[發明專利]一種智能制造系統動態調度方法

有效

• 申請號: 202110286011.0
• 申請日: 2021-03-17
• 公開（公告）號: CN113050567B
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 鄒偉東;王粲;夏元清;李慧芳;張金會;翟弟華;戴荔;劉坤;閆莉萍
• 申請（專利權）人: 北京理工大學
• 主分類號: G05B19/418
• 分類號: G05B19/418;G06N20/00
• 代理公司: 北京東方昭陽知識產權代理事務所(普通合伙) 11599
• 代理人: 姜焱

1.一種智能制造系統動態調度方法，其特征在于，包括以下步驟：

步驟1、采集智能制造系統生產狀態與調度組合規則權重系數的歷史數據形成訓練樣本集{X_i,Y_i|X_i∈R^m,Y_i∈Rⁿ,i＝1,2,...,N}，其中，X_i＝[x_i1,x_i2,...,x_im]^T為第i個輸入表示智能制造系統的生產狀態，x_im為第m個生產狀態特征；Y_i＝[y_i1,y_i2,...,y_in,...,y_iK]^T為第i個輸出表示生產狀態X_i所對應的最優調度組合規則的權重系數；y_in為第n個調度組合規則的權重，且1≤n≤K，K為調度組合規則總數，N為所述訓練樣本集中樣本的總數；

步驟2、基于衰減正則化項的增量型極限學習機構建智能制造系統回歸調度模型，如公式(1)所示：

其中，F^n×N∈R^n×N為所述模型的輸出矩陣，L為所述模型的隱含層節點的總數，為第i個隱含層節點的輸出矩陣，W_i^n×1為第i個隱含層節點的輸出權值矩陣，α_i為第i個隱含層節點所對應的衰減正則化項，i為不大于L的正整數；X^m×N∈R^m×N為所述模型的輸入矩陣，m為輸入的特征維數，為輸入到第i個隱含層節點之間的輸入權值矩陣，為第i個隱含層節點的偏置矩陣，和均為隨機生成且保持不變；φ為非線性激活函數；λ_i為第i個隱含層節點所對應的衰減正則化系數，c為常數，e_i為所述模型的網絡余差；為的2范數的平方；為e_i-1的2范數的i次方；

步驟3、采用所述步驟1生成的訓練樣本完成對所述智能制造系統回歸調度模型的訓練；

步驟4、應用中，將待調度智能制造系統的生產狀態輸入所述步驟3中訓練得到的智能制造系統回歸調度模型中，得到所述待調度智能制造系統的調度組合規則的權重系數，即為調度策略；

進一步地，所述步驟3采用基于衰減正則化系數的迭代最小二乘算法求取智能制造系統回歸調度模型的隱含層節點的輸出權值矩陣的方式進行訓練，包括以下步驟：

步驟3.1、采用公式(2)計算第i個隱含層節點所對應的衰減正則化系數：

步驟3.2、采用基于衰減正則化系數的最小二乘法計算第i個隱含層節點的輸出權值矩陣，如公式(3)所示：

式中，為當所述智能制造系統回歸調度模型包含i-1個隱含層節點時模型存在的誤差；為第i個隱含層節點的輸出矩陣；W_i^n×1為第i個隱含層節點的輸出權值矩陣；為與的內積；

步驟3.3、采用公式(4)計算第i個隱含層節點所對應的衰減正則化項：

步驟3.4、根據所述步驟3.2和3.3中計算出的所述輸出權值和衰減正則化項，采用公式(5)計算模型當前的誤差值：

式中，表示當所述智能制造系統回歸調度模型中包含i個隱含層節點時模型存在的誤差，初始值為且Y^n×N為所述智能制造系統回歸調度模型的理想輸出矩陣；

步驟3.5、令i自加1，當i≤L，執行步驟3.1；否則，則完成訓練，輸出全部隱含層節點的輸出權值矩陣W^n×L，結束本流程。