| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 课题背景及意义 | 第14-15页 |
| 1.1.1 课题背景 | 第14页 |
| 1.1.2 课题研究意义 | 第14-15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.2.1 能效优化调度问题研究现状 | 第15-16页 |
| 1.2.2 车间调度求解方法研究现状 | 第16-18页 |
| 1.3 研究内容和框架 | 第18-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 基于RBF神经网络的建筑陶瓷抛光生产线能耗评估模型 | 第21-34页 |
| 2.1 概述 | 第21页 |
| 2.2 建筑陶瓷抛光生产工艺流程分析 | 第21-23页 |
| 2.3 建筑陶瓷抛光生产工艺的能耗影响因素分析 | 第23页 |
| 2.4 建筑陶瓷抛光车间调度问题特点分析 | 第23-24页 |
| 2.5 基于RBF神经网络的建筑陶瓷抛光生产线能耗评估模型 | 第24-33页 |
| 2.5.1 RBF神经网络 | 第25-26页 |
| 2.5.2 基于RBF神经网络的能耗评估模型框图 | 第26-28页 |
| 2.5.3 仿真实验 | 第28-33页 |
| 2.5.4 结果分析 | 第33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于模糊C-均值聚类算法的抛光砖订单聚类分析研究 | 第34-45页 |
| 3.1 概述 | 第34页 |
| 3.2 抛光砖订单聚类过程分析 | 第34-35页 |
| 3.3 基于模糊C-均值算法的抛光砖订单聚类 | 第35-37页 |
| 3.4 聚类算例分析 | 第37-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于混合遗传算法的建筑陶瓷抛光车间能效优化调度方法研究 | 第45-65页 |
| 4.1 概述 | 第45页 |
| 4.2 抛光车间能效优化调度模型建立 | 第45-48页 |
| 4.2.1 问题描述 | 第45-47页 |
| 4.2.2 决策变量和约束条件 | 第47页 |
| 4.2.3 目标函数 | 第47-48页 |
| 4.3 基于启发式规则的遗传算法初始种群的产生 | 第48-49页 |
| 4.4 基于启发式规则的混合遗传算法的求解过程 | 第49-53页 |
| 4.5 算法仿真对比分析 | 第53-64页 |
| 4.5.1 仿真算例 | 第53-56页 |
| 4.5.2 仿真结果及分析 | 第56-64页 |
| 4.6 本章小结 | 第64-65页 |
| 第五章 建筑陶瓷抛光车间能效优化调度模块开发 | 第65-72页 |
| 5.1 概述 | 第65页 |
| 5.2 模块的总体设计 | 第65-67页 |
| 5.2.1 开发环境 | 第65-66页 |
| 5.2.2 模块体系结构 | 第66页 |
| 5.2.3 模块功能结构 | 第66-67页 |
| 5.3 模块实现 | 第67-71页 |
| 5.3.1 基础数据管理子模块 | 第67-69页 |
| 5.3.2 设备能耗评估子模块 | 第69-70页 |
| 5.3.3 订单聚类分组子模块 | 第70页 |
| 5.3.4 车间生产调度子模块 | 第70-71页 |
| 5.4 本章小结 | 第71-72页 |
| 结论与展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79页 |
