基于强化学习的晶圆炉管区设备维护调度联合优化方法

针对晶圆炉管区加工过程中晶圆动态到达、不同工艺类型晶圆不相容和设备预测性维护等问题,以最小化最大完工时间和总拖期为目标,考虑炉管区组批、设备维护选择和批次排序,构建炉管区设备维护-调度联合优化的数学模型。提出基于多目标近端策略优化(MPPO)强化学习的实时调度优化方法。设计组批智能体,根据动态到达的晶圆信息,实现相同工艺类型晶圆的组批;设计设备智能体,根据设备的预维护区间,提出一种预维护区间维护调度联合优化策略,依据该优化策略维护设备并确定维护开始时间;设计排序智能体,根据批次的紧急程度和晶圆不同层尽量在同一设备加工的约束,进行批次排序加工决策。引入长短期记忆网络(LSTM)对炉管区调度信息进行记忆和预测,排序智能体进行排序时,读取组批和设备智能体的决策,并将晶圆加工结束时间反馈给组批和设备智能体,实现智能体之间的交互。根据企业实际生产情况进行案例设计,并与其他算法进行比较,验证了所提MPPO算法的有效性,其具有良好的综合调度性能。

面向部分工序无序加工的柔性作业车间批量调度方法

实际的车间调度问题往往具有更高的复杂度,调度算法需要考虑更多的约束条件,因此增加了问题的求解难度。为解决柔性作业车间批量调度场景中不同批次、不同工序之间可以无序加工的难题,进而突破现有车间机器使用率低、同类型机器负载不均衡的难点,文中构建了一种面向部分工序无序加工的柔性作业车间等量分批调度模型。首先,基于广泛使用的快速非支配排序遗传算法(NSGA-Ⅱ),提出了一种融合批次、批量和工序排序信息的两段编码结构,采用优先级规则方法获得初始种群,并以最小化完工时间、机器负载均衡率、机器总负荷为优化目标,采用贪心算法求解模型最优值,进而动态构建不同批次的加工路径;然后,对优化目标函数进行排序,再逐步加入非支配排序过程,以解决多个优化目标函数之间难以同时优化的问题,提高求解效率;最后,以某印刷包装企业的木制品加工车间为例,面向现场作业信息,采用仿真手段实现调度过程。结果表明,与优先级调度规则相比,文中所提方法的完工时间平均缩短了6.6%、机器负载均衡方差平均减小了10.7%,文中所提方法的机器负载均衡方差比遗传算法平均减小了53.3%,从而验证了文中方法的可行性,且该方法可以满足印刷包装企业柔性作业车间的高性能调度需求。

热连轧系统的周期更换决策

对热连轧系统的预防性维修更换周期进行研究。首先,将系统抽象为相互独立的多部件系统。然后,根据各个部件所服从的分布,利用最小顺序统计量得到系统所服从的分布,并借助系统和单个部件分布函数间的关系,从理论上分析了系统的可靠性与部件数量之间的关系。接着,以系统的单位时间总期望费用最小为目标,建立了更换周期模型,给出了预防性更换周期满足的解析表达式。最后,以部件寿命常用的分布——威布尔分布为例,给出了模型的离散求解过程,求解出系统的预防性更换周期。同时,进一步展示了在多种相关费用情形下,系统中部件数量对系统的预防性维修更换周期的影响,分析了各种情况产生的原因。

基于自组织聚类的多机协同编批方法

针对多机协同对抗过程中的编批问题,设计了一种基于改进自组织迭代聚类的多机协同编批方法.该方法解决了传统自组织迭代聚类算法中人工参数设置不便利不直观的问题,能够在给定少数直观超参数条件下,使多机自主调整聚类过程中所涉及的参数,最终迭代出合理的编批结果.首先对高维多机态势信息进行标准化和主成分分析处理,从而确认新的向量空间;然后引入密度聚类中的邻域密度判别思想对传统自组织迭代聚类方法的合并和分裂操作进行改进,优化并减少了传统方法进行分裂和合并操作所涉及的人工参数,提升了执行编批聚类任务的智能自主性;最后选取算法评价指标,使用所提算法以及传统算法对多个人工合成数据以及实际想定场景进行聚类测试并对测试结果进行评价.人工合成数据仿真表明改进自组织迭代聚类算法在优化聚类过程中的人工参数后仍与原始算法表现出相当的性能,实际想定场景的编批结果进一步说明了改进自组织迭代聚类算法在具体应用场景中的有效性以及在未来实际场景中的实用性.

多层隔热组件智能投影辅助裁剪系统研制与应用

针对传统纯手工制作多层隔热组件难以满足小卫星批产研制对其制作效率和一致性要求高的问题,建立一种基于视觉传感技术的多层隔热组件智能投影辅助裁剪系统;系统主要包括投影仪、相机和控制软件,可通过深度相机、投影仪和系统标定,实现投影仪图像坐标系与工件坐标系定位对齐,确保多层工艺图纸1∶1定位投影;可用于指导多层隔热组裁剪、尼龙搭扣和聚酰亚胺销钉的安装工作;经试验及应用验证,系统投影比例和定位误差满足设计要求,能够显著提高多层制作效率和一致性,并可建立通用产品多层工艺信息库,实现工艺知识积累和快速调用。

基于多帧多级处理的雷达信号分选方法

在愈发复杂的电磁环境的情况下,对于未知脉冲分选利用现有统计方法和聚类等智能方法时间复杂度过高,无法满足实时性要求。利用分段处理可以优化统计法运算速度,但会导致无法对低重频信号进行有效分选。针对上述问题,提出了一种基于多帧多级处理的雷达信号分选方法,能够大幅度降低运算时间且保留对低重频信号分选的能力。在处理过程中,将很长的脉冲流进行多帧多级处理,通过多帧处理减小分选的时间复杂度,通过多级处理消除多帧处理对低重频信号的分选结果造成的影响。最后对每帧的分选结果进行合批处理。该方法在相同数据集相比传统分选模型,以每帧200个脉冲进行实验,在不损失低重频信号分选准确率的情况下运算时间减少为原来的0.06倍,对比传统分段处理,低重频信号的漏分选率由77%降低至4%。相对现有分选算法,多帧多级处理分选效果较好,具有一定实际应用意义。

多品种小批量离散制造过程多源异构数据集成与智能运维方法研究

在多品种小批量离散制造过程中有工艺图样、车间面板记录、机床传感器信号和质检报告单等多源异构工艺信息,如何高效地获取这些来源不一、结构多样的数据,并有效实现数据可视化、挖掘数据的潜在价值是这一类相关制造型企业面临的一个共性问题。传统纸质化工艺信息管理过程中存在信息化程度低、共享性差、获取不实时和安全性弱等弊端。为解决这一问题,研究以齿轮这一典型多品种小批量离散加工产品为对象,提出一种可综合运用图像识别、文字提取、二维码技术和TCP/IP通信等技术的多元异构数据集成方法,设计并开发了可支持文本、图像和传感器数据等多源异构数据集成的智能运维系统,实现了齿轮关键工序的多源异构数据的实时集成获取、轻量化高效管理、价值挖掘及可视化应用。

基于多源域适应JYPLS迁移的间歇过程质量预测

针对间歇过程数据不足,单源域迁移存在模型偏移,跨域信息损失导致建模效果不佳、负迁移等问题,结合域适应学习和多源域学习方法的优势,提出一种基于多源域适应联合Y偏最小二乘(joint-Y partial least squares,JYPLS)迁移的间歇过程质量预测方法。该方法通过迁移学习使用相似旧过程的数据辅助新过程建模,提高建模效率和模型预测精度;采用多源域适应的方式,通过引入多个源域,有效避免了负迁移;基于域适应思想减少源域和目标域之间的边缘概率分布差异,使得源域知识在目标域更好地泛化。最后,通过青霉素发酵过程的仿真案例验证了所提方法的有效性。

柔性生产线系统的优化策略分析

阐述基于小批量多批次的柔性化生产线设计与优化策略,包括技术应用和生产线控制、设计原则制定、总体框架设计。提出基于生产现状与建设需要的功能设计与性能优化方案。

成品油管网批次在线跟踪技术

成品油管网批次界面跟踪系统可基于实时运行数据实现管内批次位置实时跟踪、到站时间预测等,进而辅助站场精确掌握批次分输及混油下载时间,对于防止油品质量事故、提高站场管理效率具有重要意义。但现有批次跟踪方法基于体积推移算法,易受管内水力热力变化干扰,模型误差较大。提取管网实时流量密度数据,根据密度、阀门状态变化动态识别到站批次,并启动下游管道批次计算;基于油品体积流入、流出守恒定律构建批次界面推移计算模型,并考虑了由于混油、温度压力影响导致的油品体积动态变化,修正批次跟踪模型以补偿体积动态变化造成的批次位置偏差,最终开发了成品油管网批次界面实时跟踪系统。利用某成品油管网历史运行数据进行测试,结果表明,不考虑偏差修正的批次跟踪结果与实际到站时间的平均误差为10.87 min,而考虑温度压力修正模型的平均误差仅为3.8 min,误差降低了65%。该系统可满足管道运行管理的生产需求,有助于提高批次界面跟踪的工作效率,防止油品质量事故。

基于多尺度特征融合和多头自注意力机制的非侵入式负荷监测

针对目前负荷分解模型的深层负荷特征提取不充分,分解精度低以及训练成本高等问题,提出了一种多尺度特征融合模型。模型由负荷分解子网络及负荷识别子网络两部分构成,两个子网络均利用一维卷积和批量归一化等组成的卷积块进行负荷特征初提取,然后采用金字塔池化模块从多个维度精确提取深层负荷特征信息,并与特征初提取部分进行融合。金字塔池化模块使网络参数大大减少且降低了训练成本。同时与以往模型中的注意力机制不同的是,网络引入多头自注意力机制,每个注意力关注负荷特征的不同部分,从多个角度实现对重要负荷特征的筛选,进一步提高分解性能。最后,在UK-DALE和REDD数据集上进行实验,结果表明所提模型与4个基准模型相比,无论是负荷分解性能还是电器运行状态识别能力都有明显提升。

生态环境中总氮含量测定方法的研究与探讨

本次实验采用气相分子吸收光谱法和紫外分光光度法两种方法分别对水生态环境中总氮含量进行测定,通过对比分析两种方法的标准曲线、方法检出限、精密度、准确度和加标样品等,了解两种方法测定水生态环境中总氮含量的优缺点。结果表明,两种方法在测定水生态环境中总氮含量时的标准曲线、方法检出限、精密度、准确度和加标回收率均能满足水生态环境检测要求,气相分子吸收光谱法相较紫外分光光度法有更高的在线自动化程度和安全系数,更加绿色环保,可以实现少批量、多批次样品的快速检测,很大程度上节省了人力和时间成本。

基于ModelBuilder的多矢量多栅格数据裁剪工具构建

在地理数据处理中,裁剪数据是常见操作。当有多个矢量数据裁剪多个栅格数据时,常规的数据裁剪工具耗时费力。为了解决这一问题,本文采用ArcMap中的ModelBuilder构建了多矢量多栅格批量裁剪工具。该工具应用镶嵌功能,将构建的子模型工具添加到主模型中,实现了多个迭代过程的运行。经过试验对比研究,当处理的数据相同时,先迭代矢量数据后迭代栅格数据模型工具用时最短,调用次数最少。这表明,该工具可解放人力,大大提高生产作业效率。

一种改进粒子群的多机批调度求解方法

为解决并行多机批调度过程中效率过低的问题,提出一种改进粒子群的多机批调度求解方法。该方法借助随机权重、惯量权重对粒子群算法进行改进;构建一种适合调度问题的疫苗接种模型,并将其用于求解调度问题的免疫系统中,通过疫苗接种以提升调度问题求解的效率。以纺织企业的环锭纺为场景,试验结果表明,该求解方法的提升率达到77%,而且对多工件、多批次且加工时间长的批调度求解效果显著,充分说明该方法有利于解决多机批调度过程中效率过低的问题。

多品种小批量产品的分层计划管控系统设计与实践

针对中小企业生产管理指导性、规范性差,生产作业效率低等问题,本文以A公司多品种小批量产品为研究对象,提出一整套分层计划管控系统。首先通过流程再造优化订单评审流程,其次,采用分层计划编制体系优化计划排产流程,然后构建基于规则约束的启发式算法进行优化。最终达到增强生产订单接收协同性,排产指导性以及反馈及时性的目的。

基于多尺度特征融合与多任务学习框架的非侵入式负荷监测方法

随着建筑物能源消耗的不断升高,高精度与高泛化能力的非侵入式负荷监测技术的研究具有重大意义。针对当前负荷分解方法存在的问题,提出了一种基于多尺度特征融合与多任务学习框架的非侵入式负荷监测方法。将实例-批归一化网络与U形网络结合,提取总负荷数据的上下文信息,并利用跨越连接实现对不同尺度的细节特征与全局特征的融合。针对多特征特点,引入高效通道注意力网络,使模型聚焦重要特征。引入多任务学习框架与后处理操作,去除输出的假阳性片段,实现对目标电器的精准识别。将所提模型与几种代表性模型在UK-DALE(UK domestic appliance-level electricity)数据集与REDD(reference energy disaggregation data set)上进行对比实验,结果表明,所提模型的性能优于对比模型,具有出色的负荷分解能力与状态识别能力。

基于C#语言的不动产附图二维码批量生成研究

为深入贯彻广东省“十四五”规划中“建设幸福广东”新目标,进一步促进广州智联汽车小镇“多测合一”服务项目落地,针对广州市不动产权附图中重要信息人工输入慢、耗时长等关键问题,利用C#编程语言设计实现了不动产附图二维码以及不动产单元号的批量生成程序,生产实践证明了程序能快速生成附图二维码和不动产单元号,提高了生产效率,具有较高的实用价值。

基于相对变化分析的多模态卷烟制叶丝段故障监测

为解决卷烟制叶丝段中采用传统单变量统计过程控制方法故障监测效果欠佳等问题,通过对制叶丝段关键设备的运行特性分析,提出了一种基于相对变化分析的故障监测方法。该方法采用属性展开方式将具有批次、时间和属性特点的三维数据展开成二维数据,采用主元分析方法进行参考模态的统计建模和故障监测,根据备选模态的潜在过程波动以及与参考模态的相对变化,将参考模态监测模型的主元子空间和残差子空间分别进行分解,在分解后的4个子空间中进行备选模态的统计建模和故障监测。基于设备实际运行数据进行离线验证,结果表明:与彩虹图、过程能力指数等传统故障监测方法相比,该方法能更深入地揭示不同模态、不同批次间的过程变量动态性以及变量间关联关系的变化,可以及时、有效地检测出设备故障。

多品种小批量成批成套生产滚动计划的生成方法

针对多品种小批量环境下成批成套生产的特点,将加工对象按实际使用率情况分成关键重要零部件和非关键重要零部件两类。根据知识工程的原理,由关键重要零部件的关键工序元知识生成其生产滚动计划;对于非关键重要零部件按照其特性利用'A、B、C分类计划排配法'生成其生产滚动计划。解决了多品种小批量企业产品的成批成套生产问题。

间歇精馏新型操作方式的研究进展

本文综述了国内外近年来间歇精馏新型操作方式的研究进展和发展方向 ,重点介绍了塔顶累积全回流操作、反向间歇精馏塔操作、中间贮罐以及多罐间歇精馏塔操作 ,阐述了这些新型操作方式的特点及应用前景。