[發(fā)明專利]一種智能制造系統(tǒng)動態(tài)調(diào)度方法

有效

• 申請?zhí)枺?/td>: 202110286011.0
• 申請日: 2021-03-17
• 公開（公告）號: CN113050567B
• 公開（公告）日: 2022-02-01
• 發(fā)明（設(shè)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(quán)）人: 北京理工大學(xué)
• 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(chǎn)權(quán)代理事務(wù)所(普通合伙) 11599
• 代理人: 姜焱

本發(fā)明公開了一種智能制造系統(tǒng)動態(tài)調(diào)度方法，通過采用基于衰減正則化項的增量型極限學(xué)習(xí)機(jī)構(gòu)建智能制造系統(tǒng)回歸調(diào)度模型，引入了衰減正則化項實現(xiàn)了自適應(yīng)的獲取正則化系數(shù)，提高了建模精度，加快了網(wǎng)絡(luò)的訓(xùn)練速度，滿足了智能制造系統(tǒng)調(diào)度的多目標(biāo)多約束的要求，為更準(zhǔn)確地進(jìn)行智能制造系統(tǒng)動態(tài)調(diào)度建模提供了新思路和新途徑。

技術(shù)領(lǐng)域

本發(fā)明屬于復(fù)雜制造系統(tǒng)動態(tài)調(diào)度技術(shù)領(lǐng)域，具體涉及一種智能制造系統(tǒng)動態(tài)調(diào)度方法。

背景技術(shù)

智能制造系統(tǒng)是一種由智能機(jī)器和人類專家共同組成的人機(jī)一體化智能系統(tǒng)，它在制造過程中能以一種高度柔性與集成不高的方式，借助計算機(jī)模擬人類專家的智能活動進(jìn)行分析、推理、判斷、構(gòu)思和決策等，從而取代或者延伸制造環(huán)境中人的部分腦力勞動。同時，收集、存貯、完善、共享、集成和發(fā)展人類專家的智能。

智能制造系統(tǒng)生產(chǎn)過程復(fù)雜，由多個相關(guān)聯(lián)的生產(chǎn)過程構(gòu)成。當(dāng)制造過程比較平穩(wěn)時，原定調(diào)度策略能夠持續(xù)保證系統(tǒng)生產(chǎn)性能的優(yōu)化；而當(dāng)制造系統(tǒng)出現(xiàn)機(jī)器故障等擾動時，制造環(huán)境發(fā)生變化，先前采用的調(diào)度策略失效，最終無法得到期望的生產(chǎn)性能。因此，如何根據(jù)生產(chǎn)過程狀態(tài)動態(tài)地確定有效的調(diào)度策略是提高智能制造系統(tǒng)運行性能的關(guān)鍵。這種根據(jù)制造系統(tǒng)生產(chǎn)狀態(tài)來動態(tài)調(diào)整調(diào)度策略的方法即為智能制造系統(tǒng)動態(tài)調(diào)度。

數(shù)據(jù)驅(qū)動建模的方法精確度高且計算效率高，將數(shù)據(jù)驅(qū)動思想運用在生產(chǎn)調(diào)度領(lǐng)域，采用有效的方法分析累積的生產(chǎn)數(shù)據(jù)，提取相關(guān)知識并用于指導(dǎo)生產(chǎn)，是制造系統(tǒng)動態(tài)調(diào)度問題研究的重要方向。

機(jī)器學(xué)習(xí)是數(shù)據(jù)驅(qū)動建模的有效方法，基于機(jī)器學(xué)習(xí)獲得的數(shù)據(jù)驅(qū)動的動態(tài)調(diào)度模型，大致可分為分類模式和回歸模式兩大模式，其中，分類模式是指在動態(tài)調(diào)度過程中從已有的調(diào)度策略集中選擇某個調(diào)度策略來滿足制造系統(tǒng)的調(diào)度目標(biāo)；回歸模式是指在動態(tài)調(diào)度過程中采用含有參數(shù)的調(diào)度策略并給定一組特定的參數(shù)值，來實現(xiàn)制造系統(tǒng)的調(diào)度目標(biāo)。

智能制造系統(tǒng)動態(tài)調(diào)度是一個多約束、多目標(biāo)的優(yōu)化問題，但是，基于分類調(diào)度模型通常是以簡單的啟發(fā)式調(diào)度規(guī)則為調(diào)度策略，難以滿足制造系統(tǒng)多目標(biāo)多約束的要求；基于傳統(tǒng)的極限學(xué)習(xí)機(jī)回歸模型利用嶺回歸方法，是采用試湊法獲取最優(yōu)正則化系數(shù)的方式求取輸出權(quán)值矩陣，但這種方法計算負(fù)擔(dān)過重、計算效率低，泛化性能較差，難以滿足智能制造系統(tǒng)的需求，因此設(shè)計高效的回歸模型對智能制造系統(tǒng)動態(tài)調(diào)度具有十分重要的意義。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種智能制造系統(tǒng)動態(tài)調(diào)度方法，通過采用建立的基于衰減正則化項的增量型極限學(xué)習(xí)機(jī)的智能制造系統(tǒng)回歸調(diào)度模型，能夠?qū)崟r生成與生產(chǎn)狀態(tài)相適應(yīng)的調(diào)度規(guī)則權(quán)重組合，從而實現(xiàn)了滿足多目標(biāo)優(yōu)化的智能制造系統(tǒng)的動態(tài)調(diào)度。

本發(fā)明提供的一種智能制造系統(tǒng)動態(tài)調(diào)度方法，包括以下步驟：

步驟1、采集智能制造系統(tǒng)生產(chǎn)狀態(tài)與調(diào)度組合規(guī)則權(quán)重系數(shù)的歷史數(shù)據(jù)形成訓(xùn)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(tǒng)的生產(chǎn)狀態(tài)，x_im為第m個生產(chǎn)狀態(tài)特征；Y_i＝[y_i1,y_i2,...,y_in,...,y_iK]^T為第i個輸出表示生產(chǎn)狀態(tài)X_i所對應(yīng)的最優(yōu)調(diào)度組合規(guī)則的權(quán)重系數(shù)；y_in為第n個調(diào)度組合規(guī)則的權(quán)重，且1≤n≤K，K為調(diào)度組合規(guī)則總數(shù)，N為所述訓(xùn)練樣本集中樣本的總數(shù)；

步驟2、基于衰減正則化項的增量型極限學(xué)習(xí)機(jī)構(gòu)建智能制造系統(tǒng)回歸調(diào)度模型，如公式(1)所示：