学位论文 > 优秀研究生学位论文题录展示

多工序CSPS系统基于柔性站点的分层优化控制研究

作　者: 王超
导　师: 唐昊
学　校: 合肥工业大学
专　业: 计算机应用技术
关键词: 多工序CSPS系统柔性站点多Agent系统小脑模型关节控制器(CMAC) 状态聚类径向基函数神经网络（RBF网络）
分类号: TP273
类　型: 硕士论文
年　份: 2013年
下　载: 2次
引　用: 0次
阅　读: 论文下载

内容摘要

在现实世界的一些生产制造企业中，存在一类由生产加工站作为加工主体的生产线，其中，加工站由传送带输送工件进行加工，这类系统称为传送带给料加工站(CSPS)。在多工序CSPS系统中，生产线有多道工序，每道工序由多个一般站点组成，而相邻的上游工序和下游工序之间通常设置一个柔性站点，用于在上下游工序之间进行切换，调节各个工序作业负载，提高系统的生产率。在多工序CSPS系统的优化控制问题中，一般站点始终在工序内部进行Look-ahead的协同控制，而柔性站点的决策控制分为两层，即上层的工序切换决策和下层的Look-ahead控制决策。多工序CSPS系统的优化目标是选择合理的上层切换控制策略以及下层的Look-ahead控制策略，使得整个系统在无穷时段内处理率最大。首先，针对柔性站点的上层切换控制中状态空间较大的特点，引入小脑模型关节控制器（CMAC）神经网络来逼近表示状态-行动值，并提出了一种适用于平均或折扣性能准则的统一神经元动态规划算法，以解决不同工序间的协作问题。其次，针对下层的Look-ahead协同控制问题，给出了一种基于局域信息交互的多Agent学习算法，以解决每道工序内部的站点协作问题。仿真实验结果表明论文提出的基于CMAC网络的分层协同优化控制机制具有存储空间小、优化精度高和优化速度快的优势。另外由于上层状态变量由多个元素组成，状态空间十分复杂，从而导致系统遭遇“维数灾”问题。因此本文首先通过状态聚类方法，减小状态空间，然后引入RBF神经网络来逼近表示状态-行动值，以解决不同工序间的协作问题。仿真实验结果显示，相比于直接选用RBF网络逼近状态-行动值，通过状态聚类后选用RBF逼近状态-行动值的方案具有优化精度高和优化速度快的优势。

全文目录

摘要  5-6
Abstract  6-8
致谢  8-13
第一章绪论  13-22
  1.1 多工序传送带给料加工站系统  13
  1.2 多工序 CSPS 系统背景和意义  13-15
  1.3 多 Agent 系统  15-16
  1.4 CSPS 问题的研究方法  16-20
    1.4.1 马尔科夫决策模型  17
    1.4.2 半马尔科夫决策模型  17-18
    1.4.3 强化学习  18-20
  1.5 论文主要内容和组织结构  20-22
第二章多工序传送带给料加工站系统  22-29
  2.1 多工序 CSPS 系统的物理模型  22-23
  2.2 多工序 CSPS 系统的特点  23
  2.3 固定站点的数学模型  23-25
  2.4 柔性站点的数学模型  25-28
    2.4.1 符号说明  25-26
    2.4.2 数学模型  26-28
  2.5 本章小结  28-29
第三章多工序 CSPS 系统基于 CMAC 网络优化控制研究  29-44
  3.1 固定站点的代价函数和优化算法  29-33
    3.1.1 固定站点的代价函数定义  29-30
    3.1.2 固定站点的优化算法-Wolf-PHC 学习算法  30-33
  3.2 柔性站点的代价函数和优化算法  33-37
    3.2.1 柔性站点的代价函数定义  33-35
    3.2.2 柔性站点基于 CMAC 网络算法  35-37
  3.3 实验结果  37-43
  3.4 本章小结  43-44
第四章多工序 CSPS 系统基于 RBF 网络优化控制研究  44-51
  4.1 状态聚类  44-47
    4.1.1 谱系聚类法  44-45
    4.1.2 状态聚类过程  45-47
  4.2 RBF 神经网络  47-48
    4.2.1 RBF 神经网络简介  47
    4.2.2 RBF 神经网络结构与原理  47-48
  4.3 基于状态聚类的 RBF 网络的切换控制优化方法  48-49
  4.4 实验结果  49-50
  4.5 本章小结  50-51
第五章总结  51-53
参考文献  53-57
攻读硕士学位期间主要科研工作和成果  57-59

多工序CSPS系统基于柔性站点的分层优化控制研究

内容摘要

全文目录

相似论文