知識化制造系統(tǒng)自適應(yīng)動態(tài)組織與調(diào)度.pdf

1、為了減少各種先進制造系統(tǒng)共有部分的重復(fù)研發(fā)，知識化制造系統(tǒng)作為一種新的制造理念，將各種先進制造模式轉(zhuǎn)化為先進制造知識納入知識化制造系統(tǒng)中，實現(xiàn)各種制造模式的優(yōu)勢互補。自適應(yīng)是知識化制造系統(tǒng)的重要特性，它能夠使制造系統(tǒng)迅速響應(yīng)生產(chǎn)環(huán)境的動態(tài)變化，根據(jù)需要動態(tài)調(diào)整制造系統(tǒng)結(jié)構(gòu)及調(diào)度策略，提高制造企業(yè)的競爭力。為此，本文對知識化制造系統(tǒng)自適應(yīng)動態(tài)組織和調(diào)度方法進行了研究。首先針對制造企業(yè)當前的制造模式與動態(tài)環(huán)境的匹配性，提出一種基于非線性模糊

2、加權(quán)支持向量機的匹配分類方法;其次，針對制造模式與動態(tài)生產(chǎn)環(huán)境不匹配的分類結(jié)果，提出動態(tài)知識網(wǎng)模型和知識化制造系統(tǒng)的結(jié)構(gòu)動態(tài)組織方法，實現(xiàn)制造系統(tǒng)結(jié)構(gòu)動態(tài)調(diào)整，以改善制造系統(tǒng)生產(chǎn)結(jié)構(gòu)，適應(yīng)生產(chǎn)環(huán)境因素的變化需求;再次，提出一種基于模糊數(shù)據(jù)包絡(luò)分析/保證域的評價方法，對知識化制造系統(tǒng)動態(tài)組織過程中可能生成的以及系統(tǒng)內(nèi)含的多種制造模式進行評價，選擇最有效的制造模式用于自適應(yīng)決策;最后，針對生產(chǎn)環(huán)境的不確定性，提出一種基于改進Q學(xué)習(xí)的動態(tài)調(diào)度

3、策略，指導(dǎo)動態(tài)生產(chǎn)環(huán)境下調(diào)度策略的自適應(yīng)選擇。
　　具體說來，主要在如下幾個方面進行了研究:
　　1.為了判別企業(yè)當前知識化制造模式與動態(tài)環(huán)境因素的匹配類別，為企業(yè)的快速響應(yīng)提供依據(jù)，提出了一種考慮模糊輸入和不均衡樣本的非線性模糊加權(quán)支持向量機(Nonlinear Fuzzy Weight-Support Vector Machine，NFW-SVM)模型?？紤]實際生產(chǎn)面臨的動態(tài)環(huán)境因素具有模糊性和不確定性，引入三角模糊數(shù)對

4、模糊因素進行描述。針對不同匹配類別數(shù)據(jù)樣本的不均衡性，模型設(shè)置不同的分類懲罰因子，降低小樣本錯分的比例。將具有模糊、不均衡特性的非線性可分問題轉(zhuǎn)化為模糊機會約束規(guī)劃求解問題，推出模糊機會約束規(guī)劃的清晰等價規(guī)劃式。在標準粒子群算法的基礎(chǔ)上，引入變異算子和具有收縮因子的動態(tài)慣性權(quán)重，利用改進粒子群算法優(yōu)化模型參數(shù)，提高模型的分類精度。給出基于NFW-SVM模型的知識化制造模式與動態(tài)環(huán)境匹配的分類方法。最后，通過算例驗證了方法的有效性和可行性

5、。
　　2.針對制造模式與動態(tài)生產(chǎn)環(huán)境不匹配的分類結(jié)果，對表征先進制造模式的知識網(wǎng)進行改進，以賦予其動態(tài)自適應(yīng)功能。基于多重集理論，提出了動態(tài)知識網(wǎng)概念，建立了包含靜態(tài)和動態(tài)組成部分的動態(tài)知識網(wǎng)模型結(jié)構(gòu)。為了實現(xiàn)動態(tài)組織過程中的有效決策，定義了靜態(tài)知識子網(wǎng)的概念，提出了以信息匹配度、功能匹配度和功能完善度表征的靜態(tài)知識子網(wǎng)匹配度量方法，兼顧了靜態(tài)知識子網(wǎng)的信息量和功能要素，并證明了信息量的單調(diào)性和有界性。給出依據(jù)匹配度的動態(tài)組織算

6、法，實現(xiàn)知識化制造系統(tǒng)的自適應(yīng)動態(tài)組織，并開發(fā)了相應(yīng)的使能工具。最后，通過應(yīng)用實例驗證了動態(tài)知識網(wǎng)模型和動態(tài)組織算法的可行性和實用性。
　　3.針對知識化制造系統(tǒng)動態(tài)組織過程中可能生成的以及系統(tǒng)自身內(nèi)含的多種制造模式，提出一種基于模糊數(shù)據(jù)包絡(luò)分析/保證域的評價方法，選擇評價結(jié)果中最有效的制造模式指導(dǎo)生產(chǎn)，以滿足知識化制造系統(tǒng)自適應(yīng)特性要求。以知識化制造模式為決策單元，考慮知識化制造模式的復(fù)雜度，建立了一種評價制造模式相對有效性的模

7、糊數(shù)據(jù)包絡(luò)分析/保證域模型。考慮到輸入輸出因素的不確定性和模糊性，模型中的輸入和輸出變量以三角模糊數(shù)表征。采用保證域以避免傳統(tǒng)非阿基米德無窮小量對評價結(jié)果的影響。為了求解模糊線性規(guī)劃問題，引入α截集計算模糊輸入和輸出的界值，推導(dǎo)了置信水平α下模糊有效性的上界和下界。給出一種基于模糊有效性界值的排序方法，并通過算例驗證了該方法的有效性。
　　4.針對知識化制造系統(tǒng)生產(chǎn)環(huán)境的不確定性，構(gòu)建了一個基于多Agent的知識化動態(tài)調(diào)度仿真系統(tǒng)

8、。該系統(tǒng)采用改進合同網(wǎng)協(xié)商機制，由待加工作業(yè)向設(shè)備Agent的可用時段競標。為了保證設(shè)備Agent能夠根據(jù)當前的系統(tǒng)狀態(tài)選擇合適的中標作業(yè)，提出一種基于聚類-動態(tài)搜索的改進Q學(xué)習(xí)算法(Improved Q-learning Based on Clustering&Dynamic Search，CDQ)，以指導(dǎo)動態(tài)生產(chǎn)環(huán)境下動態(tài)調(diào)度策略的自適應(yīng)選擇。該動態(tài)調(diào)度策略考慮系統(tǒng)狀態(tài)空間過大問題，采用順序聚類降低系統(tǒng)狀態(tài)維數(shù)，系統(tǒng)根據(jù)狀態(tài)差異度和