基于知识的实时调度决策支持平台研究

发布时间：2020-05-19 13:10

【摘要】： 随着制造业竞争的加剧,生产调度研究已经从理论探索转移到实际应用阶段,如何在有限合理的时间内获得满足要求的调度方案成为制约车间生产效率的重要因素。另一方面,在实际生产中,生产状态的复杂性与不可预见性使通过传统方法得到的预调度方案失去了意义。因而,能够快速响应生产状态变化的重调度成为生产调度研究的重点。为对动态调度进行决策支持,本文在对生产调度问题分析的基础上,提出了基于知识的生产调度决策支持平台框架,该框架基于LPKI结构;借助人工神经网络的学习、记忆功能,以人工神经网络作为学习推理机,建立了基于规则的适应规则调度模型(RBS);研究了确定性生产调度理论中的调度问题表示与推理,提出了一种基于案例的生产调度模型(CBS);最后在VC++6.0环境中建立了基于包含RBS和CBS的实时调度平台。本文主要研究内容和取得的研究成果表现在以下几个方面。 (1)建立了基于规则和人工神经网络相结合的适应规则调度模型(RBS),该模型以人工神经网络作为学习推理机,具有快速响应,瞬时计算的特点,能够适应动态调度的实时性要求。其中人工神经网络的输入为制造车间的生产状态参数,输出为当前采用的调度规则。 (2)提出了一种基于案例的调度模型(CBS),知识的表示采用确定性生产调度中的面向对象的三域模型,推理机制建立于确定性生产调度计算复杂度归结关系。该模型将知识的表示和推理与调度领域紧密结合,建模简单方便。 (3)提出了基于知识的生产调度决策支持平台框架,并建立了由前述RBS和CBS模块构成的基于知识的决策支持调度系统(KBSS),设计了平台的工作流程,知识库,给出了CBS模块中案例搜索的计算机算法。
【图文】：

子菜单

基于知识的动态调度系统模型建立 6.3.2.2RBS模块界面RBS菜单下有三个子菜单，如图6一11所示。In三ertnTrain六N图6一 11RBS子菜单Figure6一 11Sub一 itemsofRBS图6一11的三个字菜单分别用来插入新的调度规则，训练ANN，和进行实时调度。界面分别如图6一12至6一14所示。 RRRuleUpdateGriddd「「「}R。一 e1000}RuleNam百一一}obiectry。。匡匡匡厂厂厂厂厂厂

生产调度,决策支持,调度规则

基于规则的调度方法迅速方便，可以用于动态调度，，但其规则的自适应选取是一大难题;而在平台中引入基于案例的调度模块，可以有效地包括知识重用机制。本文设计的平台功能框架为一个LPKI结构，如图3一3所示。语言系统(LS)川户界面_胜KI弓5__笙CBS问题处理系统(PPS)耀渊黝矍洲澎哪酬黝粼姗黝粼﨏瓢藻血麒翼瓣黝姗铡撇氰﨏结果评调度价度结显果示调临潇轰时度实调库预知识览库维护知识度结果小调显一度结果评价调情况处理例外学一习鑫度时实调库知识预览库维护知识知识系统(KS)调度规则知识侨调度案例知识功哭欲眼毯摊妙2调度模型知识)寿轰节鬓缨矍撇撇彝薰例外处理系统(}PS)图3一3基于知识的生产调度决策支持平台功能结构Figure3一 3FunetionStruetureofKnowledge一BasedProduetionSehedulingDeeisionSuPPortPlatfonn本平台采基于前述LPK系统结构，可以更好的与调度领域知识结合，减少建模难度，提高效率。另外在PPs中嵌入了例外情况处理系统 (hicideneeProcessingsystem，IPS)，用于对PPs无法解决的问题求解，从而构成LPKI系统结构。本文将着重介绍RBS和CBS的建立过程，因工作量关系，MBS部分作为后期将要开展的工作而列出。基于规则的调度(RBS)根据用户输入及调度过程中采集到的生产状态参数，给出当前的调度规则
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：TH165

【参考文献】