摘要 | 第4-6页 |
Abstract | 第6-8页 |
第一章 绪论 | 第11-25页 |
1.1 研究背景及意义 | 第11-13页 |
1.2 国内外研究现状及相关研究 | 第13-23页 |
1.2.1 制造系统自适应控制研究 | 第13-16页 |
1.2.2 制造系统的自适应调度研究 | 第16-19页 |
1.2.3 知识化制造系统的自适应研究 | 第19-23页 |
1.3 本文的研究内容 | 第23-25页 |
第二章 知识化制造模式与动态环境匹配分类方法 | 第25-43页 |
2.1 引言 | 第25-26页 |
2.2 支持向量机基本理论 | 第26-28页 |
2.2.1 最优超平面和支持向量 | 第26-27页 |
2.2.2 标准支持向量机模型 | 第27-28页 |
2.3 NFW-SVM模型 | 第28-35页 |
2.3.1 三角模糊理论 | 第28-30页 |
2.3.2 非线性模糊加权支持向量机 | 第30-35页 |
2.4 参数优化 | 第35-37页 |
2.4.1 标准粒子群优化算法 | 第35-36页 |
2.4.2 基于变异和动态惯性权重的改进PSO算法 | 第36-37页 |
2.5 基于NFW-SVM的环境匹配分类方法 | 第37-39页 |
2.5.1 生产环境因素确定 | 第37页 |
2.5.2 动态环境与制造模式匹配类别 | 第37-38页 |
2.5.3 NFW-SVM匹配分类算法 | 第38-39页 |
2.6 算例研究 | 第39-41页 |
2.7 本章小结 | 第41-43页 |
第三章 知识化制造系统自适应动态组织 | 第43-59页 |
3.1 引言 | 第43-44页 |
3.2 动态知识网 | 第44-47页 |
3.2.1 知识网 | 第44-45页 |
3.2.2 动态知识网模型 | 第45-47页 |
3.3 匹配度度量 | 第47-53页 |
3.3.1 静态知识子网 | 第47-48页 |
3.3.2 静态知识子网的信息匹配度 | 第48-51页 |
3.3.3 静态知识子网的功能匹配度 | 第51-52页 |
3.3.4 静态知识子网功能完善度 | 第52-53页 |
3.3.5 匹配度 | 第53页 |
3.4 KMS动态组织算法 | 第53-54页 |
3.5 应用实例 | 第54-58页 |
3.6 本章小结 | 第58-59页 |
第四章 知识化制造模式评价和选择方法 | 第59-73页 |
4.1 引言 | 第59-60页 |
4.2 知识化制造模式复杂度 | 第60-61页 |
4.3 FDEA/AR模型构建 | 第61-65页 |
4.3.1 DEA基本模型 | 第61-63页 |
4.3.2 DEA/AR模型 | 第63-64页 |
4.3.3 FDEA/AR模型 | 第64-65页 |
4.4 FDEA/AR决策方法 | 第65-70页 |
4.4.1 FDEA/AR求解 | 第65-69页 |
4.4.2 FDEA/AR决策结构 | 第69-70页 |
4.5 算例研究 | 第70-72页 |
4.6 本章小结 | 第72-73页 |
第五章 知识化制造自适应动态调度策略 | 第73-91页 |
5.1 引言 | 第73-74页 |
5.2 问题描述 | 第74-75页 |
5.3 基于多Agent的动态调度仿真系统 | 第75-77页 |
5.3.1 动态调度系统仿真模型 | 第75-76页 |
5.3.2 调度协商过程 | 第76-77页 |
5.4 自适应调度策略 | 第77-86页 |
5.4.1 CDQ算法 | 第77页 |
5.4.2 状态空间划分 | 第77-79页 |
5.4.3 Q值更新策略 | 第79-80页 |
5.4.4 搜索策略 | 第80-81页 |
5.4.5 奖惩函数设计 | 第81页 |
5.4.6 算法步骤 | 第81-83页 |
5.4.7 算法收敛性分析 | 第83-86页 |
5.4.8 算法复杂性分析 | 第86页 |
5.5 仿真实验 | 第86-90页 |
5.6 本章小结 | 第90-91页 |
第六章 结论 | 第91-94页 |
6.1 论文工作总结 | 第91-92页 |
6.2 论文中需进一步研究的问题 | 第92-94页 |
参考文献 | 第94-106页 |
博士阶段学习成绩 | 第106页 |
参加研究课题情况 | 第106-107页 |
攻读博士学位期间发表、录用或已投出的学术论文 | 第107-108页 |
致谢 | 第108页 |