"

欢迎来到54体育(yabovip6666.cn)全新升级娱乐网站。54体育综合各种在线游戏于一站式的大型游戏平台,经营多年一直为大家提供安全稳定的游戏环境,54体育致力于提供全球客户有价值的游戏,为用户提供优质服务。

<address id="tjz1v"></address>

      <address id="tjz1v"></address>

              <sub id="tjz1v"></sub>
              <sub id="tjz1v"></sub>

              "

              黃少華博士答辯公告

              時間:2019-12-16來源:機電學院點擊:502

              答辯博士:黃少華

              指導教師:    教授/博導

              論文題目:制造物聯驅動的離散車間制造行為分析與優化方法

              答辯委員會:

              主席:倪中華   教授/博導           東南大學

              委員:侯俊杰   教授/博導           中國航天系統科學與工程研究院

              劉婷婷   教授/博導    南京理工大學

              陳蔚芳    教授/博導    南京航空航天大學

                   教授/博導    南京航空航天大學

                   教授/博導    南京航空航天大學

                  教授/博導    南京航空航天大學

               

              秘書:楊文安   副教授/碩導       南京航空航天大學

              答辯時間20191222 0900

                  :南航明故宮校區 15-341

               

              學位論文簡介:

              從大量的物聯數據中挖掘制造系統的內在運行規律、解析自身的復雜性特征、尋找系統狀態發生變化的根源并進行動態決策優化54体育,對提升車間精準管控能力具有重要意義。本文提出“制造行為”的概念來描述制造要素及系統的運行狀態,以制造物聯提供的大量制造數據為支撐,通過大數據的分析方法尋找影響制造系統運行的各要素間的相互作用與關聯關系,以生產進度作為性能指標,挖掘系統運行規律,指導制造行為的決策優化。

              論文的主要研究工作包括:

              1)構建了離散車間制造物聯系統體系架構,以物聯感知和實時定位技術為基礎,以車間全息地圖作為信息載體54体育,搭建了面向制造車間現場行為管控的智能感知環境。

              2)為了準確分析制造過程中存在的各類異常行為,將制造行為定位至工位級,以制造物聯提供的多維工位數據為基礎,提出了一種基于密度峰值-加權模糊C均值聚類的異常行為檢測方法,通過對初始行為數據少數類的判別,實現工位行為異常的精準檢測54体育。

              3)以訂單生產進度作為制造系統的行為性能指標,將實時生產狀態信息引入到數據特征集中54体育,提出一種基于雙層遷移學習的深度學習預測模型,量化制造行為變化及其持續性對制造系統輸出的影響,通過準確檢測當前生產狀態下制造系統未來行為的異常,為觸發制造行為的動態優化提供更精準的判別條件。

              4)提出了一種以制造行為異常為觸發、以實時生產數據為驅動的車間物流優化方法,針對生產異常帶來的物料需求時間的不確定性,建立了帶模糊時間窗的車間物流優化模型,在提出的兩階段操作優化機制的基礎上54体育,設計了一種改進的蟻群優化算法54体育,實現了實時感知環境下的車間物流穩定求解與快速決策。

                

              主要創新點:

              1)在構建了面向離散車間行為管控的制造物聯系統體系架構的基礎上,以制造物聯提供的實時制造數據為驅動54体育,闡述了一種智能感知環境下的制造系統運行與管控模式。

              2)在采用條件互信息進行無標簽數據特征約簡的基礎上,通過密度峰值獲得初始聚類中心,構建了一種基于密度峰值-加權模糊C均值的工位行為異常檢測模型。

              3)構建了一種基于雙層遷移學習的生產進度實時預測模型54体育,分別將遷移學習應用于基于深度自編碼器的特征提取和基于深度置信網絡的生產進度預測兩個階段,在挖掘歷史訂單共性規律的同時,充分映射目標生產訂單的獨特信息54体育,實現高精度預測。

              4)提出了一種實時生產數據為驅動的車間物流動態決策方法,建立了能夠表達生產過程不確定性的車間物流優化模型,并設計了一種基于滿意度和時間窗寬度改進的蟻群優化算法,實現制造物聯驅動的車間物流動態優化。

               

              微信公眾號

              關注微信公眾號

              54体育

              <address id="tjz1v"></address>

                  <address id="tjz1v"></address>

                          <sub id="tjz1v"></sub>
                          <sub id="tjz1v"></sub>