论文部分内容阅读
随着定制化制造的逐渐兴起,智能制造系统得到了广泛的应用,随之带来的智能调度问题成为研究的热点。特别是工业4.0的提出,使得智能调度在智能制造中的智能工厂和智能物流两方面扮演着核心大脑的角色,是智能制造的基础。大多数的智能调度问题都是组合优化问题,关于其计算理论已经被证明是NP-hard问题。传统的研究组合优化的方法无法在多项式时间内求得调度问题的最优解,随后人们开始研究在多项式时间内求得近优解以满足生产调度的需求。基于此本文具体的研究内容有如下三方面:(1)在智能制造系统的建模方面,本文研究了如何利用Petri网对智能制造系统建模分析,并提出了从基本制造单元到整个制造系统的建模思想。对于系统模型死锁方面的研究,通过分析Petri网系统的可达图来判断系统运行过程中的死锁情况,并利用所建立的模型研究了单任务和多任务的调度方法。(2)在研究批量调度的过程中,本文提出结合遗传算法和模拟退火算法形成混合算法应用于智能调度领域的思想。这样既利用了模拟退火算法全局搜索的能力,又兼顾了遗传算法快速收敛的性质,通过与遗传算法进行仿真对比实验,并对得到的结果进行分析,证明混合算法的调度结果更好。(3)对调度任务进行分析,通过将任务类型按交期情况分为确定交期和模糊交期两类问题,使调度算法的研究更具有针对性。特别是模糊交期问题,通过对其进行建模分析,使算法变成真正以加工成本为评判的调度算法,进而更加接近实际情况,应用范围大大变广。通过对以上三方面的研究,本文提出根据调度规模的大小分别采用不同的调度方法的思想。即对于单件或多件调度问题,通过建立系统Petri网模型进行调度;对于批量调度问题,采用智能调度算法进行生产调度。本文的创新之处主要有如下两方面:(1)基于Petri网建立智能调度模型,并利用建立的Petri网模型解决单任务和多任务的调度问题。(2)将模拟退火算法和遗传算法结合起来应用于智能调度领域,最终通过实验证明了混合算法优势巨大。