间歇化工过程生产调度系统优化的新算法

简述了间歇化工过程领域中化工系统工程的研究课题。提出了间歇化工过程生产调度优化问题的一个新算法──遗传算法。     

隐式PID自校正控制器及其应用

针对某化工厂间歇化学反应器模型难以建立与控制的问题，本文提出一种隐式ＰＩＤ自校正控制算法。该算法克服了常规ＰＩＤ算法参数整定难且整定周期长的问题，可实现在线实时辨识被控对象的参数，并具备ＰＩＤ控制器参数的自校正功能，经计算机仿真研究表明该算法具有较强的鲁棒性，是一种较有应用价值的算法。     

基于MFDA—PCA的间歇过程故障诊断方法研究

针对传统MPCA间歇过程故障诊断方法存在的在线数据不完整及实时性差缺陷,提出一种基于MFDA-PCA间歇过程的在线批次故障诊断方法．通过MFDA对在线批次正常部分与历史批次进行相似度分析,利用相似度最优的批次建立PCA模型,对在线批次数据进行实时分析,完成对整批生产过程在线监控及故障诊断的任务．最后以青霉素发酵仿真实验验证了该方法的有效性和快速性．     

基于模糊规划的间歇过程生产调度建模

通过对现有生产调度模糊模型的分析，针对间歇生产过程，提出了一种新颖的参数模糊的通用模糊规划建模方法，模糊模型采用2种基于普通遗传算法的模糊算法，即模糊模拟和SFA算法。该方法中，参数隶属函数选取灵活，采用合适的模糊表示方式。最后通过实例验证了该模糊建模方法是一种有效的方法。     

Job-shop的实时调度

利用神经网络和启发式分派规则设计了一种Job—shop的实时调度算法，该算法首先在离线时用遗传算法训练神经网络得到调度的启发规则，在加工开始时根据一些动态特性对要执行的工件操作进行模糊分类，然后再根据启发规则对分类后的操作进行在线调度．基于这种算法，用模糊神经网络设计了一个Job—shop实时调度器，最后结合实时调度和重调度问题进行了仿真．通过与FIFO与LR(Lagrangian Relax)的比较，证明提出的算法是高效和可行的．     

基于改进蚁群算法的化工批处理生产调度研究

首先介绍了化工企业生产的特点,然后给出了蚁群算法的基本模型和化工批处理生产调度的描述,指出了其调度过程要考虑到的约束条件——半成品的放置时间不能太长,把半成品的放置时间作为信息因子放入到概率选择公式中,使用改进的蚁群算法对该生产调度进行了求解,最后对化工间歇作业调度发展趋势做了探讨。     

磁力轴承控制系统任务调度算法研究

在分析了磁力轴承控制系统任务特性和经典的RM及EDF调度算法特性基础上，提出了控制系统中具有智能决策能力的实时任务调度算法．该算法吸收了RM与EDF算法的优点。通过动态地改变任务的周期而有效地进行任务调度，并能进行在线系统检测．对调度算法特性进行了理论分析，指明了算法可行的条件，并对CPU的利用率进行了定量计算与分析．     

化工原料生产间歇作业调度建模

通过对现有化工原料加工企业生产调度问题的描述,对间歇作业调度模型进行分析,建立间歇生产过程作业调度模型。     

广义自校正前馈控制算法

本文基于带积分因子的ＣＡＲＩＭＡ模型，将自校正控制策略与极点配置策略有机结合起来，提出了能够在线选择加权项的广义自校正前馈控制算法．该算法由于引入了积分作用能够消除跟踪误差，具有较强的鲁棒性．在非最小相位系统给出了算法的全局收敛性证明．     

分布式炼钢-连铸在线生产调度系统

分析了炼钢—连铸生产管理特点,给出分布式在线生产调度系统的总体结构,并描述了专家系统、启发式算法和人机交互相结合的生产调度计划集成化编制方法·现场实际运行表明：该系统可快速准确收集生产实绩数据,完成生产过程在线监视;编制出符合现场情况、满足工艺要求的高效生产调度计划·     

最大化接收工件总权值的批处理机在线排序

研究m台无界批处理机上的在线排序问题.每个工件J_j具有一个相同的加工时间p0,一个到达时间r_j≥0,一个权值w_j0,一个必须交货期d_j0.无界批处理机是指一台机器可以同时加工任意多个工件,目标是确定一个工件允许被中断重启的在线排序使得接收工件的总权值最大化.主要设计了一个在线算法并证明其竞争比为3-1/m-(4m-2)(2m~2-m)~(1/2)/(2m~2-m).     

工件具有区间限制的批在线调度

研究同构并行机上的批在线调度问题,目标函数是使最大完成时间(最后一个工件的完成时间makespan)最小.工件以批方式到达且每个批中有m个工件,每个工件的加工时间随其批的到达而给定且限定在某个时间区间上.当一批工件到达时,在对其后批的信息不了解的情况下,要立即对该批中的工件进行调度,调度过程中不允许中断.针对这一问题,给出了一个批在线启发式列表调度算法,在同一批中的工件按LPT规则调度,当一批中的全部工件被调度完后,调度下一批中的工件.对算法的最坏情况进行了分析并给出了算法的竞争率.     

应用混合蚁群算法求解并行批处理机组批与调度问题

晶圆制造系统的批处理机具有长加工时间的特征,其调度性能指标对车间总体绩效有重要影响.批处理机调度分为组批与批次调度.针对工件的动态到达特性导致组批困难,提出了一种混合型蚁群算法.利用该算法的全局并行搜索能力对工件进行组批,并使用BATC算法对批次进行调度,可以解决多产品并行批处理机调度问题.以工件总拖期最小为性能指标,通过实例仿真,对蚁群算法性能进行分析评价和比较.结果表明,所提出的算法具有有效性和实用性.     

批处理机上有就绪和截止时间的等长度工件排序

一台批处理机一次可以同时加工多个工件(称为一批),每批工件有相同的开工和完工时间,加工时间等于其中最长工件的加工时间.本文研究单台批处理机上有就绪时间和截止时间约束的n个等长度工件的排序问题,目标是求一个可行时间表.就该问题,Baptiste已经提出了一个复杂性为O(n8)的算法,在此基础上,本文推广Garey等人关于对应的经典排序问题的算法,得到了一个复杂性为O(n2)的算法.算法分两个阶段执行:在阶级I,算法找出所谓的禁止开工区间,在这些区间中将不允许有工件开工;在阶段II,算法从时刻零开始,每当机器有空闲且不属于禁止开工区间的时候,就按照最早截止时间优先规则从已就绪的未加工工件中选择尽可能多的工件作为一批进行加工,若当前的机器空闲时刻属于某个禁止开工区间,则首先更新其到该禁止开工区间的右端点再进行决策.     

工件分簇的半连续型批处理机调度问题

半连续型批处理机调度问题是从钢铁工业加热炉对管坯的加热过程中提炼出来的,其中把加热炉看作批处理机,同一时刻可以有C个工件被加工。工件以批方式进行加工,批中工件的进入、加工和离开都是按周期进行,同一批中的工件都有自己的开始加工时间和完工时间,且加工时间均等于这批工件中加工时间的最大者,批的大小为这批工件的个数。半连续型批处理机调度问题包含如何分批及安排各批间的加工顺序。考虑了单机且工件分簇的情况,其中在同一簇中工件的加工时间相同。目标函数为极小化总完工时间。对于工件的簇数是F的情况,通过最优解的性质给出了一个复杂性为O（F^2）的动态规划算法,能够获得对应问题的最优解。     

热轧中板轧制变形规程的优化设计

研究热轧中板轧制变形规程的在线优化设计,包括轧制前的预计算以及轧制中的在线修正. 在轧制数学模型基础上,将轧制规程优化设计分为负荷分配道次和板形道次. 在板形道次,给出其线性规划数学模型,并利用单纯形算法求解,分析了不同约束集对最优规程的影响并进行了仿真,确定了最佳约束集. 轧制过程中利用实测数据进行模型自适应及规程在线修正. 经若干中板厂应用结果表明,该方法节约轧制时间且板形良好,异板差0.1 mm之内的命中率大于95%,成材率提高0.5%.     

一种智能仓库车辆调度问题的新算法

将调度问题与遗传算法相结合,提出一种用于解决智能仓库车辆运输调度问题的一种新算法,并用计算实例证明了该调度算法的正确性,并能适应大规模车辆的调度问题．本算法计算量小,具有很强的鲁棒性．     

带有退化效应和不可用区间的并行批排序问题

在制造业中,处理机由于长时间使用而发生故障或进行维护、保养等原因,产生一些不可用区间;并且工件的实际加工时间往往与它的开始加工时间有关。研究一种带有退化效应和不可用区间的无界单机并行批处理机排序问题。在这一模型中,工件的实际加工时间是其开始加工时间的线性递增函数。而并行批处理机中,同批工件同时开始加工,同时完工,且批一旦开始加工就不可中断;每批的加工时间等于这批工件中加工时间的最大者;同批中工件的完工时间都相同,为这批的完工时间。讨论的目标函数为最大完工时间问题。通过对最优解性质的分析,给出了求解此问题的多项式时间的最优算法。     

退化条件下具有维修活动的单机排序问题

在现实的环境中,工件的加工时间可能与其在机器上的开工时间有关,工件的开工时间越晚其加工时间越长,这种现象称为“退化效应”(Deteriorateing effect).针对机器具有退化效应和维修活动(Rate-modifying activity,RMA)的单机排序模型,考虑一个序列无关的,在简单线性退化条件下工件的加...     

基于光突发控制包缓存的批调度算法

在光突发交换（OBS）网络中，数据信道调度算法是提高网络性能的重要措施之一。提出了一种基于光突 发控制包（BCP）缓存的批调度算法M其主要思想是：对到达的突发控制包进行缓存M当设定的最大缓冲时间到了， 首先按照业务的优先级，再按照突发到达顺序对缓冲区中的BCP进行批调度处理，并采用LAUC-VF来调度数据 突发（DB）该算法通过缓冲较多的BCP，获得更多的突发信息，有利于优化调度DB，从而降低了突发丢失率。仿 真结果表明：该算法具有比LAUC-VF还要低的DB丢失率，并能有效支持QoS。