CN112712289B - 基于时间信息熵的自适应方法、系统及介质 - Google Patents

基于时间信息熵的自适应方法、系统及介质 Download PDF

Info

Publication number
CN112712289B
CN112712289B CN202110063231.7A CN202110063231A CN112712289B CN 112712289 B CN112712289 B CN 112712289B CN 202110063231 A CN202110063231 A CN 202110063231A CN 112712289 B CN112712289 B CN 112712289B
Authority
CN
China
Prior art keywords
unit
adaptive
self
time
information entropy
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
Application number
CN202110063231.7A
Other languages
English (en)
Other versions
CN112712289A (zh
Inventor
明新国
渠元菊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202110063231.7A priority Critical patent/CN112712289B/zh
Publication of CN112712289A publication Critical patent/CN112712289A/zh
Application granted granted Critical
Publication of CN112712289B publication Critical patent/CN112712289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Feedback Control In General (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提供了一种基于时间信息熵的自适应方法，包括如下步骤：步骤1：扰动单元的工件输出滞后时，监测单元通过传感器获取实时的数据；步骤2：计算滞后时间，将滞后时间传送给自适应算法单元进行处理；步骤3：自适应算法单元通过优化时间信息熵生成加速的自适应单元编号和加速的时间，并将信息传送给自适应单元；步骤4：自适应单元收到信息并执行生产任务，确保产品稳定输出单元稳定输出产品。本发明提供的一种基于时间信息熵的自适应方法、系统及介质使单个产品完成时间稳定，从而使批量生产时间精确稳定，且速度快，精度高。

Description

基于时间信息熵的自适应方法、系统及介质
技术领域
本发明涉及智能制造的技术领域，具体地，涉及基于时间信息熵的自适应模块、方法、系统及介质。
背景技术
由于人们在加工制造产品时，难以像机器人那样精准的把控每件产品的加工时间，在实际生产中，如何分配各个工作站的生产时间成为生产组织的一个大问题，已经有很多学者进行了深入的研究，学界一般用生产线的平衡率来描述数学表达式，导致实际生产中的问题无法解决。在物联网硬件的基础之上，通过引入最小化信息熵，使系统具备自适应能力，很好地解决了生产线时间波动的问题。
熵是对制造系统状态的一种定量化描述，它表征着制造系统状态的有序程度。在制造系统演化过程中，对于每一个时刻，都存在一个系统状态与之对应。我国学者师汉民教授建立了制造系统的热力学熵的概念，从而证明了制造系统演化过程的熵标志具有“时间之矢”的特性,根据这条思路，提出量度制造系统自适应的信息熵概念。制造系统的每个工序的实际加工时间可能绕着该工序的节拍时间上下波动，这会造成整个生产线的紊乱，这种紊乱程度可以用时间信息熵来描述，所有工序的时间信息熵之和代表整个生产线的稳定性。系统自适应的过程就是时间信息熵最小化的过程。
熵的绝对值越低，则制造系统向外界输出的时间波动信息就愈少，从而系统的稳定程度就愈高，经济效率也越高。在一个由多个工序组成的制造系统中，如果将物联网和自适应功能联合使用，就可以在前期工序时间波动的伊始通知后续工序，通过调节后续工序的运行参数来抑制波动的传导，这种抑制能够使系统全局的熵值不再增加，即在已有时间信息熵产生的情况下，使全局的时间信息熵最小。
针对上述中的相关技术，发明人认为在制造系统生产产品时存在有时间波动而导致影响产量的稳定性的问题，因此，需要提出一种技术方案以改善上述技术问题。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于时间信息熵的自适应方法、系统及介质。
根据本发明提供的一种基于时间信息熵的自适应方法，包括如下步骤：
步骤1：扰动单元的工件输出滞后时，监测单元通过传感器获取实时的数据；
步骤2：计算滞后时间，将滞后时间传送给自适应算法单元进行处理；
步骤3：自适应算法单元通过优化时间信息熵生成加速的自适应单元编号和加速的时间，并将信息传送给自适应单元；
步骤4：自适应单元收到信息并执行生产任务，确保产品稳定输出单元稳定输出产品。
优选地，所述扰动单元的输出端分别与自适应单元和监测单元的输入端相连接，所述监测单元的输出端与自适应算法单元的输入端相连接，所述自适应算法单元的输出端与自适应单元的输入端相连接并输入信息，所述自适应单元的输出端与产品稳定输出单元的输入端相连接。
优选地，所述扰动单元为时间波动不可控的人工生产单元；所述自适应单元为时间可自动控制的机器人生产单元；所述监测单元为物联网平台监测传感器数据；所述自适应算法单元为数据提供处理算法以及为自适应单元提供运行参数。
本发明还提供一种基于时间信息熵的自适应系统，包括如下模块：
模块M1：扰动单元的工件输出滞后时，监测单元通过传感器获取实时的数据；
模块M2：计算滞后时间，将滞后时间传送给自适应算法单元进行处理；
模块M3：自适应算法单元通过优化时间信息熵生成加速的自适应单元编号和加速的时间，并将信息传送给自适应单元；
模块M4：自适应单元收到信息并执行生产任务，确保产品稳定输出单元稳定输出产品。
优选地，所述扰动单元的输出端分别与自适应单元和监测单元的输入端相连接，所述监测单元的输出端与自适应算法单元的输入端相连接，所述自适应算法单元的输出端与自适应单元的输入端相连接并输入信息，所述自适应单元的输出端与产品稳定输出单元的输入端相连接。
优选地，所述扰动单元为时间波动不可控的人工生产单元；所述自适应单元为时间可自动控制的机器人生产单元；所述监测单元为物联网平台监测传感器数据；所述自适应算法单元为数据提供处理算法以及为自适应单元提供运行参数。
本发明还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现上述中的方法的步骤。
与现有技术相比，本发明具有如下的有益效果：
1.本发明使单个产品完成时间稳定，从而使批量生产时间精确稳定；
2.本发明速度快，精度高；
3.本发明以时间信息熵为纲来表达生产线的时间波动情况；
4.本发明以混沌粒子群优化算法为自适应算法，来优化生产线的工作参数以达到稳定生产线的目的；
5.本发明采用自适应单元和扰动单元配套从而使生产线具备自适应调节的能力。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的整体框图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供的一种基于时间信息熵的自适应方法、系统及介质主要有五部分别为扰动单元，自适应单元，监测单元，自适应算法单元以及最后的产品稳定输出。
扰动单元一般为时间波动不可控的人工生产单元；自适应单元为时间可自动控制的机器人生产单元；监测单元为物联网平台包括各种传感器；自适应算法单元为数据提供处理算法以及为自适应单元提供运行参数；自适应算法采用混沌粒子群优化算法，速度快，精度高。
参照图1，扰动单元和自适应单元处于统一生产线中，当扰动单元的工件输出有滞后时，监测单元通过传感器获取实时的数据，并计算滞后时间，将其传送给自适应算法单元处理，自适应算法单元通过优化时间信息熵来生成需要加速的自适应单元编号和需要加速的时间，并将信息传送给相应的自适应单元，相应的自适应单元按照收到的信息执行生产任务，最终确保稳定输出产品；各个单元真实时间和设计时间进行信息熵运算并相加优化求最小值，当信息熵取最小值时，便可得出各自适应单元的加速时间。
与本方法对应的系统包括四部分：扰动单元，自适应单元，监测单元，自适应算法单元。
本发明还提供一种基于时间信息熵的自适应系统，包括如下模块：模块M1：扰动单元的工件输出滞后时，监测单元通过传感器获取实时的数据；模块M2：计算滞后时间，将滞后时间传送给自适应算法单元进行处理；模块M3：自适应算法单元通过优化时间信息熵生成加速的自适应单元编号和加速的时间，并将信息传送给自适应单元；模块M4：自适应单元收到信息并执行生产任务，确保产品稳定输出单元稳定输出产品。
扰动单元的输出端分别与自适应单元和监测单元的输入端相连接，监测单元的输出端与自适应算法单元的输入端相连接，自适应算法单元的输出端与自适应单元的输入端相连接并输入信息，自适应单元的输出端与产品稳定输出单元的输入端相连接。
扰动单元为时间波动不可控的人工生产单元；自适应单元为时间可自动控制的机器人生产单元；监测单元为物联网平台监测传感器数据；自适应算法单元为数据提供处理算法以及为自适应单元提供运行参数。
本发明还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被处理器执行时实现上述中的方法的步骤。
本发明提供的一种基于时间信息熵的自适应方法、系统及介质使单个产品完成时间稳定，从而使批量生产时间精确稳定，且速度快，精度高。
本发明以时间信息熵为纲来表达生产线的时间波动情况；以混沌粒子群优化算法为自适应算法，来优化生产线的工作参数以达到稳定生产线的目的；采用自适应单元和扰动单元配套从而使生产线具备自适应调节的能力。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (7)

1.一种基于时间信息熵的自适应方法，其特征在于，包括如下步骤：
步骤1：扰动单元的工件输出滞后时，监测单元通过传感器获取实时的数据；
步骤2：计算滞后时间，将滞后时间传送给自适应算法单元进行处理；
步骤3：自适应算法单元通过优化时间信息熵生成加速的自适应单元编号和加速的时间，并将信息传送给自适应单元；
步骤4：自适应单元收到信息并执行生产任务，确保产品稳定输出单元稳定输出产品；
扰动单元和自适应单元处于统一生产线中，当扰动单元的工件输出有滞后时，监测单元通过传感器获取实时的数据，并计算滞后时间，将其传送给自适应算法单元处理，自适应算法单元通过优化时间信息熵来生成需要加速的自适应单元编号和需要加速的时间，并将信息传送给相应的自适应单元，相应的自适应单元按照收到的信息执行生产任务；各个单元真实时间和设计时间进行信息熵运算并相加优化求最小值，当信息熵取最小值时，得出各自适应单元的加速时间。
2.根据权利要求1所述的一种基于时间信息熵的自适应方法，其特征在于，所述扰动单元的输出端分别与自适应单元和监测单元的输入端相连接，所述监测单元的输出端与自适应算法单元的输入端相连接，所述自适应算法单元的输出端与自适应单元的输入端相连接并输入信息，所述自适应单元的输出端与产品稳定输出单元的输入端相连接。
3.根据权利要求1所述的一种基于时间信息熵的自适应方法，其特征在于，所述扰动单元为时间波动不可控的人工生产单元；所述自适应单元为时间可自动控制的机器人生产单元；所述监测单元为物联网平台监测传感器数据；所述自适应算法单元为数据提供处理算法以及为自适应单元提供运行参数。
4.一种基于时间信息熵的自适应系统，其特征在于，包括如下模块：
模块M1：扰动单元的工件输出滞后时，监测单元通过传感器获取实时的数据；
模块M2：计算滞后时间，将滞后时间传送给自适应算法单元进行处理；
模块M3：自适应算法单元通过优化时间信息熵生成加速的自适应单元编号和加速的时间，并将信息传送给自适应单元；
模块M4：自适应单元收到信息并执行生产任务，确保产品稳定输出单元稳定输出产品；
扰动单元和自适应单元处于统一生产线中，当扰动单元的工件输出有滞后时，监测单元通过传感器获取实时的数据，并计算滞后时间，将其传送给自适应算法单元处理，自适应算法单元通过优化时间信息熵来生成需要加速的自适应单元编号和需要加速的时间，并将信息传送给相应的自适应单元，相应的自适应单元按照收到的信息执行生产任务；各个单元真实时间和设计时间进行信息熵运算并相加优化求最小值，当信息熵取最小值时，得出各自适应单元的加速时间。
5.根据权利要求4所述的一种基于时间信息熵的自适应系统，其特征在于，所述扰动单元的输出端分别与自适应单元和监测单元的输入端相连接，所述监测单元的输出端与自适应算法单元的输入端相连接，所述自适应算法单元的输出端与自适应单元的输入端相连接并输入信息，所述自适应单元的输出端与产品稳定输出单元的输入端相连接。
6.根据权利要求4所述的一种基于时间信息熵的自适应系统，其特征在于，所述扰动单元为时间波动不可控的人工生产单元；所述自适应单元为时间可自动控制的机器人生产单元；所述监测单元为物联网平台监测传感器数据；所述自适应算法单元为数据提供处理算法以及为自适应单元提供运行参数。
7.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求1-3中任一项所述的方法的步骤。
CN202110063231.7A 2021-01-18 2021-01-18 基于时间信息熵的自适应方法、系统及介质 Active CN112712289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110063231.7A CN112712289B (zh) 2021-01-18 2021-01-18 基于时间信息熵的自适应方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110063231.7A CN112712289B (zh) 2021-01-18 2021-01-18 基于时间信息熵的自适应方法、系统及介质

Publications (2)

Publication Number Publication Date
CN112712289A CN112712289A (zh) 2021-04-27
CN112712289B true CN112712289B (zh) 2022-11-22

Family

ID=75549286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110063231.7A Active CN112712289B (zh) 2021-01-18 2021-01-18 基于时间信息熵的自适应方法、系统及介质

Country Status (1)

Country Link
CN (1) CN112712289B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550751A (zh) * 2015-12-15 2016-05-04 重庆大学 利用优先级策略混合遗传算法的炼钢连铸生产调度方法
CN108564279A (zh) * 2018-04-12 2018-09-21 同济大学 一种考虑认知的生产线手工工位人因复杂性测度方法
CN109902954A (zh) * 2019-02-27 2019-06-18 浙江工业大学 一种基于工业大数据的柔性作业车间动态调度方法
CN111353690A (zh) * 2020-02-18 2020-06-30 广东工业大学 一种区块链使能的生产调度边缘计算方法
CN111461555A (zh) * 2020-04-02 2020-07-28 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 一种生产线质量监测方法、装置及系统
CN111626532A (zh) * 2019-02-28 2020-09-04 湖南师范大学 一种基于大数据规则自学习的炼钢生产计划智能排程方法
CN112152221A (zh) * 2020-09-16 2020-12-29 天津大学 一种适用于信息不确定系统的负荷频率控制装置及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542396A (zh) * 2010-12-27 2012-07-04 软控股份有限公司 轮胎硫化生产控制系统与作业调整方法
CN111915139B (zh) * 2020-07-04 2023-11-14 广东科龙模具有限公司 推移式高效高准确性的智能生产排程算法及信息记录介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550751A (zh) * 2015-12-15 2016-05-04 重庆大学 利用优先级策略混合遗传算法的炼钢连铸生产调度方法
CN108564279A (zh) * 2018-04-12 2018-09-21 同济大学 一种考虑认知的生产线手工工位人因复杂性测度方法
CN109902954A (zh) * 2019-02-27 2019-06-18 浙江工业大学 一种基于工业大数据的柔性作业车间动态调度方法
CN111626532A (zh) * 2019-02-28 2020-09-04 湖南师范大学 一种基于大数据规则自学习的炼钢生产计划智能排程方法
CN111353690A (zh) * 2020-02-18 2020-06-30 广东工业大学 一种区块链使能的生产调度边缘计算方法
CN111461555A (zh) * 2020-04-02 2020-07-28 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 一种生产线质量监测方法、装置及系统
CN112152221A (zh) * 2020-09-16 2020-12-29 天津大学 一种适用于信息不确定系统的负荷频率控制装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于信息熵的制造系统复杂性测度及其在调度中的应用;饶运清;《机械工程学报》;20060731;第11-12页 *

Also Published As

Publication number Publication date
CN112712289A (zh) 2021-04-27

Similar Documents

Publication Publication Date Title
US9964931B2 (en) Numerical controller with machining condition adjustment function which reduces chatter or tool wear/breakage occurrence
US10365640B2 (en) Controlling multi-stage manufacturing process based on internet of things (IoT) sensors and cognitive rule induction
EP2728425B1 (en) Online integration of model-based optimization and model-less control
US11119455B2 (en) Control system database systems and methods
CN107894716A (zh) 温度控制方法
Latosiński Sliding mode control based on the reaching law approach—A brief survey
Valencia-Palomo et al. Novel programmable logic controller implementation of a predictive controller based on Laguerre functions and multiparametric solutions
US9448546B2 (en) Deterministic optimization based control system and method for linear and non-linear systems
Valencia-Palomo et al. Using Laguerre functions to improve efficiency of multi-parametric predictive control
US20210318661A1 (en) Process controller and method and system therefor
CN112712289B (zh) 基于时间信息熵的自适应方法、系统及介质
Riansyah et al. Applying fuzzy proportional integral derivative on internet of things for figs greenhouse
CN105843078B (zh) 滑模控制方法及装置
EP2913724B1 (en) PLC with a finite horizon optimization control program
Alagoz et al. Adaptive control of nonlinear TRMS model by using gradient descent optimizers
Paprocka et al. Pareto optimality of production schedules in the stage of populations selection of the MOIA immune algorithm
US9684288B2 (en) Motion control systems with improved energy efficiency
Narendra The maturing of adaptive control
CN115562038B (zh) 一种反馈控制系统变化的预警方法、装置、设备及介质
CN115598985B (zh) 一种反馈控制器的训练方法、装置、电子设备及介质
CN115009278B (zh) 一种巡航控制方法、装置、设备及存储介质
Kızmaz et al. Proportional-Integral Control Analysis of Energy Resource System
Ferrari et al. Special issue on approximate dynamic programming and reinforcement learning
CN110187638A (zh) 一种大时滞模糊控制方法
CN115598967B (zh) 参数整定模型训练、参数确定方法、装置、设备及介质

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