CN111752247B - 一种用于高温合金切削加工生产的优化调度方法 - Google Patents
一种用于高温合金切削加工生产的优化调度方法 Download PDFInfo
- Publication number
- CN111752247B CN111752247B CN202010634631.4A CN202010634631A CN111752247B CN 111752247 B CN111752247 B CN 111752247B CN 202010634631 A CN202010634631 A CN 202010634631A CN 111752247 B CN111752247 B CN 111752247B
- Authority
- CN
- China
- Prior art keywords
- workpiece
- sequencing
- population
- temperature alloy
- generation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000956 alloy Substances 0.000 title claims abstract description 47
- 229910045601 alloy Inorganic materials 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 title claims abstract description 32
- 238000005520 cutting process Methods 0.000 title claims abstract description 28
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 63
- 238000003754 machining Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 42
- 238000012163 sequencing technique Methods 0.000 claims description 39
- 229910000601 superalloy Inorganic materials 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 3
- 229910052759 nickel Inorganic materials 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种用于高温合金切削加工生产的优化调度方法，属于生产车间智能优化调度技术领域。本发明通过确定高温合金切削加工生产过程的模型和优化目标，使用改进的多节优化算法(Multiple Verse Optimizer)对目标函数进行迭代优化。本发明通过高温合金切削加工过程以及在每台机器的加工时间确定调度的模型为流水车间调度，并利用LOV(Largest Order Value)规则将多节优化算法求解连续问题转化为求解离散问题，提高了算法的全局搜索能力，结合算法中引入的局部搜索保证了迭代过程中种群的多样性和目标函数的导向性。因此，本发明有效的解决了高温合金切削加工过程的调度问题。
Description
技术领域
本发明涉及一种用于高温合金切削加工生产的优化调度方法，属于生产车间智能优化调度技术领域。
背景技术
随着国内外经济的不断发展，科技领域也得到了快速发展，从而带动了高温合金材料在各个领域的需求量，尤其是航空、航天、航海发动机的需求量比较大。根据数据统计，全球每年需求高温合金材料28万吨。因此，高温合金的需求加快了国内外高温合金生产企业的发展。工业发展倡导绿色节能减排，而在高温合金切削加工中对资源和成本的消耗也很大，因此，如何更优质的分配工件的加工顺序以节约资源和成本变的很重要。
高温合金材料是以铁、镍、钴为基结合多种其它元素，能在600℃以上的高温的工作环境下长期工作的一类金属材料，其加工一般包括车削、铣削、钻削、铰削、镗削、扩孔、珩磨、拉削、磨削等步骤。由于高温合金材料在高温状态下也要保持一定的强度，因此高温合金材料一般在高温状态下进行切削加工成型。譬如，镍基高温合金GH4169在众多用于航空零部件制造的金属钢材之中，就属于比较不易于进行加工的材料。因此，合理分配不同种高温合金的先后加工顺序，从而节约加工时间，保证高温合金工件在有效高温时间段内切削加工成型。除此之外，合理分配工件的加工时间还能节约资源和成本。高温合金的切削加工属于零等待流水车间调度问题，而且业已经证实其为NFSSP(No-Wait Flow-ShopScheduling Problem)问题，无法在多项式时间内求得精确解，而且其问题规模的增大呈n的阶乘增长，所以具有较高的理论研究价值。
由于高温合金切削加工过程调度问题也属于NP(Non-Polynomial)完全范畴，传统的启发式构造方法和数学规划方法无法保证解(工件排序)的优化质量。
发明内容
本发明要解决的技术问题是提供了一种用于高温合金切削加工生产的优化调度方法，以用于在较短时间内高效地获得高温合金切削加工生产过程优化调度问题的近似最优解，即高温合金合金切削加工顺序的最优排序，以降低总的完工时间。
本发明采用的技术方案是：一种用于高温合金切削加工生产的优化调度方法，通过确定多节优化的高温合金切削加工生产的调度模型和优化目标，使用改进的多节优化方法对优化目标函数进行迭代优化，调度的模型是根据每个高温合金在机器上的加工时间建立的。改进的多节优化方法的步骤包括：首先用多节优化算法从初始化种群开始，对种群的每一组工件排序迭代更新出对应的下一代连续变量，再通过LOV规则把连续的变量转化为离散的变量，进而得到高温合金的下一代工件排序，最后通过新老代评价值的比较产生全局搜索的较优解并对其进行局部搜索(改进原始多节优化算法)产生的新老代的评价值比较找出近似最优解，得到的目标函数为最小化最大完工时间。
具体地，所述的高温合金切削加工生产过程的模型的建立和和优化目标的求解过程如下：
其中，U是二维数组，即随机产生的种群，m表示高温合金工件的排序，即工件的编号，n表示工件排序种类；
表示是第n组排序的对应的第m个连续变量，在本发明中大于0小于4。
表示把
转化为离散的变量，即工件的第n组工件排序，其中
表示第i组离散的变量从大到小的排列所对应的1到k(工件数)的排序，其排列顺序和第i组的顺序相同。
表示第j个加工工件在第q个机器上的完工时间，其中Cj表示第j个加工工件对应的序号。
分别表示当前工件在上一台机器完工时间和上一个工件在当前机器的完工时间。
表示当前工件在当前机器上的加工时间。ri j表示多节优化以后所产生下一代的第i组第j个连续变量，其中，xj表示历史最优一组排序的第j个连续变量；ubj,lbj分别表示x的上下限；TDR(大于0小于1)表示搜索范围的因子，其中p表示搜索精度；WEP(大于0小于1)表示搜索发生的概率因子，其中min,max(0到1之间)表示搜索发生概率的决定因子，本发明取min＝0.2,max＝1。r2,r3,r4分别表示0到1之间的随机数，l,L分别表示当前迭代次数和最大迭代次数，p表示搜索精度，本发明p＝6。pk表示当前第k组排序的评价值其倒数所占的所有评价值倒数之和对应的当前位置的比值。
表示第k组排序的评价值的倒数，f表示所有排序的评价值之和。π*表示最小化最大完工时间的工件排序。
具体地，改进的多节优化方法的步骤包括：
Step1、编码方式：利用LOV规则将连续的变量转化为离散的变量实现对高温合金工件加工顺序的排序编码，其原理是利用最大值排序规则将实数编码与整数编码建立映射关系。
Step2、种群初始化：随机生成初始化种群，产生种群的规模为n组工件排序，。同时选择当代最优的工件排序best_pop为历史最优解。此外，将初始化生成的种群个体按照评价值从大到小进行排序产生新的种群SU。
Step3、多节优化算法阶段：多节优化算法阶段分为两种更新优化方式产生下一代工件排序new-pop：第一种，对应下一代的每组工件对应的第j个连续变量都用轮盘赌在SU中随机选择一组工件排序所对应的第j个连续变量进行替换；然后随即进入第二种优化方式：利用权利要求书1中公式(4)进行当前一组工件排序对应的当前第j个连续变量的替换，即产生ri j。两种优化方式同时进行，直至当代全部优化完，产生new-pop。
Step4、更新种群阶段：step3种群更新优化完以后将new-pop和上一代工件排序old-pop的评价值放在一起比较，选择其中评价值最低的n组工件排序，并替换old-pop。
Step5、局部搜索阶段：从step4中更新后产生的old-pop中挑选出最优的工件排序，通过Insert和Interchange扰动操作改变其工件排序，产生下一代的工件排序，计算出其评价值，并与old-pop中的每组工件排序的评价值进行大小比较。
Step6、更新种群阶段：上下代比较过程是每比较old-pop的一组工件排序，就将评价值小的工件排序替换与之比较的上一代的工件排序。然后将新产生的old-pop工件排序按评价值从小到大的顺序排列，评价值最小的工件排序就为历史最优的工件排序。
Step7、终止条件：最大迭代次数L是终止条件，当l≤L才持续迭代，当l＞L时满足条件，结束迭代。
Step3中多节优化算法具体为：第一种优化更新，对应下一代的每组工件排序对应的第j个连续变量都用轮盘赌在SU中随机选择一组工件排序所对应的第j个连续变量进行优化更新；第二种优化更新，当r2＜WEP时，执行
即对ri j优化更新，当r2≥WEP时，利用
直接替换
进行优化更新。更新通过上下代比较之后产生的下一代替换上一代，再通过局部搜索对上一代进行优化。
局部搜索具体为：从当前更新产生的上一代中挑选出最优的工件排序best_pop，通过insert和interchange扰动操作改变其工件排序，产生新的工件排序，计算出其评价值，并与old-pop中的每组工件排序的评价值进行比较，其中，上下代比较过程是每比较old-pop的一组工件排序，扰动操作执行一次，并将评价值小的工件排序替换与之比较的上一代的工件排序。
本发明的有益效果是：
1、确定类似于镍基高温合金GH4169等高温合金切削加工生产的调度模型和优化目标；2、通过改进的多节优化算法在优化阶段采用两种更新优化方式，从而保证了每一代工件排序都用历史最优一代更新优化了一遍，即通过全局搜索对上一代工件排序进行了更新优化，大大提升了每一代种群的优质解，并且为下一步的局部搜索提高了搜索的精准度，减小了计算量，提高了搜索效率，进一步更快找到历史最优解。3、加入的局部搜索改进了算法的开发能力，提高了得到近似最优解的准确性。4、在较短时间内高效地获得高温合金切削加工生产过程优化调度问题的近似最优解，即高温合金合金切削加工顺序的最优排序，以降低总的完工时间。从而可以有效解决类似于镍基高温合金GH4169等高温合金切削加工生产的调度问题，提升高温切削加工过程的效率。
附图说明
图1为镍基高温合金GH4169切削加工的流程图；
图2为本发明的算法流程图；
图3为本发明的“insert”和“interchange”操作示意图；
图4为问题规模为10×10的两种算法对比输出的最优工件排序。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的说明。
实施例1：镍基高温合金GH4169在众多用于航空零部件制造的金属钢材之中，属于比较不易于进行加工的材料。GH4169高温合金所表现出的难加工性能是由多种因素引起的，而随着材料本身性能的不断发展和改善，其难加工的问题越来越引起人们的关注。如图1-4所示，为运用改进的多节优化算法对镍基高温合金GH4169进行切削加工的具体优化调度实现过程。调度的模型是根据每个高温合金在机器上的加工时间建立的。改进的多节优化方法的步骤包括：首先用原始的多节优化算法从初始化种群开始，对种群的每一组工件排序所对应的一组连续变量迭代更新出下一代的连续变量，再通过LOV规则把连续的变量转化为离散的变量，进而得到高温合金下一代工件的排序，最后通过上下代评价值的比较产生全局搜索的较优解的较优个体并对其进行局部搜索(改进原始多节优化算法)产生的上下代的评价值比较找出近似最优的工件排序，得到的目标函数为最小化最大完工时间。
进一步地，高温合金切削加工生产过程的模型的建立和和优化目标的求解过程如下：
其中，U是二维数组，即随机产生的种群，m表示高温合金工件的排序，即工件的编号，n表示工件排序种类；
表示是第n组排序的对应的第m个连续变量，在本发明中大于0小于4。
表示把
转化为离散的变量，即工件的第n组工件排序，其中
表示第i组离散的变量从大到小的排列所对应的1到k(工件数)的排序，其排列顺序和第i组的顺序相同。
表示第j个加工工件在第q个机器上的完工时间，其中Cj表示第j个加工工件对应的序号。
分别表示当前工件在上一台机器完工时间和上一个工件在当前机器的完工时间。
表示当前工件在当前机器上的加工时间。ri j表示多节优化以后所产生下一代的第i组第j个连续变量，其中，xj表示历史最优一组排序的第j个连续变量；ubj,lbj分别表示x的上下限；TDR(大于0小于1)表示搜索范围的因子，其中p表示搜索精度；WEP(大于0小于1)表示搜索发生的概率因子，其中min,max(0到1之间)表示搜索发生概率的决定因子，本发明取min＝0.2,max＝1。r2,r3,r4分别表示0到1之间的随机数，l,L分别表示当前迭代次数和最大迭代次数，p表示搜索精度，本发明p＝6。pk表示当前第k组排序的评价值其倒数所占的所有评价值倒数之和对应的当前位置的比值。
表示第k组排序的评价值的倒数，f表示所有排序的评价值之和。π*表示最小化最大完工时间的工件排序。
改进的多节优化方法的步骤如下：
Step1、编码方式：利用LOV规则将连续的变量转化为离散的变量实现对高温合金工件加工顺序的排序编码，其原理是利用最大值排序规则将实数编码与整数编码建立映射关系。
Step2、种群初始化：随机生成初始化种群，产生种群的规模为n组工件排序，。同时选择当代最优的工件排序best_pop为历史最优解。此外，将初始化生成的种群个体按照评价值从大到小进行排序产生新的种群SU。
Step3、多节优化算法阶段：多节优化算法阶段分为两种更新优化方式产生下一代工件排序new-pop：第一种，对应下一代的每组工件对应的第j个连续变量都用轮盘赌在SU中随机选择一组工件排序所对应的第j个连续变量进行替换；然后随即进入第二种优化方式：利用权利要求书1中公式(4)进行当前一组工件排序对应的当前第j个连续变量的替换，即产生ri j。两种优化方式同时进行，直至当代全部优化完，产生new-pop。
Step4、更新种群阶段：step3种群更新优化完以后将new-pop和上一代工件排序old-pop的评价值放在一起比较，选择其中评价值最低的n组工件排序，并替换old-pop。
Step5、局部搜索阶段：从step4中更新后产生的old-pop中挑选出最优的工件排序，通过Insert和Interchange扰动操作改变其工件排序，产生下一代的工件排序，计算出其评价值，并与old-pop中的每组工件排序的评价值进行大小比较。
Step6、更新种群阶段：上下代比较过程是每比较old-pop的一组工件排序，就将评价值小的工件排序替换与之比较的上一代的工件排序。然后将新产生的old-pop工件排序按评价值从小到大的顺序排列，评价值最小的工件排序就为历史最优的工件排序。
Step7、终止条件：最大迭代次数L是终止条件，当l≤L才持续迭代，当l＞L时满足条件，结束迭代。
进一步地，多节优化算法具体为：第一种优化更新，对应下一代的每组工件排序对应的第j个连续变量都用轮盘赌在SU中随机选择一组工件排序所对应的第j个连续变量进行优化更新；第二种优化更新，当r2＜WEP时，执行
即对ri j优化更新，当r2≥WEP时，利用
直接替换
进行优化更新。更新通过上下代比较之后产生的下一代替换上一代，再通过局部搜索对上一代进行优化。
局部搜索具体为：从当前更新产生的上一代中挑选出最优的工件排序best_pop，通过insert和interchange扰动操作改变其工件排序，产生新的工件排序，计算出其评价值，并与old-pop中的每组工件排序的评价值进行比较，其中，上下代比较过程是每比较old-pop的一组工件排序，扰动操作执行一次，并将评价值小的工件排序替换与之比较的上一代的工件排序。
表1为LOV规则转换示意图：
注：
本发明把种群规模设置为50，问题规模为m×q用于比较原始多节优化算法和改进多节优化算法对该调度问题优化效果。本发明设置的迭代次数为200。
表2为5种不同问题规模情况下所求得的目标函数值的比较示意图：
注：OMVO，IMVO分别表示原始多节优化算法和改进的多节优化算法。
上面结合附图对本发明实施过程作了详细说明。本发明还可随时更改问题的规模，因此，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (2)
1.一种用于高温合金切削加工生产的优化调度方法，其特征在于：包括如下步骤：
先确定高温合金切削加工生产过程的模型和优化目标函数，即最小化最大完工时间；然后通过改进的多节优化方法对目标函数进行迭代优化，找到近似最小完工时间及对应的工件排序，
改进的多节优化方法包括如下步骤：首先用多节优化算法从初始化种群开始，对种群的每一组工件排序所对应的一组连续变量进行迭代更新产生下一代工件排序对应的连续变量，再通过LOV规则把连续的变量转化为离散的变量，即高温合金下一代的工件排序，最后通过新老代评价值，也就是完工时间的比较产生全局搜索的较优解，并对其进行局部搜索产生的新老代的评价值比较找出近似最优解，解的形式均为工件排序；
高温合金切削加工生产过程的模型的建立和和优化目标的求解过程如下：
其中，U是二维数组，即随机产生的种群，m表示高温合金工件的排序，即工件的编号，n表示工件排序种类；
表示是第n组排序的对应的第m个连续变量，
大于0小于4，
表示把
转化为离散的变量，即工件的第n组工件排序，其中
表示第i组离散的变量从大到小的排列所对应的1到k的排序，其排列顺序和第i组的顺序相同，其中k代表工件数，
表示第j个加工工件在第q个机器上的完工时间，其中Cj表示第j个加工工件对应的序号，
分别表示当前工件在上一台机器完工时间和上一个工件在当前机器的完工时间，
表示当前工件在当前机器上的加工时间，ri j表示多节优化以后所产生下一代的第i组第j个连续变量，其中，xj表示历史最优一组排序的第j个连续变量；ubj,lbj分别表示x的上下限；TDR表示搜索范围的因子，取值为大于0小于1，其中p表示搜索精度；WEP表示搜索发生的概率因子，取值为大于0小于1，其中min,max表示搜索发生概率的决定因子，取值为0到1之间，r2,r3,r4分别表示0到1之间的随机数，l,L分别表示当前迭代次数和最大迭代次数，p表示搜索精度，Pk表示当前第k组排序的评价值其倒数所占的所有评价值倒数之和对应的当前位置的比值，
表示第k组排序的评价值的倒数，f表示所有排序的评价值之和，π*表示最小化最大完工时间的工件排序；
所述的改进的多节优化方法的具体步骤如下：
Step1、编码方式：利用LOV规则将连续的变量转化为离散的变量实现对高温合金工件加工顺序的排序编码，其原理是利用最大值排序规则将实数编码与整数编码建立映射关系；
Step2、种群初始化：随机生成初始化种群，产生种群的规模为n组工件排序，同时选择当代最优的工件排序best_pop为历史最优解，此外，将初始化生成的种群个体按照评价值从大到小进行排序产生新的种群SU；
Step3、多节优化算法阶段：多节优化算法阶段分为两种更新优化方式产生下一代工件排序new-pop：第一种，对应下一代的每组工件对应的第j个连续变量都用轮盘赌在SU中随机选择一组工件排序所对应的第j个连续变量进行替换；然后随即进入第二种优化方式：利用权利要求书1中公式(4)进行当前一组工件排序对应的当前第j个连续变量的替换，即产生ri j，两种优化方式同时进行，直至当代全部优化完，产生new-pop；
Step4、更新种群阶段：step3种群更新优化完以后将new-pop和上一代工件排序old-pop的评价值放在一起比较，选择其中评价值最低的n组工件排序，并替换old-pop；
Step5、局部搜索阶段：从step4中跟新后产生的上一代中挑选出最优的工件排序，通过Insert和Interchange扰动操作改变其工件排序，产生下一代的工件排序，计算出其评价值，并与old-pop中的每组工件排序的评价值进行大小比较；
Step6、更新种群阶段：上下代比较过程是每代比较old-pop的一组工件排序，就将评价值小的工件排序替换与之比较的上一代的工件排序，然后将新产生的old-pop工件排序按评价值从小到大的顺序排列，评价值最小的工件排序就为历史最优的工件排序；
Step7、终止条件：最大迭代次数L是终止条件，当l≤L才持续迭代，当l＞L时满足条件，结束迭代。
2.根据权利要求1所述的一种用于高温合金切削加工生产的优化调度方法，其特征在于：种群规模为50，min＝0.2,max＝1，p＝6。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010634631.4A CN111752247B (zh) | 2020-07-02 | 2020-07-02 | 一种用于高温合金切削加工生产的优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010634631.4A CN111752247B (zh) | 2020-07-02 | 2020-07-02 | 一种用于高温合金切削加工生产的优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111752247A CN111752247A (zh) | 2020-10-09 |
| CN111752247B true CN111752247B (zh) | 2021-05-14 |
Family
ID=72679330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010634631.4A Active CN111752247B (zh) | 2020-07-02 | 2020-07-02 | 一种用于高温合金切削加工生产的优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111752247B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140102940A (ko) * | 2013-02-15 | 2014-08-25 | 동서대학교산학협력단 | 생산일정 자동 스케쥴링 방법 |
| CN104408528A (zh) * | 2014-11-20 | 2015-03-11 | 昆明理工大学 | 一种化工生产中原料浸取过程的优化调度方法 |
| CN108873850A (zh) * | 2018-09-05 | 2018-11-23 | 昆明理工大学 | 一种机械制造自动化生产过程的优化调度方法 |
| CN109002016A (zh) * | 2018-07-06 | 2018-12-14 | 昆明理工大学 | 一种分布式铝型材生产过程的优化调度方法 |
| CN109858816A (zh) * | 2019-02-02 | 2019-06-07 | 湖北工业大学 | 一种采用蚁狮算法进行生产调度的方法 |
| CN110928233A (zh) * | 2019-09-25 | 2020-03-27 | 南京航空航天大学 | 面向大型整体结构零件加工变形控制的加工路径优化方法 |
| CN111044614A (zh) * | 2019-12-16 | 2020-04-21 | 南昌航空大学 | 一种高温合金晶粒尺寸的类圆映射超声评价方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103809506B (zh) * | 2014-01-26 | 2016-06-01 | 西安理工大学 | 基于一维粒子群算法获得零件加工最优调度方案的方法 |
| CN108846219A (zh) * | 2018-06-22 | 2018-11-20 | 武汉大学 | 高压磨料水射流加工装备工艺参数优化方法与系统 |
| CN109240202B (zh) * | 2018-11-21 | 2019-12-24 | 西安交通大学 | 一种面向低碳的铣削加工刀具路径优化方法 |
-
2020
- 2020-07-02 CN CN202010634631.4A patent/CN111752247B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140102940A (ko) * | 2013-02-15 | 2014-08-25 | 동서대학교산학협력단 | 생산일정 자동 스케쥴링 방법 |
| CN104408528A (zh) * | 2014-11-20 | 2015-03-11 | 昆明理工大学 | 一种化工生产中原料浸取过程的优化调度方法 |
| CN109002016A (zh) * | 2018-07-06 | 2018-12-14 | 昆明理工大学 | 一种分布式铝型材生产过程的优化调度方法 |
| CN108873850A (zh) * | 2018-09-05 | 2018-11-23 | 昆明理工大学 | 一种机械制造自动化生产过程的优化调度方法 |
| CN109858816A (zh) * | 2019-02-02 | 2019-06-07 | 湖北工业大学 | 一种采用蚁狮算法进行生产调度的方法 |
| CN110928233A (zh) * | 2019-09-25 | 2020-03-27 | 南京航空航天大学 | 面向大型整体结构零件加工变形控制的加工路径优化方法 |
| CN111044614A (zh) * | 2019-12-16 | 2020-04-21 | 南昌航空大学 | 一种高温合金晶粒尺寸的类圆映射超声评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111752247A (zh) | 2020-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111242503B (zh) | 一种基于两层遗传算法的多目标柔性作业车间调度方法 | |
| CN107392402B (zh) | 基于改进禁忌搜索算法的生产运输协同调度方法及系统 | |
| CN110543151A (zh) | 基于改进nsga-ⅱ求解车间节能调度问题的方法 | |
| CN112561225B (zh) | 一种基于标杆协同进化算法的柔性作业车间调度方法 | |
| CN111382915B (zh) | 一种共融agv的柔性作业车间调度方法 | |
| CN105652791A (zh) | 订单驱动的离散制造过程能耗优化方法 | |
| CN112381273B (zh) | 一种基于u-nsga-iii算法的多目标作业车间节能优化方法 | |
| CN111047081A (zh) | 一种面向绿色生产的制造资源配置优化决策方法 | |
| CN114595633A (zh) | 一种基于多约束的多目标柔性作业车间节能调度方法 | |
| CN113450013A (zh) | 基于改进nsga-ⅲ算法求解车间节能调度问题的方法 | |
| CN116466659A (zh) | 一种基于深度强化学习的分布式装配流水车间调度方法 | |
| CN115169799A (zh) | 一种多目标柔性作业车间多重动态调度方法及系统 | |
| CN116757411A (zh) | 一种面向航天复杂构件的双资源柔性作业车间调度方法 | |
| CN115099612A (zh) | 一种考虑碳排量的柔性作业车间分批调度方法 | |
| CN111665799B (zh) | 一种基于协同算法的时间约束型并行机节能调度方法 | |
| CN111752247B (zh) | 一种用于高温合金切削加工生产的优化调度方法 | |
| CN117132181B (zh) | 一种分布式柔性生产与运输协同调度方法 | |
| CN109447408B (zh) | 一种基于复杂网络理论的跨单元调度方法 | |
| CN116151589A (zh) | 基于改进飞蛾扑火算法的绿色可重入车间生产调度方法 | |
| CN115700647A (zh) | 一种基于禁忌搜索遗传算法的车间柔性作业调度方法 | |
| CN114237166A (zh) | 基于改进spea2算法求解多转速节能调度问题的方法 | |
| CN114529059A (zh) | 一种动力电池产线优化重组方法 | |
| CN113780871A (zh) | 一种多目标低碳柔性作业车间调度方法 | |
| CN115145231B (zh) | 基于扰动事件的多品种变批量生产调度方法 | |
| CN116596293B (zh) | 基于遗传算法的分布式全流程作业车间调度方法及终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |