基于多Agent的敏捷化可重组装配资源制造执行系统研究

针对制造执行系统存在的问题,基于资源重构的理念,提出了基于CORBA和多Agent的敏捷化可重组总装资源的制造执行系统的体系框架,采用该体系结构实现了MES的可重构性和可集成性,建立了系统的IDEFO功能模型并进行了详细说明;研究了装配资源的集成、模型建立以及装配资源的动态配置方法.     

基于分形思想的锻造Holon生产计划控制系统研究

动态的环境系统需要动态的结构来敏捷响应,基于层级控制结构的传统计划系统任务指令不能敏捷响应多目标生产要求。为解决此问题,提出基于分形思想的Holon锻造生产计划系统,通过多角色设计扩大Holon的外部自治性,实现自组织。给出了计划系统的自相似构建方法和Holon结构。由于生产系统具有工艺上的强制性约束,结合TOC约束理论给出了Holon系统协作准则,采用面向多目标的强化学习算法进行车间计划自动协同算法设计,并进行了计划系统稳定性运作机制设计。     

基于SVM和BP神经网络的部分稳定氧化锆稳定率预测方法

由于部分稳定氧化锫具有优良的物理化学性能,在冶金及材料中有着重要的地位,稳定率是部分稳定氧化锫产品性能的一个重要指标.而部分稳定氧化锆的制备过程具有非线性、多变量、时变等特点,本文采用了支持向量机( SVM)及BP神经网络方法对部分稳定氧化锆的稳定率进行了预测.将热处理温度、保温时间、降温速率、淬火温度及升温速率5个指标(参数)作为模型输入量,部分稳定氧化锆的稳定率作为输出值,分别以48组实验数据作为学习样本,并建立模型,运用该模型预测了5组部分稳定氧化锫的稳定率.实验结果表明,2种模型均具有较好的预测能力,人工神经网络模型预测结果平均误差为1.48％,支持向量机模型预测结果平均误差为0.68％,并且支持向量机预测部分稳定氧化锆的稳定率精度更高,可在实际生产过程中推广应用.     

微波加热制备部分稳定氧化锆及其稳定率预测研究

针对微波加热制备部分稳定氧化锆过程的非线性、多变量、时变等复杂特点,运用机器学习方法中的LM-BP神经网络和支持向量机(SVM),以保温温度、升温速率、保温时间、降温速率和淬火温度作为输入量,稳定率为输出值,建立了微波加热制备部分稳定氧化锆的稳定率预测模型.分别利用两种预测模型进行稳定率的预测,通过与稳定率的测量值对比分析表明,两者均具有良好的预测能力,但SVM模型具有较高的预测精度.     

正弦量的旋转矢量表示法

由于旋转矢量能够有效体现正弦量的三要素角频率、最大值和初相位,因此利用旋转矢量方法表示正弦量是可行的。而且由于旋转矢量具有能够直观地表达正弦量三要素的优点,其为确定正弦量的初相及正弦量的合成等提供了最为直观、简捷的研究方法。     

基于 B／S 架构的项目申报管理系统优化设计

针对装备制造项目申报管理具有时效性,用户群体广泛,数据量大,网络环境复杂等问题,提出基于B/S架构的项目管理系统的设计解决方案。在对系统功能进行分析的基础上,设计系统平台技术架构,并指出本系统的实现技术,最后针对系统特点提出系统设计方面优化解决方案。     

微波煅烧钒催化剂实验及性能研究

对微波煅烧硫酸工业用钒催化剂进行了研究。实验结果表明,采用多模微波在600℃下煅烧30 min,钒催化剂耐热后活性大于85.50%,径向抗压为119 N/cm,磨耗率为6.07%,堆密度为0.63 g/mL,各项指标均达国家标准。并利用X射线衍射仪、扫描电子显微镜对微波煅烧后钒催化剂产物进行分析表征。     

面向并行工程的产品数据管理（PDM）体系结构的分析研究

产品数据管理（Ｐｒｏｄｕｃｔ Ｄａｔａ Ｍａｎａｇｅｍｅｎｔ，ＰＤＭ）是现代产品开发环境中发现起来的一项管理数据的新技术，它以数据库和网络技术为支撑，为并行工程技术提供快捷、可靠、集成的信息资源环境。并分析了ＰＤＭ技术的发展背景，并对其主模型体系结构及相关模块担的建立做了探讨。     

可重构装配线多目标优化调度研究

针对可重构装配线调度存在的问题,综合考虑影响可重构装配线调度的三个主要因素,即最小化空闲和未完工作业量、均衡零部件的使用速率、最小化装配线重构成本,建立了可重构装配线多目标优化调度的数学模型。提出了一种基于Pareto多目标遗传算法的可重构装配线优化调度方法,该算法综合运用了群体排序技术、小生境技术、Pareto解集过滤及精英保留策略,并采用了交叉概率和变异概率的自适应重构策略。实例仿真表明该算法具有比其他遗传算法更高的求解质量。

     

基于属性的网格资源动态聚类研究

为提高网格资源的搜索率与利用率,提出了基于属性的网格资源动态聚类法。首先以复合λ值模糊聚类树为基础,以资源簇内聚合度和资源簇间分离度为目标,构建资源聚类优化数学模型;然后运用并行遗传算法进行优化,建立了适合资源聚类模型的并行遗传算法操作流程。针对经典遗传算法存在“早熟”的不足,设计了一种新颖的矩阵交叉方法。最后,通过仿真证明了算法的高效性。