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
|
相似论文
- 多中心协同卫星任务规划平台关键技术研究,V448
- 卫星应用任务分解技术研究,V474
- 多Agent系统在液体火箭发动机试验台故障诊断中的应用研究,V434.3
- 油层保护专家系统,TP182
- 基于多Agent和本体的企业应用集成,TP391.1
- 基于Agent的机器人哨兵系统的研究与实现,TP242
- 多Agent系统协商模型研究与设计,TP18
- 基于代数性质的最优联盟结构算法设计,TP18
- 基于Agent技术的电网智能调度决策支持系统模型的研究,TM76;TP18
- MAS中的本体构建及Agent协商模型的研究,TP391.1
- 基于知识的Agent及其应用研究,TP18
- 基于RoboCup多智能体系统学习与协作问题的研究,TP18
- 基于MAS技术的医疗诊断系统协作机制的研究,TP391.5
- 含分布式电源的配电网供电恢复的多Agent方法研究,TM732
- 输水洞施工的方案比选及其基于MAS反馈控制系统研究,TV554
- 一个集成多Agent系统与Web服务的框架,TP311.52
- 基于多Agent系统的游戏AI引擎,TP311.52
- 企业服务器集群系统的负载均衡问题研究,TP368.5
- 基于多Agent的电梯群控系统的研究与设计,TU857
- 基于Agent的危险化学品安全生产信息采集系统研究,F426.7
- 基于协商的高校智能排课系统的设计与实现,TP311.52
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 自动控制、自动控制系统
© 2012 www.xueweilunwen.com
|