一、基于脑模型联接控制器的车间布局多目标优化技术研究(论文文献综述)
冷浕伶[1](2021)在《基于深度强化学习的汽车涂装生产排序研究》文中进行了进一步梳理近年来,汽车制造厂在同一混合型生产线上生产多种车型和颜色的汽车,以增加生产灵活性,降低运营成本。从车身车间离开的产品以总装需求顺序进入涂装车间进行生产,然而涂装车间内部存在重排序调度环节,同时要求离开涂装车间的产品序列与总装需求订单序列一致。因此,混流生产模式下面向涂装-总装车间系统的排序调度问题作为汽车生产系统中一个极为重要的调度决策问题,受到了实践者和研究者的广泛关注。一方面,过去学者们常将涂装车间内部的重排序调度问题和涂装完成产品进入总装车间的序列一致性排序调度问题作为单独的两个优化问题分别研究,而忽略了两车间的联动性。另一方面,混流生产的产品排序调度问题是一类复杂的难以在多项式时间内求解的问题,以往研究多针对小规模算例提出算法并进行验证,但当实际大规模问题涉及多颜色、多车型、多订单的排序调度时,以往精确算法、启发式算法和元启发式算法均无法快速给出优化调度方案。本研究从实践中出发,分析实际涂装生产流程中排序调度需要考虑的多方面要素,结合复杂的生产约束、缓存区结构和生产线布局,构建出面向涂装-总装车间的生产排序调度问题的管理与优化方法,采用深度强化学习与启发式算法联合的混合算法可以大大缩短实际调度问题的求解时间,且精度高于传统算法,为汽车制造厂涂装车间的生产计划制定与产品生产序列的控制提供快速且有效的决策支持。本研究的主要内容如下:(1)涂装车间排序调度分析与模型架构研究分析和探讨涂装车间的生产流程和生产排序调度管理中所需考虑的要素,基于实际生产流程和关键生产度量指标,结合混合流水车间调度问题模型,明确本研究整体的调度目标、决策和模型框架。从运营成本和排序效果两个角度提出排序调度度量指标,建立混流生产模式下的带有限缓存区的三阶段混合流水车间调度模型,提出基于规则的启发式算法,并针对一个实际的调度场景进行求解,验证模型和算法的有效性。(2)基于深度强化学习的排序调度模型与算法基于所提出的三阶段混合流水车间调度框架,针对第二阶段并行喷涂生产线上的排序调度问题进行深入研究。从运营成本的角度出发,考虑涂装车间中发生在换色缓存区内的颜色批处理重排序问题,建立以最小化颜色切换成本为目标的带有限缓存区的单机流水车间调度模型。提出一个CH模型降低决策维度,解决解空间维度爆炸的问题,进而提出基于深度强化学习的深度Q网络算法,解决颜色批处理重排序问题,并与传统启发式算法进行对比,验证了本研究所提出的模型和算法优于传统启发式算法,可以有效且快速的求解优化问题。(3)基于多目标强化学习的多目标调度模型与算法基于研究(2)的单目标调度优化问题,进行多目标优化调度问题的扩展研究。从运营成本和排序效果的角度出发,考虑第二阶段中发生在换色缓存区内的颜色批处理重排序问题和颜色批处理后订单与计划作业序列的差异问题,建立以最小化颜色切换成本和最小化订单完成非一致性为优化目标的带有限缓存区的单机流水车间多目标调度模型。提出了基于多目标强化学习的多目标深度Q网络优化算法,在不需要知道先验目标偏好的情况下给出帕利托解集,并与传统启发式算法和基于多目标强化学习的包络Q-学习算法进行对比,验证了本研究所提出的模型和算法可以有效且快速求解多目标调度优化问题,算法对目标偏好的泛化能力强,当实际应用中实时给予某一目标偏好时,算法可以快速获得调度方案。(4)面向涂装-总装系统的多目标排序调度方法的应用在研究(3)中提出的多目标优化算法基础上,深化研究(1)提出的调度问题框架,将涂装车间排序调度问题拓展为面向涂装-总装生产系统的多目标排序调度问题。从运营成本和排序效果的角度出发,将整个调度系统的总颜色切换成本最小化和总订单完成非一致性最小化为两个优化目标,再次梳理混流生产模式下的带有限缓存区的三阶段混合流水车间调度模型,提出了启发式算法与基于多目标强化学习的多目标深度Q网络算法联合的混合算法。最终,整合优化面向涂装-总装的混合流水车间的多目标调度方案,以实现降低运营成本和高效生产的目标,为汽车制造厂商提供科学的调度决策依据。
高涵[2](2020)在《基于工业云平台与NSGA2的螺钉拧紧算法研究与实现》文中提出螺纹联接是工业装配中最为重要的装配方式之一,提高螺钉拧紧的效率和质量对于智能装配的实现具有重要意义。在现有的螺钉装配过程中,复杂的拧紧参数设置,主要依靠技术人员经验法调试或者单一工况的参数整定,需要大量的时间和人力。本文针对目前获得高质量拧紧参数的低效问题,基于快速非支配排序遗传算法(NSGA2)和工业云平台,研究了一种能够根据不同工况条件自动迭代生成高质量拧紧参数的算法。对螺钉拧紧理论和自动拧紧技术进行了研究,论述了三种主流拧紧控制方式的优劣及其拧紧参数的意义,并结合参数对螺钉完整拧紧过程进行了分段分析。在此基础上,将拧紧用时和拧紧精度作为评价参数优劣的两个指标,选择力矩控制法的参数优化作为算法研究的方向。将拧紧参数的优化抽象成一个多目标优化问题,对多目标优化问题和经典多目标优化算法进行了研究。根据拧紧参数优化问题的实际要求,以及NSGA2在解决低维多目标优化问题上的优越性,选择NSGA2作为算法研究的基础。建立了螺钉拧紧参数优化问题的数学模型,明确了两个优化目标、七个待优化参数及其约束;然后在NSGA2算法的基础上,针对NSGA2处理带约束的多目标优化问题的局限性及其不适用的精英保留机制,在这两方面进行改进,实现了带约束的改进NSGA2算法。算法提出了一种约束偏序,实现了可行解和不可行解的优劣排序;算法提出了一种自适应精英保留策略,既能够提高解的分布性,保证全局最优解的搜索,又可以提高算法的收敛速度,保证了算法的高效。云平台强大的数据整合能力能够使算法高效获得大量数据,提高参数迭代的效率。基于企业的工业云平台及电动拧紧设备,搭建了一套软硬件实验平台,通过部署在云平台上的改进NSGA2算法,进行了完整的拧紧参数优化实验,算法生成的参数对拧紧效率和拧紧质量提升效果明显。针对同一工况,使用人工经验法调参,对比人工调参的拧紧结果,算法调参将拧紧精度由5.6%提高到2.7%,验证了螺钉拧紧算法获得参数的效率和质量高于人工经验法调参,算法具备高效性和可靠性,对提高螺钉拧紧装配的质量和效率有重要意义。
范衠,朱贵杰,李文姬,游煜根,李晓明,林培涵,辛斌[3](2021)在《进化计算在复杂机电系统设计自动化中的应用综述》文中研究表明复杂机电系统设计自动化是知识自动化的一个重要分支,在机器人系统设计、高档数控机床设计、智能装备系统设计等方面具有重要的研究意义和应用价值.本文对进化计算在复杂机电系统设计自动化中的应用进行了综述.首先,介绍了几种常用进化计算方法及其优点;其次,对进化计算在电子系统、微机电系统和复杂机电系统三个领域的设计自动化进行了较为系统且全面的总结.然后,以一类典型的复杂机电系统—机器人系统的设计自动化为代表,对进化计算在机器人系统设计自动化的研究发展进行了讨论.最后,针对进化计算在复杂机电系统设计自动化中存在的共性关键问题进行了讨论与展望.
王亚良[4](2019)在《大型混合作业车间布局自适应建模与协同优化》文中进行了进一步梳理随着产业升级、整合和集群的持续推进,制造系统日趋复杂。高效企业物流系统已成为现代制造业构成的关键要素之一。企业希望通过新厂房布局优化设计和老厂房布局调整解决原有车间布局不合理、物流迂回、在制品多、浪费严重、调度混乱等问题。本文针对一类离散作业、流水作业和特殊作业等多种作业单元共存的混合制造模式,研究了大型混合作业车间布局新问题。如何有效进行一类典型的大型混合制造作业车间布局设计与优化已成为目前国内制造业迫切需要解决的科学问题。布局问题实质就是一个多目标优化问题。现有的车间布局特别对大型混合作业车间布局问题在建模、求解及布局调度低熵协同优化等方面有待完善。本文旨在实现反映生产实际的大型混合作业车间布局自适应建模和低熵协同优化,为一类复杂作业车间布局多目标设计和持续改善提供有效的分析技术与工具。本文主要研究内容如下:(1)构建了大型混合作业车间布局数学模型。在分析大型混合作业车间原型特征基础上,为寻求最佳占空比、最少在制品数量、最低物流损耗和重构成本、最大化非物流关系、良好的柔性和可拓展性等,明确大型混合作业布局约束条件。融合脑模型连接控制器(CMAC)的任意多维非线性映射机理,解决了大型混合作业车间布局模型中部分子目标量纲不一致的问题;考虑车间布局问题的复杂性、动态性和不确定性,引入描述外部环境扰动因素的动态变量;实现大型混合作业车间动态布局的自适应建模。(2)提出了一种基于差分进化(DE)和元胞种群拓扑结构的两阶段动态差分智能细胞机算法(DDEACA)。通过对个体的邻居结构进行调整,实现进化种群由结构化种群过渡到非结构化种群的效果,较好地兼顾全局搜索和局部寻优之间的协同问题;同时对外部种群保留的对象进行调整及完全反馈,提高算法的收敛速度。将智能体机制引入细胞种群,采用两阶段的外部种群多样性维护方法,将扰动因子引入变异操作使其跳出局部最优困境。通过对DTLZ和WFG系列基准函数测试表明,新算法相对于其它四种典型算法能获得更好的Pareto前端和竞争性的收敛结果。(3)将构建的大型混合作业车间布局模型及DDEACA多目标优化算法应用于车间布局实例,实现了大型混合作业车间布局的多目标优化。实例计算与结果分析进一步验证了模型和算法的有效性。(4)在车间调度关键参数关联和布局脆弱性分析基础上,将同态变换求解思想引入车间布局调度的低熵协同优化问题并进行实例解析,实现制造系统的高效有序运作。
王宸[5](2019)在《数据驱动优化控制及其在汽车零部件柔性生产过程监控中的研究与应用》文中指出为实现汽车零部件的柔性生产,企业在生产过程中采用了大量数字化设备,产生了大量的设备数据和过程数据,这些数据蕴含了大量的生产信息。企业利用这些信息,可以避免生产过程中各种不确定因素导致的异常事件,提高设备利用率,优化生产过程。因此,基于数据驱动优化控制的生产过程监控方法受到广泛关注,具有重要的工业价值。传统的生产过程监控方法,往往假设过程变量服从单一的线性关系,或简单的非线性关系,并认为过程建模数据是大量且规则的。随着生产过程柔性化程度不断提高,数字化设备产生的数据种类越来越多,被加工汽车零部件的种类、复杂度、精度和效率要求也越来越高,导致过程建模特性愈发复杂。其主要表现为多源异构数据难以融合,变量非线性关系强,数据维度高,样本数量少等多重特征。因此,对数字化生产过程和设备监控的建模、优化控制及故障预测等提出了更为严格地要求。基于深度神经网络的数据驱动优化控制方法,利用离散样本数据,通过深度网络中强大的非线性因素,可以深度地抽象出特征,实现数字化生产过程和设备监控的建模,特征的准确分类和预测,从而更好地解决建模、优化控制及预测等问题。但是,在基于深度神经网络的非线性建模过程中,一方面,由于网络层数、权重值和隐层中神经元个数等超参数维度较高,易出现“维度灾难”等问题;另一方面,为了实现网络结构的自适应寻优设计,在针对网络模型的超参数寻优问题中,需研究高维多目标优化算法进行求解。本文针对汽车零部件柔性生产过程中数字化设备运行监控问题,按照数据融合-虚实建模-仿真预测-智能调控的思路,着重研究了数字孪生数据融合及建模方法、基于演化深度置信神经网络的非线性系统建模、高维多目标优化及决策、加工中心反向间隙误差值预测等问题,主要包含以下内容:1.针对数字化设备运行中产生的多源异构数据难以融合问题,进行数字孪生数据融合与建模方法研究。通过构建五维数字孪生模型,研究自适应匹配协议解析方法解决异质异构网络传输问题,研究滑动窗口和欧式距离解决不确定冗余数据问题,研究概率传输的多粒度异构数据融合方法解决传感数据的时间相关性及空间相关性问题。2.针对基于深度神经网络的非线性系统建模过程中存在的“维度灾难”问题,开展高维多目标优化算法设计研究。首先,设计基于分解的复杂生物地理学优化算法框架,采用均匀分布的权向量和均值聚合方法,将高维优化目标分解成多个子系统,通过两次引入Metropois criterion准则进行子系统内部和跨子系统迁移,利用PBI距离计算邻域岛屿距离以平衡解的收敛性和多样性,从而得到最优的Pareto解集并提高算法效率;然后,对算法中的参数:邻居大小值MHDB和PBI距离参数θ进行参数敏感性分析,结果表明算法具备较好的鲁棒性;最后,与近年主流的高维多目标优化算法NSGAIII、MOEAD-PBI和BBO/Complex等进行比较,表明算法能够有效解决“维度灾难”问题。3.针对基于深度神经网络的非线性系统建模过程中难以自动设计深度神经网络最优架构问题,采用深度置信神经网络和演化算法相结合的方式进行设计。首先,通过无监督方式初始化网络隐层层数、连接权重、激活函数等超参数;然后,对超参数进行编码,以网络的最小化重构误差作为优化对象设计适应度函数,根据适应度值选择较好参数产生新群体,随后进行交叉和变异操作。最终,自动优化深度置信神经网络模型结构,寻求最优的网络隐层层数和连接权重,降低计算资源需求,解决了大量有标记数据下的网络结构自动设计问题,从而对建模过程进行自适应优化控制。4.针对加工中心运行过程中的反向间隙误差值预测问题,构建了分层的反向间隙误差预测性维护模型,对加工中心运行过程中的反向间隙误差预测进行建模,通过实验对反向间隙误差值预测进行了验证。5.综合运用上述研究成果,设计开发某汽车零部件厂柔性生产线监控系统模型,并对模型进行优化。使用Matlab程序作为模型和算法程序的核心组件,集成于.NET框架并成为柔性生产线智能监控管理系统的核心组件。实践表明,该系统能够使工厂管理者及时充分掌握生产现场信息,提高设备运行效率,提升整体生产能力并提高生产管理水平,为企业带来良好的经济效益。
申宽[6](2018)在《数控机床与机器人一体化及系统优化布局方法研究》文中提出数控机床与机器人集成应用,实现自动上下料、自动加工,可以加快生产节拍、提高效率;采取一体化的结构,有利于快速调整工位、快速投产,增加生产系统布局的灵活性;在生产车间内,设备的优化布局可以使物流更加高效顺畅,减少物料的运输和等待时间。本文基于Petri网理论分析了引入机器人的作业单元性能,研究了45°斜床身卧式数控车床与小型6轴机器人一体化结构的优化设计,以及生产车间设备多行直线布局的建模与优化,并通过实例仿真验证了机器人的使用和布局的优化,可以有效改善生产线的平衡性、生产节拍、产量和设备利用率等指标。在可行性分析中,阐述了生产线中引入机器人的原则,以及引入机器人后需要考虑的问题。建立了多设备多工序和多设备单工序两类机器人作业单元的Petri网模型,基于T不变量和可达性分析法研究Petri网模型的活性,论证了作业单元是否包含锁死。借助PIPE软件的仿真统计和稳态分析功能,计算Petri网的特定标识在其所有稳态标识中所占比率,从而求出作业单元中加工设备利用率。根据设备利用率改善情况,确定作业单元中机器人的数量,设计数控机床与机器人集成作业单元的布置形式。建立了45°斜床身卧式数控车床与小型6轴机器人一体化结构的空间模型,根据各设备之间的位置关系,推导出影响一体化布局中机器人作业效率的6个参数,提出了基于机器人工作周期的作业单元布局评价方法。研究了机器人工作空间、作业点干涉和插补点干涉对布局约束的解决办法,并结合设备实际情况,采取特殊平面切割法或投影法,减少三维OBB干涉检测中分离轴测试的计算量,最后采用差分进化算法求出一体化结构的优化布局。建立了生产车间设备多行直线布局的二次分配问题模型,提出了改进的设备中心点Y轴坐标值递推公式,使行间距可以随设备尺寸动态调整。采用归一法,将物流费用小、面积利用率大的多目标优化问题转化为单目标优化。利用Logistic曲线特性,将简单遗传算法(SGA)的交叉、变异概率作自适应调整(LOAGA),并通过SGA和LOAGA两种算法求解二次分配问题,对比结果表明LOAGA在求解速度和解的质量上优于SGA。优化后的布局与优化前布局作比较,物流费用和设备占用面积分别减少19.1%、5.4%。根据CKS6132型数控车床的内部结构特点,设计了该车床与6轴安川机器人MH3F一体化集成的联接件;分析车削单元的作业流程,设计了自动化车削单元的分布式控制系统及其人机交互界面,实现无人工干涉的自动化加工过程。对曲轴生产车间有、无机器人两种布局进行仿真,分析比较了最快生产节拍、产量、设备利用率以及工件平均停留时间、平均等待时间等指标,验证了机器人合理使用及设备布局优化对生产系统性能有一定的改善作用。
《中国公路学报》编辑部[7](2017)在《中国汽车工程学术研究综述·2017》文中研究说明为了促进中国汽车工程学科的发展,从汽车噪声-振动-声振粗糙度(Noise,Vibration,Harshness,NVH)控制、汽车电动化与低碳化、汽车电子化、汽车智能化与网联化以及汽车碰撞安全技术5个方面,系统梳理了国内外汽车工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。汽车NVH控制方面综述了从静音到声品质、新能源汽车NVH控制技术、车身与底盘总成NVH控制技术、主动振动控制技术等;汽车电动化与低碳化方面综述了传统汽车动力总成节能技术、混合动力电动汽车技术等;汽车电子化方面综述了汽车发动机电控技术、汽车转向电控技术、汽车制动电控技术、汽车悬架电控技术等;汽车智能化与网联化方面综述了中美智能网联汽车研究概要、复杂交通环境感知、高精度地图及车辆导航定位、汽车自主决策与轨迹规划、车辆横向控制及纵向动力学控制、智能网联汽车测试,并给出了先进驾驶辅助系统(ADAS)、车联网和人机共驾等典型应用实例解析;汽车碰撞安全技术方面综述了整车碰撞、乘员保护、行人保护、儿童碰撞安全与保护、新能源汽车碰撞安全等。该综述可为汽车工程学科的学术研究提供新的视角和基础资料。
聂荣年[8](2015)在《SLP布局方法在F公司的应用》文中研究指明在全球制造业激烈竞争的今天,制造业的发达水平及增长速度在很大程度上决定着一个国家的总体经济状况和发达程度。当今经济竞争已经成为世界各国竞争的焦点和世界发展的重要推动力。于此同时,消费者的需求也在日新月异的变化,这给制造业带来了很多的机遇和挑战。对制造业来说,每个企业都面临着持续多变,不可预测的全球化市场竞争,为了在日益激烈的市场竞争中生存下去,很多企业不得不顺应市场的变化而做出相应的产品结构及生意模式调整,这就牵涉到制造资源的安排和管理,即必须对生产系统进行相应的调整和优化。特别是电子制造加工业,面多前围后堵的竞争格局,如何做出相应的调整以应对市场变化及不同客户的要求。一个优良的生产系统对于增强企业的竞争力来说是至关重要的,其中,车间生产设施布局是一项关键性的工作。本文选取了F公司的L项目作为案例,对其落后的工厂车间布局进行改善,以期达到降低劳动力成本,提高质量和降低在制品库存的目的.本文在收集、整理、分析资料和数据的基础上,先对F公司的L项目上的多品种产品进行归类。再对这些产品的工艺进行归类,总结以简化其分析流程.通过对订单的分析得到每个产品的物流强度,再将物流强度分配到其相关的工艺流程对中,得出每对工艺流程对的物流强度。针对这些强度进行分级处理,优先考虑物流强度高的工艺流程的布局安排,再依次排列下去,得出示意图。添加各个设备的面积信息,以得到三组原始布局方案。接着用精益生产的方法对现有的方案进行评估和优化,用减少在制品库存和减少等待时间的理念来找出最佳布局方案。最后,以实际运行的结果来验证新布局的实际效果。
付强[9](2014)在《多品种小批量生产车间设施布局优化方法研究》文中进行了进一步梳理随着消费者个性化需求的不断增加,企业生产方式逐渐从大批量生产转变为更具柔性的多品种小批量生产,以满足市场的快速变化,但多品种小批量生产方式下往往物流成本较高,而车间设施布局是影响车间物流成本的重要因素,因此,如何有效地解决多品种小批量生产车间的设施布局问题对降低物流成本和提高生产效率有重要影响。本文以多品种小批量生产车间的布局问题为研究对象,综合分析国内外现有设施布局方法的优缺点,在此基础上提出一种集成SLP、设施布局数学模型(Facility Layout Model)、精英改良策略的遗传算法(Genetic AlgorithmBased on Elite Chromosomes,简称GABEC)的多品种小批量生产车间优化布局方法,也即SLP-FLM-GABEC,期望系统、有效地解决该类车间的设施布局问题,最后将研究成果应用到实际工程案例中,以验证本文研究成果的可行性和有效性。本论文的主要研究内容如下:首先,分析和总结设施布局方法的国内外研究现状,明确本文的研究目的,并梳理本文研究思路,在此基础上明确本文的研究内容。其次,论述多品种小批量生产车间的内涵和该类车间布局问题的特点,并分析现有设施布局方法的优缺点,针对现有设施布局方法在解决多品种小批量生产车间布局问题上的局限性,提出一种基于SLP、设施布局数学模型和GABEC算法的多品种小批量生产车间设施布局优化方法,也即SLP-FLM-GABEC,并详细阐述该方法的思想及流程。然后,针对单一布局模型较难解决多品种小批量车间布局的问题,将建模过程分为单元间建模和单元内建模两个过程,并提出基于罚函数法和模糊综合评判法的单元间建模方法和单元内建模方法。针对设施布局模型多约束、多变量、非线性的特点,提出GABEC算法,以提高遗传算法求解布局模型的性能,并详细论述了GABEC算法的思想、流程和关键技术,并通过案例仿真计算验证算法的有效性。最后,将以上成果应用于H公司A车间布局中,首先介绍H公司A车间的基本概况和车间的SLP布局方案,然后利用SLP-FLM-GABEC方法对车间布局问题进行求解,最后通过对比SLP设计方案和SLP-FLM-GABEC方案的搬运成本和非物流量验证本论文研究成果的可行性和有效性。
王楠[10](2012)在《基于实时状态信息的混流装配生产优化与仿真技术研究》文中认为混流装配生产是现代离散制造业普遍采用的生产方式,由于共线生产不同产品,面对的是更加复杂的装配过程,因而其产品投产排序、物料配送等生产管理中的核心问题比一般流水线更为复杂。本文以准时制生产(Just In Time, JIT)环境下的混流装配线为研究对象,探讨混流装配的产品投产排序问题、基于实时生产状态信息下的物料配送问题以及提高混流装配线快速响应能力的仿真方法,并以汽车总装车间为例进行验证。首先,综述了目前混流装配线相关关键技术的国内外研究现状,分析了产品投产顺序对混流装配线的影响;从生产物流的作业层入手,介绍了目前混流装配生产的物料配送模式并指出其存在的问题;以汽车装配生产为例,说明当前存在的各种问题并给出解决思路。接着,围绕混流装配线产品投产排序问题,为了满足物料消耗平准化、装配线停线时间最小化及产品切换时装配线调整时间最小化,设计了加权决策的多目标优化模型,并设计了一种改进的遗传算法用于该问题的求解,通过实例分析,以该计算结果作为混流产品生产的投放顺序,能够有效保证基于物料消耗平准的目标、装配线停线时间最小的目标及产品切换时装配线调整时间最小的目标。针对制造企业现阶段获取生产状态信息的手段落后,信息传递欠缺标准化、信息量有限且难以普及到装配车间所有生产对象的问题,本文提出将RFID (Radio Frequency IDentification)技术应用于混流装配车间,提出基于RFID技术的混流装配车间生产管理模型,给出了该模型的框架结构及集成运行模式;通过实时跟踪在制品信息,将生产过程信息与物料配送集成,提高混流装配生产中物料配送的准确性、敏捷性,将被动的物料配送变主动式配送;提出基于总时间惩罚函数最小化的确定配送人员最佳出发时间的算法,保证了装配线在不因缺料而停工的情况下将单次配送量、配送种类最大化。针对装配过程中的物料需求计算难以与产品的装配进程有机结合的问题,以产品的制造BOM (Bill of Material, BOM)为基础,以工位的物料需求为中心,提出工位物料配送BOM,对装配工位的物料动态需求进行规划;实时生产状态下的物料需求计划可作为合理组织安排物料配送车辆的依据,对混流装配线物料配送车辆路径问题进行界定及描述,给出该问题的数学模型,并通过标准测试算例验证之前提出的改进遗传算法的可行性及有效性,并将该算法用于求解配送车辆的最佳路径。针对如何提高制造系统仿真模型重用性等问题,从模型中资源的组织形式和模型的控制逻辑出发,提出了基于数据驱动与层次化控制模型相结合的建模与仿真方法,实现仿真模型的自动生成,并结合数据驱动的方式,快速实现仿真模型中车间物理布局和资源数量的调整以及装配工位的重新划分,实现对制造系统的仿真分析。最后,以汽车生产企业的总装车间为例,将RFID技术应用于该车间的重点生产对象,对标签、设备等进行物理部署,详细阐述了基于RFID技术的生产管理体系结构,简要介绍了针对该总装车间的实际需求开发的车间生产管理系统及其应用效果。
二、基于脑模型联接控制器的车间布局多目标优化技术研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于脑模型联接控制器的车间布局多目标优化技术研究(论文提纲范文)
(1)基于深度强化学习的汽车涂装生产排序研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题的研究背景与意义 |
1.1.1 研究背景 |
1.1.2 问题的提出 |
1.1.3 研究意义 |
1.2 研究内容及论文章节安排 |
1.2.1 研究内容 |
1.2.2 技术路线 |
1.2.3 论文结构 |
2 国内外相关研究现状及发展动态 |
2.1 混流生产排序调度问题概述 |
2.1.1 混流生产模式 |
2.1.2 排序调度相关问题的研究 |
2.1.3 重排序调度问题及其度量 |
2.2 混合流水车间有限缓存区调度研究 |
2.2.1 混合流水车间调度问题 |
2.2.2 缓存区类型 |
2.2.3 基于缓存区的重排序调度问题 |
2.3 基于强化学习的调度问题研究 |
2.3.1 强化学习 |
2.3.2 马尔可夫决策过程 |
2.3.3 深度强化学习 |
2.4 多目标优化调度研究 |
2.4.1 多目标优化问题 |
2.4.2 多目标排序调度问题 |
2.4.3 多目标强化学习 |
2.5 研究现状总结 |
3 涂装生产排序分析及其模型架构与算法 |
3.1 生产流程分析 |
3.2 排序调度的度量 |
3.2.1 排序效果的度量 |
3.2.2 运营成本的度量 |
3.3 排序调度问题分析 |
3.3.1 混合生产线接合点处重调度 |
3.3.2 缓存区内重排序 |
3.4 模型构建 |
3.4.1 符号说明 |
3.4.2 问题描述 |
3.4.3 模型假设 |
3.4.4 数学模型 |
3.5 求解算法 |
3.5.1 分配算法 |
3.5.2 填充算法 |
3.5.3 释放算法 |
3.5.4 合并算法 |
3.6 算例分析 |
3.6.1 实际数据统计 |
3.6.2 实验设计及参数设置 |
3.6.3 实验Ⅰ: 模型有效性验证及参数灵敏度分析 |
3.6.4 实验Ⅱ: 实际案例优化、参数灵敏度分析及管理启示 |
3.7 模型架构分析 |
3.8 本章小结 |
4 基于深度强化学习的排序调度模型与算法 |
4.1 问题分析 |
4.1.1 单机有限缓存区流水车间调度问题 |
4.1.2 问题复杂度 |
4.2 模型构建 |
4.2.1 符号说明 |
4.2.2 模型假设 |
4.2.3 数学模型 |
4.3 基于深度强化学习的模型构建 |
4.3.1 颜色直方图模型 |
4.3.2 基于CH模型的排序调度描述 |
4.3.3 马尔可夫决策过程 |
4.4 基于深度强化学习的DQN算法设计 |
4.4.1 深度强化学习算法复杂度分析 |
4.4.2 算法流程 |
4.4.3 参数设计 |
4.4.4 深度强化学习求解排序调度 |
4.4.5 神经网络架构 |
4.4.6 神经网络训练过程 |
4.5 算法对比与算例分析 |
4.5.1 实验设计及参数设置 |
4.5.2 实验Ⅰ: 理论验证及算法灵敏度分析 |
4.5.3 实验Ⅱ: 实际案例验证及算法灵敏度分析 |
4.6 本章小节 |
5 基于多目标强化学习的多目标排序调度模型与算法 |
5.1 问题分析 |
5.2 模型构建 |
5.2.1 符号说明 |
5.2.2 数学模型 |
5.3 基于多目标强化学习的模型构建 |
5.3.1 基于CH模型的多目标排序调度描述 |
5.3.2 多目标马尔可夫决策过程 |
5.4 基于多目标强化学习的MODQN算法设计 |
5.4.1 算法流程 |
5.4.2 参数设计 |
5.4.3 多目标强化学习求解多目标排序调度 |
5.4.4 神经网络架构 |
5.4.5 神经网络训练过程 |
5.5 算法对比与算例分析 |
5.5.1 实验设计及参数设置 |
5.5.2 实验Ⅰ: MODQN算法与启发式算法对比 |
5.5.3 实验Ⅱ: MODQN算法与EQL算法对比 |
5.6 本章小结 |
6 面向涂装-总装系统的多目标排序调度方法的应用 |
6.1 问题分析 |
6.2 集成化模型构建 |
6.3 混合算法设计 |
6.4 案例分析 |
6.4.1 实验设计与参数设置 |
6.4.2 实验结果 |
6.5 排序调度原型系统在汽车制造中的应用研究 |
6.5.1 排序调度系统架构 |
6.5.2 排序调度系统的设计 |
6.5.3 排序调度系统的实现 |
6.5.4 系统的原型实现 |
6.6 本章小结 |
7 结论与展望 |
7.1 研究结论 |
7.2 创新点 |
7.3 研究展望 |
参考文献 |
附录A 深度强化算法的主要实现代码 |
攻读博士学位期间科研项目及科研成果 |
致谢 |
作者简介 |
(2)基于工业云平台与NSGA2的螺钉拧紧算法研究与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 自动拧紧技术 |
1.2.2 自动拧紧设备及拧紧参数的设定方式 |
1.2.3 工业云平台 |
1.3 主要研究内容和结构安排 |
第二章 螺钉拧紧理论和自动拧紧技术及设备 |
2.1 螺钉拧紧理论 |
2.1.1 螺钉的预紧 |
2.1.2 螺钉拧紧过程 |
2.2 预紧力控制方式 |
2.2.1 力矩控制法-角度监控 |
2.2.2 角度法控制-力矩监控 |
2.2.3 屈服点控制法 |
2.2.4 拧紧控制方式和优化参数 |
2.3 自动拧紧设备 |
2.4 本章小结 |
第三章 多目标优化算法 |
3.1 多目标优化问题的数学模型及基本概念 |
3.1.1 多目标优化的数学模型 |
3.1.2 多目标优化的重要概念 |
3.2 进化算法 |
3.2.1 进化算法的概念和要素 |
3.2.2 进化算法的基本流程框架 |
3.2.3 进化算法的分类 |
3.2.4 遗传算法的特点 |
3.3 有精英保留策略的快速非支配多目标优化算法 |
3.3.1 NSGA2算法基本概念 |
3.3.2 遗传算法回顾 |
3.3.3 NSGA2算法理论 |
3.4 本章小结 |
第四章 螺钉拧紧参数优化算法 |
4.1 螺钉拧紧参数优化的问题描述和数学模型 |
4.1.1 螺钉拧紧参数优化的问题描述 |
4.1.2 螺钉拧紧参数优化的数学建模 |
4.2 带约束的NSGA2算法 |
4.2.1 约束支配准则 |
4.2.2 违反约束程度的度量 |
4.2.3 种群排序的方法 |
4.2.4 约束偏序 |
4.3自适应精英保留策略的NSGA2 |
4.3.1 自适应精英保留策略 |
4.3.2 改进NSGA2算法 |
4.4 本章小结 |
第五章 基于云平台的螺钉智能拧紧实验 |
5.1 实验平台 |
5.1.1 电动拧紧扳手 |
5.1.2 云平台架构 |
5.1.3 实验步骤 |
5.2 优化算法实验与结果分析 |
5.2.1 优化算法的实验验证 |
5.2.2 算法结果分析 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
攻读学位期间的研究成果 |
致谢 |
(4)大型混合作业车间布局自适应建模与协同优化(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景和意义 |
1.2 布局问题的实质与复杂性分析 |
1.3 制造系统车间特性概述 |
1.3.1 制造系统设备布置基本形式 |
1.3.2 设施布置问题 |
1.4 国内外研究现状分析 |
1.4.1 国外研究现状及发展动态分析 |
1.4.2 国内研究现状及发展动态分析 |
1.5 研究内容与体系结构 |
1.5.1 研究内容 |
1.5.2 基本框架 |
第二章 大型混合作业车间布局自适应模型构建 |
2.1 大型混合作业车间的基本特征 |
2.1.1 原型特征描述及动态约束表征 |
2.1.2 细胞机自演化抽象 |
2.1.3 智能细胞机的封装与扩展 |
2.1.4 大型混合作业车间动态布局分析 |
2.2 大型混合作业车间的多目标优化模型构建 |
2.3 偏好引导下的脑模型连接控制器(CMAC) |
2.4 大型混合作业车间多目标优化约束分析 |
2.5 作业单元间修正的曼哈顿距离 |
2.6 本章小结 |
第三章 动态差分智能细胞机多目标优化算法 |
3.1 CellDE算法 |
3.1.1 种群结构和邻居结构 |
3.1.2 CellDE算法原理 |
3.1.3 差分进化策略 |
3.2 动态差分智能细胞机算法(DDEACA) |
3.2.0 算法流程 |
3.2.1 算法步骤 |
3.2.2 第一阶段外部种群多样性维护 |
3.2.3 第一阶段外部种群完全反馈 |
3.2.4 外部种群和邻居结构变化 |
3.2.5 变异方式 |
3.2.6 混合进化代数分配 |
3.3 基准函数 |
3.4 性能评价指标 |
3.5 DDEACA算法性能测试 |
3.6 本章小结 |
第四章 基于DDEACA算法的大型混合作业车间布局多目标优化 |
4.1 企业基本情况 |
4.2 大型混合作业车间基本情况 |
4.3 实例模型基本假设及相关数据 |
4.3.1 问题假设 |
4.3.2 相关数据 |
4.3.3 约束条件 |
4.4 基于DDEACA的作业单元布局主要优化步骤 |
4.5 实例求解及结果分析 |
4.6 本章小结 |
第五章 面向低熵的大型混合作业车间布局协同优化 |
5.1 熵概念及低熵 |
5.1.1 熵概念 |
5.1.2 低熵概述 |
5.2 大型混合作业车间布局调度的低熵协同优化 |
5.2.1 车间调度 |
5.2.2 车间布局调度的关联性 |
5.2.3 车间布局调度的低熵协同优化模型构建 |
5.3 车间布局调度低熵协同优化问题的同态变换求解思想 |
5.4 车间布局调度的低熵协同优化实例 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
1 作者简历 |
2 攻读博士学位期间发表的学术论文 |
3 参与的科研项目及获奖情况 |
4 发明专利 |
学位论文数据集 |
(5)数据驱动优化控制及其在汽车零部件柔性生产过程监控中的研究与应用(论文提纲范文)
摘要 |
ABSTRACT |
术语表 |
第一章 绪论 |
1.1 课题研究的来源 |
1.2 课题研究的目的和意义 |
1.3 国内外研究概况 |
1.3.1 生产过程监控研究现状与问题 |
1.3.2 数字孪生建模及数据融合研究现状与问题 |
1.3.3 演化深度学习研究现状与问题 |
1.4 论文的研究思路及主要研究内容 |
1.5 本章小结 |
第二章 基于数字孪生建模的数据融合方法研究 |
2.1 汽车零部件柔性生产过程的数据采集与多源信息融合 |
2.2 汽车零部件柔性生产过程的数字孪生建模方法 |
2.3 汽车零部件柔性生产过程的数字孪生数据融合方法 |
2.4 仿真建模 |
2.5 本章小结 |
第三章 演化优化算法与决策研究 |
3.1 演化优化算法与决策 |
3.1.1 演化优化算法 |
3.1.2 基于演化优化算法的多目标决策 |
3.2 数控切削参数的演化算法优化实例 |
3.2.1 问题背景 |
3.2.2 切削模型建立 |
3.2.3 约束处理 |
3.2.4 算法设计 |
3.2.5 算法验证 |
3.2.6 层次分析法决策 |
3.3 钢铁热轧排程的演化算法优化设计 |
3.3.1 问题背景 |
3.3.2 数学模型建立与优化 |
3.3.3 约束处理 |
3.3.4 算法设计 |
3.3.5 实验设置 |
3.4 本章小结 |
第四章 基于演化深度置信学习的非线性系统建模方法研究 |
4.1 高维多目标演化算法设计 |
4.1.1 高维多目标演化算法 |
4.1.2 复杂生物地理学算法框架的高维多目标算法设计 |
4.1.3 实验设置 |
4.2 演化深度置信学习的非线性系统建模研究 |
4.2.1 深度置信学习模型 |
4.2.2 演化深度置信学习算法 |
4.2.3 基于演化深度置信学习的设备故障诊断与预测的非线性系统建模 |
4.3 本章小结 |
第五章 数控加工中心反向间隙误差预测性维护方法研究 |
5.1 数控加工中心的反向间隙误差 |
5.2 基于分层的反向间隙误差诊断和预测性维护系统 |
5.3 基于演化深度置信学习的加工中心反向间隙误差预测性维护研究 |
5.4 实验设置 |
5.5 本章小结 |
第六章 面向汽车零部件柔性生产的智能监控管理系统研究 |
6.1 柔性生产线智能监控管理系统需求分析 |
6.2 柔性生产线智能监控管理系统总体设计 |
6.3 柔性生产线智能监控管理系统软硬件设计 |
6.4 柔性生产线智能监控管理系统功能设计 |
6.5 柔性生产线智能监控管理系统应用 |
6.6 本章小结 |
第七章 结论与展望 |
7.1 本文研究成果 |
7.1.1 理论研究成果 |
7.1.2 应用研究成果 |
7.1.3 本文创新点 |
7.2 进一步研究方向 |
参考文献 |
作者在攻读博士学位期间公开发表的论文 |
作者在攻读博士学位期间所参与项目 |
致谢 |
(6)数控机床与机器人一体化及系统优化布局方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 数控机床与机器人集成应用 |
1.2.2 机器人作业单元布局设计 |
1.2.3 生产车间设备布局优化 |
1.3 论文研究内容 |
第二章 数控机床与机器人集成作业单元性能分析 |
2.1 引言 |
2.2 生产车间中引入机器人方法 |
2.2.1 引入机器人工序分析 |
2.2.2 引入机器人后需要考虑的问题 |
2.3 Petri网及其分析方法 |
2.3.1 Petri网概述 |
2.3.2 Petri网特性及分析方法 |
2.4 基于PN的作业单元性能分析 |
2.4.1 多设备多工序作业单元性能分析 |
2.4.2 多设备单工序作业单元性能分析 |
2.4.3 引入机器人数量分析 |
2.5 数控机床与机器人布置形式 |
2.6 小结 |
第三章 数控车床与机器人一体化设计 |
3.1 一体化设计的问题描述 |
3.1.1 一体化结构空间模型 |
3.1.2 坐标系计算 |
3.2 一体化作业单元布局评估研究 |
3.2.1 基于运动距离的评估及其不足 |
3.2.2 基于运动时间的评估 |
3.3 一体化设计的约束条件 |
3.3.1 机器人工作空间约束 |
3.3.2 作业点干涉约束 |
3.3.3 插补点干涉约束 |
3.4 基于差分进化算法的优化问题求解 |
3.4.1 差分进化算法流程 |
3.4.2 优化结果分析 |
3.5 小结 |
第四章 一体化结构及车削单元自动化案例实现 |
4.1 数控车床与机器人一体化集成 |
4.1.1 数控车床设计 |
4.1.2 机器人与数控车床的联接 |
4.1.3 一体化作业单元工作流程 |
4.2 车削单元自动化案例实现 |
4.2.1 车削单元组成 |
4.2.2 控制系统功能需求分析 |
4.2.3 控制系统设计 |
4.3 小结 |
第五章 生产车间设备的多目标优化布局 |
5.1 引言 |
5.2 多行直线布局的优化问题模型 |
5.2.1 多行直线布局问题描述 |
5.2.2 多目标优化函数建立 |
5.2.3 约束条件 |
5.3 多目标优化问题求解 |
5.3.1 遗传算法设计 |
5.3.2 遗传算法控制参数改进 |
5.4 SGA与LOAGA优化结果比较 |
5.5 小结 |
第六章 曲轴生产车间的物流与加工过程仿真 |
6.1 曲轴工艺流程分析 |
6.2 建立仿真模型 |
6.2.1 仿真界面设计 |
6.2.2 对象参数设置 |
6.3 仿真结果对比 |
6.3.1 指标定义及计算 |
6.3.2 确定最快生产节拍 |
6.3.3 两种布局的性能指标对比 |
6.4 小结 |
总结与展望 |
全文总结 |
创新点 |
存在不足及未来展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(7)中国汽车工程学术研究综述·2017(论文提纲范文)
索引 |
0引言 |
1汽车NVH控制 (长安汽车工程研究院庞剑总工程师统稿) |
1.1从静音到声品质 (重庆大学贺岩松教授提供初稿) |
1.1.1国内外研究现状 |
1.1.1.1声品质主观评价 |
1.1.1.2声品质客观评价 |
1.1.1.3声品质主客观统一模型 |
1.1.2存在的问题 |
1.1.3研究发展趋势 |
1.2新能源汽车NVH控制技术 |
1.2.1驱动电机动力总成的NVH技术 (同济大学左曙光教授、林福博士生提供初稿) |
1.2.1.1国内外研究现状 |
1.2.1.2热点研究方向 |
1.2.1.3存在的问题与展望 |
1.2.2燃料电池发动机用空压机的NVH技术 (同济大学左曙光教授、韦开君博士生提供初稿) |
1.2.2.1国内外研究现状 |
1.2.2.2存在的问题 |
1.2.2.3总结与展望 |
1.3车身与底盘总成NVH控制技术 |
1.3.1车身与内饰 (长安汽车工程研究院庞剑总工程师提供初稿) |
1.3.1.1车身结构 |
1.3.1.2声学包装 |
1.3.2制动系 (同济大学张立军教授、徐杰博士生、孟德建讲师提供初稿) |
1.3.2.1制动抖动 |
1.3.2.2制动颤振 |
1.3.2.3制动尖叫 |
1.3.2.4瓶颈问题与未来趋势 |
1.3.3轮胎 (清华大学危银涛教授、杨永宝博士生、赵崇雷硕士生提供初稿) |
1.3.3.1轮胎噪声机理研究 |
1.3.3.2轮胎噪声计算模型 |
1.3.3.3轮胎噪声的测量手段 |
1.3.3.4降噪方法 |
1.3.3.5问题与展望 |
1.3.4悬架系 (吉林大学庄晔副教授提供初稿) |
1.3.4.1悬架系NVH问题概述 |
1.3.4.2悬架系的动力学建模与NVH预开发 |
1.3.4.3悬架系的关键部件NVH设计 |
1.3.4.4悬架NVH设计整改 |
1.4主动振动控制技术 (重庆大学郑玲教授提供初稿) |
1.4.1主动和半主动悬架技术 |
1.4.1.1主动悬架技术 |
1.4.1.2半主动悬架技术 |
1.4.2主动和半主动悬置技术 |
1.4.2.1主动悬置技术 |
1.4.2.2半主动悬置技术 |
1.4.3问题及发展趋势 |
2汽车电动化与低碳化 (江苏大学何仁教授统稿) |
2.1传统汽车动力总成节能技术 (同济大学郝真真博士生、倪计民教授提供初稿) |
2.1.1国内外研究现状 |
2.1.1.1替代燃料发动机 |
2.1.1.2高效内燃机 |
2.1.1.3新型传动方式 |
2.1.2存在的主要问题 |
2.1.3重点研究方向 |
2.1.4发展对策及趋势 |
2.2混合动力电动汽车技术 (重庆大学胡建军教授、秦大同教授, 彭航、周星宇博士生提供初稿) |
2.2.1国内外研究现状 |
2.2.2存在的问题 |
2.2.3重点研究方向 |
2.3新能源汽车技术 |
2.3.1纯电动汽车技术 (长安大学马建、余强、汪贵平教授, 赵轩、李耀华副教授, 许世维、唐自强、张一西研究生提供初稿) |
2.3.1.1动力电池 |
2.3.1.2分布式驱动电动汽车驱动控制技术 |
2.3.1.3纯电动汽车制动能量回收技术 |
2.3.2插电式混合动力汽车技术 (重庆大学胡建军、秦大同教授, 彭航、周星宇博士生提供初稿) |
2.3.2.1国内外研究现状 |
2.3.2.2存在的问题 |
2.3.2.3热点研究方向 |
2.3.2.4研究发展趋势 |
2.3.3燃料电池电动汽车技术 (北京理工大学王震坡教授、邓钧君助理教授, 北京重理能源科技有限公司高雷工程师提供初稿) |
2.3.3.1国内外技术发展现状 |
2.3.3.2关键技术及热点研究方向 |
2.3.3.3制约燃料电池汽车发展的关键因素 |
2.3.3.4燃料电池汽车的发展趋势 |
3汽车电子化 (吉林大学宗长富教授统稿) |
3.1汽车发动机电控技术 (北京航空航天大学杨世春教授、陈飞博士提供初稿) |
3.1.1国内外研究现状 |
3.1.2重点研究方向 |
3.1.2.1汽车发动机燃油喷射控制技术 |
3.1.2.2汽车发动机涡轮增压控制技术 |
3.1.2.3汽车发动机电子节气门控制技术 |
3.1.2.4汽车发动机点火控制技术 |
3.1.2.5汽车发动机空燃比控制技术 |
3.1.2.6汽车发动机怠速控制技术 |
3.1.2.7汽车发动机爆震检测与控制技术 |
3.1.2.8汽车发动机先进燃烧模式控制技术 |
3.1.2.9汽车柴油发动机电子控制技术 |
3.1.3研究发展趋势 |
3.2汽车转向电控技术 |
3.2.1电动助力转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
3.2.1.1国内外研究现状 |
3.2.1.2重点研究方向和存在的问题 |
3.2.1.3研究发展趋势 |
3.2.2主动转向及四轮转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
3.2.2.1国内外研究现状 |
3.2.2.2研究热点和存在问题 |
3.2.2.3研究发展趋势 |
3.2.3线控转向技术 (吉林大学郑宏宇副教授提供初稿) |
3.2.3.1转向角传动比 |
3.2.3.2转向路感模拟 |
3.2.3.3诊断容错技术 |
3.2.4商用车电控转向技术 (吉林大学宗长富教授、赵伟强副教授, 韩小健、高恪研究生提供初稿) |
3.2.4.1电控液压转向系统 |
3.2.4.2电液耦合转向系统 |
3.2.4.3电动助力转向系统 |
3.2.4.4后轴主动转向系统 |
3.2.4.5新能源商用车转向系统 |
3.2.4.6商用车转向系统的发展方向 |
3.3汽车制动控制技术 (合肥工业大学陈无畏教授、汪洪波副教授提供初稿) |
3.3.1国内外研究现状 |
3.3.1.1制动系统元部件研发 |
3.3.1.2制动系统性能分析 |
3.3.1.3制动系统控制研究 |
3.3.1.4电动汽车研究 |
3.3.1.5混合动力汽车研究 |
3.3.1.6参数测量 |
3.3.1.7与其他系统耦合分析及控制 |
3.3.1.8其他方面 |
3.3.2存在的问题 |
3.4汽车悬架电控技术 (吉林大学庄晔副教授提供初稿) |
3.4.1电控悬架功能与评价指标 |
3.4.2电控主动悬架最优控制 |
3.4.3电控悬架其他控制算法 |
3.4.4电控悬架产品开发 |
4汽车智能化与网联化 (清华大学李克强教授、长安大学赵祥模教授共同统稿) |
4.1国内外智能网联汽车研究概要 |
4.1.1美国智能网联汽车研究进展 (美国得克萨斯州交通厅Jianming Ma博士提供初稿) |
4.1.1.1美国智能网联车研究意义 |
4.1.1.2网联车安全研究 |
4.1.1.3美国自动驾驶车辆研究 |
4.1.1.4智能网联自动驾驶车 |
4.1.2中国智能网联汽车研究进展 (长安大学赵祥模教授、徐志刚副教授、闵海根、孙朋朋、王振博士生提供初稿) |
4.1.2.1中国智能网联汽车规划 |
4.1.2.2中国高校及研究机构智能网联汽车开发情况 |
4.1.2.3中国企业智能网联汽车开发情况 |
4.1.2.4存在的问题 |
4.1.2.5展望 |
4.2复杂交通环境感知 |
4.2.1基于激光雷达的环境感知 (长安大学付锐教授、张名芳博士生提供初稿) |
4.2.1.1点云聚类 |
4.2.1.2可通行区域分析 |
4.2.1.3障碍物识别 |
4.2.1.4障碍物跟踪 |
4.2.1.5小结 |
4.2.2车载摄像机等单传感器处理技术 (武汉理工大学胡钊政教授、陈志军博士, 长安大学刘占文博士提供初稿) |
4.2.2.1交通标志识别 |
4.2.2.2车道线检测 |
4.2.2.3交通信号灯检测 |
4.2.2.4行人检测 |
4.2.2.5车辆检测 |
4.2.2.6总结与展望 |
4.3高精度地图及车辆导航定位 (武汉大学李必军教授、长安大学徐志刚副教授提供初稿) |
4.3.1国内外研究现状 |
4.3.2当前研究热点 |
4.3.2.1高精度地图的采集 |
4.3.2.2高精度地图的地图模型 |
4.3.2.3高精度地图定位技术 |
4.3.2.4基于GIS的路径规划 |
4.3.3存在的问题 |
4.3.4重点研究方向与展望 |
4.4汽车自主决策与轨迹规划 (清华大学王建强研究员、李升波副教授、忻隆博士提供初稿) |
4.4.1驾驶人决策行为特性 |
4.4.2周车运动轨迹预测 |
4.4.3智能汽车决策方法 |
4.4.4自主决策面临的挑战 |
4.4.5自动驾驶车辆的路径规划算法 |
4.4.5.1路线图法 |
4.4.5.2网格分解法 |
4.4.5.3 Dijistra算法 |
4.4.5.4 A*算法 |
4.4.6路径面临的挑战 |
4.5车辆横向控制及纵向动力学控制 |
4.5.1车辆横向控制结构 (华南理工大学游峰副教授, 初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
4.5.1.1基于经典控制理论的车辆横向控制 (PID) |
4.5.1.2基于现代控制理论的车辆横向控制 |
4.5.1.3基于智能控制理论的车辆横向控制 |
4.5.1.4考虑驾驶人特性的车辆横向控制 |
4.5.1.5面临的挑战 |
4.5.2动力学控制 (清华大学李升波副研究员、李克强教授、徐少兵博士提供初稿) |
4.5.2.1纵向动力学模型 |
4.5.2.2纵向稳定性控制 |
4.5.2.3纵向速度控制 |
4.5.2.4自适应巡航控制 |
4.5.2.5节油驾驶控制 |
4.6智能网联汽车测试 (中国科学院自动化研究所黄武陵副研究员、王飞跃研究员, 清华大学李力副教授, 西安交通大学刘跃虎教授、郑南宁院士提供初稿) |
4.6.1智能网联汽车测试研究现状 |
4.6.2智能网联汽车测试热点研究方向 |
4.6.2.1智能网联汽车测试内容研究 |
4.6.2.2智能网联汽车测试方法 |
4.6.2.3智能网联汽车的测试场地建设 |
4.6.3智能网联汽车测试存在的问题 |
4.6.4智能网联汽车测试研究发展趋势 |
4.6.4.1智能网联汽车测试场地建设要求 |
4.6.4.2智能网联汽车测评方法的发展 |
4.6.4.3加速智能网联汽车测试及进程管理 |
4.7典型应用实例解析 |
4.7.1典型汽车ADAS系统解析 |
4.7.1.1辅助车道保持系统、变道辅助系统与自动泊车系统 (同济大学陈慧教授, 何晓临、刘颂研究生提供初稿) |
4.7.1.2 ACC/AEB系统 (清华大学王建强研究员, 华南理工大学游峰副教授、初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
4.7.2 V2X协同及队列自动驾驶 |
4.7.2.1一维队列控制 (清华大学李克强教授、李升波副教授提供初稿) |
4.7.2.2二维多车协同控制 (清华大学李力副教授提供初稿) |
4.7.3智能汽车的人机共驾技术 (武汉理工大学褚端峰副研究员、吴超仲教授、黄珍教授提供初稿) |
4.7.3.1国内外研究现状 |
4.7.3.2存在的问题 |
4.7.3.3热点研究方向 |
4.7.3.4研究发展趋势 |
5汽车碰撞安全技术 |
5.1整车碰撞 (长沙理工大学雷正保教授提供初稿) |
5.1.1汽车碰撞相容性 |
5.1.1.1国内外研究现状 |
5.1.1.2存在的问题 |
5.1.1.3重点研究方向 |
5.1.1.4展望 |
5.1.2汽车偏置碰撞安全性 |
5.1.2.1国内外研究现状 |
5.1.2.2存在的问题 |
5.1.2.3重点研究方向 |
5.1.2.4展望 |
5.1.3汽车碰撞试验测试技术 |
5.1.3.1国内外研究现状 |
5.1.3.2存在的问题 |
5.1.3.3重点研究方向 |
5.1.3.4展望 |
5.2乘员保护 (重庆理工大学胡远志教授提供初稿) |
5.2.1国内外研究现状 |
5.2.2重点研究方向 |
5.2.3展望 |
5.3行人保护 (同济大学王宏雁教授、余泳利研究生提供初稿) |
5.3.1概述 |
5.3.2国内外研究现状 |
5.3.2.1被动安全技术 |
5.3.2.2主动安全技术研究 |
5.3.3研究热点 |
5.3.3.1事故研究趋势 |
5.3.3.2技术发展趋势 |
5.3.4存在的问题 |
5.3.5小结 |
5.4儿童碰撞安全与保护 (湖南大学曹立波教授, 同济大学王宏雁教授、李舒畅研究生提供初稿;曹立波教授统稿) |
5.4.1国内外研究现状 |
5.4.1.1儿童碰撞安全现状 |
5.4.1.2儿童损伤生物力学研究现状 |
5.4.1.3车内儿童安全法规和试验方法 |
5.4.1.4车外儿童安全法规和试验方法 |
5.4.1.5儿童安全防护措施 |
5.4.1.6儿童约束系统使用管理与评价 |
5.4.2存在的问题 |
5.4.3重点研究方向 |
5.4.4发展对策和展望 |
5.5新能源汽车碰撞安全 (大连理工大学侯文彬教授、侯少强硕士生提供初稿) |
5.5.1国内外研究现状 |
5.5.1.1新能源汽车碰撞试验 |
5.5.1.2高压电安全控制研究 |
5.5.1.3新能源汽车车身结构布局研究 |
5.5.1.4电池包碰撞安全防护 |
5.5.1.5动力电池碰撞安全 |
5.5.2热点研究方向 |
5.5.3存在的问题 |
5.5.4发展对策与展望 |
6结语 |
(8)SLP布局方法在F公司的应用(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景与意义 |
1.1.1 选题背景 |
1.1.2 选题意义 |
1.2 研究方法和思路 |
1.3 本文的结构 |
第二章 文献综述与理论概述 |
2.1 工厂布局的研究发展过程 |
2.2 研究文献综述 |
2.2.1 设施布局规划的研究方法 |
2.2.2 国外研究现状 |
2.2.3 国内研究现状 |
2.3 相关理论概述 |
2.3.1 SLP布局理论 |
2.3.2 精益生产理论 |
第三章 F公司车间设施布局总体方案规划 |
3.1 F公司车间布局需求分析 |
3.2 F公司车间布局的基本目标规划 |
3.3 F公司车间布局的基本形式和方法规划 |
3.4 F公司车间布局的阶段规划 |
第四章 工厂设施布局具体实施 |
4.1 产品族归类分析 |
4.2 物流及物流强度分析 |
4.3 绘制相互关系图解 |
4.4 计算所需面积 |
4.5 绘制面积相关图解 |
第五章 基于精益生产的评估和改进 |
5.1 管控在制品库存 |
5.2 消除等待浪费 |
5.3 自动化的导入 |
第六章 实施后结果检验 |
6.1 财务报告 |
6.2 质量报告 |
6.3 库存报告 |
第七章 结束语 |
7.1 研究结论 |
7.2 未来展望 |
参考文献 |
攻读硕士学位期间公开发表的论文 |
致谢 |
(9)多品种小批量生产车间设施布局优化方法研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 论文的研究目的及意义 |
1.3.1 研究目的 |
1.3.2 研究意义 |
1.4 论文的研究思路和内容 |
1.4.1 研究思路 |
1.4.2 研究内容 |
1.5 本章小结 |
2 多品种小批量生产车间设施布局方法研究 |
2.1 多品种小批量生产车间设施布局的内涵 |
2.1.1 多品种小批量生产车间的特点 |
2.1.2 多品种小批量生产车间设施布局的内涵 |
2.2 多品种小批量生产车间设施布局方法分析 |
2.2.1 多品种小批量生产车间设施布局方法的分类 |
2.2.2 基于 SLP 的设施布局方法分析 |
2.2.3 基于数学模型构建与智能算法求解的设施布局方法分析 |
2.3 多品种小批量生产车间布局优化方法的提出 |
2.4 本章小结 |
3 多品种小批量生产车间设施布局模型构建及求解研究 |
3.1 多品种小批量生产车间设施布局模型构建 |
3.1.1 单元间布局模型构建 |
3.1.2 单元内布局模型构建 |
3.2 多品种小批量生产车间设施布局模型求解 |
3.2.1 基于 GABEC 算法的模型求解流程分析 |
3.2.2 基于 GABEC 算法的模型求解关键技术分析 |
3.2.3 算法性能分析 |
3.3 本章小结 |
4 应用案例 |
4.1 背景介绍 |
4.1.1 H 企业 A 车间基本概况 |
4.1.2 H 企业 A 车间设施布局现有方案及问题分析 |
4.2 A 车间设施布局优化方案 |
4.2.1 资料收集与单元划分 |
4.2.2 单元间布局模型建立及求解 |
4.2.3 单元内布局模型建立及求解 |
4.2.4 车间布局方案调整 |
4.3 效果评价 |
4.4 本章小结 |
5 结论 |
致谢 |
参考文献 |
附录 |
A 作者在攻读硕士学位期间参加的主要项目 |
(10)基于实时状态信息的混流装配生产优化与仿真技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题来源 |
1.2 研究背景及意义 |
1.3 国内外相关研究现状 |
1.4 文章的组织结构 |
2 平准化生产方式下的混流装配生产系统 |
2.1 引言 |
2.2 基于平准化生产方式的混流装配生产系统 |
2.3 混流装配线产品投产排序问题 |
2.4 混流装配生产系统的物料配送 |
2.5 解决思路 |
2.6 本章小结 |
3 混流装配线产品投产排序的多目标优化 |
3.1 引言 |
3.2 混流装配线产品投产排序的单目标优化模型 |
3.3 多目标优化模型的建立及求解 |
3.4 实例分析 |
3.5 本章小结 |
4 基于实时生产状态信息的动态物料配送 |
4.1 引言 |
4.2 基于RFID技术的混流装配车间生产管理模型 |
4.3 基于实时生产状态信息的物料配送方式 |
4.4 单次配送量最大化的动态物料配送方法 |
4.5 本章小结 |
5 基于工位物料配送BOM的物料配送车辆路径规划 |
5.1 引言 |
5.2 混流装配生产过程中的物料需求计算 |
5.3 混流装配车间物料配送车辆路径的优化问题 |
5.4 实例分析 |
5.5 本章小结 |
6 数据驱动的混流装配线建模与仿真方法 |
6.1 引言 |
6.2 数据驱动的建模与仿真总体框架 |
6.3 混流装配线的生产建模 |
6.4 数据驱动建模与仿真的实现 |
6.5 应用实例 |
6.6 本章小结 |
7 汽车总装车间生产管理应用实例研究 |
7.1 应用背景 |
7.2 基于RFID技术的车间生产管理关键技术应用 |
7.3 本章小结 |
8 全文总结与展望 |
8.1 全文工作总结 |
8.2 后续研究工作展望 |
致谢 |
参考文献 |
附录一 攻读博士学位期间发表的论文目录 |
附录二 实验所采用的SOLOMON标准数据C204 |
附录三 工位需求点之间的距离矩阵 |
附录四 原型系统主要功能界面图 |
四、基于脑模型联接控制器的车间布局多目标优化技术研究(论文参考文献)
- [1]基于深度强化学习的汽车涂装生产排序研究[D]. 冷浕伶. 大连理工大学, 2021
- [2]基于工业云平台与NSGA2的螺钉拧紧算法研究与实现[D]. 高涵. 青岛大学, 2020(01)
- [3]进化计算在复杂机电系统设计自动化中的应用综述[J]. 范衠,朱贵杰,李文姬,游煜根,李晓明,林培涵,辛斌. 自动化学报, 2021(07)
- [4]大型混合作业车间布局自适应建模与协同优化[D]. 王亚良. 浙江工业大学, 2019(02)
- [5]数据驱动优化控制及其在汽车零部件柔性生产过程监控中的研究与应用[D]. 王宸. 上海大学, 2019(03)
- [6]数控机床与机器人一体化及系统优化布局方法研究[D]. 申宽. 华南理工大学, 2018(05)
- [7]中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报, 2017(06)
- [8]SLP布局方法在F公司的应用[D]. 聂荣年. 苏州大学, 2015(08)
- [9]多品种小批量生产车间设施布局优化方法研究[D]. 付强. 重庆大学, 2014(02)
- [10]基于实时状态信息的混流装配生产优化与仿真技术研究[D]. 王楠. 华中科技大学, 2012(09)