分析Job Shop車間生產(chǎn)環(huán)境復雜、多變以及生產(chǎn)過程中各種隨機擾動所導致的不確定性問題,對車間現(xiàn)場各種生產(chǎn)擾動異常進行分類描述,并針對與各種擾動相關(guān)的工況信息,采用相應(yīng)的信息采集方法,以實現(xiàn)對車間工況信息的實時采集和車間工況的實時監(jiān)控。將車間生產(chǎn)過程中的各種隨機擾動分為顯性擾動和隱性擾動,分別采用主動和被動觸發(fā)式重調(diào)度驅(qū)動機制,并制定相應(yīng)的響應(yīng)策略,以實現(xiàn)擾動與處理策略的直接快速響應(yīng)。針對頻繁重調(diào)度引起的系統(tǒng)振蕩和穩(wěn)定性差的問題,提出通過對各種工況下的重調(diào)度閾值進行定量分析以確定重調(diào)度決策點的方法,從而確定重調(diào)度啟動時間,過濾不必要的重調(diào)度。通過建立重調(diào)度優(yōu)化集,結(jié)合滾動時域優(yōu)化方法,對大規(guī)模動態(tài)重調(diào)度問題進行簡化,并通過提出重調(diào)度優(yōu)化集內(nèi)待加工工件的選取規(guī)則,以減少工序間設(shè)備的空閑時間,提高加工設(shè)備利用率。最后提出混合微粒群調(diào)度優(yōu)化算法,并采用該算法結(jié)合具體的仿真實例驗證了該選取規(guī)則的有效性。 

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
致謝
第一章 緒論
    1.1 引言
    1.2 Job Shop動態(tài)隨機重調(diào)度問題概述
        1.2.1 Job Shop動態(tài)隨機重調(diào)度問題的產(chǎn)生
            1.2.1.1 車間調(diào)度問題的概述及內(nèi)容
            1.2.1.2 車間調(diào)度問題的分類
            1.2.1.3 車間動態(tài)隨機重調(diào)度問題的產(chǎn)生
        1.2.2 車間動態(tài)隨機重調(diào)度問題的概念及內(nèi)容
        1.2.3 車間動態(tài)隨機重調(diào)度問題的總體特征
        1.2.4 車間動態(tài)隨機重調(diào)度的性能指標
    1.3 車間動態(tài)隨機重調(diào)度問題的研究現(xiàn)狀
    1.4 本課題的研究意義
    1.5 本文的研究內(nèi)容
第二章 車間現(xiàn)場擾動的分類和工況信息的采集
    2.1 車間現(xiàn)場各種擾動的描述及分類
        2.1.1 車間現(xiàn)場各種隨機生產(chǎn)異常擾動的描述
        2.1.2 車間現(xiàn)場各種隨機擾動的分類
            2.1.2.1 顯性擾動
            2.1.2.2 隱性擾動
    2.2 車間現(xiàn)場工況信息的采集
        2.2.1 車間現(xiàn)場工況信息的定義
        2.2.2 各種隨機擾動的相關(guān)工況信息
        2.2.3 工況信息的采集方法
            2.2.3.1 傳統(tǒng)的信息數(shù)據(jù)采集方式
            2.2.3.2 利用無線射頻識別技術(shù)的數(shù)據(jù)采集方式
            2.2.3.3 面向生產(chǎn)過程的DeviceNet現(xiàn)場總線
    2.3 本章小結(jié)
第三章 基于實時工況的動態(tài)自適應(yīng)重調(diào)度
    3.1 基于實時工況的重調(diào)度方法及過程
        3.1.1 基于預測控制技術(shù)的重調(diào)度方法
        3.1.2 基于滾動時域方法的重調(diào)度過程
        3.1.3 重調(diào)度優(yōu)化集的定義及構(gòu)建
    3.2 基于實時工況動態(tài)自適應(yīng)重調(diào)度驅(qū)動機制
        3.2.1 現(xiàn)有重調(diào)度驅(qū)動規(guī)則的分析
            3.2.1.1 周期驅(qū)動規(guī)則
            3.2.1.2 事件驅(qū)動規(guī)則
            3.2.1.3 混合驅(qū)動規(guī)則
        3.2.2 基于實時工況動態(tài)自適應(yīng)重調(diào)度驅(qū)動機制
    3.3 各種擾動下的重調(diào)度響應(yīng)策略
        3.3.1 各種擾動下的重調(diào)度決策分析
        3.3.2 重調(diào)度閾值
        3.3.3 重調(diào)度決策點
    3.4 重調(diào)度優(yōu)化集的優(yōu)化效率
        3.4.1 重調(diào)度優(yōu)化集的最大有效優(yōu)化容量
        3.4.2 重調(diào)度優(yōu)化集待加工工件選取規(guī)則
    3.5 本章小結(jié)
第四章 基于混合PSO的重調(diào)度優(yōu)化方法
    4.1 PSO優(yōu)化算法的基本概念
        4.1.1 PSO算法的起源
        4.1.2 PSO算法的基本思想
    4.2 PSO優(yōu)化算法簡介
        4.2.1 基本PSO的求解算法
            4.2.1.1 算法的基本原理
            4.2.1.2 算法的求解流程
        4.2.2 PSO算法的性能分析
    4.3 微粒群算法與其他進化算法的比較
    4.4 混合PSO算法
        4.4.1 混合PSO算法的設(shè)計
            4.4.1.1 混合PSO算法的編碼操作
            4.4.1.2 混合PSO算法的交叉算子
            4.4.1.3 混合PSO算法的變異算子
            4.4.1.4 混合PSO算法的終止條件
        4.4.2 混合PSO算法的求解流程
            4.4.2.1 混合PSO算法的基本求解步驟
            4.4.4.2 混合PSO算法的求解流程圖
    4.5 本章小結(jié)
第五章 基于實時工況的Job Shop動態(tài)隨機重調(diào)度仿真驗證
    5.1 基于實時工況的Job Shop動態(tài)隨機重調(diào)度方法體系
    5.2 Job Shop車間重調(diào)度問題的數(shù)學描述
        5.2.1 基本Job Shop車間調(diào)度問題的具體描述
        5.2.2 Job Shop車間重調(diào)度問題的數(shù)學描述
    5.3 重調(diào)度優(yōu)化集內(nèi)工件選取規(guī)則的仿真驗證
    5.4 本章小結(jié)
第六章 總結(jié)與展望
參考文獻
攻讀碩士學位期間發(fā)表的論文



本文編號：3700907