基于Petri网的挤压成形工艺系统能耗建模及节能调度方法
这是一篇关于挤压成形工艺,能效优化,混合Petri网,能耗建模,节能调度的论文, 主要内容为飞机、高速列车、汽车、地铁、轻轨等是我国重点发展的新兴产业,共同面临着轻量化设计需求,越来越多的铝合金、钛合金、镁合金等轻金属零部件被采用,这些轻金属零件的主要加工手段为挤压塑性成形,然而,我国挤压生产工艺普遍存在能耗高的问题,导致单位产品综合能耗过高,产品能耗成本异常突出。以铝挤压零件为例,成品率不足60%,平均工艺能耗为1571～5405 kg标煤/吨,是欧洲的1.43倍,提高挤压成形工艺系统能源效率、降低能耗成本已成为行业普遍面临的问题。为此,本文针对挤压成形工艺系统,开展挤压工艺系统能耗模型以及节能优化方法的研究,具体研究内容包括以下几个方面:首先,通过对挤压成形工艺系统进行深入分析,系统揭示了挤压成形工艺系统多源能耗的输入与热力耦合特性,挤压成形工艺系统能耗的多阶段传递、转化以及耗散特性,金属挤压成形过程中的能耗周期特性等,为挤压成形工艺系统能耗建模及节能优化提供基础依据。其次,集成高斯核函数的极限学习机(Gaussian Kernel based Extrime Learning Machine,Gaussian-KELM)以及离散事件Petri网建模方法的优点,建立了一种基于数据驱动混合Petri网(Data Drvien Hybrid Petri Net,DDHPN)挤压成形工艺制造系统能耗模型,通过Petri网拟合设备运行状态变化,以及高斯核极限学习机拟合设备每个运行状态的能耗行为,实现了以实时工作条件、运行参数和生产负荷数据驱动的能耗行为预测,提高了模拟能量行为的动态性和能耗预测精度。再次,针对挤压成形工艺系统多品种小批量制造过程中扰动频繁、设备待机、停机和空载能耗增加的问题,以最小完工时间和加工能耗为目标,结合所提能耗模型,提出了一种基于深度Q网络(Deep Q Net,DQN)的挤压成形工艺系统的动态节能调度优化方法。最后,结合挤压车间能源管理系统数据,对上述模型及节能调度方法进行实验验证,结果表明所提的基于DDHPN的挤压成形工艺系统能耗模型及基于DQN的节能调度方法的有效性和可靠性,能够支撑挤压成形工艺系统能效的提升。
网络化协同制造系统的跨层生产优化调度
这是一篇关于能效优化,协同层,智能优化算法,案例推理,ID3决策树的论文, 主要内容为网络化协同制造系统是一种信息高度集成的智能制造模式,其协同层具有大数据集成的知识库以及知识推理、数据挖掘、信息交互等服务功能,而目前大部分能效调度优化方法在优化过程使用的运算资源局限于企业层、车间层等边缘层,对于利用系统的协同层知识库与服务进一步提高能效的优化调度的研究较为缺乏,此外,网络化协同制造系统的生产过程具有有柔性制造、多工厂协同生产等特征,这使得能效分析与优化变得极其困难,因此,网络化协同制造系统跨越协同层与边缘层生产优化调度的研究具有极其重要的意义。本文针对在网络化协同制造系统中单作业车间与分布式多工厂的能效优化问题展开研究,提出了相应的算法,取得了良好的优化调度效果,主要工作如下:(1)对网络化协同制造系统的信息流和能量流特征、主控因素、外部干扰进行分析,面向能效优化控制目标,针对边缘层独立制造车间的实时调度,及云端网络化分布式多工厂协同制造的虚拟资源优化调度问题,分别建立其对应的优化模型和跨层协同机制。(2)针对单作业车间能效优化问题,提出了一种融合案例推理与混合群智能的调度优化方法。该方法在粒子群优化算法框架下,融合了遗传算法交叉变异算子,并基于调度问题的特征采用三元表示法将协同层知识库中的历史调度案例信息资源转化为数字表示形式,以此进行相似度运算,将其引入到调度优化算法种群筛选后的补充个体生成过程,提高后期迭代过程中的多样性。通过仿真与分析验证了该方法的有效性。(3)针对分布式多工厂能效优化的问题,提出一种融合了ID3决策树的高斯粒子群优化嵌套寻优算法,该算法将异地工厂看做独立的加工单元,把加工单元订单分配寻优作为作为嵌套寻优的外层,调度优化作为内层,多个单元寻优决策结果与云端外部寻优交互反馈,同时还引入了精英保留策略,并将ID3决策树技术融入外层寻优粒子生成过程,降低外层寻优过程中的随机性。最后,通过仿真对比实验验证方法的有效性。(4)根据以上的理论研究以及工厂的实际需求,使用Thymeleaf等前端技术搭建了前台可视化页面,同时,使用Spring Boot、Mybatis、Hadoop等大数据微服务信息技术对后台应用模块的逻辑功能进行了开发,并将开发后的系统应用于无锡某机床股份有限公司,实现了良好调度优化效果。
网络化协同制造系统的跨层生产优化调度
这是一篇关于能效优化,协同层,智能优化算法,案例推理,ID3决策树的论文, 主要内容为网络化协同制造系统是一种信息高度集成的智能制造模式,其协同层具有大数据集成的知识库以及知识推理、数据挖掘、信息交互等服务功能,而目前大部分能效调度优化方法在优化过程使用的运算资源局限于企业层、车间层等边缘层,对于利用系统的协同层知识库与服务进一步提高能效的优化调度的研究较为缺乏,此外,网络化协同制造系统的生产过程具有有柔性制造、多工厂协同生产等特征,这使得能效分析与优化变得极其困难,因此,网络化协同制造系统跨越协同层与边缘层生产优化调度的研究具有极其重要的意义。本文针对在网络化协同制造系统中单作业车间与分布式多工厂的能效优化问题展开研究,提出了相应的算法,取得了良好的优化调度效果,主要工作如下:(1)对网络化协同制造系统的信息流和能量流特征、主控因素、外部干扰进行分析,面向能效优化控制目标,针对边缘层独立制造车间的实时调度,及云端网络化分布式多工厂协同制造的虚拟资源优化调度问题,分别建立其对应的优化模型和跨层协同机制。(2)针对单作业车间能效优化问题,提出了一种融合案例推理与混合群智能的调度优化方法。该方法在粒子群优化算法框架下,融合了遗传算法交叉变异算子,并基于调度问题的特征采用三元表示法将协同层知识库中的历史调度案例信息资源转化为数字表示形式,以此进行相似度运算,将其引入到调度优化算法种群筛选后的补充个体生成过程,提高后期迭代过程中的多样性。通过仿真与分析验证了该方法的有效性。(3)针对分布式多工厂能效优化的问题,提出一种融合了ID3决策树的高斯粒子群优化嵌套寻优算法,该算法将异地工厂看做独立的加工单元,把加工单元订单分配寻优作为作为嵌套寻优的外层,调度优化作为内层,多个单元寻优决策结果与云端外部寻优交互反馈,同时还引入了精英保留策略,并将ID3决策树技术融入外层寻优粒子生成过程,降低外层寻优过程中的随机性。最后,通过仿真对比实验验证方法的有效性。(4)根据以上的理论研究以及工厂的实际需求,使用Thymeleaf等前端技术搭建了前台可视化页面,同时,使用Spring Boot、Mybatis、Hadoop等大数据微服务信息技术对后台应用模块的逻辑功能进行了开发,并将开发后的系统应用于无锡某机床股份有限公司,实现了良好调度优化效果。
低精度量化毫米波大规模MIMO系统的能效分析与优化
这是一篇关于毫米波通信,低精度量化,过采样,能效优化的论文, 主要内容为智能手机、个人电脑等通信设备的大规模普及在推动数字时代全面发展的同时带来急剧增长的数据量,为此,拥有超高速率和超大带宽的毫米波技术应运而生。但是,毫米波波长较短,因此信号传输损耗较大。为此,大规模多输入多输出(Massive Multiple Input Multiple Output,mMIMO)技术被引入可以提供波束赋形增益,与毫米波传输技术相辅相成,共同成为下一代无线通信系统的核心技术。然而,毫米波大规模MIMO通信系统存在功耗大、成本高的问题,限制了该系统的进一步推广。针对上述挑战,本文基于低精度量化与过采样技术研究如何降低毫米波大规模MIMO系统的功耗和成本,并在分析系统频谱效率(Spectrum Efficiency,SE)和能量效率(Energy Efficiency,EE)的基础上进一步设计能效优化方案。首先,本文对引入低精度量化与过采样技术的毫米波大规模MIMO系统的能量效率进行了理论推导和仿真分析。在研究中,首先对基于全数字波束成形(Digital Beamforming,DBF)架构的毫米波过采样上行大规模MIMO系统进行建模,并借助Bussgang分解理论将非线性量化过程近似转换为线性过程,进而沿用低复杂度的线性信号处理算法完成对系统频谱效率和能量效率的理论推导。为便于进行大规模仿真与结果分析,在研究中使用VUE、SpringBoot等框架搭建前后端分离的可视化仿真平台,借助该平台观察系统谱效、能效与基站天线数、量化精度以及过采样率等参数的定量关系。仿真结果表明,低精度量化结合过采样技术能够降低毫米波大规模MIMO通信系统的总功耗,并且过采样还能改善模数转换器(Analog to Digital Converter,ADC)的等效量化精度,最终有效提升整个系统的能量效率。其次,考虑到基站各天线与用户之间的信道状态并不相同,如果基站为所有天线配置固定量化精度的模数转换器,那么通信系统的容量并不能得到充分的发掘。为此,本文利用用户与基站每根天线之间的信道状态信息(Channel State Information,CSI)设计了一种配置精度自适应ADC的全数字波束成形架构(可根据CSI自适应调整每路ADC的量化精度),并进一步基于最小均方量化误差准则提出最终的启发式量化比特分配(Bit-Allocation)算法。该算法有效避免了穷举搜索的复杂性,经过较少次迭代即可获得性能较优的量化比特分配结果。仿真结果表明,使用优化算法之后,系统能效均有不同程度的提升,尤其在大规模天线系统中,能效提升效果更为显著。
网络化协同制造系统的跨层生产优化调度
这是一篇关于能效优化,协同层,智能优化算法,案例推理,ID3决策树的论文, 主要内容为网络化协同制造系统是一种信息高度集成的智能制造模式,其协同层具有大数据集成的知识库以及知识推理、数据挖掘、信息交互等服务功能,而目前大部分能效调度优化方法在优化过程使用的运算资源局限于企业层、车间层等边缘层,对于利用系统的协同层知识库与服务进一步提高能效的优化调度的研究较为缺乏,此外,网络化协同制造系统的生产过程具有有柔性制造、多工厂协同生产等特征,这使得能效分析与优化变得极其困难,因此,网络化协同制造系统跨越协同层与边缘层生产优化调度的研究具有极其重要的意义。本文针对在网络化协同制造系统中单作业车间与分布式多工厂的能效优化问题展开研究,提出了相应的算法,取得了良好的优化调度效果,主要工作如下:(1)对网络化协同制造系统的信息流和能量流特征、主控因素、外部干扰进行分析,面向能效优化控制目标,针对边缘层独立制造车间的实时调度,及云端网络化分布式多工厂协同制造的虚拟资源优化调度问题,分别建立其对应的优化模型和跨层协同机制。(2)针对单作业车间能效优化问题,提出了一种融合案例推理与混合群智能的调度优化方法。该方法在粒子群优化算法框架下,融合了遗传算法交叉变异算子,并基于调度问题的特征采用三元表示法将协同层知识库中的历史调度案例信息资源转化为数字表示形式,以此进行相似度运算,将其引入到调度优化算法种群筛选后的补充个体生成过程,提高后期迭代过程中的多样性。通过仿真与分析验证了该方法的有效性。(3)针对分布式多工厂能效优化的问题,提出一种融合了ID3决策树的高斯粒子群优化嵌套寻优算法,该算法将异地工厂看做独立的加工单元,把加工单元订单分配寻优作为作为嵌套寻优的外层,调度优化作为内层,多个单元寻优决策结果与云端外部寻优交互反馈,同时还引入了精英保留策略,并将ID3决策树技术融入外层寻优粒子生成过程,降低外层寻优过程中的随机性。最后,通过仿真对比实验验证方法的有效性。(4)根据以上的理论研究以及工厂的实际需求,使用Thymeleaf等前端技术搭建了前台可视化页面,同时,使用Spring Boot、Mybatis、Hadoop等大数据微服务信息技术对后台应用模块的逻辑功能进行了开发,并将开发后的系统应用于无锡某机床股份有限公司,实现了良好调度优化效果。
网络化协同制造系统的跨层生产优化调度
这是一篇关于能效优化,协同层,智能优化算法,案例推理,ID3决策树的论文, 主要内容为网络化协同制造系统是一种信息高度集成的智能制造模式,其协同层具有大数据集成的知识库以及知识推理、数据挖掘、信息交互等服务功能,而目前大部分能效调度优化方法在优化过程使用的运算资源局限于企业层、车间层等边缘层,对于利用系统的协同层知识库与服务进一步提高能效的优化调度的研究较为缺乏,此外,网络化协同制造系统的生产过程具有有柔性制造、多工厂协同生产等特征,这使得能效分析与优化变得极其困难,因此,网络化协同制造系统跨越协同层与边缘层生产优化调度的研究具有极其重要的意义。本文针对在网络化协同制造系统中单作业车间与分布式多工厂的能效优化问题展开研究,提出了相应的算法,取得了良好的优化调度效果,主要工作如下:(1)对网络化协同制造系统的信息流和能量流特征、主控因素、外部干扰进行分析,面向能效优化控制目标,针对边缘层独立制造车间的实时调度,及云端网络化分布式多工厂协同制造的虚拟资源优化调度问题,分别建立其对应的优化模型和跨层协同机制。(2)针对单作业车间能效优化问题,提出了一种融合案例推理与混合群智能的调度优化方法。该方法在粒子群优化算法框架下,融合了遗传算法交叉变异算子,并基于调度问题的特征采用三元表示法将协同层知识库中的历史调度案例信息资源转化为数字表示形式,以此进行相似度运算,将其引入到调度优化算法种群筛选后的补充个体生成过程,提高后期迭代过程中的多样性。通过仿真与分析验证了该方法的有效性。(3)针对分布式多工厂能效优化的问题,提出一种融合了ID3决策树的高斯粒子群优化嵌套寻优算法,该算法将异地工厂看做独立的加工单元,把加工单元订单分配寻优作为作为嵌套寻优的外层,调度优化作为内层,多个单元寻优决策结果与云端外部寻优交互反馈,同时还引入了精英保留策略,并将ID3决策树技术融入外层寻优粒子生成过程,降低外层寻优过程中的随机性。最后,通过仿真对比实验验证方法的有效性。(4)根据以上的理论研究以及工厂的实际需求,使用Thymeleaf等前端技术搭建了前台可视化页面,同时,使用Spring Boot、Mybatis、Hadoop等大数据微服务信息技术对后台应用模块的逻辑功能进行了开发,并将开发后的系统应用于无锡某机床股份有限公司,实现了良好调度优化效果。
网络化协同制造系统的跨层生产优化调度
这是一篇关于能效优化,协同层,智能优化算法,案例推理,ID3决策树的论文, 主要内容为网络化协同制造系统是一种信息高度集成的智能制造模式,其协同层具有大数据集成的知识库以及知识推理、数据挖掘、信息交互等服务功能,而目前大部分能效调度优化方法在优化过程使用的运算资源局限于企业层、车间层等边缘层,对于利用系统的协同层知识库与服务进一步提高能效的优化调度的研究较为缺乏,此外,网络化协同制造系统的生产过程具有有柔性制造、多工厂协同生产等特征,这使得能效分析与优化变得极其困难,因此,网络化协同制造系统跨越协同层与边缘层生产优化调度的研究具有极其重要的意义。本文针对在网络化协同制造系统中单作业车间与分布式多工厂的能效优化问题展开研究,提出了相应的算法,取得了良好的优化调度效果,主要工作如下:(1)对网络化协同制造系统的信息流和能量流特征、主控因素、外部干扰进行分析,面向能效优化控制目标,针对边缘层独立制造车间的实时调度,及云端网络化分布式多工厂协同制造的虚拟资源优化调度问题,分别建立其对应的优化模型和跨层协同机制。(2)针对单作业车间能效优化问题,提出了一种融合案例推理与混合群智能的调度优化方法。该方法在粒子群优化算法框架下,融合了遗传算法交叉变异算子,并基于调度问题的特征采用三元表示法将协同层知识库中的历史调度案例信息资源转化为数字表示形式,以此进行相似度运算,将其引入到调度优化算法种群筛选后的补充个体生成过程,提高后期迭代过程中的多样性。通过仿真与分析验证了该方法的有效性。(3)针对分布式多工厂能效优化的问题,提出一种融合了ID3决策树的高斯粒子群优化嵌套寻优算法,该算法将异地工厂看做独立的加工单元,把加工单元订单分配寻优作为作为嵌套寻优的外层,调度优化作为内层,多个单元寻优决策结果与云端外部寻优交互反馈,同时还引入了精英保留策略,并将ID3决策树技术融入外层寻优粒子生成过程,降低外层寻优过程中的随机性。最后,通过仿真对比实验验证方法的有效性。(4)根据以上的理论研究以及工厂的实际需求,使用Thymeleaf等前端技术搭建了前台可视化页面,同时,使用Spring Boot、Mybatis、Hadoop等大数据微服务信息技术对后台应用模块的逻辑功能进行了开发,并将开发后的系统应用于无锡某机床股份有限公司,实现了良好调度优化效果。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码助手 ，原文地址：https://bishedaima.com/lunwen/50118.html
