【摘要】： 隨著制造業(yè)競爭的加劇,生產(chǎn)調(diào)度研究已經(jīng)從理論探索轉(zhuǎn)移到實際應(yīng)用階段,如何在有限合理的時間內(nèi)獲得滿足要求的調(diào)度方案成為制約車間生產(chǎn)效率的重要因素。另一方面,在實際生產(chǎn)中,生產(chǎn)狀態(tài)的復(fù)雜性與不可預(yù)見性使通過傳統(tǒng)方法得到的預(yù)調(diào)度方案失去了意義。因而,能夠快速響應(yīng)生產(chǎn)狀態(tài)變化的重調(diào)度成為生產(chǎn)調(diào)度研究的重點。 為對動態(tài)調(diào)度進行決策支持,本文在對生產(chǎn)調(diào)度問題分析的基礎(chǔ)上,提出了基于知識的生產(chǎn)調(diào)度決策支持平臺框架,該框架基于LPKI結(jié)構(gòu);借助人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)、記憶功能,以人工神經(jīng)網(wǎng)絡(luò)作為學(xué)習(xí)推理機,建立了基于規(guī)則的適應(yīng)規(guī)則調(diào)度模型(RBS);研究了確定性生產(chǎn)調(diào)度理論中的調(diào)度問題表示與推理,提出了一種基于案例的生產(chǎn)調(diào)度模型(CBS);最后在VC++6.0環(huán)境中建立了基于包含RBS和CBS的實時調(diào)度平臺。本文主要研究內(nèi)容和取得的研究成果表現(xiàn)在以下幾個方面。 (1)建立了基于規(guī)則和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的適應(yīng)規(guī)則調(diào)度模型(RBS),該模型以人工神經(jīng)網(wǎng)絡(luò)作為學(xué)習(xí)推理機,具有快速響應(yīng),瞬時計算的特點,能夠適應(yīng)動態(tài)調(diào)度的實時性要求。其中人工神經(jīng)網(wǎng)絡(luò)的輸入為制造車間的生產(chǎn)狀態(tài)參數(shù),輸出為當(dāng)前采用的調(diào)度規(guī)則。 (2)提出了一種基于案例的調(diào)度模型(CBS),知識的表示采用確定性生產(chǎn)調(diào)度中的面向?qū)ο蟮娜蚰Ｐ?推理機制建立于確定性生產(chǎn)調(diào)度計算復(fù)雜度歸結(jié)關(guān)系。該模型將知識的表示和推理與調(diào)度領(lǐng)域緊密結(jié)合,建模簡單方便。 (3)提出了基于知識的生產(chǎn)調(diào)度決策支持平臺框架,并建立了由前述RBS和CBS模塊構(gòu)成的基于知識的決策支持調(diào)度系統(tǒng)(KBSS),設(shè)計了平臺的工作流程,知識庫,給出了CBS模塊中案例搜索的計算機算法。
【圖文】：

基于知識的動態(tài)調(diào)度系統(tǒng)模型建立 6.3.2.2RBS模塊界面RBS菜單下有三個子菜單，如圖6一11所示。In三ertnTrain六N圖6一 11RBS子菜單Figure6一 11Sub一 itemsofRBS圖6一11的三個字菜單分別用來插入新的調(diào)度規(guī)則，訓(xùn)練ANN，和進行實時調(diào)度。界面分別如圖6一12至6一14所示。 RRRuleUpdateGriddd「「「}R。一 e1000}RuleNam百一一}obiectry。 �？锟锟� 廠廠廠 廠廠廠

基于規(guī)則的調(diào)度方法迅速方便，可以用于動態(tài)調(diào)度，，但其規(guī)則的自適應(yīng)選取是一大難題;而在平臺中引入基于案例的調(diào)度模塊，可以有效地包括知識重用機制。本文設(shè)計的平臺功能框架為一個LPKI結(jié)構(gòu)，如圖3一3所示。語言系統(tǒng)(LS)川戶界面_勝KI弓5__笙CBS問題處理系統(tǒng)(PPS)耀淵黝矍洲澎哪酬黝粼姍黝粼﨏瓢藻血麒翼瓣黝姍鍘撇氰﨏結(jié)果評調(diào)度價度結(jié)顯果示調(diào)臨瀟轟時度實調(diào)庫預(yù)知識覽庫維護知識度結(jié)果小調(diào)顯一度結(jié)果評價調(diào)情況處理例外學(xué)一習(xí)鑫度時實調(diào)庫知識預(yù)覽庫維護知識知識系統(tǒng)(KS)調(diào)度規(guī)則知識僑調(diào)度案例知識功哭欲眼毯攤妙2調(diào)度模型知識)壽轟節(jié)鬢纓矍撇撇彝薰例外處理系統(tǒng)(}PS)圖3一3基于知識的生產(chǎn)調(diào)度決策支持平臺功能結(jié)構(gòu)Figure3一 3FunetionStruetureofKnowledge一BasedProduetionSehedulingDeeisionSuPPortPlatfonn本平臺采基于前述LPK系統(tǒng)結(jié)構(gòu)，可以更好的與調(diào)度領(lǐng)域知識結(jié)合，減少建模難度，提高效率。另外在PPs中嵌入了例外情況處理系統(tǒng) (hicideneeProcessingsystem，IPS)，用于對PPs無法解決的問題求解，從而構(gòu)成LPKI系統(tǒng)結(jié)構(gòu)。本文將著重介紹RBS和CBS的建立過程，因工作量關(guān)系，MBS部分作為后期將要開展的工作而列出�；谝�(guī)則的調(diào)度(RBS)根據(jù)用戶輸入及調(diào)度過程中采集到的生產(chǎn)狀態(tài)參數(shù)，給出當(dāng)前的調(diào)度規(guī)則
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2009
【分類號】：TH165

【參考文獻】

相關(guān)期刊論文 前10條

1 曹桂琴，許宏, 卜令福;一個基于推理的生產(chǎn)調(diào)度系統(tǒng)[J];大連理工大學(xué)學(xué)報;1994年05期

2 邵玉紅;武劍潔;;安鋼智能調(diào)度管理系統(tǒng)設(shè)計[J];河南冶金;2006年04期

3 奚立峰,周炳海,蔡建國,馮坤;基于規(guī)則的人工神經(jīng)網(wǎng)絡(luò)FMS動態(tài)調(diào)度[J];機床與液壓;2002年04期

4 王艷紅,尹朝萬,張宇;基于多代理和規(guī)則調(diào)度的敏捷調(diào)度系統(tǒng)研究[J];計算機集成制造系統(tǒng)-CIMS;2000年04期

5 徐常勝，肖鵬東，周兆英，劉思行;柔性制造系統(tǒng)中的調(diào)度問題[J];機械工業(yè)自動化;1995年03期

6 高瑩,錢建華,富小麗,黃麗華;基于案例推理對群體決策的支持[J];管理信息系統(tǒng);1999年06期

7 錢曉龍,唐立新,劉文新;動態(tài)調(diào)度的研究方法綜述[J];控制與決策;2001年02期

8 范路橋,常會友,朱旭東;作業(yè)調(diào)度問題研究[J];現(xiàn)代計算機(專業(yè)版);2004年05期

9 郭斯羽,吳鐵軍;基于模式分類的自學(xué)習(xí)生產(chǎn)調(diào)度知識庫方法[J];系統(tǒng)工程理論與實踐;2001年07期

10 任艷頻，張佐，吳秋峰;切換式規(guī)則調(diào)度系統(tǒng)的建模與仿真[J];系統(tǒng)工程理論與實踐;1999年07期

相關(guān)博士學(xué)位論文 前1條

1 趙博;結(jié)構(gòu)化集成調(diào)度系統(tǒng)理論及基于該理論的虛擬車間智能支撐平臺的體系結(jié)構(gòu)研究[D];大連理工大學(xué);2000年

相關(guān)碩士學(xué)位論文 前3條

1 周艷平;基于案例推理的水庫調(diào)度[D];中南大學(xué);2005年

2 賴大榮;基于人工神經(jīng)網(wǎng)絡(luò)的案例推理研究[D];合肥工業(yè)大學(xué);2006年

3 李長儀;基于知識的動態(tài)調(diào)度決策機制研究[D];揚州大學(xué);2006年

本文編號：2670937