关键词： 柔性作业车间调度   多目标优化算法   自适应邻域   拐点  

摘要： 柔性作业车间调度(Flexible Job Shop Scheduling Problem,FJSP)是实现制造业高效率、柔性化、高品质和低成本的关键,具有重要的理论和实践意义。传统柔性作业车间调度只专注于单一目标,难以满足当前制造业的需求。多目标优化算法因可同时优化多个目标而被广泛用于解决柔性作业车间调度问题。当前基于多目标优化的柔性作业车间调度方法仍存在面对多个目标时调度方案多样性缺失、算法易陷入局部最优等问题。因此,本文提出基于自适应邻域改进参考点策略的多目标柔性作业车间调度方法求最优调度方案解,设计并实现多目标柔性作业车间调度系统。本文主要工作如下:(1)针对多目标FJSP调度方案多样性缺失及调度算法陷入局部最优的问题,提出一种基于自适应邻域和Knee point参考点改进策略的多目标柔性作业车间调度方法(AKNSGA-FJSP)。一方面,为提高多目标FJSP调度方案的多样性,提出基于自适应邻域和拐点改进参考点的策略优化快速非支配排序算法(NSGA-III),使非支配解更广的覆盖前沿面,提升调度方案多样性。另一方面,为解决算法易陷入局部最优而导致所求解非最优调度方案的问题,提出一种基于最优粒子策略的非均匀变异算法,使粒子迭代中不断被最优粒子影响,提高算法收敛性和跳出局部最优的能力。在柔性作业车间调度数据集上的实验结果表明,本文所提方法相较于其他相关方法具有更好的收敛性和多样性。(2)针对AKNSGA-FJSP方法中存在目标函数权重模糊导致难以选出最优调度方案的问题,提出一种基于权重选择策略和AKNSGA-FJSP的多目标柔性作业车间调度方法(AKNSGA-WCS-FJSP)。首先,通过权重配比区间构建目标函数关系矩阵,并提出用AKNSGA-FJSP筛选多组目标函数权重向量。其次,提出基于区间中值比作为偏好的目标函数权重选择策略,找出最优目标函数权重向量,提高方法的寻优性能。最后,在柔性作业车间调度实例数据集上与多种柔性作业车间调度选择方法对比,实验结果验证AKNSGA-WCS-FJSP调度方法的有效性。(3)设计并实现基于AKNSGA-FJSP多目标柔性作业车间调度方案选择系统,包括登录模块,基础数据模块,系统仿真模块,调度方案推荐模块。该系统能够有效选择多目标柔性作业车间调度的最优调度方案,并验证本文方法的有效性。

关键词： 滚动生产   多目标柔性作业车间调度   IVNSGA-Ⅱ算法   应急动态调度  

摘要： 目前,我国制造业发展已经进入了智能化新时代,“互联网+”等创新模式快速发展,逐渐发展成工业物联网的核心内容。服装制造业更是其重要组成部分,承担着促进经济增长、缓解就业压力等重要任务。生产调度之所以能成为影响企业生产效能的核心环节,是因为合理的调度能够缩短整体生产时间,降低生产成本,从而使整个制造行业朝着提质增效、节能减排的方向发展。为此,如何探寻更为合理的生产调度方案,从而使企业生产提质增效、产销高效协同并快速响应市场需求成为了许多服装制造业的堵点。本文针对浙江某大型服装企业Z展开研究,其研究内容如下:(1)研究Z企业复杂多变的产销高效协同模型,提出了大型服装企业生产调度问题。通过深入分析Z企业的组织结构等信息,并结合行业特点如产品周期短、市场需求变化大、产品及工艺多样、工序繁多且非固定等,发现Z企业在生产调度过程中存在的以下问题,如排产模型复杂、依靠人工经验生成调度方案科学性不足、调度效率低、应对突发事件响应不及时、车间柔性化程度不足等问题,针对上述问题提出一套智能化柔性生产调度机制,该机制能够快速响应市场需求和突发扰动事件,按订单组织货源,面向多目标优化,合理调度复杂多样的工序排产,实现了滚动预测、滚动计划、滚动生产、滚动应急调度,最终实现高质高效的滚动生产。(2)针对多目标柔性作业车间静态调度问题,构建目标为最大完工时间最小、设备总负荷最小以及生产成本最小的数学模型,基于非支配排序遗传算法(NSGAII)全局搜索能力强和变邻域搜索算法(VNS)局部搜索能力强的特点,提出了一种非支配排序遗传混合变邻域搜索算法(简称IVNSGA-II),先通过快速非支配排序、拥挤度算法和精英保留等方法得到新种群,再通过构建邻域解集,扩大搜索空间,提高了算法的综合能力。最后在Kacem经典数据集上测试该算法与其他算法,对比实验结果表明该算法所得解集的数量更多、质量更好,证明了该算法的优越性。(3)基于服装生产的多目标柔性车间动态问题,根据Z企业服装生产流程及特点,针对以西装上衣为例的服装生产调度,构建基于服装生产的MODFJSP模型。先对IVNSGA-II算法进行完善,通过引入三个策略方法提高算法的效果,一是累积快速非支配排序值策略,能够改善Pareto非支配排序影响种群多样性的缺陷;二是算术交叉算子策略,能够改善常数参数λ影响后期全局搜索能力而导致种群多样性减弱的缺点;三是使用动态拥挤度计算方法,能保证个体拥挤度的准确性。针对无法应对生产调度过程中遇到的动态突发事件,考虑四类应急动态调度情况分别是设备故障、加急工件、插入加急工件以及周期性重调度,在滚动窗口技术、重调度方法以及重调度策略的基础上,提出一种基于滑动时间窗的混合重调度策略,结合改进的IVNSGA-II算法,生成智能化柔性生产调度机制。在仿真实验中进行测试,比较静态调度方案与动态重调度方案的实验结果,验证了生产调度机制的有效性。

关键词： 动力吸振器   时滞吸振器   H_∞优化   机械设计   敏感度分析   鲁棒性  

摘要： 如何增强振动抑制效果是国际工程界的一个热点问题。本文关注吸振器技术,分别考虑了被动和主动吸振器在抑制谐波振动时的优化问题。对于前者,大量文献依据H∞优化准则来增强减振效果,且固定点法被广泛用于求解。然而,这一方法只适用于主结构(即Primary Structure,待减振物)无阻尼的情况下且只能给出近似解;对于后者,考虑了一种主动式时滞吸振器(即Delayed Resonator,以下用DR简称),现有研究更多关注DR在主结构振动被完全抑制的理想情况下的性能,设计的控制律愈加复杂。为解决以上问题,本文对被动吸振器提出了一种精确优化框架,对主动时滞吸振器DR,分析了其在主结构出现残余振动时的表现;并利用力放大机构增强了两种吸振器的性能。通过数学建模,公式推导和数值模拟完成了理论分析,还设计了测试平台开展实验。 对被动吸振器,考虑了一种装配有力放大机构的吸振器结构,建立了动力学模型,表明力放大机构类似于一个等效质量比调节器从而有益于抑振性能。根据旨在最小化主结构幅频响应最大值的H∞优化准则,提出了一种基于结式的优化算法,其可以在主结构有阻尼的情况下求出精确最优解,且可以保证算法的收敛性和解的最优性。由此,分别得到了主结构在有和无阻尼情况下的数值和封闭形式的吸振器精确最优解。敏感度分析研究了吸振器弹簧和阻尼元件的不确定度振动抑制效果的影响,以及力放大机构在抑制这些不确定度造成的不利影响时的作用。本部分工作补充了现存的H∞优化算法,且为使用力放大机构进行实际吸振器的优化设计提供了理论指导。 时滞吸振器DR在反馈环节主动引入时滞来增强振动抑制效果,从而即使在吸振器有阻尼的情况下,也可通过设计反馈增益和时滞参数来完全抑制主结构上可变频率下的振动。本文将力放大机构引入DR结构中,得到了 DRA(DR with amplifying mechanism),发现放力大机构不会给控制律设计增加复杂度。分析了幅频响应和能耗,推出DRA结构可以显著降低振频检测中的不确定度对减振效果、振子工作空间和能耗造成的不利影响。考虑了稳定性因素,力放大机构的引入使DRA相较于经典DR有更大的稳定域,从而增强对控制参数的扰动的鲁棒性。频谱分析还表明即使DR和DRA最终的吸振效果一致,DRA中放大机构可有助于缩短瞬态过程。本部分工作利用机械优势增强了 DR在不确定工况下的性能。 本文自制测试平台开展实验。力放大机构通过杠杆实现,放大比通过吸振器位置可调。在验证力放大机构对被动吸振器的性能增强时,增加放大比降低了主结构上振动;而对主动时滞吸振器的效果验证时,时滞反馈开启时主结构上振动相较于关闭时明显减小,且增加放大比可以显著抑制主结构上的残余振动。实验结果和理论分析基本吻合,验证了所提出理论的正确性。

ISBN: (纸本)9787118125900

关键词： 柔性作业车间   预防性维护   调度   改进的海鸥优化算法  

摘要： 柔性作业车间调度作为车间生产工作中的核心内容,在提高生产效率和削减生产成本方面起着重要作用,而机器进行预维护操作会影响车间整个调度方案的执行。因此合理的优化车间预维护计划和调度方案,有助于企业实现对车间机器生命周期的有效管理,保证机器发生故障的概率较低,减少机器在进行维护操作时对生产造成的不利影响,实现以较低的成本制造出产品,提高车间加工效率。为此,本文主要进行了以下研究:首先,机器故障的频率用麦克斯韦分布来描述,基于极大似然值和回归分析进行预测该阶段机器故障区间和机器平均故障时间,以最小化完工时间、机器总加工质量(即机器加工出不合格品造成的费用)、机器总加工成本、机器总能源消耗、预维护成本为目标建立数学模型。其次,设计一种引入Circle混沌映射生成海鸥优化算法的初始种群,提高算法初始解在解取值范围的覆盖率;采用Lévy飞行更新海鸥位置,扩大算法搜索范围;基于贪婪选择策略,对海鸥位置进行选择,保留更优海鸥位置的改进海鸥优化算法,并在18个基准测试函数中进行数值实验,将属于经典算法的飞蛾火焰算法、海鸥算法,以及在测试函数中表现优异的黑猩猩算法、改进的粒子群算法与改进后的海鸥优化算法进行比较,通过Friedman排序、MAE排序、收敛曲线分析,验证本文所提算法的整体性能优于其他算法。最后,进行实际案例分析,将遗传算法、离散花朵授粉算法与本文所提算法求解模型得到的结果进行比较,表明本文所提算法能够得到更优的初始调度方案,并基于初始调度方案实施不同预维护策略并进行加权分析,验证该方法可以为车间管理者提供更好的工件加工顺序与机器预防性维护序列,提高生产效率。

关键词： 蛙跳算法   柔性作业车间   单目标调度   多目标调度   动态调度  

摘要： 在经济和信息全球化的大背景之下,发展强有力的制造业是强国之重。因此,改变传统的制造模式,积极地向智能制造转型已势在必行。在此过程中,更贴合生产实际的柔性作业车间调度问题受到了广泛关注,如何协调生产效益和能耗平衡无疑成为热点问题。本文针对柔性作业车间调度问题的特点,设计了改进混合蛙跳算法来求解不同类型的柔性作业车间调度问题,主要工作如下:首先,建立以最大完工时间为优化目标的柔性作业车间调度模型,设计一种基于贪婪解码的混合蛙跳算法。在初始化阶段提出多启发式混合初始化规则生成高质量的初始种群,为算法进化提供优秀的起点。在解码阶段,采用贪婪插入法提高解码的时效性。提出一种协调机器负载平衡的局部搜索方法以增强算法的局部搜索能力。利用Brandimarte标准算例进行测试,验证改进策略的有效性;与3种算法进行实验对比,结果表明所提算法具有突出的寻优性能。其次,考虑实际调度目标的多元化需求,建立以最大完工时间、瓶颈机器负载以及机器总负载为目标的多目标柔性作业车间调度模型。考虑到蛙跳算法存在寻优能力不足、分布性差的弊端,提出一种基于协作搜索的混合蛙跳算法求解多目标柔性作业车间调度问题。采用启发式混合初始化规则生成高质量种群,加快算法的收敛速度。提出一种个体评价机制并赋予模因组质量,针对不同质量特性的模因组分别采用不同的进化策略并进行协作搜索,充分发挥其搜索能力。提出多种局部搜索策略以强化算法的寻优能力。通过Brandimarte标准算例验证了改进策略和所提算法的有效性和优越性。最后,考虑实际生产中突发事件对调度过程产生动态干扰,建立以最大完工时间、能耗及稳定性为目标的柔性作业车间动态调度模型。针对常见的机器故障、加急订单以及订单取消3种动态事件,提出一种自适应混合蛙跳算法求解动态调度问题。引入自适应交叉、变异概率以保证算法的寻优及快速收敛能力。提出一种模因组数量自适应策略,强化挖掘全局解空间的能力。针对每种动态事件,在重调度时刻设计了不同的启发式修复方案。采用多目标决策法辅助决策者选择最合理的调度方案,使车间能够快速响应动态事件。通过Brandimarte标准算例的实验对比证明了改进算法具有良好的寻优和快速响应能力。

关键词： 柔性作业车间调度问题   候鸟优化算法   高维多目标优化问题   能耗   组合权重决策  

摘要： 由于复杂性和实用性,车间调度问题(Job Shop Scheduling Problem,JSP)一直是生产调度领域非常重要的研究对象之一。柔性作业车间调度问题(Flexible Job Shop Scheduling Problem,FJSP)作为一种更加灵活的JSP拓展问题,其小批量、多品种的生产特性也更加适合自动化程度越来越高的制造企业,对柔性作业车间进行调度方案的优化能够显著减少相关企业的最大完工时间、生产成本与加工能耗。因此本文针对单目标FJSP和研究较少的高维多目标FJSP,运用一种新兴且效率较高的候鸟优化算法(Migrating birds optimization,MBO)来求解上述问题。首先提出了一种基于改进的单目标候鸟优化算法的柔性作业车间单目标调度模型。其中算法的改进主要包括运用贪婪插入式解码法进行解码,在鸟群初始化阶段设计多种初始化规则提高初始解质量,在鸟群进化阶段设计了三种邻域结构提高算法邻域搜索能力,增加跟飞鸟交叉操作提高算法收敛速度。并通过算例验证了改进MBO相比MBO及变体能够得到更好的解。在实际生产中能源消耗量巨大的制造企业不仅需要考虑完工时间这一目标,因此本文接着提出了高维多目标柔性作业车间绿色调度模型,该模型的优化目标为最小化最大完工时间、总拖期、机器总负荷以及车间总能耗。在改进MBO的基础上,引入Pareto思想以及基于参考点的选择算子,设计了一种高维多目标候鸟优化算法(Many-objective Migrating birds optimization,MOMBO)来进行求解。通过两种选择算子给予鸟群选择压力,以此提高鸟群的多样性和收敛性,并且结合基于属性层次法和灰色关联度分析法的组合权重决策,对最优解集进行一个最优解的选择。算法性能测试表明MOMBO相对于三种变体以及NSGAⅡ、NSGAⅢ来说,其最优解集在IGD和HV两种性能指标上表现更优,即质量更高。最后通过一个实例研究证明本文提出的MOMBO算法相对于单目标MBO算法、NSGAⅡ和NSGAⅢ有着更好的解集质量,在实际生产加工中能够给予决策者更好的选择。

关键词： 机械设计   动臂塔机   防后倾试验   非参数模型   虚拟样机  

摘要： 为研究动臂塔机在卸载冲击条件下的动力学行为，提出了基于非参数模型的起重机虚拟样机建模方法和起重机防后倾试验方法。通过液压防后倾装置特性试验和卸载器卸载试验，建立了描述液压防后倾装置阻尼特性的非参数模型和卸载载荷的激励函数。将动臂塔机刚柔耦合模型与通过单元试验建立的非参数模型集成为起重机虚拟样机模型，进行了系列卸载工况仿真。采用遥操作方法实施了动臂塔机防后倾试验，通过系列载荷试验验证了该仿真模型的有效性。通过虚拟仿真预测了极限卸载工况下起重机结构的动态响应，为起重机关键结构设计提供了定量依据。

关键词： 柔性作业车间   车间能耗   多目标调度   狼群算法   灰关联决策分析法  

摘要： 作为最大的发展中国家,节能减排、绿色发展是我国可持续发展的重要保障。制造业作为推动社会发展的重要产业,能源需求量巨大,但能源利用率偏低,如何实现制造业向绿色低碳方向转型是实现绿色发展的重中之重。近年来,随着企业生产方式向着小批量、定制化方向发展,柔性作业车间越来越受到企业的关注和推广。柔性作业车间的广泛采用为生产过程中的节能降耗创造了物质基础。探索一种能够同时实现经济、能耗等多指标优化的柔性作业车间优化调度方法成为了许多学者和企业的研究热点,也是制造业向绿色化、智能化方向发展的迫切需要。 本文以柔性作业车间为研究对象,深入展开了基于能耗优化的柔性作业车间的优化调度方法的研究。首先,通过对柔性作业车间调度问题的数学描述和对车间能耗的分析,分别提出了以最大完工时间和车间总能耗为优化目标的柔性作业车间数学模型;其次,针对柔性作业车间调度问题的离散特性,设计了基于工序排序和机床选择的双层编码机制,通过交叉和变异规则对狼群算法的三种智能行为进行改进,提出了一种改进的单目标狼群算法,分别以最大完工时间和加工设备能耗为目标进行了单目标优化,并通过基准实例仿真验证所提出的单目标狼群算法的有效性;最后,在改进的单目标狼群算法的基础上提出了一种基于Pareto优化的多目标狼群算法,采用非支配排序算法对个体进行pareto分层,使用层次分析法和灰关联决策相结合的方式从Pareto非支配解中获得最优调度方案,并通过仿真和实例应用验证所提出多目标狼群算法的有效性。仿真和实例应用均表明,本文所提出单目标改进狼群算法和多目标狼群算法均有较好的求解精度,为柔性作业车间的优化调度提供了新方法。

关键词： 智能工厂   FJSP   IWPA算法   释放时间   改进NSGA-Ⅱ算法  

摘要： 随着科学技术的发展,全球的制造业开始逐步向着数字化和智能化的方向发展,传统制造业存在的许多诸如生产效率低、能耗高、可靠性差等问题日益凸显。于是,智能工厂在工业4.0和中国制造2025的大背景下应运而生,成为第四次工业革命开始的标志,也给各国抢占智能制造技术制高点和提升工业竞争力带来了重要机遇。与此同时,智能工厂在汽车电子、船舶机械、航空航天等领域的应用过程中依然面临许多问题和挑战。基于此,本文结合智能工厂中柔性作业车间的研究现状,阐述了当前柔性作业车间调度问题(FJSP)研究中仍然存在的亟待解决的问题,并进行了以下几个方面的研究:首先,提出了一种改进的狼群优化算法(IWPA)。针对传统狼群算法(WPA)初始解质量差、全局搜索能力不强、探索能力和开发能力平衡性差等不足,通过引入莱维飞行机制、融合模拟退火算法、重新定义围攻判别距离等策略对其进行了相应改进,对改进后的IWPA算法的性能通过12个测试函数进行了验证,并与改进前的WPA算法、改进后的粒子群算法(DPSO)、布谷鸟算法(CS)的收敛性进行了比较,测试结果体现了IWPA算法改进策略的有效性。其次,将改进后的IWPA算法应用到FJSP的研究中,建立了针对最大完工时间问题的基本FJSP模型和考虑工件释放时间的RFJSP模型,并通过编码、解码、连续-离散转换、迭代优化等步骤来进行求解。同时,将IWPA算法与其他算法通过FJSP测试集和实际案例进行对比实验,仿真结果体现了所提出的IWPA算法在求解FJSP问题时的优越性以及工件释放时间对于调度解的影响。最后,结合柔性作业车间生产过程的实际情况,提出了一种考虑工件释放时间的多目标FJSP模型(RMOFJSP)和一种针对多目标问题的改进NSGA-Ⅱ算法(GNSGA-Ⅱ)。基于RMOFJSP模型,采用GNSGA-Ⅱ算法来求其Pareto最优解,并分别与未考虑释放时间的MOFJSP模型和改进前的NSGA-Ⅱ算法作对比,结果验证了释放时间对调度解方案的影响以及针对NSGA-Ⅱ算法改进策略的有效性。