基于场景识别的云制造服务推荐

为了更好地挖掘和组织云制造服务系统中的服务组合场景信息,并据此建立高效的服务推荐算法以辅助用户创建服务组合,提出基于场景识别的云制造服务推荐模型。模型首先对原始服务组合描述进行功能信息重构;然后基于得到的场景综合描述对服务组合进行应用场景聚类,并为各场景建立加权服务库;最后通过识别用户需求的场景类别,借助各场景加权服务库进行服务推荐。通过实际数据集上的实验结果证明,该方法在推荐效果上有很大提升。     

云制造服务信任评估技术

为解决云制造服务模式中多主体之间的信任评估问题,研究了模糊化的直接信任度量化模型,提出一种基于交易经验和移动加权平均法的直接信任度预测模型,并给出模型的动态更新算法;研究了推荐信任度中推荐权值的影响因素,提出一种基于主体间信任评估相似性和主体间直接信任关系的推荐信任度权值确定算法,并结合主体间的直接交易门限值,给出推荐信任度权值的动态更新算法。     

云制造环境下基于动态服务编排的产品配置研究

针对云制造环境下的产品配置需求,提出一种云制造服务标准化建模方法.利用本体技术对云制造服务进行标准化建模,基于加权FP-Growth算法实现云制造服务目录的动态聚合完善;提出一种基于相似度聚类算法的制造需求动态编排及制造批次重组方法;以履带式液压挖掘机的产品配置为实例,展示了云制造服务目录的动态构建及制造需求重组过程,对相关技术方法的有效性进行了初步论证.     

基于协同效应的并行制造云服务组合算法

为了解决并行结构下制造云服务的组合优化问题,从协同效应的角度提出一种基于反向和局部学习的蚁群算法。该算法以服务质量作为信息素构建协同效应评价模型,求解并行服务的协同效应值,作为启发函数参数。利用协同关系矩阵计算组合协同效应值,并将其与组合服务质量相结合,求解综合评价值最高的服务组合。实验结果表明,该算法能有效求解并行制造云服务的组合优化问题,并能较快地得到最优解。     

面向云制造的资源集群聚类方法研究

针对云制造平台海量多样的服务资源分类界限模糊的问题，分析了云服务和制造资源之间的关系，提出云制造下混合式资源服务聚集模型。此外，文章基于k-means聚类算法建立了聚类有效性评估函数；针对k-means聚类算法对初始聚簇中心敏感易陷入局部最优的缺点，引入蛙跳算法确定初始聚簇中心，利用反向解扩大初始蛙群的搜索范围，结合最优解均值改进族群最差蛙的优化，提高族群的信息共享能力，结合改进后的蛙跳算法和k-means迭代，提出一种基于蛙跳算法改进的k-means聚类算法。最后，以两种数据集和云平台上同类机床资源为例，验证了所提聚类算法的有效性和可行性。     

基于可靠性可信性分析的云制造服务组合优化

针对不稳定的制造实体可靠性和服务信誉给新时代制造带来的影响,分析了云制造服务可靠性和可信性,将服务可靠度和可信度、组合复杂度和协同度与执行时间和费用相结合,构建了一种新的服务质量(QoS)评价模型;并通过加权相对偏差评价服务组合性能,提出一种熵增强粒子群优化算法(EEPSO),再引入正态云以提高算法前期全局搜索能力和后期局部寻优精度.以举升装配机器人制造任务为例,验证了优化模型有效性和EEP-SO算法可行性.结果表明,与标准遗传算法(SGA)、混合布谷鸟算法(CSBHC)、粒子群优化算法(PSO)、云熵遗传算法(CEGA)这4种算法相比,EEPSO具有更快收敛速度和更好综合性能.     

云制造资源服务能耗评估及应用

针对目前云制造平台中资源数据采集、制造服务化接入、服务柔性组合、制造服务综合效用评估和优化配置以及服务应用过程中忽略了能耗重要性等问题,提出了基于物联网的云制造资源服务能耗综合评估框架和云制造服务能耗计算模型,建立了制造服务负载、空载、附加能耗条件下的各类能源消耗计算矩阵,给出了制造服务综合能耗计算方法,并分析了能耗评估框架内各个层次所涉及的关键技术。以制造资源为例,给出了制造资源概念模型,通过物理标志语言描述了资源能耗信息,举例说明了某种制造服务单位综合能耗的计算,并初步设计了一种云制造资源接入与信息管理系统。     

云制造特征及云服务组合关键问题研究

为实现基于知识的制造资源和制造能力的共享与协同,实现云制造系统中资源服务的增值和增效,在分析云制造典型特征后,对云制造中的资源、制造云服务、制造云的关系进行了阐述.在此基础上,设计了制造云服务管理原型系统功能结构,对基于云制造全生命周期运行的云服务组合需求进行r阐述.对云服务组合建模/描述和一致件检查、云服务关联关系、云服务组合柔性、组合网络及其动力学特性、云服务组合建模与评估、组合优选等实现云服务组合的关键问题进行了研究,为未来实现高效智能化的云制造服务管理提供理论支持.     

云制造环境下基于QoS感知的云服务选择模型

为解决云制造环境下的服务选择问题,提出一种基于服务质量感知的云服务选择模型,建立了QoS信息感知和量化机制,针对不诚实评价问题提出信息校正方法,根据变精度粗糙集理论计算服务质量评价指标的权重,与用户设定的权重相结合,利用制造云服务选择算法取得服务质量综合性能排序。实验结果表明,该模型能够准确地为用户选择最佳服务。     

云制造服务资源多层次匹配算法研究

针对云制造服务资源匹配的问题,在综合考虑云制造服务资源需求的基础上,提出了包括基本信息匹配、功能匹配、约束匹配和综合匹配四个层次的云制造服务资源多层次匹配算法,对匹配模型和匹配算法进行了研究,并详细阐述了每个层次的匹配内容,并给出了每个层次的相似度函数,再用相似度计算定量地描述云制造资源需求和云制造服务资源间的匹配程度,使服务资源匹配更趋于准确和智能。最后,用实例验证了该匹配算法的有效性和可行性。     

基于模板与全局信任度的云制造服务评价与选择方法

为实现云制造服务的智能选择与组合,阐述了云制造需求与云制造服务的匹配过程及云制造资源的特点,从云制造服务的分类、服务能力、服务负荷状态、服务接口规范和服务质量等方面对云制造服务与云制造服务组合模板进行了形式化描述,提出云制造模式下基于互评机制的云制造服务质量获取方法,建立了云制造服务信任度评价模型;建立了基于服务匹配度与全局信任度的综合优化模型,并运用遗传算法进行求解。通过算例及MATLAB仿真验证了所提方法的可行性。     

基于MapReduce和多目标蚁群算法的制造云服务动态选择算法

基于云计算技术和云服务技术研究了云服务的动态选择问题,给出了云制造服务层次化模型,提出了一种基于MapReduce和多目标蚁群算法的制造云服务动态选择算法(CSSMA)。依据CSSMA设计了多目标蚁群算法、Map函数、Reduce函数和优化策略等,并将其分布式并行运行于制造云平台中。仿真实验结果表明:CSSMA具备良好的处理大规模问题的能力,适用于制造云服务动态选择问题的求解。     

基于动态集成框架的云制造服务过程追溯与匹配研究

为有效控制制造资源虚拟化过程,考虑不同制造资源的形态,提出了云制造资源动态集成框架,研究了基于RFID的云制造服务过程追溯机制。在此基础上,建立了云制造资源服务能力多目标评价体系,并通过评价指标加权和计算云制造资源优先值,为制造任务匹配最优云制造资源节点。最后,结合云制造应用实例,验证了云制造服务动态集成体系的合理性和优选算法的可行性。     

面向多任务的制造云服务组合

针对云制造系统中面向多任务的制造云服务组合问题,研究建立了问题模型并提出了求解算法.以面向单任务的制造服务组合方法为基础,融入多任务多联盟生成问题的相关假设和基本原则,建立了基于服务质量的多任务云服务组合模型.继而基于对该模型特征的分析与把握,提出基于矩阵实数编码的改进遗传算法.该算法设计了与矩阵实数编码相适应的行交叉/变异、列交叉/变异和点交叉/变异算子;同时基于对问题模型相关约束的考虑,设计了合法性修复策略.仿真实验表明,该算法能有效并以较高效率求解面向多任务的制造云服务组合问题.     

面向服务机器人三维地图创建的大规模点云分割

为了使服务机器人能在室内环境中识别物体并且利用点云自动创建三维VRML地图,针对室内场景中大规模且无规则的点云分割,提出了一种结合RANSAC和聚类的分割算法。该算法充分考虑到室内场景的特征,利用RANSAC提取大平面点云,并在点云当中去除地面等平面环境中的点云数据,最后使用聚类分割物体。此算法充分利用了室内环境的大平面特征和空间上分离特征,有效避免了无规则点云的分割和室内复杂环境导致的分割和运算困难的问题。不同室内环境中的对比实验比较清晰地分割出环境中的主要物体,得到了比较满意的效果。     

云制造环境下基于动态描述逻辑的制造服务匹配研究

为解决云制造环境下制造服务显著的异构性、动态性给云制造服务匹配带来的难题,提出了一种基于动态描述逻辑的制造服务匹配方法。建立了基于动态描述逻辑的动作描述理论,给出了复杂动作在描述、拆解、组合过程中需要遵循的原则,提出了"五层三阶段"的云制造匹配策略。用基于DDL的六元组对云制造服务进行建模,该模型能够准确地描述云制造服务的输入、控制和输出,为云制造服务匹配提供语义表达基础,同时,给出了匹配策略下的制造服务匹配规则及初步匹配算法实现。最后,通过对已有锻造系统的云化改造,证明了该方法能够有效地完成云制造环境下制造服务匹配工作。     

基于教—学算法的制造云服务组合优化

为解决云制造环境下的制造云服务组合优化问题,并排除智能算法的初始值对算法求优结果的影响,提出一种基于教—学算法的制造云服务组合优化算法。分析了基于服务质量的制造云服务组合流程,给出了制造云服务组合的服务质量评估模型和组合服务整体服务质量的评价方法,建立了制造云服务组合问题的数学模型,最后利用教—学算法求解最优组合。将所提方法与改进的遗传算法和改进的粒子群算法进行对比,并通过仿真实验证明了该算法求解制造云服务组合问题的有效性。     

考虑稀缺服务与质量损失云制造服务组合问题

云制造是一种实现制造资源和能力流通的先进制造模式,而云制造服务组合是云制造中的一个关键问题.云制造平台上的部分高端制造服务具有稀缺性,在面向复杂重型装备的制造服务中尤其如此.同时,云制造过程中由于生产环境的波动而导致的产品质量损失不可忽略.考虑上述情况,在基于帕累托包络的选择算法(PESA2)的基础上,提出一个改进的双目标云制造服务组合模型及基于距离的自适应PESA2算法(DA-PESA2).该模型考虑制造服务的稀缺性,并将产品质量损失和生产过程中的可持续性过程指标纳入模型.在DA-PESA2算法中,基于距离的自适应机制能更好地兼顾服务质量和可持续性两个目标.实验的结果及各项指标均表明,DA-PESA2算法在寻找高质量的服务组合解方面具有良好的性能.     

基于属性描述匹配的云制造服务资源搜索方法

为实现智能、高效、便捷的云制造服务资源搜索,提高服务资源需求与制造服务资源的匹配精确度,在分析现有服务资源属性检索技术和云制造服务资源特点的基础上,提出一种基于属性匹配的云制造服务资源搜索方法,并建立了其中云制造服务资源属性标准化分类描述模型;设计了服务资源同义词字典集和属性字典集,并以此为基础构造了关键词规范化算法和参数化的属性匹配算法。通过算法复杂度分析和实例验证表明,该方法具有云制造服务资源的高效准确匹配的优势。     

考虑云制造服务协同的多用户任务调度优化

云制造系统中有各种不同的分布式制造服务,而以往对制造服务调度的研究忽略了服务提供企业间的协同效应。为考虑云制造服务社会属性对服务协同的影响,从合作与竞争的角度建立了云服务间协同效应的测度模型。进而,以最大化平均用户满意度及最大化云服务协同效应为优化目标,构建了双目标云服务选择与调度模型。基于灰狼优化算法设计了一种灰狼优化模拟退火混合算法(GWO-SA)对该模型进行优化求解。使用算例进行测试并与其他多目标优化算法比较,仿真结果表明了该模型的有效性和GWO-SA算法的高效性。