关键词： 模糊分布式柔性作业车间   二氧化碳排放   开关机策略   改进鲸鱼优化算法   模因算法  

摘要： 柔性作业车间调度问题(FJSP)广泛存在于工业、制造业领域,并逐渐成为学者的研究热点。目前大多数研究人员将FJSP考虑为确定性问题,然而由于工人技能水平差异以及机器和刀具的老化磨损等问题,导致加工时间等参数存在模糊性。此外,伴随企业间协作生产模式的快速发展,开展分布式柔性作业车间调度问题(DFJSP)研究有利于企业整合资源,满足客户需求。现有DFJSP缺乏对不确定性问题的研究,从而导致对实际生产过程产生一定影响。因此,本文主要研究内容如下:(1)建立了两种模糊车间调度问题模型。首先,将工件加工时间用三角模糊数表示并分析了三角模糊数的相关运算法则;其次,研究了工件加工时间具有模糊性的模糊柔性作业车间调度问题(FFJSP)并将加工时效指标作为调度目标;最后,以最小化模糊完工时间、最小化二氧化碳排放总量为优化目标,建立了多目标模糊分布式柔性作业车间调度问题(MFDFJSP)模型,并且为了降低二氧化碳排放总量,设计了一种在机器处于空闲状态下的开关机策略。(2)设计了一种用于求解FFJSP调度问题的改进鲸鱼优化算法(IWOA)。简要概述了鲸鱼优化算法(WOA)的数学建模过程。针对FFJSP调度问题,构造了一种调度解与鲸鱼个体相互转换的机制,采用全局选择、局部选择和随机产生(GLR)的初始化方法提高初始种群质量,并在WOA优化算法中融合局部搜索方法,增加了算法的空间搜索能力。采用田口正交实验方法选择了IWOA优化算法的最佳参数组合。通过对比试验,验证了IWOA优化算法的有效性,创新了FFJSP调度问题的求解方法。(3)提出了一种用于求解MFDFJSP调度问题的改进模因算法(IMA)。给出了IMA优化算法框架,针对问题特性与目标特征设计了融合GLR初始化方法和基于二氧化碳排放量总体全局最小的初始化方法,并且构造了交叉操作、变异操作以及包括四种邻域结构的局部搜索操作。设计了15个适合于MFDFJSP调度问题的算例,并根据田口正交实验选择了IMA优化算法的最佳参数组合。通过自身对比,验证了设计的初始化操作和局部搜索操作的求解优势;通过与NSGA-Ⅱ和MOPSO优化算法对比,证明IMA优化算法在求解MFDFJSP调度问题上的有效性和优越性。

关键词： 排产系统   柔性作业车间调度   机器故障   改进的Jaya算法  

摘要： X企业是一家致力于履带底盘产品研发、制造和销售服务的高新技术企业,其中履带生产车间是X企业重要的生产车间,本文旨在为X企业履带生产车间设计并开发一款排产系统。订单排产问题是X企业履带生产车间正待解决的一个重要的问题。根据不同型号的履带,履带生产车间布置了多条产线,考虑生产的柔性,每条产线都设置了多个柔性制造单元,并且每条产线可以加工多种产品,每种产品可以选择多条产线进行加工,因此,履带生产车间属于典型的柔性作业车间。目前该车间采用的是“系统排订单,人工排工序”的排产方式,即SAP系统以订单为单位为各个工段安排生产任务,每个工段通过人工的方式以工序为单位安排每个机器上的加工任务。人工排产对工人要求高,通常由经验丰富的调度人员来安排订单生产,并且存在工作量大、速度慢、结果差的缺点。因此,为该车间设计一款排产系统可有效提高履带车间的排产效率,对生产具有重要意义。本文主要的研究工作和成果如下:(1)建立了X企业履带生产车间的生产调度模型。本文首先阐述了生产调度问题的研究现状。然后分析了X企业履带生产车间的基本情况,基于柔性作业车间调度模型,建立了履带生产车间的调度模型。(2)设计了调度模型的求解算法。本文考虑了实际应用中求解质量和求解速度的需求,基于传统Jaya算法,设计了一种求解多目标柔性作业车间调度问题的改进的Jaya算法。该算法采用染色体的形式来表示问题的解,设计了对应的进化机制,采用Pareto非支配排序和拥挤度评价个体来解决多目标的问题。(3)考虑机器故障导致的排产方案无法执行的问题,本文设计了重调度问题的数学模型。该模型基于本文已经建立的生产调度模型,分析了重调度时刻订单和机器的状态,并且设计了两个目标函数来最小化重调度方案与原调度的方案的偏差。(4)设计并开发了排产系统。基于以上研究工作,本文设计了一套排产系统来解决X企业履带生产车间的排产问题。该系统采用B/S的系统结构,通过良好的人机交互界面,以排产为核心功能,为企业生产生成有效的排产方案。综上所述,本文以生产调度问题研究现状为基础,从实际生产出发,建立了调度模型,设计了求解算法,研究了基于机器故障的重调度问题,以此为理论基础设计并开发了排产系统,以解决企业生产排产效率低、质量差的问题。

关键词： 来华留学   教学质量   机械设计基础   课程建设  

摘要： 本文围绕来华留学本科生专业课程教学质量普遍较低，教学效果不明显等问题，结合来华留学本科生特点，以机械设计基础专业课为载体，融合国内外经典教材，从教学内容﹑教学方法和考核方式三个维度出发，对标一流课程建设要求，同时融入课程思政，打造该课程全英语慕课，增加案例分析教学环节，实现多元化无标准答案的考核方式。该课程建设成果和实施效果显示，线下课堂上学生对此课程普遍反映满意，课堂效果明显好于课堂灌输，学生的实践和应用能力得到了一定的锻炼和提升。线上资源辐射较广。此外，融入的思政元素很好地宣传了中国文化，展现了中国力量。

关键词： 生物地理学优化算法   柔性作业车间调度   物种演化   共生生物搜索算法  

摘要： 随着市场全球化,经济全球化,生产全球化的到来,各企业间的竞争日趋激烈,传统的“刚性”生产调度,难以满足客户的个性化需求,迫切需要能够满足小批量、短周期、高质量、个性化的柔性作业生产调度(FJSP)。多目标柔性作业车间调度问题(MOFJSP)不但考虑了生产过程柔性化,还注重管理决策诉求多样化,因此,更具备研究价值。生物地理学是一门研究物种分布、迁移及灭绝的学科,Dan Simon教授受该学科的启发,提出了一种全新的群智能优化算法即生物地理学优化算法。本文深入研究了该算法的运行机制和运行流程,通过理论和实验分析了BBO算法迁移策略和变异策略的优缺点,并且分析证明了该算法的收敛性。针对BBO算法在求解单目标和多目标优化问题存在的缺点进行改进,本文的主要研究内容如下:(1)针对生物地理学优化算法(BBO)求解单目标优化问题时存在早熟收敛,难以跳出局部最优等问题,引入物种演化理论提出了改进生物地理学优化算法。该算法将所有栖息地按照物种数量划分为三种地区,并建立协同进化关系,合理地采用区间入侵,区内合作/竞争策略,满足多样性的同时避免早熟收敛。定义了“物种更迭”和“物种进化”两种变异策略,提出的双策略协同变异算子旨在解决变异算子对较优解的破坏。通过CEC2017中的29个基准测试函数与标准BBO及相关改进算法相比,该算法在算法性能、稳定性等方面优于BBO及其他改进算法,且该算法不易被局部最优值所限制。最后,将该算法应用于以最大完工时间为目标的柔性作业车间调度(FJSP)以检验其实际应用价值,实验表明,该算法在解决FJSP问题上具有一定的有效性。(2)针对生物地理学优化算法在求解多目标优化问题时易早熟收敛、陷入局部最优的问题,基于封套帕累托选择算法框架(Pareto Envelop-based Selection Algorithm,PESA),引入共生生物搜索策略提出了引入共生策略的多目标生物地理学优化算法。在迁移算子中引入改进的互利共生策略与偏利共生策略,满足多样性的同时避免早熟收敛。定义了“捕食”变异策略,与SOS“寄生”策略协同使用,旨在解决变异算子对较优解的破坏。通过8个多目标基准测试函数与5个多目标算法相比,该算法在解集的收敛性、分布的均匀性等方面和其他对比算法相比具有一定的竞争力。最后,将该算法应用于多目标的柔性作业车间调度(Multi-flexible job shop scheduling,MOFJSP)以检验其实际应用价值,实验结果表明,该算法在解决MOFJSP问题上具有一定的有效性。

关键词： 柔性作业车间调度   NSGA-Ⅱ   MOPSO   学习效应   最小能耗  

摘要： 柔性作业车间调度问题历来备受学者关注,该方面的研究业已成熟。但车间实际生产中,始终有工人存在,学习效应因此广泛存在,考虑工人学习效应对完工时间的影响,则调度优化准确度更高;又随着国家节能减排政策的推行,企业对于日常运作中的能源消耗愈发重视。因此在常见的多目标柔性作业车间调度中,考虑学习效应对生产中工序加工时间的影响,并兼顾生产过程中能源消耗的优化,可使企业在实际调度问题方面更科学、更精确,以实现对目标的进一步优化。本文运用理论分析和NSGA-Ⅱ、MOPSO两种算法对多目标柔性作业车间调度问题进行了研究。首先构建了以最大完工时间和能源消耗量最小为目标函数的多目标柔性作业车间调度模型;其次设计了一种基于贪婪解码算法的NSGA-Ⅱ算法,对于基于工序和机器进行双层实数编码,解码过程插入贪婪算法,基于工件工序号,得到该道工序在当前设备中待加工序号及当前设备存在的加工间隙,在设备间隙矩阵中判断工件工序可插入的位置,进而更新开始及完工时间与机器能耗使用情况;对传统MOPSO算法中增设一个外部容器R,记录机器使用次数,记录累积代的粒子群信息,结合学习函数校正新一代粒子群信息。最后基于YT公司某涂装柔性化车间的实际生产情况,将构建的模型及改进的算法加以应用,对比分析该实际算例,验证考虑学习效应和能耗优化的柔性作业车间调度模型成立,得出学习率不同对调度结果,即最大完工时间和最小能耗的影响。选取学习率影响最明显的一组,当β=70%时得出两种算法的各3种方案,分别为最大完工时间最优、能耗总量最优以及折中方案,经算法迭代次数变化图及结果分析,得出在此模型及算例求解中,NSGA-Ⅱ性能更优,寻优更快且分布更均匀,其中NSGA-Ⅱ生成的调度方案1(时间最优方案)中完工时间最低为3754min,能耗最低为16095996J,相较于未优化的初始方案,可为该车间节省15.4%的最大完工时间和9.6%的总能耗,一定程度上提高实际调度中的准确性,帮助公司更精确地节能增效,调度员也可根据自身需求,从中选择更适用的方案。图26幅,表6个,参考文献79篇。

关键词： 机械设计   自动配药系统   变容出药   配药速度   精确度  

摘要： 在中医治疗过程中，多以中药饮片入药，根据病情，开具中医药方，而中药饮片通常需要医师根据药方人工调剂，人工配伍效率低下，易出错，配伍人员的熟练程度及称量精确度与药效之间有着密切的关系。如今，医药专家对中药饮片提纯工艺进行设计研究，将其提纯成颗粒，相比于传统中药饮片，中药颗粒不仅治疗效果高，而且更能提高中药饮片的利用价值。中药颗粒具有外形规格统一、占用空间小、存储方便、容重稳定，且调配方便等优点，为中药颗粒高速化、精确化调剂提供了条件。国内也出现了很多中药自动化调剂设备，然而国内现有的中药颗粒配药系统在调配速度和精确度上还有很大进步空间，不能满足日益增长的诊疗量及患者购药立等可取的需求。综上，实现中药颗粒的自动高速高效精确配药就成为了提升患者购药体验的必然趋势。　　本文通过对国内外自动化药房发展现状以及现有的中药自动配药系统的对比分析，针对现有中药颗粒配药系统配药速度低、效率不高的问题，研究设计自动配药的关键技术及装置，进一步提高配药速度和精确度。提出了一种垂直变容出药计量的方法，通过合理的机械结构以及控制技术来实现中药配药过程的全自动化。其主要包括以下几方面:　　首先，对高速中药颗粒配药系统完成整体需求分析，并将系统按照功能进行划分，最终确定了储药罐存储模块、自动配药模块、下位机控制模块、储药罐抓取路径优化模块、上位机人机交互模块的可行性方案，为系统的详细设计提供了依据。　　然后，对自动配药模块的关键机械装置进行详细设计。完成了垂直变容出药计量装置，多层出药排架机构等主要装置的详细设计，并运用有限元分析方法，对相关零件的形变与位移进行分析，验证结构设计的可靠性。　　其次，对系统的控制单元各模块进行设计。完成了下位机及相关硬件的选型，设计电气接线图并完成PLC程序的设计及编写;针对储药罐抓取路径问题，提出一种改进的遗传算法对其进行优化求解;选用WinCC作为组态方案，设计了上位机组态人机交互界面以及相应的事件程序。　　最后，对关键技术及装置进行仿真调试，对储药罐抓取路径优化算法进行仿真对比，验证算法的优越性;对相关电机控制程序进行调试，实现各个电机运行的准确性及平稳性;对称重传感器进行硬件和程序的验证调试，验证其称量精度。

关键词： 柔性作业车间调度   离散制造   时间Petri网   A*算法   订单完工期预测  

摘要： 随着智能制造推动传统制造业的不断升级,为响应市场需求,传统车间调度已逐渐转变为柔性作业车间调度,需要合理的生产调度安排为产品按时交付提供了重要的保障。柔性作业车间调度面临着复杂度更高、约束条件更多的情况,为保证调度结果的最优性,符合实际生产过程的建模尤为重要。由于在柔性作业车间生产过程中受到等待、缺料、停机等不确定因素的影响,订单计划完工期与实际完工期相差较大,进而影响生产进度并延误订单交付,因此柔性作业车间调度的订单完工期预测变得至关重要。在上述不确定因素的影响下,难以找到订单完工期规律,随着物联网技术的不断发展和成熟,生产过程数据得到广泛采集,为订单完工期预测提供数据支撑,使订单完工期预测成为一种可能。因此本文提出了一种柔性作业车间的时间Petri网调度与完工期预测方法。主要研究内容如下:针对柔性作业车间调度问题,对柔性作业车间调度特点进行分析,并研究基于Petri网的柔性作业车间调度方法。针对订单完工期问题,分析影响订单完工期的因素,对订单完工期预测问题进行描述。针对神经网络预测方法,分析预测过程中重要参数。构建柔性作业车间调度与订单完工期预测技术体系,分析其相关技术方法。针对离散制造过程的高复杂性和多约束性问题,提出一种基于时间Petri网模型的柔性作业车间调度方法,将时间引入到Petri的库所中构建时间Petri,确定工件在机器上的加工时间。采用A*算法对基于时间Petri网的柔性作业车间调度模型进行全局搜索。由于传统的启发式函数未考虑工序的剩余加工时间因素,为提高算法的运算效率,对启发式函数进行改进,获得柔性作业车间调度的最优解,提高算法全局搜索效率。针对工件生产过程中的不确定因素造成订单完工期难以预测的问题,在柔性作业车间调度模型研究的基础上,提出基于栈式自编码器-深度神经网络的订单完工期预测方法。针对深度神经网络在数据样本大、特征维度高的情况下难以提升预测精度的缺陷,采用栈式自编码器（SAE）对训练集数据进行特征提取并完成预训练。将预训练过程中的权重和偏置参数分别赋给深度神经网络（DNN）每层的权重和偏置完成模型训练,提高预测模型精度。通过实例验证栈式自编码-深度神经网络在订单完工期预测中的有效性。针对现有MES系统对生产数据应用不充分的问题,本文在上述研究基础之上,以阀门机加工车间为对象,设计基于MES的生产调度决策辅助系统。完成系统业务需求分析,通过与MES、ERP等系统的集成,搭建生产调度决策辅助系统的三层功能架构。对系统业务流程进行设计,重点对智能排产和订单完工期预测等功能模块进行系统实现。

关键词： 互联网+   机械设计制造   课程教学   教学改革   优化措施  

摘要： 互联网技术的快速发展，为高校教学方法创新提供了全新路径，在高校《机械设计制造》课程中，通过采用互联网技术，能够有效创新传统教学方法，将机械设计制造教学与互联网技术深度融合，从而促进教学质量提升。因此，本文将对“互联网+”背景下《机械设计制造》课程教学改革方面进行深入研究与分析，并结合实践经验总结多项教学优化措施，旨在进一步提高教学水平。

关键词： 分层强化学习   大规模动态调度   柔性作业车间调度   图神经网络   PPO算法   DDQN算法  

摘要： 在当今激烈的市场竞争和巨大的能源消耗背景下,制造业面临着巨大的经济压力和环境挑战。为了满足客户的个性化需求和降低生产成本,企业需要不断提升制造系统的可扩展性、灵活性和可靠性。然而,个性化、小批量、多品种等生产特征促使制造系统不得不考虑实际加工过程中面临的订单变动、工艺修订及人员变动和机器损坏等问题。临时的变动使得许多加工任务不能按照预定调度方案执行。针对此类动态扰动,如订单插入或取消、机器故障等,需要对已有的调度计划进行动态调整以实现作业周期最小化、精准满足交货期等目标。此类动态调度问题具有不确定性强及复杂度高等特点,且对相应的制造系统实时响应能力及鲁棒性有较高的要求。研究该场景下的动态大规模资源调度方法有重要的理论意义和现实价值。本论文围绕大规模柔性作业车间调度问题的高效优化策略开展研究。结合深度强化学习(Deep Reinforcement Learning,DRL)在状态特征感知和学习策略决策效率上的优势,以大规模动态资源调度的全局优化为目标,提出具有分层结构的端到端DRL框架。该框架能够以秒级的速度求解大规模柔性作业车间调度问题(Dynamic Flexible Job-shop Scheduling Problem,DFJSP),为产线实时运行优化提供技术支撑。本文的主要研究工作如下:1)首先研究了面向组合优化问题的端到端深度强化学习框架。开发了残差-边-图注意力网络,并将其用于编码嵌入路径优化问题的图表示的状态特征,并基于Transformer模型设计了解码器用于高效寻优。此外还设计了两种Actor-critic风格的DRL算法用于分别训练所提出编码器-解码器模型,并基于旅行商问题和车辆路径问题进行了算法框架性能测试分析。2)搭建了静态柔性作业车间调度的DRL框架。将该静态问题分解为两个子任务,并将其建模为多马尔可夫决策过程(Multi-Markov Decision Processes,MMDPs)。设计了基于图神经网络的编码器以高效地编码嵌入FJSP的析取图状态表示和基于多层感知机(Multi-layer Perceptron,MLP)的解码器。提出了多近端策略优化算法(Multi-Proximal Policy Optimization,multi-PPO)实现模型训练。基于随机算例和标准算例的计算测试,验证了所提出的DRL在求解此类问题具有明显的速度优势和与启发式算法相近的求解质量。3)基于以上研究内容,针对大规模动态柔性作业车间调度问题,提出了端到端的分层化强化学习框架以学习高效的动态调度策略。该框架包含一个上层智能体和两个下层智能体,为上层智能体设计了一个DDQN用于学习以长远的角度对该问题进行全局优化;为两个下层智能体分别设计了基于编码器-解码器的策略网络模型,其以合作的方式共同优化上层智能体所划分的静态FJSP。基于设计的算例,表明了该调度框架在处理动态问题时具有明显的优势。此外,进一步分析了将该框架应用于其他具有不同动态事件的调度问题的可行性。本文开发了面向实际生产过程中的大规模动态环境下的实时调度系统。该研究结合深度学习和强化学习在状态感知和行为决策上的优势,实现了分层决策优化,为大规模动态实时调度问题提供了全新的思路。同时,该框架的研究可以帮助现代制造企业实现智能化的生产调度模式,为智能制造系统的构建提供理论基础。

关键词： 建材装备制造企业   柔性作业车间   生产调度   多目标优化   混合粒子群算法  

摘要： 建材装备制造企业是装备制造业的重要分支,近些年来,在高速发展的同时也面临着巨大的挑战,如生产成本显著上升、资源利用和可持续发展需求以及绿色制造等问题。减少建材装备制造企业产品制造过程中的能源消耗,是缩减企业生产成本和实现绿色制造的有力措施。建材装备制造企业产品生产周期长、能源消耗大,且产品工艺过程复杂,这些都对企业的生产管理与资源配置提出了挑战。基于此,本文以建材装备制造企业为研究对象,开展面向建材装备制造企业的柔性作业车间调度问题研究,最大程度地实现生产资源的合理配置,减少生产过程中的资源浪费,实现更快更好地生产以提升市场的竞争力。本文研究内容包括:(1)在对柔性作业车间调度问题国内外研究现状进行分析的基础上,结合具体企业工程实际,梳理并分析建材装备制造企业生产流程及生产调度过程,分析给出当前生产调度存在的主要问题,从而提出本文的主要研究内容。(2)针对建材装备制造企业生产周期长的特点,建立了以最小化完工时间为优化目标的柔性作业车间调度模型,设计了一种改进的粒子群算法用于模型的求解,具体改进策略包括:使用混合初始化规则以提高初始种群的质量,通过个体位置的交叉、变异策略进行种群的更新,并设计了一种基于工序加工顺序和机器选择的邻域搜索操作以增强算法的邻域搜索能力。并开展了实验与实例验证对比工作,验证了模型与方法的有效性。(3)在考虑最大完工时间指标的基础上,引入机器总能耗和机器最大负载来实现生产调度的绿色化,建立以最小化完工时间、机器总能耗和机器最大负载为目标的柔性作业车间多目标调度问题模型,并针对性地提出一种利用离散粒子群算法进行全局搜索、引进模拟退火算法进行局部搜索的混合算法用于模型的求解,并以标准算例和建材装备制造企业实例展开实验对比研究。(4)结合具体企业应用背景,设计开发了面向建材装备制造企业的生产调度系统,对系统的需求分析、功能架构设计进行了具体介绍,并以生产调度管理模块为例进行了具体的应用介绍与效果分析。论文最后对工作进行了总结与展望。