面向复杂制造系统的智能生产调度方法及其应用研究

发布时间：2020-05-08 03:04

【摘要】：客户的个性化、多样化需求使全球市场的竞争异常激烈。如何在有限时间和有限资源的情况下,最大限度地满足客户需求?如何实现多品种小批量及大规模定制条件下生产的优化调度?如何解决大规模、多目标、多资源约束等复杂工况下智能调度问题? 本课题研究正是围绕上述关键问题展开的,研究的主要内容包括： (1)提出了分解-优化-融合的智能调度策略 针对大规模、多目标、多资源约束等复杂工况下的调度问题,制定了分解-优化-融合(Decomposition+Optimization-Integration,DOI)智能调度策略,规划和设计了分解-优化-融合策略下不同阶段的优化方法,即首先根据分解规则,对制造系统调度周期内的相关信息进行分类,分解成若干个调度单元：然后对不同调度单元分别给出优化调度方案；最后基于复杂大规模制造系统的总目标和资源约束,对所有调度单元进行融合,完成了优化调度集成方案,有效地攻克了调度规模增大、解空间呈指数增长的技术难题。 (2)构造和实现了分解规则及其计算模型 在分析和研究调度类型、调度目标、资源约束及其相互冲突的基础上,根据分解阶段的优化项目要求,构造了分解规则及其计算模型,如交货期富裕度、工艺相似性等,可以给出相关单元信息,为不同单元的优化与融合提供支持。 (3)构造了基于生物智能的单元调度优化算法 在生物免疫系统和遗传进化机理的研究基础上,建立了基于生物免疫进化机理的生物智能计算方法,对智能计算方法与其他策略和技术的综合在复杂调度问题的应用和实现进行研究,克服了复杂调度问题建模困难和计算方法设计复杂的局限性,拓展了调度问题的研究方法并提高了运算效率。 (4)提出和实现了权重自适应智能算法 实际制造过程中,由于不同企业、不同调度对象、不同调度周期等,调度目标及其组合关系非常复杂。通过建立多目标优化调度问题的模型和对基于生物智能算法的特性分析,结合了生物智能优化算法的优点,提出了多目标的权重自适应智能算法(Weighted Self-Adaptive Intelligent Algorithm,WSAIA),通过生物智能算法种群的进化及设置不同级别的繁衍系数,降低对目标的人为干预或盲目设定的影响,确保种群多样化,平衡全局搜索和局部寻优,提高了多目标调度问题的求解效率和质量。 (5)提出和实现了基于混沌的改良免疫算法 构建了满足工艺约束与资源约束,以总工期最小为目标的资源受限调度问题的数学模型。研究了混沌系统的特征,设计了由多个混沌函数(Logistic, Tent和Sinusoidal)构成的混沌生成算子。分析了基于生物智能优化算法的特点,引入混沌生成算子和并行变异算子,提出了基于混沌的改良免疫算法(Chaos-based Improved Immune Algorithm, CBIIA)。在种群初始化阶段,用混沌生成算子替代传统的随机数生成方式。在变异阶段,提出了基于高斯策略和柯西策略的并行变异操作替代常用的点变异,并行变异操作中用柯西策略实现大步变异,用高斯策略实现小步变异,以平衡全局搜索和局部寻优性能。 (6)研制了面向复杂制造的智能调度系统并进行仿真测试 开发了智能调度系统,用基于标准案例设计的大规模调度问题,文献中的多目标调度问题和选自标准案例库的多资源约束调度案例进行测试。将测试结果与文献结果比照分析,算法结果和性能证明了提出的方法和策略的有效性。
【图文】：

表示各项任务组成和任务完成时间，以及各项任务之间的次序和流程。网络有向图是由节点和弧构成，从左向右绘制的有向无环网状图。资源约束项目调度问题的图形描述可以用一张有向网络图表示出整个项目(如图1一l)。资源约束:R=2个单位rj一一一一一一卜任务加工时间任务资源消耗图1一1项目案例有向图图中节点代表任务，弧线代表任务之间的先后关系，两个虚拟任务，分别代表项目的开始和结束。图1一1的案例给出了每个任务的加工时间和对一类资源的需求量，以及任务之间的先后次序。(3)析取图Roy和sussman[”7]提出了典型车lbJ作业调度问题的析取图(nisjunctiveGraph)表示法。析取图表示法是基于有向图的表示法。析取图能直观地表示调度问题的工艺路径约束和机床唯一性约束，并将求解调度问题的过程转化为确定析取图中非连接弧趋向的过程，采用该方法可方便的对调度问题特征进行分析。图中的连接弧(实线)是指连接同一工件两个相邻操作的弧线，连接弧方向表示该工件两个相邻操作之间的加工顺序，非连接弧(虚线)是指连接一台

表示各项任务组成和任务完成时间，以及各项任务之间的次序和流程。网络有向图是由节点和弧构成，从左向右绘制的有向无环网状图。资源约束项目调度问题的图形描述可以用一张有向网络图表示出整个项目(如图1一l)。资源约束:R=2个单位rj一一一一一一卜任务加工时间任务资源消耗图1一1项目案例有向图图中节点代表任务，弧线代表任务之间的先后关系，两个虚拟任务，，分别代表项目的开始和结束。图1一1的案例给出了每个任务的加工时间和对一类资源的需求量，以及任务之间的先后次序。(3)析取图Roy和sussman[”7]提出了典型车lbJ作业调度问题的析取图(nisjunctiveGraph)表示法。析取图表示法是基于有向图的表示法。析取图能直观地表示调度问题的工艺路径约束和机床唯一性约束，并将求解调度问题的过程转化为确定析取图中非连接弧趋向的过程，采用该方法可方便的对调度问题特征进行分析。图中的连接弧(实线)是指连接同一工件两个相邻操作的弧线，连接弧方向表示该工件两个相邻操作之间的加工顺序，非连接弧(虚线)是指连接一台
【学位授予单位】：东华大学
【学位级别】：博士
【学位授予年份】：2011
【分类号】：TH186

【参考文献】

相关期刊论文 前10条

1 汪祖柱,程家兴;求解组合优化问题的一种方法—分枝定界法[J];安徽大学学报(自然科学版);2004年01期

2 陈萍,郭金锋;对Hopfield神经网络求解TSP的研究[J];北京邮电大学学报;1999年02期

3 梁迪;谢里阳;隋天中;陶泽;;基于遗传和禁忌搜索算法求解双资源车间调度问题[J];东北大学学报;2006年08期

4 陶泽;隋天中;谢里阳;刘晓霞;;基于Petri网和GASA的双资源JSP动态优化调度[J];东北大学学报(自然科学版);2007年03期

5 赵巍,王万良;改进遗传算法求解柔性job-shop调度问题[J];东南大学学报(自然科学版);2003年S1期

6 吴清烈，徐南荣;大规模含整变量优化问题的一种分解方法[J];东南大学学报;1996年03期

7 史奎凡,董吉文,李金屏,曲守宁,杨波;正交遗传算法[J];电子学报;2002年10期

8 赵佩清;林文才;颜学峰;;基于蚂蚁智能体调度的混沌搜索算法及化工应用[J];化工自动化及仪表;2009年04期

9 邓林义;林焰;金朝光;;采用优先规则的粒子群算法求解RCPSP[J];计算机工程与应用;2009年10期

10 王凌,郑大钟,李清生;混沌优化方法的研究进展[J];计算技术与自动化;2001年01期

相关博士学位论文 前7条

1 李蓓智;敏捷制造中的若干使能技术及其应用的研究[D];东华大学;2005年

2 谢楠;基于Petri网的可重组制造系统建模、调度及控制方法研究[D];同济大学;2006年

3 左燕;大规模复杂生产调度问题瓶颈分解方法研究[D];上海交通大学;2007年

4 常桂娟;基于微粒群算法的车间调度问题研究[D];青岛大学;2008年

5 鞠全勇;智能制造系统生产计划与车间调度的研究[D];南京航空航天大学;2007年

6 卢睿;不确定环境下项目调度方法的研究与实现[D];东北大学　;2009年

7 陈月华;不同耦合模式下混沌系统的同步研究[D];北京邮电大学;2010年

相关硕士学位论文 前3条

1 安进;车间生产批量优化调度研究[D];南京航空航天大学;2005年

2 程丹;基于APS的生产排程与优化技术的研究[D];哈尔滨工业大学;2006年

3 杜民;实用型作业车间调度系统的研究与开发[D];东华大学;2009年

本文编号：2654007