智能制造系統(tǒng)生產(chǎn)計劃與車間調(diào)度的研究.pdf

1、本文研究了智能制造系統(tǒng)的生產(chǎn)計劃和車間優(yōu)化調(diào)度問題，主要工作和創(chuàng)新點如下： 根據(jù)生命科學(xué)中免疫系統(tǒng)的信息處理機制，將免疫計算和改進的遺傳算法相結(jié)合，建立了一種用于車間調(diào)度的免疫遺傳算法。針對作業(yè)車間調(diào)度問題，設(shè)計了免疫遺傳計算中疫苗的提取和接種方法，通過作業(yè)車間調(diào)度十個典型標(biāo)準(zhǔn)問題驗證，文中所述免疫遺傳算法可行，較現(xiàn)有免疫算法、一般遺傳算法及一些傳統(tǒng)優(yōu)化設(shè)計方法在收斂效率和準(zhǔn)確性等方面有很大改進與提高。 在研究雙資源、多

2、工藝路線作業(yè)車間調(diào)度的基礎(chǔ)上，從實際作業(yè)車間調(diào)度系統(tǒng)存在大量不確定因素的情況出發(fā)，建立了模糊調(diào)度的數(shù)學(xué)模型。基于模糊理論和自適應(yīng)原理，對算法中初始種群的構(gòu)造、適應(yīng)度計算、模糊遺傳操作等方面進行了研究，以最小完工時間和平均滿意度最大為優(yōu)化目標(biāo)，應(yīng)用改進的模糊遺傳算法，求解出最優(yōu)調(diào)度工序。 提出了面向車間調(diào)度的動態(tài)、分布式工藝計劃與車間調(diào)度集成模型，深入構(gòu)建、研究了集成模型的層次結(jié)構(gòu)。將工藝計劃與基于周期和事件驅(qū)動的動態(tài)優(yōu)化調(diào)度有機

3、地相結(jié)合，使集成系統(tǒng)能適應(yīng)連續(xù)加工過程中復(fù)雜的環(huán)境變化并高效地完成實時處理，減少突發(fā)事件造成的工序大范圍的重新設(shè)計。把二倍體混合遺傳算法引入動態(tài)車間優(yōu)化調(diào)度運算，從而使集成模型中動態(tài)生產(chǎn)調(diào)度與控制功能得以實現(xiàn)。實例驗證了集成系統(tǒng)和算法的可行性和有效性。 研究了批量生產(chǎn)中以生產(chǎn)周期、最大提前/最大拖后時間、生產(chǎn)成本、以及設(shè)備利用率指標(biāo)：機床總負荷和機床最大負荷為調(diào)度目標(biāo)的柔性作業(yè)車間優(yōu)化調(diào)度問題。提出了批量生產(chǎn)優(yōu)化調(diào)度策略。建立了