發(fā)布時間：2020-11-19 07:39

　　 隨著市場環(huán)境的變化和技術(shù)的發(fā)展,制造業(yè)的加工模式正在由大規(guī)模集中控制向分布式增強控制轉(zhuǎn)變。為了適應(yīng)這種變化,研究人員將信息物理融合技術(shù)與制造技術(shù)進行深度結(jié)合,形成信息物理融合生產(chǎn)系統(tǒng)(CPPS)。目前,關(guān)于CPPS的研究主要集中在CPPS設(shè)計和生產(chǎn)運營優(yōu)化等方面,其中系統(tǒng)架構(gòu)是CPPS設(shè)計的重要環(huán)節(jié),并且針對選定的架構(gòu)模式,研究與其匹配的調(diào)度機制也是當(dāng)前CPPS運營優(yōu)化研究的熱點。鑒于此,本文在設(shè)計CPPS的體系和分析多智能體系統(tǒng)特點的基礎(chǔ)上,提出了基于多智能體的CPPS架構(gòu)。該架構(gòu)利用智能體作為基本組件構(gòu)建了一種動態(tài)混合式組織結(jié)構(gòu),實現(xiàn)了異構(gòu)集成、泛在連接和虛實映射等功能,具有自治性、交互性和適應(yīng)性等特點。接著,針對設(shè)計的CPPS架構(gòu),提出了雙層調(diào)度機制。上層主要負責(zé)任務(wù)分配,下層加工單元主要負責(zé)工序調(diào)度。任務(wù)分配需要設(shè)計合適的協(xié)商機制。通過分析傳統(tǒng)合同網(wǎng)協(xié)商機制的不足,本文提出內(nèi)嵌Q-Learning的合同網(wǎng)(QL-CNP)作為上下層的協(xié)商機制,實現(xiàn)了任務(wù)的合理分配。下層的工序調(diào)度以靜態(tài)調(diào)度問題為基礎(chǔ),討論了動態(tài)事件下的重調(diào)度機制。對靜態(tài)調(diào)度問題,本文采用了改進遺傳算法進行求解。對動態(tài)重調(diào)度問題,本文考慮了緊急插單、機床故障和作業(yè)取消三種主要的擾動,采用改進遺傳算法進行求解,并通過實例驗證了改進遺傳算法對該調(diào)度問題的有效性。最后,通過仿真對雙層調(diào)度機制進行驗證。仿真的結(jié)果表明雙層調(diào)度機制能夠有效適應(yīng)CPPS分布式增強控制的需求,并且QL-CNP的調(diào)度結(jié)果要優(yōu)于傳統(tǒng)合同網(wǎng)的調(diào)度結(jié)果。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TH186
【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
    1.2 相關(guān)問題研究現(xiàn)狀
        1.2.1 CPPS相關(guān)需求的國內(nèi)外研究現(xiàn)狀
        1.2.2 多智能體制造系統(tǒng)的國內(nèi)外研究現(xiàn)狀
        1.2.3 作業(yè)車間調(diào)度國內(nèi)外研究現(xiàn)狀
        1.2.4 研究現(xiàn)狀總結(jié)
    1.3 主要研究內(nèi)容和結(jié)構(gòu)框架
        1.3.1 主要研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)框架
2 多智能體CPPS的架構(gòu)
    2.1 引言
    2.2 CPPS特征分析和體系設(shè)計
        2.2.1 CPPS的體系結(jié)構(gòu)分析
        2.2.2 CPPS的基本邏輯單元分析
        2.2.3 CPPS的體系設(shè)計
    2.3 智能體結(jié)構(gòu)設(shè)計
        2.3.1 智能體類型
        2.3.2 智能體內(nèi)部結(jié)構(gòu)分析與設(shè)計
    2.4 CPPS的多智能體架構(gòu)
        2.4.1 多智能體系統(tǒng)的結(jié)構(gòu)類型分析
        2.4.2 動態(tài)混合式組織結(jié)構(gòu)設(shè)計
    2.5 本章小結(jié)
3 基于QL-CNP的任務(wù)動態(tài)分配機制
    3.1 引言
    3.2 協(xié)商機制設(shè)計要求與傳統(tǒng)CNP分析
        3.2.1 協(xié)商機制設(shè)計要求
        3.2.2 基于CNP的多智能體系統(tǒng)的協(xié)商機制分析
    3.3 馬爾可夫過程和Q-Learning基本原理
        3.3.1 馬爾可夫過程
        3.3.2 Q-Learning基本原理
    3.4 基于QL-CNP的任務(wù)動態(tài)分配機制設(shè)計
        3.4.1 基于QL-CNP的任務(wù)分配機制
        3.4.2 QL-CNP中Q-Learning算法的各要素設(shè)計
    3.5 本章小結(jié)
4 基于改進遺傳算法的單元內(nèi)調(diào)度
    4.1 引言
    4.2 多目標(biāo)的FJSSP模型
        4.2.1 多目標(biāo)的FJSSP描述
        4.2.2 多目標(biāo)的FJSSP建模
        4.2.3 決策子目標(biāo)權(quán)重確定
    4.3 改進遺傳算法設(shè)計
        4.3.1 染色體編碼規(guī)則設(shè)計
        4.3.2 交叉操作設(shè)計
        4.3.3 變異操作設(shè)計
        4.3.4 選擇操作設(shè)計
    4.4 改進遺傳算法的實例驗證
    4.5 本章小結(jié)
5 基于改進遺傳算法的單元動態(tài)重調(diào)度
    5.1 引言
    5.2 重調(diào)度問題描述及策略設(shè)計
        5.2.1 重調(diào)度問題數(shù)學(xué)建模
        5.2.2 動態(tài)事件處理策略
        5.2.3 重調(diào)度驅(qū)動機制設(shè)計
    5.3 改進遺傳算法在重調(diào)度問題上的驗證
        5.3.1 動態(tài)事件在遺傳算法中的體現(xiàn)
        5.3.2 重調(diào)度實例驗證
    5.4 本章小結(jié)
6 雙層調(diào)度機制仿真驗證分析
    6.1 引言
    6.2 上下層目標(biāo)一致的雙層調(diào)度機制仿真驗證分析
    6.3 上下層目標(biāo)不一致的雙層調(diào)度機制仿真驗證分析
    6.4 本章小結(jié)
7 總結(jié)與展望
    7.1 工作總結(jié)
    7.2 工作展望
參考文獻
作者簡歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集

【參考文獻】

相關(guān)期刊論文 前5條

1 張彩霞;程良倫;王向東;;基于信息物理融合系統(tǒng)的智能制造架構(gòu)研究[J];計算機科學(xué);2013年S1期

2 孫喁喁;;基于黑板的多Agent智能決策支持系統(tǒng)設(shè)計[J];電子設(shè)計工程;2012年16期

3 康軍;張少博;;基于多智能體的可重構(gòu)網(wǎng)絡(luò)化控制系統(tǒng)[J];計算機工程與應(yīng)用;2010年26期

4 王雯;傅衛(wèi)平;張娟云;;基于MAS和GA的滾動窗口動態(tài)調(diào)度方法[J];工業(yè)工程與管理;2010年03期

5 桂歡歡;夏芳臣;劉建勝;;基于多agent的敏捷生產(chǎn)調(diào)度系統(tǒng)模型的研究[J];機械設(shè)計與制造;2006年12期

相關(guān)博士學(xué)位論文 前2條

1 劉愛軍;離散制造車間多生產(chǎn)模式下作業(yè)調(diào)度研究[D];重慶大學(xué);2011年

2 吳珊珊;面向復(fù)雜制造系統(tǒng)的智能生產(chǎn)調(diào)度方法及其應(yīng)用研究[D];東華大學(xué);2011年

相關(guān)碩士學(xué)位論文 前3條

1 馬開元;自動化制造系統(tǒng)實時反饋式調(diào)度方法研究[D];電子科技大學(xué);2017年

2 李淑娟;不確定機會約束規(guī)劃模型的研究及應(yīng)用[D];華北理工大學(xué);2015年

3 包琳;基于事件驅(qū)動的動態(tài)調(diào)度研究[D];山東大學(xué);2010年

本文編號：2889905