首页--工业技术论文--一般工业技术论文--工业通用技术与设备论文--工厂、车间论文--技术管理论文

基于多Agent的MES生产调度研究及其系统开发

摘要第5-6页
ABSTRACT第6页
第1章 绪论第10-17页
    1.1 课题来源及研究背景意义第10-11页
        1.1.1 研究背景和研究意义第10-11页
        1.1.2 课题来源第11页
    1.2 国内外研究综述第11-15页
        1.2.1 制造执行系统(MES)研究综述第11-13页
        1.2.2 基于多Agent的调度研究综述第13-15页
    1.3 研究内容与技术路线第15-17页
        1.3.1 研究内容第15-16页
        1.3.2 技术路线第16-17页
第2章 MES调度框架模型构建及技术研究第17-29页
    2.1 MES总体框架模型构建第17-18页
    2.2 MES调度框架模型构建第18-19页
    2.3 MES环境下调度流程设计第19-21页
        2.3.1 调度策略第19-20页
        2.3.2 调度流程设计第20-21页
    2.4 数据采集框架模型构建第21-23页
    2.5 基于多Agent的MES调度实现第23-28页
        2.5.1 基于多Agent的MES调度功能模型构建第23-25页
        2.5.2 多Agent协商机制第25-28页
    2.6 小结第28-29页
第3章 MES环境下混合车间静态初始调度研究第29-40页
    3.1 问题提出第29-30页
    3.2 合车间集成调度模型第30-34页
        3.2.1 模型描述第30-31页
        3.2.2 模型构建第31页
        3.2.3 动态工时和搬运时间第31-32页
        3.2.4 模型约束第32-34页
    3.3 基于分解策略的改进免疫遗传算法设计第34-39页
        3.3.1 算法编码设计第35-36页
        3.3.2 基于分解策略的初始个体生成第36-37页
        3.3.3 基于分解策略的交叉变异第37-38页
        3.3.4 基于分解策略的疫苗接种第38页
        3.3.5 免疫选择和免疫记忆第38-39页
    3.4 小结第39-40页
第4章 基于多Agent的作业车间动态重调度研究第40-56页
    4.1 问题提出第40-41页
    4.2 问题描述第41-42页
        4.2.1 动态重调度假设及目标第41-42页
        4.2.2 动态重调度扩散效应第42页
    4.3 动态重调度驱动机制及滚动窗口技术第42-45页
        4.3.1 动态重调度驱动机制第42-44页
        4.3.2 滚动窗口技术第44-45页
    4.4 基于改进滚动窗口的重调度方法设计第45-48页
        4.4.1 方法实现流程设计第45-46页
        4.4.2 工时偏差容忍度第46页
        4.4.3 初始滚动窗口的确定第46-48页
        4.4.4 滚动窗口更新第48页
    4.5 基于改进QEP的滚动窗口重调度算法第48-53页
        4.5.1 算法流程设计第49页
        4.5.2 基本Q学习算法第49-50页
        4.5.3 进化设计与分析第50-52页
        4.5.4 变异策略设计第52-53页
    4.6 MES环境下的实时重调度实现方法研究第53-55页
        4.6.1 集成QEP和合同网(QEP-CNP)的自动重调度第53-54页
        4.6.2 基于人机交互的人工重调度第54-55页
    4.7 小结第55-56页
第5章 系统实现第56-80页
    5.1 MES功能模型构建第56-57页
    5.2 系统体系构建及数据库设计第57-60页
        5.2.1 系统体系结构第57-58页
        5.2.2 数据库设计第58-60页
        5.2.3 系统的软硬件运行环境第60页
    5.3 系统开发及案例分析第60-79页
        5.3.1 实施背景第60-62页
        5.3.2 静态初始调度第62-71页
        5.3.3 动态重调度第71-77页
        5.3.4 调度辅助模块开发第77-79页
    5.4 小结第79-80页
第6章 总结与展望第80-82页
    6.1 全文总结第80-81页
    6.2 展望第81-82页
参考文献第82-86页
致谢第86-87页
攻读学位期间参加的科研项目和成果第87页

论文共87页,点击 下载论文
上一篇:SVM在数据挖掘中的应用
下一篇:社交网络中的用户行为特征分析与挖掘