【技术实现步骤摘要】
一种智能制造系统动态调度方法
[0001]本专利技术属于复杂制造系统动态调度
,具体涉及一种智能制造系统动态调度方法。
技术介绍
[0002]智能制造系统是一种由智能机器和人类专家共同组成的人机一体化智能系统,它在制造过程中能以一种高度柔性与集成不高的方式,借助计算机模拟人类专家的智能活动进行分析、推理、判断、构思和决策等,从而取代或者延伸制造环境中人的部分脑力劳动。同时,收集、存贮、完善、共享、集成和发展人类专家的智能。
[0003]智能制造系统生产过程复杂,由多个相关联的生产过程构成。当制造过程比较平稳时,原定调度策略能够持续保证系统生产性能的优化;而当制造系统出现机器故障等扰动时,制造环境发生变化,先前采用的调度策略失效,最终无法得到期望的生产性能。因此,如何根据生产过程状态动态地确定有效的调度策略是提高智能制造系统运行性能的关键。这种根据制造系统生产状态来动态调整调度策略的方法即为智能制造系统动态调度。
[0004]数据驱动建模的方法精确度高且计算效率高,将数据驱动思想运用在生产调度领域,采用有效的方法分析累积的生产数据,提取相关知识并用于指导生产,是制造系统动态调度问题研究的重要方向。
[0005]机器学习是数据驱动建模的有效方法,基于机器学习获得的数据驱动的动态调度模型,大致可分为分类模式和回归模式两大模式,其中,分类模式是指在动态调度过程中从已有的调度策略集中选择某个调度策略来满足制造系统的调度目标;回归模式是指在动态调度过程中采用含有参数的调度策略并给定一组特定的参数值, ...
【技术保护点】
【技术特征摘要】
1.一种智能制造系统动态调度方法,其特征在于,包括以下步骤:步骤1、采集智能制造系统生产状态与调度组合规则权重系数的历史数据形成训练样本集{X
i
,Y
i
|X
i
∈R
m
,Y
i
∈R
n
,i=1,2,...,N},其中,X
i
=[x
i1
,x
i2
,...,x
im
]
T
为第i个输入表示智能制造系统的生产状态,x
im
为第m个生产状态特征;Y
i
=[y
i1
,y
i2
,...,y
in
,...,y
iK
]
T
为第i个输出表示生产状态X
i
所对应的最优调度组合规则的权重系数;y
in
为第n个调度组合规则的权重,且1≤n≤K,K为调度组合规则总数,N为所述训练样本集中样本的总数;步骤2、基于衰减正则化项的增量型极限学习机构建智能制造系统回归调度模型,如公式(1)所示:式(1)所示:式(1)所示:式(1)所示:其中,F
n
×
N
∈R
n
×
N
为所述模型的输出矩阵,L为所述模型的隐含层节点的总数,为第i个隐含层节点的输出矩阵,W
in
×1为第i个隐含层节点的输出权值矩阵,α
i
为第i个隐含层节点所对应的衰减正则化项,i为不大于L的正整数;X
m
×
N
∈R
m
×
N
为所述模型的输入矩...
【专利技术属性】
技术研发人员:邹伟东,王粲,夏元清,李慧芳,张金会,翟弟华,戴荔,刘坤,闫莉萍,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。