多工序CSPS系統(tǒng)基于柔性站點的分層優(yōu)化控制研究.pdf

1、在現(xiàn)實世界的一些生產(chǎn)制造企業(yè)中，存在一類由生產(chǎn)加工站作為加工主體的生產(chǎn)線，其中，加工站由傳送帶輸送工件進行加工，這類系統(tǒng)稱為傳送帶給料加工站(CSPS)。在多工序CSPS系統(tǒng)中，生產(chǎn)線有多道工序，每道工序由多個一般站點組成，而相鄰的上游工序和下游工序之間通常設置一個柔性站點，用于在上下游工序之間進行切換，調(diào)節(jié)各個工序作業(yè)負載，提高系統(tǒng)的生產(chǎn)率。在多工序CSPS系統(tǒng)的優(yōu)化控制問題中，一般站點始終在工序內(nèi)部進行Look-ahead的協(xié)同控制

2、，而柔性站點的決策控制分為兩層，即上層的工序切換決策和下層的Look-ahead控制決策。多工序CSPS系統(tǒng)的優(yōu)化目標是選擇合理的上層切換控制策略以及下層的Look-ahead控制策略，使得整個系統(tǒng)在無窮時段內(nèi)處理率最大。
　　首先，針對柔性站點的上層切換控制中狀態(tài)空間較大的特點，引入小腦模型關節(jié)控制器(CMAC)神經(jīng)網(wǎng)絡來逼近表示狀態(tài)-行動值，并提出了一種適用于平均或折扣性能準則的統(tǒng)一神經(jīng)元動態(tài)規(guī)劃算法，以解決不同工序間的協(xié)作問

3、題。其次，針對下層的Look-ahead協(xié)同控制問題，給出了一種基于局域信息交互的多Agent學習算法，以解決每道工序內(nèi)部的站點協(xié)作問題。仿真實驗結果表明論文提出的基于CMAC網(wǎng)絡的分層協(xié)同優(yōu)化控制機制具有存儲空間小、優(yōu)化精度高和優(yōu)化速度快的優(yōu)勢。
　　另外由于上層狀態(tài)變量由多個元素組成，狀態(tài)空間十分復雜，從而導致系統(tǒng)遭遇“維數(shù)災”問題。因此本文首先通過狀態(tài)聚類方法，減小狀態(tài)空間，然后引入RBF神經(jīng)網(wǎng)絡來逼近表示狀態(tài)-行動值，以解