基于MTO的刀具寿命预测与优化调度的智能管理系统及应用研究
发布时间：2021-02-24 21:20
随着MTO模式逐渐成为市场主流生产形式,产品种类多、更新快,产量小的特点被不断放大,刀具作为机械加工的重要资源,如何在快节奏、多产线的生产过程中提高刀具管理水平,合理有效的分配刀具资源,成为MTO企业一个棘手的问题,对提升企业生产效益和市场核心竞争力具有重要的现实意义。本文以MTO模式下的刀具管理作为研究对象,阐述了刀具管理研究的重要性,回顾了刀具管理理论的国内外研究现状,深入分析了刀具寿命预测与刀具调度对刀具管理的影响。首先为判定基于MTO模式下刀具加工的临界状态,在多变的生产环境中降低刀具磨损程度,提升刀具维护水平,仔细分析了影响刀具剩余寿命的因素,针对传统BP算法收敛慢,易陷入局部极小的缺点,建立了基于改进BP算法的刀具剩余寿命预测模型,为后续的刀具优化调度奠定了基础。其次以刀具剩余寿命预测结果作为影响刀具优化调度的因素,充分考虑刀具剩余寿命的约束,为实现降低生产成本的目的,建立了以按权优先选配、刀具最小换刀次数以及最小刀具剩余寿命方差为目标的刀具调度模型,并采用遗传算法对模型的有效性进行了验证。最后在实现刀具寿命预测与优化调度的基础上,设计了基于C#+.NET平台,采用B/S架...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 引言
1.2 选题背景及意义
1.3 国内外研究现状
1.4 研究主要内容
1.5 本章小结
第二章 相关理论基础
2.1 MTO模式概述
2.1.1 MTO模式特点
2.1.2 MTO模式业务流程
2.2 刀具寿命简介
2.2.1 刀具寿命及刀具磨损
2.2.2 刀具寿命影响因素
2.3 BP神经网络算法简介
2.3.1 BP神经网络算法原理
2.3.2 BP神经网络算法步骤及流程
2.4 遗传算法简介
2.4.1 遗传算法基本原理
2.4.2 遗传算法步骤及流程
2.5 本章小结
第三章 基于MTO的刀具剩余寿命预测
3.1 刀具剩余寿命预测概述
3.2 刀具剩余寿命预测模型构建
3.2.1 输入层与隐含层节点数的确定
3.2.2 样本数据的归一化
3.3 刀具剩余寿命预测模型求解
3.3.1 改进BP神经网络算法流程
3.3.2 改进BP算法的参数选择
3.4 实例验证
3.5 本章小结
第四章 刀具优化调度方法研究
4.1 刀具优化调度概述
4.2 刀具优化调度模型的构建
4.2.1 刀具优化调度问题描述
4.2.2 刀具优化调度模型的构建
4.3 基于遗传算法的刀具调度模型求解方法
4.3.1 遗传算法设计
4.3.2 刀具优化调度模型求解流程
4.4 实例验证
4.5 本章小结
第五章 刀具智能管理系统设计与开发
5.1 系统整体方案设计
5.1.1 系统开发环境选择
5.1.2 系统功能体系结构
5.1.3 系统功能模块设计
5.1.4 系统业务流程设计
5.1.5 系统数据库表结构
5.2 系统应用程序界面介绍
5.3 本章小结
第六章 结论和展望
6.1 结论
6.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]基于AGA-GRNN神经网络的刀具寿命预测研究[J]. 李浩平,欧阳俊,谢雪媛. 三峡大学学报(自然科学版). 2018(06)
[2]在线智能刀具管理系统的开发与研究[J]. 廖生辉,王建军,卓勇,姚斌,宋世毅,王维龙. 锻压技术. 2018(09)
[3]基于PSO-BP神经网络的刀具寿命预测[J]. 王虎,刘佩松,叶润章,李阳,徐培嘉. 现代制造技术与装备. 2017(11)
[4]低碳制造环境下车间有限刀具多目标调度研究[J]. 周光辉,傅祥璟. 西安交通大学学报. 2017(10)
[5]基于信息融合的刀具剩余寿命在线预测方法[J]. 吴军,苏永衡,朱永猛,邓超. 华中科技大学学报(自然科学版). 2017(04)
[6]PSO算法在FMS刀具可复用调度中的应用与仿真[J]. 边培莹. 机械设计与制造. 2012(03)
[7]基于MATLAB的BP网络在月生活用水量预测中的应用[J]. 吴限,吴恬,隋顺彬,刘光民,雍子豪. 供水技术. 2011(06)
[8]多Agent网络协议在刀具调度策略中的应用[J]. 曹娜,汪永超,刘勇,姚必强. 机械设计与制造. 2010(03)
[9]基于ACO-BP神经网络的刀具寿命预测[J]. 黄媛,孙树栋,李兢尧. 机械科学与技术. 2009(11)
[10]刀具全寿命周期管理研究[J]. 曹兰景,王润孝,周占峰,姜晓鹏. 组合机床与自动化加工技术. 2005(10)
博士论文
[1]柔性制造系统刀具流动态调度研究[D]. 赵丹.哈尔滨工程大学 2011
硕士论文
[1]复杂网络视角下基于量子遗传算法的交通控制子区划分方法研究[D]. 方晗琦.安徽工业大学 2018
[2]MTO企业订单接受决策方法研究[D]. 周怡伶.重庆理工大学 2018
[3]订单驱动的刀具资源优化调度方法研究及管理系统设计[D]. 张奇.合肥工业大学 2018
[4]基于遗传算法的柔性流水车间调度方法研究[D]. 任丽.电子科技大学 2017
[5]考虑代理模型不确定性的结构统计灵敏度和可靠性分析方法研究[D]. 马羽.电子科技大学 2017
[6]双资源多目标调度模型及其算法研究[D]. 任晓青.扬州大学 2015
[7]基于强化学习的MTO企业订单接受决策模型研究[D]. 王宁宁.东北大学 2014
[8]刀具智能管理及优化调度技术研究[D]. 朱睿.重庆大学 2014
[9]BP神经网络的研究分析及改进应用[D]. 李友坤.安徽理工大学 2012
[10]基于订单扰动的生产排程问题研究[D]. 岳丽娜.西安电子科技大学 2012
本文编号：3049958
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 引言
1.2 选题背景及意义
1.3 国内外研究现状
1.4 研究主要内容
1.5 本章小结
第二章 相关理论基础
2.1 MTO模式概述
2.1.1 MTO模式特点
2.1.2 MTO模式业务流程
2.2 刀具寿命简介
2.2.1 刀具寿命及刀具磨损
2.2.2 刀具寿命影响因素
2.3 BP神经网络算法简介
2.3.1 BP神经网络算法原理
2.3.2 BP神经网络算法步骤及流程
2.4 遗传算法简介
2.4.1 遗传算法基本原理
2.4.2 遗传算法步骤及流程
2.5 本章小结
第三章 基于MTO的刀具剩余寿命预测
3.1 刀具剩余寿命预测概述
3.2 刀具剩余寿命预测模型构建
3.2.1 输入层与隐含层节点数的确定
3.2.2 样本数据的归一化
3.3 刀具剩余寿命预测模型求解
3.3.1 改进BP神经网络算法流程
3.3.2 改进BP算法的参数选择
3.4 实例验证
3.5 本章小结
第四章 刀具优化调度方法研究
4.1 刀具优化调度概述
4.2 刀具优化调度模型的构建
4.2.1 刀具优化调度问题描述
4.2.2 刀具优化调度模型的构建
4.3 基于遗传算法的刀具调度模型求解方法
4.3.1 遗传算法设计
4.3.2 刀具优化调度模型求解流程
4.4 实例验证
4.5 本章小结
第五章 刀具智能管理系统设计与开发
5.1 系统整体方案设计
5.1.1 系统开发环境选择
5.1.2 系统功能体系结构
5.1.3 系统功能模块设计
5.1.4 系统业务流程设计
5.1.5 系统数据库表结构
5.2 系统应用程序界面介绍
5.3 本章小结
第六章 结论和展望
6.1 结论
6.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]基于AGA-GRNN神经网络的刀具寿命预测研究[J]. 李浩平,欧阳俊,谢雪媛. 三峡大学学报(自然科学版). 2018(06)
[2]在线智能刀具管理系统的开发与研究[J]. 廖生辉,王建军,卓勇,姚斌,宋世毅,王维龙. 锻压技术. 2018(09)
[3]基于PSO-BP神经网络的刀具寿命预测[J]. 王虎,刘佩松,叶润章,李阳,徐培嘉. 现代制造技术与装备. 2017(11)
[4]低碳制造环境下车间有限刀具多目标调度研究[J]. 周光辉,傅祥璟. 西安交通大学学报. 2017(10)
[5]基于信息融合的刀具剩余寿命在线预测方法[J]. 吴军,苏永衡,朱永猛,邓超. 华中科技大学学报(自然科学版). 2017(04)
[6]PSO算法在FMS刀具可复用调度中的应用与仿真[J]. 边培莹. 机械设计与制造. 2012(03)
[7]基于MATLAB的BP网络在月生活用水量预测中的应用[J]. 吴限,吴恬,隋顺彬,刘光民,雍子豪. 供水技术. 2011(06)
[8]多Agent网络协议在刀具调度策略中的应用[J]. 曹娜,汪永超,刘勇,姚必强. 机械设计与制造. 2010(03)
[9]基于ACO-BP神经网络的刀具寿命预测[J]. 黄媛,孙树栋,李兢尧. 机械科学与技术. 2009(11)
[10]刀具全寿命周期管理研究[J]. 曹兰景,王润孝,周占峰,姜晓鹏. 组合机床与自动化加工技术. 2005(10)
博士论文
[1]柔性制造系统刀具流动态调度研究[D]. 赵丹.哈尔滨工程大学 2011
硕士论文
[1]复杂网络视角下基于量子遗传算法的交通控制子区划分方法研究[D]. 方晗琦.安徽工业大学 2018
[2]MTO企业订单接受决策方法研究[D]. 周怡伶.重庆理工大学 2018
[3]订单驱动的刀具资源优化调度方法研究及管理系统设计[D]. 张奇.合肥工业大学 2018
[4]基于遗传算法的柔性流水车间调度方法研究[D]. 任丽.电子科技大学 2017
[5]考虑代理模型不确定性的结构统计灵敏度和可靠性分析方法研究[D]. 马羽.电子科技大学 2017
[6]双资源多目标调度模型及其算法研究[D]. 任晓青.扬州大学 2015
[7]基于强化学习的MTO企业订单接受决策模型研究[D]. 王宁宁.东北大学 2014
[8]刀具智能管理及优化调度技术研究[D]. 朱睿.重庆大学 2014
[9]BP神经网络的研究分析及改进应用[D]. 李友坤.安徽理工大学 2012
[10]基于订单扰动的生产排程问题研究[D]. 岳丽娜.西安电子科技大学 2012
本文编号：3049958
本文链接：https://www.wllwen.com/guanlilunwen/glzh/3049958.html
