[發(fā)明專利]一種基于深度學習的置換流水車間控制方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010888345.0
• 申請日: 2020-08-28
• 公開（公告）號: CN111985162A
• 公開（公告）日: 2020-11-24
• 發(fā)明（設計）人: 李新宇;黎陽;王翠雨;馮姣姣;高亮
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06Q10/04;G06K9/62;G05B19/418
• 代理公司: 武漢東喻專利代理事務所(普通合伙) 42224
• 代理人: 雷霄

1.一種基于深度學習的置換流水車間控制方法，其特征在于，包括：

S1，采集置換流程車間的每個工件在每臺機床的加工時間，形成機床、工件和工件加工時間的時間矩陣，生成工件的初始加工序列；

S2，構建ResNet網(wǎng)絡模型，所述ResNet網(wǎng)絡模型用于預測交換加工序列中相鄰工件后總加工時間是否是縮短，采集歷史調度數(shù)據(jù)構建訓練數(shù)據(jù)集，利用所述訓練數(shù)據(jù)集訓練所述ResNet網(wǎng)絡模型；

S3，將所述初始加工序列中任意兩個相鄰工件作為目標工件，利用訓練好的所述ResNet網(wǎng)絡模型預測交換所述目標工件位置后總加工時間是否縮短，若總加工時間縮短，則將交換所述目標工件；

S4，重復步驟S3，直至交換所述初始加工序列中所有相鄰工件均無法縮短總加工時間，則將此時的加工序列作為最優(yōu)加工序列輸出，發(fā)送加工指令。

2.如權利要求1所述的一種基于深度學習的置換流水車間控制方法，其特征在于，所述采集歷史調度數(shù)據(jù)構建訓練數(shù)據(jù)集包括步驟：從歷史調度數(shù)據(jù)中提取鄰域特征塊，并將所述鄰域特征塊轉換成所述ResNet網(wǎng)絡模型可處理的圖像，對所述圖像進行標注。

3.如權利要求1所述的一種基于深度學習的置換流水車間控制方法，其特征在于，所述ResNets網(wǎng)絡模型包括用于不同規(guī)模預測的多個子ResNets網(wǎng)絡，所述訓練數(shù)據(jù)集包括不同規(guī)模的多個子訓練數(shù)據(jù)集，所述子訓練數(shù)據(jù)集和所述子ResNets網(wǎng)絡一一對應，利用一一對應的所述子訓練數(shù)據(jù)集訓練所述子ResNets網(wǎng)絡；

所述步驟S1還包括采集機床數(shù)量；

所述步驟S3中，所述利用訓練好的所述ResNet網(wǎng)絡模型預測為：根據(jù)所述機床數(shù)量調用對應規(guī)模的所述子ResNets網(wǎng)絡進行預測。

4.一種基于深度學習的置換流水車間控制方法，其特征在于，包括：

S1，采集置換流程車間的每個工件在每臺機床的加工時間，形成機床、工件和工件加工時間的時間矩陣，設置退火算法的退火參數(shù)，采用所述退火算法生成工件的初始加工序列；

S2，構建ResNet網(wǎng)絡模型，所述ResNet網(wǎng)絡模型用于預測交換加工序列中相鄰工件后總加工時間是否是縮短，采集歷史調度數(shù)據(jù)構建訓練數(shù)據(jù)集，利用所述訓練數(shù)據(jù)集訓練所述ResNet網(wǎng)絡模型；

S3，對所述初始加工序列進行多鄰域搜索操作，生成新加工序列；

S4，將所述新加工序列中任意兩個相鄰工件作為目標工件，利用訓練好的所述ResNet網(wǎng)絡模型預測交換所述目標工件位置后總加工時間是否縮短，若總加工時間縮短，則將交換所述目標工件；

S5，重復步驟S4，直至交換所述新加工序列中所有相鄰工件均無法縮短總加工時間，則將此時的加工序列作為最優(yōu)加工序列；

S6，通過Metropolis準則判斷是否將所述最優(yōu)加工序列作為全局最優(yōu)序列，若是，則將所述最優(yōu)加工序列作為全局最優(yōu)加工序列，若否，則將所述初始加工序列作為全局最優(yōu)加工序列；

S7，判斷是否滿足所述退火算法結束條件，若滿足所述退火算法結束條件，則將所述全局最優(yōu)加工序列作為最終加工序列輸出，發(fā)送加工指令，若不滿足所述退火算法結束條件，則跳轉到所述S3，用所述全局最優(yōu)加工序列替換所述初始加工序列。

5.如權利要求4所述的一種基于深度學習的置換流水車間控制方法，其特征在于，所述多鄰域搜索操作采用二交換方式、三交換方式或點交換方式的任意一種；

所述二交換方式為：在所述初始加工序列中隨機選擇兩個工件，顛倒該兩個工件之間所有工件的順序；

所述三交換方式為：在所述初始加工序列中隨機選擇三個工件，交換該三個工件之間的兩段序列的位置；

所述點交換方式為：在所述初始加工序列中隨機選擇兩個工件，交換該兩個工件的位置。

6.如權利要求4所述的一種基于深度學習的置換流水車間控制方法，其特征在于，所述采集歷史調度數(shù)據(jù)構建訓練數(shù)據(jù)集包括步驟：從歷史調度數(shù)據(jù)中提取鄰域特征塊，并將所述鄰域特征塊轉換成所述ResNet網(wǎng)絡模型可處理的圖像，對所述圖像進行標注。