基于强化学习的汽车涂装线作业优化排序研究

发布时间：2022-04-28 23:12

　　我国于2015年5月提出的《中国制造2025》十年行动纲领,旨在寻求制造业的转型升级,其中,制造智能化是我国迈入制造强国的重要途径之一。汽车工业是制造业的重要组成部分。近年来,汽车制造业由过去的大规模、高增量的生产模式逐渐转向柔性生产模式,更加注重对客户的个性化服务,因此,如何灵活应对客户个性化需求、如何进一步降低生产成本成为汽车制造企业面临的难题。本文针对汽车涂装线的作业优化排序问题开展研究。在汽车涂装线作业优化排序问题上,国内外学者提出了各类算法进行求解。目前针对此问题的优化算法以启发式算法为主,且大多数只关注降低颜色切换次数这一单一目标。由于启发式算法结构较为固定,导致其寻优效果常常受到限制,尤其是在大规模或复杂问题域中。本研究中,为使涂装线作业优化排序问题更加贴近实际生产,考虑降低颜色切换次数和降低总装需求延误两个目标,同时在算法上寻求新的尝试,提出基于强化学习的优化算法。具体工作如下:首先,分析汽车涂装线作业优化排序问题以及现有优化算法的解决思路,梳理本问题流程,明确涂装线作业优化排序问题范围,掌握本问题的关键点,提出本研究要解决的问题。其次,对汽车涂装线作业优化排序问题进行... 

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 汽车涂装线作业优化排序问题研究现状
        1.2.2 强化学习算法在作业调度问题中的应用研究
        1.2.3 研究现状分析
    1.3 研究意义
    1.4 研究内容及技术路线
    1.5 本文各章节安排
2 汽车涂装线作业优化排序问题描述
    2.1 汽车生产作业的物流与信息流
    2.2 汽车涂装线作业流程简介
    2.3 汽车涂装线作业优化排序问题分析
        2.3.1 汽车涂装线作业优化排序问题定义
        2.3.2 涂装策略定义
    2.4 符号定义
    2.5 本章小结
3 汽车涂装线作业优化排序模型
    3.1 模型范围及假设
    3.2 模型输入与输出
        3.2.1 模型输入
        3.2.2 模型输出
    3.3 优化目标定义
        3.3.1 总装需求延误比例
        3.3.2 颜色切换比例
    3.4 数学模型
    3.5 本章小结
4 汽车涂装车间作业优化排序算法设计
    4.1 遗传算法设计
        4.1.1 算法简介
        4.1.2 编码设计
        4.1.3 交叉算子
        4.1.4 变异算子
        4.1.5 选择算子
        4.1.6 适应度函数
        4.1.7 算法步骤
    4.2 Q学习算法设计
        4.2.1 算法简介
        4.2.2 涂装作业马尔可夫过程
        4.2.3 状态定义
        4.2.4 动作定义
        4.2.5 即时奖励定义
        4.2.6 算法步骤
    4.3 启发式Q学习算法设计
        4.3.1 算法简介
        4.3.2 启发式因子设计
    4.4 本章小结
5 数值实验与结果分析
    5.1 算法实现
        5.1.1 遗传算法实现
        5.1.2 Q学习算法实现
        5.1.3 启发式Q学习算法实现
    5.2 算例设计
    5.3 实验结果
    5.4 结果分析
        5.4.1 缓冲区容量L对涂装作业优化排序结果的影响
        5.4.2 容忍度变量η对涂装作业优化排序结果的影响
        5.4.3 目标函数权重对涂装作业优化排序结果的影响
    5.5 本章小结
结论
参考文献
附录 A 启发式Q学习算法方案主要代码
攻读硕士学位期间发表学术论文情况
参加科研项目及研究成果情况
致谢


【参考文献】：
期刊论文
[1]时间窗口约束下基于改进蚁群算法的协同制造调度研究[J]. 唐亮,何杰,靖可,靳志宏.  中国管理科学. 2018(04)
[2]基于重抽样优选缓存经验回放机制的深度强化学习方法[J]. 陈希亮,曹雷,李晨溪,徐志雄,何明.  控制与决策. 2018(04)
[3]在线更新的信息强度引导启发式Q学习[J]. 吴昊霖,蔡乐才,高祥.  计算机应用研究. 2018(08)
[4]基于经验回放Q-Learning的最优控制算法[J]. 黄小燕.  计算机工程与设计. 2017(05)
[5]深度强化学习综述[J]. 刘全,翟建伟,章宗长,钟珊,周倩,章鹏,徐进.  计算机学报. 2018(01)
[6]基于改进遗传算法的置换装配线调度问题研究[J]. 李劲,李洪,徐丽丽,王华.  中国管理科学. 2016(12)
[7]一种基于Q学习的Flow shop问题调度算法研究[J]. 李国昊,李文超.  工业工程与管理. 2016(05)
[8]基于束搜索算法的汽车涂装车间虚拟重排序[J]. 孙辉,韩建明.  计算机集成制造系统. 2016(08)
[9]基于改进Q学习的知识化制造自适应动态调度策略[J]. 王玉芳,严洪森.  控制与决策. 2015(11)
[10]工业4.0先进制造技术及装备[J]. 孙晓辉,聂小春,汪菊英.  装备制造技术. 2015(07)

硕士论文
[1]汽车涂装喷漆室送排风系统节能减排技术研究[D]. 张英俊.吉林大学 2018
[2]多品种混合涂装计划排程优化与能耗在线监测系统研究[D]. 魏清月.山东大学 2017
[3]混合型汽车装配线的重排序方法研究[D]. 韩建明.东南大学 2015



本文编号：3649724