)，設(shè)計(jì)了智能前端的結(jié)構(gòu)模型和裝置原型。 本文采用了基于神經(jīng)網(wǎng)絡(luò)技術(shù)的智能PID控制策略，設(shè)計(jì)了一類具有自學(xué)習(xí)和自調(diào)整比例因子功能的神經(jīng)元網(wǎng)絡(luò)自適應(yīng)PID控制器的結(jié)構(gòu)及算法；為解決結(jié)構(gòu)不確定性的復(fù)雜多變量系統(tǒng)的控制，基于模糊集及模糊系統(tǒng)、神經(jīng)網(wǎng)絡(luò)理論，建立了多變量系統(tǒng)的模糊控制模型及模糊神經(jīng)網(wǎng)絡(luò)控制模型；針對(duì)揚(yáng)州水箱廠計(jì)算機(jī)集成制造系統(tǒng)車間管理與控制系統(tǒng)(YS-CIMS／SFCS)中的實(shí)際工程問(wèn)題，設(shè)計(jì)和開(kāi)發(fā)了散熱器芯子烘焊自動(dòng)線主烘腔溫度模糊控制器，解決了生產(chǎn)中長(zhǎng)期存在的老大難問(wèn)題，提高了產(chǎn)品質(zhì)量，降低了單產(chǎn)能耗。 基于設(shè)備故障診斷的深淺知識(shí)模型，采用拓展Petri網(wǎng)模型，建立了設(shè)備故障診斷的知識(shí)表示和診斷推理策略，實(shí)現(xiàn)了故障的自動(dòng)診斷；基于分布式人工智能的思想，建立了面向制造過(guò)程的分布式多Agent監(jiān)控與診斷系統(tǒng)的結(jié)構(gòu)，構(gòu)建了多Agent系統(tǒng)的模糊關(guān)聯(lián)模型，提高了系統(tǒng)處理問(wèn)題的效率、可靠性、容錯(cuò)性、開(kāi)放性和柔性；提出了基于知識(shí)影響圖的多Agent集成診斷與決策方法，建立了相應(yīng)的知識(shí)庫(kù)，采用了以圖形變換算法為基礎(chǔ)的控制策略，增強(qiáng)了系統(tǒng)的實(shí)時(shí)處理能力。 提出了流程工業(yè)生產(chǎn)過(guò)程操作優(yōu)化策略和應(yīng)用實(shí)施方法，包括生產(chǎn)過(guò)程離線優(yōu)化策略、非線性問(wèn)題求解策略、在線優(yōu)化模型及學(xué)習(xí)策略；結(jié)合揚(yáng)州有機(jī)化工廠計(jì)算機(jī)集成制造系統(tǒng)集散控制系統(tǒng)(YH-CIMS／DCS)的實(shí)施，針對(duì)錦綸—6浸膠 南京理工大學(xué)博士學(xué)位論文 摘要 簾于布生產(chǎn)中己內(nèi)酚胺聚合反應(yīng)過(guò)程優(yōu)化控制這一工程實(shí)際問(wèn)題，采用統(tǒng)計(jì)建模 方法，建立了聚合反應(yīng)過(guò)程的優(yōu)化模型；為求解所得的優(yōu)化模型，提出了－種改 進(jìn)的有約束條件下的模擬退火算法，該算法能避免陷于局部最優(yōu)解，有效地提高 了所求解的全局性和可靠性：提出了基于改進(jìn)的GA算法和SP算法相結(jié)合的混合 學(xué)習(xí)算法，建立了基于神經(jīng)網(wǎng)絡(luò)的聚合反應(yīng)過(guò)程生產(chǎn)目標(biāo)在線預(yù)測(cè)模型，該算法 和模型滿足了生產(chǎn)中的實(shí)時(shí)性和實(shí)用性要求。
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2002
【分類號(hào)】：TH166

【引證文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 祝海濤;支持船舶敏捷制造的新一代數(shù)控系統(tǒng)體系結(jié)構(gòu)的研究[D];哈爾濱工程大學(xué);2006年

相關(guān)碩士學(xué)位論文 前1條

1 王太江;基于多代理技術(shù)的敏捷車間無(wú)線調(diào)度系統(tǒng)研究[D];重慶大學(xué);2004年

本文編號(hào)：2738646