不确定知识化制造环境下航空发动机装配车间滚动自进化

针对产品装配次数不确定且装配组的调整时间与工序间排序相关的航空发动机装配车间,对不确定环境下知识化制造系统(Knowledgeable manufacturing system,KMS)的自进化问题进行研究。采用事件和周期混合驱动型的自进化机制,结合滚动时域方法实现航空发动机装配车间自进化,并给出一种可行的滚动规则。建立系统在各个决策时刻的静态决策子问题的数学模型,并针对该模型提出一种具有双层结构的遗传算法进行求解。在下层的混合型遗传算法中,给出一种直接解码算法,并引入了变邻域搜索算法,以增强局部搜索的能力。通过仿真对算法的性能进行了测试,此外,试验数据表明执行自进化操作的系统具有较好的生产性能。尤其是对于更敏感于自身调整的系统,自进化操作发挥的作用更大。

面向航空发动机装配车间知识化制造系统自进化

针对存在缺件情况的航空发动机装配车间,研究了知识化制造系统自进化问题。采用事件和周期混合驱动型自进化机制,结合滚动时域法实现车间自进化。基于生产特点提出一种滚动规则,用于各决策时刻选取工序进入滚动窗口,建立了每个决策时刻系统中静态决策问题的数学模型,并给出了自进化问题的求解算法。针对模型设计了一种遗传—变邻域搜索算法进行求解。通过仿真实例对算法的性能进行了分析。实验数据表明,自进化在提升系统生产性能方面发挥了重要的作用。

知识化制造环境下航空发动机装配车间自进化

针对产品动态到达的航空发动机装配车间,对知识化制造系统的自进化问题进行研究.将自进化的思想应用于该装配车间,提出了知识化制造环境下该装配车间自进化问题的求解算法.根据双层规划理论,建立了系统在每个决策时刻静态决策问题的一般数学模型,并设计了一种基于可行域搜索的双层遗传算法(FR-BiGA)对模型进行求解.仿真结果验证了该模型与算法的有效性和可行性,且实验数据表明,自进化的系统具有相对较优的生产性能.