面向数字孪生的制造系统健康状态分析

数字孪生体的建模和与物理实体间的交互都以数据映射的方式实现,为日益复杂的制造系统健康状态分析提供了新思路。针对产品质量、机床性能和任务执行状态,构建数据交互融合的数字孪生车间健康状态评估和预测框架;建立综合考虑设备性能退化和产品质量对故障率影响的机床故障期望函数,并提出了任务可靠性与产品质量相关联的Copula制造系统健康表达。以某柴油机缸盖制造系统为例,结果表明所提方法能动态高效地判断制造系统健康状态,有效识别不同因素对制造系统健康状态的影响。

结合混合进化算法和知识的多目标车间调度

提出了一种结合混合进化算法和知识的新型多目标车间调度方法,在有限的时间或迭代次数下可以得到更好的非支配Pareto解以服务于生产调度。由优化目标和属性归纳演绎法确定了知识挖掘的工件属性,通过优先级权重得到了规则初始种群。所提出的增减排序方法通过重新局部排序初始种群中工序的位置来克服优先级下工序不足或过饱和的问题。最后由一标准案例和非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)混合模拟退火算法对所提调度方法进行了验证,得到的结果无论是优化目标值还是解集的分布在不同迭代次数和初始种群尺寸下都要优于传统随机进化方法。

基于改进鸟群算法的双资源约束离散智能车间调度问题研究

针对双资源约束的离散智能车间调度问题,提出改进鸟群算法对该问题进行求解。根据离散智能车间的特点,以最小化最大完工时间为目标,建立了工人仅负责工序中工件上、下料操作的车间调度模型;根据鸟群算法的搜索特点,对算法的位置更新公式进行离散化改进,以适用于求解该车间调度问题;采用三条链组合编码方式,简化算法的寻优过程;改进了基于时间窗口比较的活动化解码;引入模拟退火算法增强算法跳出局部最优解的能力。最后通过具体实例验证了改进后的算法具有良好的性能。

制造资源实时状态驱动的离散制造车间低碳调度研究

针对离散制造车间低碳调度问题,考虑车间制造资源实时状态,构建实时数据驱动的车间状态监测框架,以机床能耗、刀具磨损和切削液损耗作为碳排放来源,结合最大完工时间,建立一个制造资源实时状态驱动的离散制造车间低碳调度模型,并提出一种融合Tent映射的多目标Jaya优化算法。首先使用Tent混沌序列初始化种群,然后引入基于邻域搜索和模拟退火算法的局部搜索方法,并使用严格的外部档案集保存搜索到的解。最后通过灌装设备生产车间的实例数据对算法和模型进行验证,结果表明所提出的算法和模型能够有效求解离散制造车间低碳调度问题,减少车间异常状态对生产计划的影响,降低车间碳排放量。

大数据驱动的离散制造车间实时能效分析方法

为实现生产过程的节能减排,提出一种大数据驱动的离散制造车间实时能效分析方法。首先,从能耗数据与工艺数据两个方面构建了制造数据封装模型,以实现制造大数据的采集与存储;其次,通过数据聚类与数据关联分析,建立了制造大数据分析方法,实现了能耗数据的特征提取及其与工艺数据的关联融合,并据此建立了离散制造车间多层次实时能效分析指标。该方法将大数据处理与制造车间能效分析相结合,通过能耗数据的挖掘分析与可视化展示,为智能车间的节能控制提供了决策依据。

改进人工蜂群算法求解柔性作业车间调度问题

针对柔性作业车间调度问题,提出了改进的人工蜂群算法。算法采用基于混沌序列思想、SPT启发式规则和随机方式三种方式共同产生初始种群以保证初始解的质量。针对算法的搜索过程,引入相似度概念将种群分为先进和后进两个群,并针对两个群特点分别采用搜索范围不同的搜索策略以加强寻优性能;采用锦标赛选择策略代替原算法的轮盘赌选择方式以改善过早收敛现象;根据局部解特点,改变原来的未变个体的替换方式,采用按一定比例替换具有相同最优值的个体,保留当前最优的同时,又具有跳出局部最优解的能力。最后通过标准实例求解并与其它论文结果对比,证明了该改进算法的有效性。