基于UWB的离散智能车间可视化监测平台的研究及应用

监测平台集成数据采集、数据分析以及监督提醒等功能,能够帮助决策者快速了解离散制造车间的生产状况,合理调配资源,提高车间的整体生产效率。但是,离散制造车间存在制造系统复杂、生产要素多、变化快以及资源调度难等问题,增加了管理难度,因此设计了基于超宽带（Ultra Wide-Band,UWB）的实时可视化监测客户端。客户端可实现状态查询、仿真追踪及数据统计3个功能。首先,使用3D Max软件建模渲染,建立车间内重要设备的模型,把模型文件转换为FBX(FilmBoX)格式导入Assets,通过Unity3D搭建离散制造车间的场景模型,实现车间场景的建模;其次,通过SQL Server软件存储处理UWB硬件设备采集的位置和时间数据,编译C#脚本代码调用数据,驱动人员、自动导引运输车（Automated Guided Vehicle,AGV）及天车模型运动,实现车间场景的实时可视化监测;最后,使用C#语言编译客户端,客户端实时监测平台,集实时位置显示、资源数据分析以及危险预警报警于一体,通过实时化、数字化及图形化的展示,对整个生产过程进行监测、调度和优化,实现车间现场的实时管理。设计的客户端界面具...     

5G技术赋能的智能离散制造车间主动调度模式

分析了当前离散制造车间调度模式的不足和面临的挑战，在此基础上，提出一种5G技术赋能的智能离散制造车间主动调度模式，将生产过程的传统被动调度模式转化为“互联-预测-调控”的主动调度模式。针对实际生产中交货期变化、机器故障等异常工况，通过5G技术构建云-边-端协同的车间多源异构数据互联互通体系，打通各层级之间的通信壁垒，实现全生产要素的数据实时感知与互联以及生产指令的上传下达；基于感知数据，采用深度学习等人工智能技术实现车间运行状态与异常事件的精准预测；根据预测结果主动调控生产计划，优化资源配置，构建了云-边-端协同的主动调度机制，实现调度“规则+算法”的混合联动，降低异常事件对生产过程的影响，实现复杂动态制造环境下的车间性能优化。     

大数据驱动的离散制造车间实时能效分析方法

为实现生产过程的节能减排,提出一种大数据驱动的离散制造车间实时能效分析方法。首先,从能耗数据与工艺数据两个方面构建了制造数据封装模型,以实现制造大数据的采集与存储;其次,通过数据聚类与数据关联分析,建立了制造大数据分析方法,实现了能耗数据的特征提取及其与工艺数据的关联融合,并据此建立了离散制造车间多层次实时能效分析指标。该方法将大数据处理与制造车间能效分析相结合,通过能耗数据的挖掘分析与可视化展示,为智能车间的节能控制提供了决策依据。     

求解低碳车间调度问题的改进鲸鱼算法

针对传统柔性作业车间调度问题只考虑完工时间,设备利用率,完工成本等因素的局限,构建了以碳排放成本和完工时间成本加权和最小为目标的低碳柔性作业车间调度问题模型,并设计了一种改进的鲸鱼优化算法对其进行求解。首先,采用等长的两段式编码方式来表示柔性作业车间调度问题,引入基于ROV规则的转换机制,实现鲸鱼个体位置向量与调度解之间的相互转换。其次,采用基于一定比例的全局搜索、局部搜索和随机搜索的混合式种群初始化方法,生成一定质量的初始种群,同时设计了非线性收敛因子和自适应惯性权重系数来加强算法协调全局搜索和局部寻优的能力。再次,引入自适应调整搜索策略以提高算法跳出局部最优的能力。最后,通过实验数据验证了改进鲸鱼算法在求解低碳柔性作业车间调度问题方面的有效性。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

物联技术下智能制造车间自协作管理方式研究

为了解决智能制造车间实时调度问题,基于车间物联技术提出了交互式、命令式及预警式3种车间自协作管理方式。通过为车间生产过程中人员、设备、物料等配备RFID设备,采集实时生产数据并交由上层数据处理与生产管理系统进行分析处理,得到感知结果,从而采用相应的自协作管理方式对缺料、拖期、质量不合格等问题进行有效处理。最后结合离散车间生产管理系统的车间调度的应用实例,验证了方法的合理性。     

数据驱动的智慧车间实时调度方法研究

智能制造系统采用了物联网等大量先进信息技术,使得车间积累了大量的实时生产数据。同时,复杂制造系统在运行过程中容易出现一系列干扰事件,这对车间实时响应能力提出了更高的要求。因此,在工业大数据支撑的制造环境下,针对考虑序列相关设置时间和阻塞的混合流水车间调度问题(Hybridflowshopschedulingproblemwithsequence-dependentsetup timesandblocking,HFSP-SDST-B),提出一种基于深度强化学习的实时调度方法,从而实现制造资源的合理分配和完工时间最小化。作为一个序列决策问题,HFSP-SDST-B可以被建模为一个马尔科夫决策过程。在每个调度点,智能体根据当前的生产状态选择相应的调度规则,从而进行合理的工件排序和机器分配。为了实现生产数据驱动的实时调度方法,依次设计考虑阻塞因素的调度点、通用生产状态特征、基于遗传规划的启发式规则和奖励函数。然后提出一种基于近端策略优化算法的训练方法,从而让智能体构建状态与规则之间的有效映射。最后试验结果表明,与现有的动态调度方法相比,该方法具有优越性和通用性,并且通过学习能够有效处理随机扰动...     

农机转向器制造车间的动态调度算法研究

针对目前农机转向器生产车间对突发事件调度不及时的问题,对车间调度相关问题进行了研究,提出了一种基于改进免疫克隆算法的车间调度模型。首先,结合农业转向器生产实际,以最大完工时间、设备能耗和设备负荷为调度目标构建了目标函数;然后,采用多策略种群初始化和自适应变异算子,对免疫克隆算法进行了改进;最后,在分析车间调度加工时间数据和车间调度加工能耗数据的基础上,以调度模型的适应度和甘特图为指标,对所建模型调度效果进行了验证。研究结果表明:相比传统免疫克隆算法,改进免疫克隆算法寻优速度更快、寻优精度更高,可以实现对农机转向器制造车间的快速动态调度。     

基于数字孪生的零件智能制造车间调度云平台

零件制造车间中工作要素路径的未知性、时间的不确定性,以及生产要素信息的孤立性,严重影响了车间调度的有效运行。基于数字孪生技术提出一种解决零件智能制造车间调度问题的新方法——调度云平台,构建了调度云平台的框架模型以及调度工作流程;搭建了调度云平台的全生命周期监控系统,监控产品的实时运行状态;基于全生命周期监控系统实时监控的数据,利用大数据分析技术对车间生产过程中多源动态扰动进行预测和诊断,在此基础上提前由调度云平台对动态扰动制定相应扰动策略;为阐述如何将所提模型落地,以某企业零件智能制造车间为例,对调度云平台模型进行应用验证,同时指出了基于数字孪生的零件智能制造车间未来的工作方向。     

基于RFID的离散型制造物联实时数据采集系统的研究与开发

针对制造物联环境下离散制造车间生产数据采集实时性、可靠性差的问题,开发了一种基于RFID的实时数据采集系统。对离散制造车间数据采集与处理进行了分析,对数据采集系统的总体架构进行了设计,并且构建了系统的体系架构与功能模型。该系统采用多线程同步技术和数据库辅助设计程序,能够实现对车间现场实时数据的采集、车间生产任务的合理安排、车间加工设备和操作员工的实时监控。实现了一种新的车间现场生产数据采集方式,为实现离散制造车间的实时生产奠定了基础,有效的解决了各生产作业单位的信息断层与信息孤岛问题,提高了企业的生产效率。     

基于物联网技术的数字化车间制造数据采集与管理

针对离散型生产车间生产过程中对零件的实时状态、生产过程数据追溯的需要,提出了将超高频RFID、二维码等物联技术融入到车间MES系统中的解决方案。根据离散制造车间的生产过程,开发了车间生产过程数据采集与管理系统,对零件制造过程进行跟踪和管理。通过系统接口实现制造执行系统与PDM系统的数据、业务集成及车间制造过程的数字化和可视化,实现了MES层对零件生产数据的采集与反馈,提高了车间的生产效率和管理水平。     

通用机械加工车间绿色制造系统工程方法

为了满足制造企业在资源环境方面的技术需求,一种实用的绿色制造系统工程方法(SEGM)被应用于车间制造系统的设计规划与通用机械生产过程的运行调度。论文根据车间制造系统的资源环境影响因素建立车间规划和生产调度的控制变量,基于系统工程学的基本原理建立包括通用机械产品生产过程在内的车间制造系统模型。论文讨论了面向资源环境属性的优化方法并利用人工生命方法的GA-CA算法求解,得到车间制造系统规划和生产调度变量的最优解,从而决定了资源和能量在车间制造系统中的运行方式。为了在实物生产中实现这些优化参数,论文针对通用机械产品的工艺设计、实物制造、生产调度和车间规划开发了实用的应用技术和工艺装备,进行了先进制造技术的集成创新,实现了车间制造系统的节能减排。论文以火电阀门机械加工车间作为系统应用案例进行研究,数据显示绿色制造系统工程方法对通用机械加工车间的资源环境改善有着积极的影响。     

面向高效低碳的切削参数与柔性作业车间调度集成建模与优化

传统制造业切削参数优化与柔性作业车间调度优化通常独立进行,将切削参数与调度方案之间进行集成优化,能更好地解决车间高效低碳优化问题.以制造过程碳排放和最大完工时间为目标,建立切削参数与柔性作业车间调度高效低碳集成优化模型,提出一种改进的离散化引力搜索算法(IDGSA)求解机器切削参数与调度方案之间的协同优化问题.根据集成优化问题特性,首次设计了一种工件序列—机器序列—切削参数模式三层编码方式,并且不同的编码方式采用不同的初始化方法,保证初始解的质量以及多样性.针对集成优化问题的三层编码特性,提出一种新的竞选机制,竞选出最优双层序列,与精英质点的工件序列交叉产生新的质点,引导算法向真实Pareto前沿靠近;所提算法中采用多点交叉和变邻域搜索实现分散搜索与集中搜索有机平衡.通过对比改进的非支配排序遗传算法(NSGA-Ⅱ)和离散化引力搜索算法(DGSA),以及将提出切削参数可变的集成优化方法与3种切削参数不可变的优化方法进行对比,验证了所提改进算法的优越性和集成策略的有效性.     

基于离散震荡粒子群算法的柔性作业车间调度优化方法

提出了一种离散震荡粒子群算法与细菌觅食算法优化融合的混合智能算法,并将其应用于离散型柔性车间调度问题中。该算法利用离散震荡粒子群算法对不断更新的粒子的每一维进行适当震荡搜索操作,并引入细菌觅食算法中的趋同操作作为局部搜索策略,对整个种群中的最优粒子进行邻域搜索,提高最优解的精度。最后利用实际生产数据,对实际生产过程进行仿真。仿真结果表明:所提出的算法收敛速度较快,收敛精度有明显的提高,对于实际调度问题具有一定的理论价值和指导意义。     

多资源车间生产调度优化问题的研究

车间生产调度问题的实质是寻找一个最佳的车间生产加工任务分派和车间制造资源分配方案,是一个典型的优化问题。车间生产调度问题的优化模型又可分为单资源约束和多资源约束的2种作业车间调度问题。现主要探求多资源约束条件下的优化模型,并引入优化算法,根据相应的数据,求解其满意解。     

面向制造过程的车间实时监控系统设计

针对某企业机械加工车间的生产特点和在车间监控方面存在的问题,在分析目前车间监控现状及离散企业车间数据类型的基础上,对制造过程车间实时监控系统进行了设计。通过对监控系统功能和业务流程设计以及采用多种采集方式相结合的形式,保证车间制造过程信息的全面性、实时性和准确性。通过此系统可以实现对现场生产过程中各种生产状态信息的采集与管理,并能够使制造过程实时数据直接到达生产监测和管理环节,有助于加强车间监控力度和改善车间生产的混乱无序性。     

基于改进非支配排序遗传算法的多目标柔性作业车间低碳调度

为解决以设备能耗、刀具磨损和切削液消耗为碳排放来源,能耗和人工费用为加工成本的多目标柔性作业车间低碳调度问题,建立以最小化碳排放量、最长完工时间和加工成本为目标的低碳调度模型,提出一种改进带精英策略的非支配遗传算法(NSGA-Ⅱ)并进行求解。首先通过基于Tent混沌映射的编码与融合了层次分析法(AHP)的贪婪解码来动态调整染色体组成,提高初始种群质量;然后提出了一种基于遗传参数的自适应遗传策略,根据种群进化阶段与种群非支配状态动态调整交叉、变异率;最后设计了一种基于外部档案集的改进精英保留策略,提高了算法后期的种群多样性并保留了进化过程中的优质个体。通过标准调度算例与实际案例验证了改进算法的有效性。     

多目标离散灰狼优化算法求解作业车间节能调度问题

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解.根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模式和搜寻模式的双模式并行搜索方法,并在搜索过程中动态调整两种模式下个体的数目,以协调算法全局和局部搜索能力;为了使算法适用于多目标离散调度问题,在跟踪模式下提出一种基于交叉操作的离散个体更新方法,在搜寻模式下提出一种基于记忆池机制和邻域结构的离散个体更新方法.对40个作业车间调度问题基准算例进行改造,并验证了所提算法的有效性.     

信息物联驱动下的离散车间自组织生产调度技术

随着个性化定制的需求越来越高,离散车间作为企业从事机械零部件生产活动的物理实体将首先应对这种趋势带来的挑战。个性化定制任务随机性强,订单到达时车间状态不定,调度模型难以确立,需要一种摒弃传统调度模型的自动化生产方法。为此,结合物联制造技术和完全动态调度理论,研究如何实现车间层自组织生产,在没有初始调度模型的情况下完成实时动态调度。以离散车间为研究对象,搭建面向实时制造过程的无线射频识别物联环境。并以此为基础,建立面向物理资源的智能个体,使设备本身成为具有通讯、分析、决策能力的独立智能单元。同时引入系统监管类智能个体,克服传统完全动态调度过程中系统全局性难以兼顾的缺点,完善调度性能。最后,研究成果应用于某实验室中的微型工厂,证明了方法可以进行个性化订单的自组织生产,并能有效整合生产资源。     

结合支配强度的NSGA-Ⅱ的柔性车间低碳调度

针对加工辅助环节对传统柔性车间低碳调度的影响这一问题,以最大完工时间、碳排放及机器负载为目标,建立考虑机床上下料调整状态的柔性车间低碳调度模型,利用加权归一法进行量纲的统一;针对非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)在解决高维多变量、复杂Pareto边界及复杂非线性多目标问题时存在无法识别非支配解、拥挤度公式不合理、计算效率低下及解集质量较差等问题,提出一种基于支配强度的改进NSGA-Ⅱ算法(Improved NSGA-Ⅱ algorithm based on Dominant Strength, INSGA-Ⅱ-DS)对该模型进行求解：将支配强度引入非支配排序,采用新型拥挤度算子与基于外部档案集的自适应精英保留策略;设计了一种变邻域搜索策略,扩大了邻域搜索范围,增强了算法的局部搜索能力。并运用实例数据对INSGA-Ⅱ-DS性能进行验证,结果表明,改进算法求解效率更高,解集质量更优。