关键词： 柔性作业车间调度   海洋捕食者算法   精英反向机制   向量转换机制   能耗  

摘要： 车间调度作为制造业生产调度的主要形式对于支撑现代工业技术的发展,推动企业开展国际化经营具有重要作用。柔性作业车间调度问题(FJSP)在制造业中被广泛应用,其主要目的是为工件工序选择最佳机器并合理安排其加工顺序,在满足约束条件的基础上提高车间生产的加工效率、降低机器的损耗等。FJSP增加了机器的可选择性,各个工件的各道工序可以有多台机器进行选择,比传统的车间调度更加符合实际的生产状态。本文主要以柔性作业车间调度问题为研究对象,建立车间调度模型,并利用改进的海洋捕食者算法进行求解,其研究成果如下:首先,对柔性作业车间调度问题进行深入研究,阐述其基本原理、数学模型和求解方法以及车间调度解的图形化表现方式,选择海洋捕食者算法对其进行求解。由于海洋捕食者算法(MPA)本身存在自适应能力不强、容易陷入局部最优等问题,本文提出基于扰动与精英反向机制的海洋捕食者算法(COMPA)。通过改变算法的步长自适应参数,提高算法的搜索速度;在捕食者运动过程中采用最优邻域扰动机制和精英反向学习机制对种群进行更新,避免捕食者步长过大导致算法陷入局部最优。采用国际通用的23个基准函数将改进算法与5种启发式算法以及5种改进MPA算法进行对比实验,实验结果表明,COMPA算法具有良好的求解性能。其次,建立以最小化最大完工时间为目标柔性作业车间调度问题数学模型;在生产调度过程中考虑环境污染的因素,优化生产指标的同时,有效降低能量消耗,减少碳排放量,建立以最小化加工成本和最小化总能耗成本之和为优化目标的柔性作业车间调度问题模型。由于柔性作业车间调度属于离散化问题,海洋捕食者算法无法直接对其求解,故设计一种ICOMPA算法。该算法首先利用一种混合式方法生成高质量的初始解,采用向量转换机制将离散变量和连续变量进行转换,运用贪婪式解码规则定义调度方案进行解码。选择两个FJSP测试集中的13个实例对两个调度模型分别进行仿真实验,其中,对于求解基于成本为目标的车间调度问题,其加工成本和能耗成本是随机生成的。结果表明,改进算法求解FJSP问题的稳定性和求解精度均优于其他对比算法。最后,为验证算法的实用性,考虑实际工厂的加工情况,以D公司机械加工车间的柔性作业为研究对象,设立一系列关于该公司的柔性作业调度的约束条件,利用改进的海洋捕食者算法对两种车间调度模型进行求解。结果表明,调度方案符合实际生产的排产需求且优于人工排程结果,验证了改进算法的可行性。

关键词： 大规模柔性作业车间调度   深度强化学习   DDQN   N-DDQN   动态调度  

摘要： 诸如航空装备、轨道交通装备、兵器装备等复杂产品,其零部件在生产过程中往往因种类数量多和加工机器数量多,而易于形成大规模柔性作业车间调度问题。一旦问题规模增大,生产环境更复杂、生产资源需求量更大,越易于发生动态干扰事件,甚至严重影响生产效率、产品交付期和制造成本,因此研究大规模柔性作业车间调度问题具有重要意义。与此同时,大规模柔性作业车间调度问题通常需要调度的机器和工件数目众多,导致可行解的数量也随着问题规模的增大而呈指数增长,存在着大量的局部最优解,优化求解也变得更加困难。传统的调度算法在计算时间和优化精度上难以同时满足生产需求,而深度强化学习技术具有求解速度快,泛化能力强的特点,将通过离线训练好的调度决策模型直接应用于实际生产问题时,不需要迭代搜索,即可实现大规模柔性作业车间调度问题的快速求解。因此本文在构建大规模柔性作业车间调度模型的基础上,提出深度强化学习算法框架用于求解模型。主要内容如下: (1)构建大规模柔性作业车间静态调度模型和考虑新工件到达与随机工时的大规模柔性作业车间动态调度模型。首先对大规模柔性作业车间静态调度问题进行建模,同时随着规模增大,整个生产过程更加动态,需要调整生产系统与资源以及时响应干扰因素,为此针对生产过程中新工件到达和随机工时两种常见的扰动进行分析,并建立大规模柔性作业车间动态调度模型。 (2)提出DDQN算法框架以求解大规模柔性作业车间静态调度模型。通过设计状态特征,构建敏感动作集,建立回合和单步混合奖励机制,将DDQN算法框架应用于求解大规模柔性作业车间静态调度模型,并通过实验验证了所设计的状态特征、动作集与奖励函数的合理性,以及所提算法框架在求解大规模柔性作业车间调度问题上的优越性。 (3)提出基于N-DDQN算法的实时调度框架以求解大规模柔性作业车间动态调度问题。为了提高算法框架的稳定性,降低计算复杂度,保证可操作性,本文设计基于N-DDQN算法的实时调度框架对新工件到达和随机工时的大规模柔性作业车间动态调度问题进行求解,并通过实验验证了所提框架的优越性。 (4)大规模柔性作业车间调度技术的工程实例应用。将上述模型和算法应用于某类复杂装备的齿轮生产车间,进一步验证了所建大规模柔性作业车间调度模型和所提算法的有效性。

关键词： 柔性作业车间调度   多目标优化   沙丘猫算法   NSGAⅡ  

摘要： 随着数字化和智能化技术的迅速发展,智能制造正在成为推动制造业升级的重要方向。其中,智能车间作为智能制造的基础,为实现高效、灵活、智能的生产流程提供了重要支撑。在智能车间中,柔性作业车间调度问题(FJSP)作为一项核心问题,已成为广泛关注和研究的热点之一。通过解决FJSP问题,可以优化车间调度方案,实现生产线的最优化配置。而元启发式算法因其适应性强、求解效果优秀,成为解决FJSP的有力工具。沙丘猫优化算法(SCSO)是2022年提出的新元启发式算法,在基准函数测试和工程设计问题有优异表现,因此本文将SCSO应用在求解FJSP上,主要研究内容如下: (1)使用两段式编码将SCSO离散化,以期解决以最大完工时间为目标的FJSP,并采用15个学术界公认的柔性作业车间调度基准测试算例对其性能进行测试和验证,同时与现在其他优秀的算法进行对比,分析SCSO的优劣。 (2)对SCSO进行改进,提出了混合沙丘猫优化算法(HSCSO)模型,对SCSO的参数进行非线性收敛改进,对其搜索猎物阶段的个体位置更新公式用正余弦算法加以改进。在HSCSO迭代过程中,对工序编码使用改进位置更新公式更新,对机器编码采用遗传算法的均匀交叉算子进行更新。最后,通过15个标准算例的验证,与其他算法相比,HSCSO能在更多的算例中求得最优解,并且综合解的质量最高,RPD的平均值为3.09,为四种算法最低,证明了其在求解FJSP问题方面的计算能力和有效性。 (3)将HSCSO与非支配排序遗传算法相结合,提出了HSCSO-NSGAⅡ算法,求解以最大完工时间、机器总负荷以及总能耗为优化对象的多目标柔性作业车间调度问题,在15个标准算例中验证了算法的有效性。同时,超体积值最高提升50%,证明了HSCSO-NSGAⅡ所得的pareto前沿比未改进的沙丘猫优化算法更优秀,算法性能更佳。 (4)将混合沙丘猫优化算法应用到实际生产中,设计了一套岩板加工车间调度系统。系统采用B/S架构,选用My SQL作为数据存储数据库,选用Vue结合Element-UI制作前端界面。本系统可根据输入的JSON文件,生成甘特图,直观地指导生产排程。

关键词： 机器人制造单元   柔性作业车间调度   规则调度算法   变邻域搜索算法   系统设计  

摘要： 随着先进制造技术的发展,工业机器人被广泛地应用于自动化生产系统,制造业不断走向自动化、智能化,全球市场竞争越发激烈。同时产品性能与结构向着复杂化、精细化发展,生产呈现出多品种小批量的特点。这使得生产过程和管理工作的复杂度剧增。传统生产模式已不再适合当今多元化的市场趋势,需要一种高效的调度算法来解决复杂制造系统下的多品种小批量调度问题,以满足当今制造企业的需求。本文在经典作业车间调度理论的基础上,研究了复杂制造系统下多品种小批量调度问题,以最小化最大完工时间为优化目标建立了数学模型,提出了一种新的基于单解的两阶段调度算法,并通过案例分析、对比实验、项目测试研究了算法的有效性。本文研究的主要研究内容如下:(1)对机械零件生产制造企业项目的实际应用进行阐述,说明了课题来源,介绍了该类生产车间的结构布局、调度特点等,由此引出复杂制造系统下多品种小批量调度问题。该问题更贴近实际生产需求且更为复杂,其机器人制造单元中的多个搬运机器人具有独立的工作区域,且车间内具有若干并行加工设备,这些设备的输入缓冲区和输出缓冲区容量有限,同时生产任务呈现多品种小批量特点。对该类问题的约束条件、生产状态进行了分析,在传统车间调度约束条件下新增了实际生产中的一些特有约束,给出了问题的混合整数规划模型。(2)针对复杂制造系统下多品种小批量调度问题,以最小化最大完工时间为优化目标,提出了一种新的基于单解的两阶段调度算法进行求解。算法采用工序操作顺序与设备分配协同编码与优化,算法整体分为初始解构建与局部搜索两个阶段。第一阶段以实际生产经验为参考,使用基于规则的多级反馈队列调度算法在极短时间内获取优秀的可行初始解,第二阶段对初始解使用自适应迭代局部搜索,其中局部搜索使用包含9种邻域结构的变邻域下降算法,并使用一种自适应更新机制调整邻域结构的执行顺序。同时,针对实际生产中可能遇到的动态调度、多订单生产等场景提出了一系列对应的调度策略。(3)通过案例分析对两阶段调度算法的实际应用场景进行了介绍,并将所提算法与其他研究者的算法在相同问题模型下使用项目实际案例进行了对比实验,同时将算法在项目的多种静态与动态场景下进行了测试,验证了算法的有效性。最后在B\S架构下设计并实现了车间调度系统,介绍了调度系统的主要功能并展示了调度方案输出界面。

关键词： 柔性作业车间调度   多目标优化   麻雀搜索算法   2k拥挤距离熵   最大完工时间  

摘要： 柔性作业车间调度(flexible job shop scheduling problem,FJSP)是一种常见于多品种、小批量、高变化的加工环境中的调度问题。FJSP是目前研究的难点,相比于传统的车间调度FJSP具有较高的灵活性、更加实际的应用背景和实际生产需求,因此FJSP具有较高的复杂性。本文以FJSP为研究对象,以最小化最大完工时间为优化目标的单目标,以设备总能耗、加工总成本和最大完工时间为优化目标的多目标,分别对单目标和多目标FJSP进行优化并求解,本文主要研究内容如下。首先,针对单目标柔性作业车间调度问题,本文设计了一种混合麻雀搜索算法求解以最大完工时间为优化目标的单目标FJSP,从全局的角度,采用GLR机器选择策略生成初始种群,以提高算法的寻优效率;从局部的角度,在算法中加入了基于关键路径的局部搜索方法,提高了算法的全局搜索能力。其次,针对于多目标柔性作业车间调度问题(Multi-objective flexible job shop scheduling problem,MOFJSP),本文设计了一种基于非支配排序的多目标麻雀搜索算法来求解MOFJSP,从全局的角度,通过计算个体的非支配等级和拥挤度距离熵,对种群个体进行排序;从局部的角度,采用了三种局部搜索方法,提升了算法的搜索能力,实现了对多个优化目标的平衡优化。为了验证本文算法的有效性,通过在不同规模的FJSP算例上的测试,比较了本文算法与其他算法的性能。实验结果表明,本文所提出的算法在求解FJSP问题上具有显著的优越性。最后,基于本文所提出的多目标麻雀搜索算法,结合实际车间调度需求和特点,开发了柔性作业车间调度系统,让决策者可以根据不同需求选择调度方案。本系统采用了Py Qt、Python和MATLAB混合的编程方法进行开发,以某制造类企业背景为案例对系统的可行性进行了验证。本文的研究为求解柔性作业车间调度问题提供了一种新的方法,同时,所开发的柔性作业车间调度系统也为实际生产中的调度决策提供了一定的参考。

关键词： 制造企业   柔性作业车间   生产调度   机器故障扰动  

摘要： 车间生产调度是保证生产计划按时完成的基础，也是企业保持生产稳定性的重要手段,对企业提高经济效益和市场竞争力有着不可或缺的作用。柔性作业车间内，机器故障、紧急插单等动态事件频发，而机器故障作为最常见的扰动之一，严重影响了车间的加工效率和稳定性。为保证车间生产系统的稳定性，本文研究了机器故障扰动下的柔性作业车间调度问题，提出了一个科学合理的调度方法。主要研究内容如下:　　（1）本文以某离散型制造企业的柔性作业车间作为研究对象。以国内外研究现状和生产调度理论为指导，分析了企业加工车间内生产调度中存在经验调度、现有方案应对扰动策略单一等问题，针对问题进行分析找到产生问题的原因，最后根据问题提出两阶段的调度求解方案。　　（2）在车间静态调度方案求解上，根据企业特点，建立了最小化最大完工时间、最小机器总能耗、最小机器总负载的多目标组合优化模型。模型求解上，采用了改进的灰狼优化算法，将NSGA-Ⅱ算法的部分策略引入到灰狼优化算法中，同时采用非线性收敛因子。最后将企业的生产数据代入到算法中求解，将计算得到的方案与现有调度方案进行对比,新方案在三个目标函数上都有一定的优化提升。　　（3）针对生产调度方案执行过程中出现的机器故障扰动，在预调度方案基础上，采用预反应式调度中的混合驱动下的重调度机制。根据企业生产模式，将一个批次的生产作为周期性重调度周期;针对事件驱动下的重调度，将部分重调度、完全重调度三种重调度方法组合，并根据评价指标，帮助企业决策者根据不同故障信息选择合适的重调度方法，降低了机器故障对生产稳定性和效率的影响。

关键词： 柔性作业车间调度   马尔可夫决策过程   强化学习   DQN(Deep Q-Network)   A2C(Advantage Actor-Critic)   PPO(Proximal Policy Optimization)  

摘要： 制造业是国民经济的核心部分,优化生产调度对于提高车间生产效率和降低生产成本至关重要。柔性作业车间调度问题是现代制造业的代表性问题。本文分别针对单目标、多目标和动态环境下的柔性作业车间调度问题,分别设定问题的数学模型且构建对应马尔可夫决策过程,并使用改进的强化学习算法对其求解。具体工作如下:(1)针对单目标柔性作业车间调度问题。以最小化最大完工时间为目标构建数学模型,将问题转化为马尔可夫决策过程。提取调度环境中的通用特征描述状态集合,通过加工时间、工件完成率和机器利用率等特征构建动作集合,设定直接奖励与间接奖励共同描述奖励函数。在DQN算法基础上改进优化,提出D5QN算法。在Mk标准数据集上进行验证,结果优于近年来提出的启发式算法和其他DQN优化算法。(2)针对多目标的柔性作业车间调度问题。目标设定为最小化最大的完成时间以及降低机器的总损耗。状态集合中加入机器总损耗的两组系数,增大动过空间中动作总数量,设置完工时间和机器总损耗的期望值描述奖励函数。在A2C算法基础上加入两部分高斯噪声,提出A2C-Gauss算法。与其他方法对比,验证了方法的高效性。(3)针对动态柔性作业车间调度问题。设定机器随机故障约束条件,以最小化总延迟为目标。加入实际延迟、估计延迟等特征描述状态集合,设计三组复杂的动作空间规则,根据实际延迟等指标设定奖励函数。将梯度裁剪技术加入PPO算法,提出GC-PPO算法。在自定义数据集上,与PPO算法对比,所提算法在较短时间内获得具有更小总延迟的调度方案。总之,本文针对柔性作业车间调度的三个子问题分别构建了数学模型和对应的马尔可夫决策过程,提出了改进的强化学习算法,并在仿真数据集上验证了算法的有效性,为强化学习求解柔性作业车间调度问题提供了新的思路和启发。

关键词： 柔性作业车间调度   恶化效应   维纳过程   混合整数线性规划模型   CPLEX  

摘要： 机床生产车间采用多品种小批量的生产模式,具有生产工艺复杂,工件柔性加工及能量消耗大的特点,柔性作业车间调度优化是生产车间提高生产效率,降低能耗最可靠的方法之一。在实际企业车间中,生产设备在长期服役过程中会产生恶化效应使设备的性能逐渐下降,导致工件的实际加工时间变长,进而对生产效率和能耗造成严重影响。因此研究考虑机床恶化效应的柔性作业车间调度理论及优化方法对企业绿色高质量发展具有重要意义。 基于此,本课题以某机床企业的机床关重件实际加工过程为研究对象,深入分析生产中的恶化效应的影响及表征形式,系统研究考虑机床恶化效应下的柔性作业车间节能调度优化方法,主要研究内容如下: (1)针对传统恶化效应模型难以解析设备实际恶化过程的问题,建立一种基于维纳随机过程的符合机床恶化规律的函数模型,应用极大似然估计方法推导恶化函数模型中的漂移系数和扩散系数,确定机床恶化效应对加工时间的影响趋势,解决恶化效应导致机床加工时间不确定的问题,实现恶化效应影响下工件加工时间的准确表征。 (2)针对机床恶化效应导致柔性作业车间调度问题建模难且方案多变问题,以完工时间为优化目标,基于工件在机床的加工位置构建考虑机床恶化效应的柔性作业车间调度混合整数线性规划模型,应用CPLEX求解器验证模型的合理性和可行性,解决恶化效应影响下调度结果与实际差距过大的问题,实现恶化效应影响下制定的调度方案合理化。 (3)针对柔性作业车间调度问题求解时多目标协同优化冲突的问题,提出一种考虑多样性保持机制的改进第三代非支配排序遗传算法的多目标柔性作业车间节能调度优化方法。以完工时间为主要优化目标,综合考虑能耗、成本,构建考虑机床恶化效应的多目标柔性作业车间调度模型;采用考虑多样性保持策略的改进第三代非支配排序遗传算法对模型求解,解决恶化效应影响下的作业车间调度方案难以保证整体最优的问题,实现柔性作业车间调度在多目标要求下的统筹优化。

关键词： 机械设计   螺栓连接   静力学   可靠性   灵敏度  

摘要： 针对传统的螺栓预紧失效分析方法认为螺栓参数是确定的，而在实际螺栓连接中，各种结构参数的随机性将造成较大的分析误差的问题，考虑随机因素的影响，建立了一个螺栓预紧失效行为的有限元分析模型，以螺纹处的应力值是否超过屈服强度为判别条件进行可靠性分析，计算各参数对连接结构失效现象的灵敏度。研究结果表明：螺栓大径的变化对螺栓静强度失效的现象影响最大，材料的泊松比对其影响次之；螺栓连接的可靠度会随螺栓牙型角、螺距和材料泊松比的增大而增加，随螺栓大径以及材料的密度、弹性模量的增大而减小。

关键词： 机械设计   制造工艺   表面精度   表面粗糙度  

摘要： 机械加工精度是指加工后的零件的实际值参数与理论值一致的程度，主要体现在零件各表面、几何形状及尺寸等方面，而加工误差则表示两者之间所引起的误差。就数值上而言，用加工误差的大小来表达加工精度。目前，国内的机械加工领域正处于快速发展阶段，为了从总体上保证零件的加工精度，必须具体分析其加工精度的影响工艺，通过对加工精度进行有效的控制，方可进一步提升机械加工的质量。鉴于此，在对机械加工工艺进行分析的基础上，对影响零件加工精度的因素进行介绍，并提出改善零件加工精度的措施，以此进一步提升零件加工的精度。