知識化制造系統(tǒng)自適應動態(tài)組織與調度.pdf

1、為了減少各種先進制造系統(tǒng)共有部分的重復研發(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)迅速響應生產環(huán)境的動態(tài)變化，根據(jù)需要動態(tài)調整制造系統(tǒng)結構及調度策略，提高制造企業(yè)的競爭力。為此，本文對知識化制造系統(tǒng)自適應動態(tài)組織和調度方法進行了研究。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)生產環(huán)境不匹配的分類結果，提出動態(tài)知識網模型和知識化制造系統(tǒng)的結構動態(tài)組織方法，實現(xiàn)制造系統(tǒng)結構動態(tài)調整，以改善制造系統(tǒng)生產結構，適應生產環(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決策;最后，針對生產環(huán)境的不確定性，提出一種基于改進Q學習的動態(tài)調度

3、策略，指導動態(tài)生產環(huán)境下調度策略的自適應選擇。
　　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支持向量機(Nonlinear Fuzzy Weight-Support Vector Machine，NFW-SVM)模型。考慮實際生產面臨的動態(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上，引入變異算子和具有收縮因子的動態(tài)慣性權重，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)生產環(huán)境不匹配的分類結果，對表征先進制造模式的知識網進行改進，以賦予其動態(tài)自適應功能?；诙嘀丶碚?，提出了動態(tài)知識網概念，建立了包含靜態(tài)和動態(tài)組成部分的動態(tài)知識網模型結構。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)知識子網匹配度量方法，兼顧了靜態(tài)知識子網的信息量和功能要素，并證明了信息量的單調性和有界性。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)的自適應動態(tài)組織，并開發(fā)了相應的使能工具。最后，通過應用實例驗證了動態(tài)知識網模型和動態(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)自身內含的多種制造模式，提出一種基于模糊數(shù)據(jù)包絡分析/保證域的評價方法，選擇評價結果中最有效的制造模式指導生產，以滿足知識化制造系統(tǒng)自適應特性要求。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)包絡分析/保證域模型?？紤]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)生產環(huán)境的不確定性，構建了一個基于多Agent的知識化動態(tài)調度仿真系統(tǒng)

8、。該系統(tǒng)采用改進合同網協(xié)商機制，由待加工作業(yè)向設備Agent的可用時段競標。為了保證設備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學習算法(Improved Q-learning Based on Clustering&Dynamic Search，CDQ)，以指導動態(tài)生產環(huán)境下動態(tài)調度策略的自適應選擇。該動態(tài)調度策略考慮系統(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