基于改进粒子群优化算法mes车间动态调度的研究

基于改进粒子群优化算法mes车间动态调度的研究

ID:32425945

大小:2.79 MB

页数:68页

时间:2019-02-04

基于改进粒子群优化算法mes车间动态调度的研究_第1页
基于改进粒子群优化算法mes车间动态调度的研究_第2页
基于改进粒子群优化算法mes车间动态调度的研究_第3页
基于改进粒子群优化算法mes车间动态调度的研究_第4页
基于改进粒子群优化算法mes车间动态调度的研究_第5页
资源描述:

《基于改进粒子群优化算法mes车间动态调度的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、ADissertationSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofScienceinEngineeringResearchontheDynamicSchedulingProblemofMESBasedonImprovedPSOAlgorithmGraduateStudent:LuoYueshengMajor:MechanicalDesign&TheorySupervisor:Prof.WuZhengjiaChinaThreeGor

2、gesUniversityYichang,443002,P.R.ChinaMay,2013三峡大学学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果,除文中已经注明引用的内容外,本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明,本人完全意识到本声明的法律后果由本人承担。学位论文作者签名:日期:I内容摘要车间调度是制造执行系统(ManufacturingExecutionSystem,MES)中的重要功能之一,

3、它处理MES与过程控制系统之间的信息交互。有效的调度方法和优化技术的研究与应用,是实现先进制造和提高生产效率的基础和关键。粒子群优化算法是群体智能的典型代表,它具有原理简单,调节参数少,收敛速度快等优点,已经成功应用在工业、工程、经济等领域,成为优化算法的研究热点和前沿。在实际的车间生产中,针对紧急订单插入、交货期更改、工件到达时间不确定、以及生产设备故障与修复等实时突发事件,静态调度不能适应动态加工环境的变化,必须采用动态调度对实时事件进行处理,以适应动态的加工环境。从而对生产执行过程中的各种变化做出实时响应,并获得整个生

4、产车间的生产的优化。针对以上要求,本文的研究工作主要如下:首先,介绍了课题的研究背景、研究意义、国内外的研究现状,及MES概况;系统地阐述MES中车间调度的研究内容、研究方法及存在的问题。其次,总结了离散粒子群优化算法的研究及改进设计思路,针对调度问题本质,结合交叉变异思想,重新设计了粒子的更新机制;针对基本粒子群算法局部搜索性能差的缺点,并将变异思想和模拟退火算法思想融入该算法中对全局最优粒子的邻域进行局部搜索,很好地防止了算法出现早熟收敛。从而,设计出了改进的离散粒子群优化算法(SG-DPSO),通过测试集进行仿真实验,

5、表明改进的离散粒子群算法在静态作业车间调度问题上有更好的收敛性和有效性。再次,通过对动态作业车间调度问题的详细分析,研究紧急订单插入的动态事件,采用事件驱动的策略,将滚动窗口技术作为驱动策略的实现技术,建立了动态作业车间调度问题的数学模型。将改进的离散粒子群优化算法用于求解动态作业车间调度问题。通过测试算例的仿真实验,验证了动态作业车间调度问题数学模型的可靠性,以及本文改进的离散粒子群优化算法求解动态调度问题的有效性。最后,结合以上研究内容,开发了基于MATLAB的GUI功能模块的调度优化仿真平台,并对算例进行仿真。仿真结果

6、验证了本文所提出的研究方法的正确性与开发的仿真平台的有效性。关键词:制造执行系统;车间调度;动态调度;离散粒子群;交叉变异;模拟退火IIAbstractJobShopSchedulinginproductionisoneofthemostimportantpartsoftheManufacturingExecutionSystem(MES),whichprocessestheinteractionofinformationbetweenMESandprocesscontrolsystem.Effectiveschedulin

7、gmethodsaswellasresearchesandapplicationsofoptimizationtechniquesarethefoundationsandkeysofimplementingadvancedmanufacturingandimprovingproductionefficiency.ParticleSwarmOptimizationAlgorithmisatypicalrepresentativeofswarmintelligence.Ithastheadvantagesofsimpleprin

8、ciple,lessadjustingparametersandfastconvergencespeed.Ithasbeensuccessfullyappliedinindustry,engineering,economicsetcandhasbecometheresearchfocusa

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。