一、A Relation-Based Modeling Method for Workshop Reconfiguration（论文文献综述）
付超,薛旻,占倩珊,丁晓艺,侯冰冰,吴子健[1]（2021）在《基于HCPS的智能制造可重构性研究：发展现状和趋势展望》文中认为【目的/意义】基于人–信息–物理系统（HCPS）的智能制造方法研究是推动以智能制造为核心的先进制造业发展和变革的重要基础理论。因此,围绕基于HCPS的智能制造可重构性开展回顾性综述分析,为丰富基于HCPS的智能制造方法体系具有重要的理论意义。【设计/方法】在系统性剖析相关基础理论和研究现状的基础上,明确指出了基于HCPS的智能制造可重构性发展趋势和研究展望。【结论/发现】围绕机床可重构性、生产线可重构性和智能车间可重构性,当前已积累了较为丰富的研究成果,但是对于智能工厂可重构性的研究尚处于起步阶段。基于上述发现,深入分析并提出了智能制造可重构方法体系、基于HCPS的智能工厂可重构性和面向工业互联网的智能制造可重构性的相关研究展望,推动了智能制造可重构性的理论研究及其在未来智能工厂中的应用发展。
宋思蒙,蒋增强,马靖,王强,赵志彪[2]（2021）在《基于数字孪生的模块化生产系统运行机制及重构方法》文中提出作为实现企业柔性生产的一种重要方式,重构对响应日益增强的个性化市场需求具有重要作用。针对模块化智能特性下生产系统的快速重构需求,围绕数字孪生驱动的模块化生产系统（DT-MPS）的架构及运行机制展开研究;在此基础上提出一种面向DT-MPS的重构方法,并重点围绕DT-MPS的建模方法和重构机制展开研究。以某企业模块化生产车间为例,对所提方法进行案例分析与验证,为探索数字孪生在模块化生产系统快速重构方面的应用进行了尝试。
曾广再[3]（2020）在《工业大数据环境下基于隐马尔可夫链的设备行为识别研究》文中研究指明随着企业规模的增长,自动化程度的提升,管理者的管理范围越来越大,决策越来越复杂,需要快速掌握车间现场的设备状态和操作行为,管理者亲临现场了解情况的传统方法效率低下、行为和状态不可追溯。随着工业互联网的发展,设备运行数据得以实时感知,为管理人员自动获取设备状态和操作行为提供了基础。本文的目的就是要基于实时感知的设备运行数据进行分析处理,识别出潜藏在数据后面的设备状态和操作行为,自动反馈给管理者作为决策参考,促进生产的透明化管控。本文的主要工作内容有:（1）对获得的设备运行数据进行异常值处理,采用基本统计指标分析、具有自适应噪声的完全集合经验模态分解与重构、和隐马尔可夫链的最大似然概率对数值的方法进行特征提取。从提取到的特征中选择出最优特征,分别采用独立各个最优特征和组合各个最优特征两种方法来评估隐马尔可夫链设备行为识别模型的效果,选择最优模型结果作为最终的设备行为。并通过与K-means、agglomerative clustering、DBSCAN以及GMM这4种常用的无监督学习模型,进行运行时间、设备行为识别的准确率和召回率对比,突出隐马尔可夫链设备行为识别模型的优越性。（2）对设备行为识别的建模流程方法,以及隐马尔可夫链本身进行Map Reduce处理,并通过加速比和可扩展性这两个性能指标来评估效果。实验验证,经过Map Reduce处理后的设备行为识别建模流程方法和隐马尔可夫链可以有效地提高海量历史设备运行数据持续学习的效率和减少相应的处理时间。（3）在已有能源管理系统的基础上,增加隐马尔可夫链设备行为识别模型和隐马尔可夫链设备行为识别的Map Reduce并行模型这两个子模块,并完成相应设备行为识别的界面。
苑帅[4]（2020）在《面向服务的信息物理融合生产系统优化调度研究》文中认为随着科学技术的快速发展和市场需求的不断变化,制造业正面临着深刻的变革,以德国“工业4.0”为代表的新一轮工业革命正在各制造强国如火如荼地展开。本次变革通过将以信息物理融合系统（CPS）、物联网（Io T）和人工智能（AI）为代表的新一代信息通讯技术（ICT）与以3D打印为代表的新型加工制造技术与生产系统进行深度融合,逐渐推动生产系统向着智能化、服务化的方向发展,从而实现智能制造。面向服务的信息物理融合生产系统（So-CPPS）作为一种新型的智能制造模式,具有分布式和可重构等特征,与传统生产系统集中式优化调度相比,SoCPPS的生产调度模式具有显着的分散化增强型特征,能够更好的应对个性定制化市场的柔性生产需求。鉴于此,本文以So-CPPS系统为研究对象,对其分布式优化调度问题进行研究。首先,基于对So-CPPS系统的特征分析,利用多智能体建模方法构建了SoCPPS系统调度框架,并制定了相应的So-CPPS系统调度策略;并基于CPS技术、面向服务技术和Agent技术对生产系统中的生产任务和设备资源进行Agent模型设计。其次,本文对生产任务和设备资源进行服务化描述,分别构建了生产任务本体模型与设备资源本体模型,之后,基于本体语义模型设计生产任务和设备资源的匹配规则,为系统中的生产任务确定了合适的候选设备资源集。然后,设计了SoCPPS的全局优化调度算法,利用生物免疫机制对遗传算法进行改进,详细地描述的算法的执行流程,如编码、交叉、变异、免疫和选择等,并利用基准调度算例对算法的有效性进行测试。随后,设计So-CPPS的实时优化调度算法,在对传统合同网协商机制（CNP）分析的基础上,借助博弈论（GT）思想对其进行改进,从协商协议、协商过程和协商策略三个方面对其进行了详细描述。最后,利用AnyLogic建模仿真平台构建了基于多智能体的So-CPPS运行仿真模型,并对改进遗传算法和博弈协商机制进行了实现,通过仿真实验,验证了本文所提出的理论和方法的可行性和有效性。本文共包括图41幅,表14个,参考文献87篇。
陈宝通[5]（2020）在《面向个性化定制的智能生产线预防性维护研究》文中研究说明智能生产线通过物联感知和网络协同技术,实现信息物理深度融合。其特征是制造设备高度互联、制造数据深度集成与产线动态重构,以满足多品种、小批量、个性化定制产品的混流生产要求。个性化定制生产模式下,智能生产线对设备可靠性、运行稳定性与生产适应性等提出了更高要求,常规的被动运维模式已不能满足智能生产线的复杂运维需求。本文聚焦于智能生产线预防性维护的关键技术研究,以保证个性化定制生产线效率与设备利用率为前提,对设备的劣化状态进行早期评估,通过可重构预防性维护避免生产线意外停机造成的生产中断,旨在实现生产过程的自主感知、状态评估、自适应运行及负载均衡。本文的研究工作可以具体地概括为以下五点:（1）探讨了设备信息物理深度融合为基础的智能生产线预防性维护系统架构。在智能生产线设备信息传输方面,实现了基于OPC UA的信息传输,Machine to Machine通信,软件定义工业异构网络;在多源异构传感数据深度融合方面,提出了边缘计算使能的数据融合方法与边-云合作的数据融合机制。架构涵盖了基于心电机理的设备运行状态监测方法与深度的设备健康状况评估理论,实时反馈设备亟需的运维情况。为保障智能生产线稳定运行,提出了面向个性化定制生产线的可重构运维机制,以实现生产过程自适应管控的系统运维。（2）基于设备动作时长的细粒度划分,将设备作业状态下的节拍类比为人类的心脏跳动,以设备心电图（equipment electrocardiogram,EECG）的方式揭示设备的性能衰退过程。阐明了设备心电图的构建机理,涵盖工序的细粒度划分方法,时序周期的动态匹配方法,基线、公差、Hotspot等重要工作特征的确定方法。基于设备心电机理,分别提出了生产线节拍优化方法和设备性能衰退的在线监测方法。在智能生产线上对智能设备心电图的性能进行了测试,结果表明智能心电机理能够很好地支持智能设备心电图的实施,智能生产线设备心电（Automatic Production Line EECG,APL-EECG）系统能够实时监测设备作业状态,为设备的维护提供科学指导。（3）基于时间序列设备传感数据,提出了深度的设备性能预测方法。引入流行的机器学习框架—Tensor Flow,搭建了Tensor Flow使能的深度学习模型架构;利用Keras搭建了汽车装配生产线的小台车气缸可靠性分析的深度神经网络模型,并阐述了其中关键的实现技术;进一步地制定了气缸工作性能评估策略,预测准确率达到工业应用标准。研究发现在不完全观测丰富数据集的环境下,运用深度神经网络能够实现“弱关联”多源异构设备传感数据的分析。（4）基于领域本体的形式化语义模型,构建了面向预防性维护的可重构运维方法。首先,根据对智能生产线制造资源与生产过程的系统分析,利用领域本体方法构建生产线形式化语义模型,以一种语义网结构对生产线的制造资源进行抽象化与统一描述;其次,利用数据驱动的语义模型促进了生产线信息物理资源的动态融合,为生产线状态感知与自组织重构等提供基础模型,进一步构建了基于多智能系统的智能生产线自组织自适应运行机制;最后,面向预知的设备状态衰退与性能失衡,构建路径动态规划与任务切换的可重构方法,实现混流产线的不停机动态重构。（5）针对智能生产线设备集群自组织自适应作业过程中的负载不均衡现象,探究了基于边缘计算理念的智能生产线可重构运维方法,制定基于能量感知的负载均衡与调度（Energy-aware Load Balance and Scheduling,ELBS）策略。具体地,在边缘节点建立工作负载相关的能耗模型,相应地确立以作业集群负载均衡为目标的优化函数;利用改进的粒子群算法求得优化解,对任务相关的作业集群进行任务优先级排序;采用Multi-agent系统对车间作业集群进行分布式的优化调度。结果表明,在多批量个性化定制糖果的包装产线上,在考虑能耗和工作负载的情况下,该策略实现了混流生产作业机器人的负载均衡和优化运行。综上所述,以底层信息交互为基础,提出了由单机设备到集群设备的自下而上的可重构运维方法,实现了涵盖产线自主感知、状态监测、预防维护与负载均衡等的关键运维技术,为个性化定制生产线的预防性维护关键点提供技术支撑与理论依据。
侯天晨[6]（2020）在《生产线布局与运行效果的仿真研究》文中指出德国提出“工业4.0”开启了新一代工业革命的序幕。为提高我国的工业国际竞争力,我国提出了“中国制造2025”计划,提出了工业生产的关键环节“智能制造工程”。但是目前我国大多数企业在工业制造环节中,对于车间和生产线的布局,还处于粗放式、经验式阶段,生产制造过程中存在较大的时间代价和资源代价,车间及生产线迫切需要升级。针对目前大多数制造企业的车间及生产线存在的问题,本文以长春某罐装设备有限公司为例,以其工业生产车间和生产线为研究对象,对车间的布局优化、生产线的调度和设计进行研究,并开发了仿真软件以仿真设计效果,主要内容如下:（1）车间布局优化:通过对车间物流和设备条件的分析,建立车间内设备布局的数学模型;考虑到车间布局一系列物理约束,基于车间内物流费用最小原则设计带有惩罚因子的适应度函数,并对物流距离矩阵的选择做讨论分析;提出基于可拓学的粒子群算法（Extenics-based Particle Swarm Optimization,EPSO）,将可拓学和Tent映射引入粒子群,利用可拓学的评价功能优化粒子的选取以增加算法收敛能力,利用Tent映射的混沌性增加算法的全局搜索能力。通过仿真实验,将所提出算法与标准粒子群算法对比分析,验证所提出算法的有效性;最后给出求解结果,为长春某罐装设备有限公司规划物流最优的车间布局方案。（2）生产线调度和设计:针对柔性车间的调度问题（Flexible Job Shop Problem,FJSP）,根据生产订单和工艺要求规划设计生产线的形式。设计基于退火原理的混合优化遗传算法（Simulated Annealing Genetic Algorith,SAGA）,采用基于加工工序和基于加工机器的双编码方式,设计对应的合法交叉、变异操作,通过SAGA算法求解最大加工时间最短的调度方案。最后根据求解的加工调度顺序,确定设备在空间上的连接,给出长春某罐装设备有限公司生产线的重构设计方案。（3）生产仿真系统:仿真求解出生产线,其形式终究只是数据的呈现,对工业生产来说不够直观。因此开发生产线仿真软件,对设计结果进行三维动画仿真。首先选择开发工具:选择VC开发环境,结合OpenGL搭建虚拟仿真平台;分析软件系统结构,设计软件架构;以软件功能为脉络完成开发过程。最后给出仿真系统,将设计的生产线、规划的加工调度方案录入所开发的仿真软件,通过动态三维动画,直观的仿真出生产线的加工效果。
刘建康[7]（2020）在《面向集群部署的微服务架构数控系统研究》文中研究说明智能数控机床可以在保证加工精度、提高机床加工效率的基础上,减少人工操作干预、降低对操作人员的专业能力需求,是实现智能车间、无人工厂的必要条件,为解决人口老龄化加剧、高级技能人才不足等社会问题提供了有效途径。当前,主流市场上的数控系统仍然采用封闭式体系结构,因多源信息接入能力差而导致不能生成有效的智能决策,在制造系统中只能充当一个被动执行的角色,越来越不能满足柔性化、敏捷化、定制化的生产需求。因此,本文以实现智能数控加工车间为目标,设计开发了基于微服务架构的开放式数控系统。采用边缘计算的思想,在车间层部署云计算平台,满足万物互联背景下车间工业大数据低时延传输和处理需求,为车间智能化提供大规模并行计算能力。在此基础上,基于控制系统即服务（Control System as a Service,CSaa S）的理念,将车间内的设备控制系统集成在边缘云计算平台中,形成一个车间集群控制系统方案。继而面向车间集群控制系统提出了基于微服务架构的开放式数控系统体系结构,构建了基于微服务架构的数控系统设计技术框架。采用领域驱动设计思想,将数控系统拆分为一系列松散耦合、独立部署的微服务,并利用着色Petri网对数控系统微服务架构进行形式化建模和仿真,验证了系统架构的可行性。微服务是微服务架构数控系统的基本构成单元,开发工作也以微服务为单位实现团队分工。为了协调不同团队的开发工作,提出了基于消费者驱动契约的数控微服务开发模式,制订了具有标准语义的微服务接口契约,并建立了基于IEC 61499功能块的数控微服务层次结构模型。基于上述微服务接口契约和结构模型,分别开发实现了四个基础数控微服务:NCK微服务、Gcode微服务、RTE微服务和HMI微服务。为了在集群环境中保证数控系统实时性需求,对数控系统任务进行了类型划分,并制定了多核处理器分组调度策略。针对数控系统中具有生产者/消费者关系的数据流任务提出了反馈调度策略,通过实时监测缓存数据消耗速度,调整生产者任务的执行周期,使缓存中数据余量保持动态平衡,避免数据断流现象。针对数控系统硬实时任务,研究了任务可调度性、执行周期、延迟对控制系统稳定性和控制质量的影响。为保证分配到同一组CPU核心上的实时任务的可调度性,提出了基于响应时间的实时任务周期分配方法和基于处理器利用率的启发式周期优化方法。提出了基于容器技术的微服务架构数控系统可重构配置策略,为智能功能的灵活扩展奠定了基础。车间集群控制系统运行在一个工业服务器集群中,本文将集群节点划分为数控节点、数据节点和Web服务节点等,分别实现设备控制、大数据处理、Web服务等功能。微服务架构数控系统基于Kafka、Docker、Kubernetes等技术部署在数控节点中,并通过Ether CAT等实时以太网控制数控机床等设备。采用万兆数据网络、千兆管理网络、实时以太网、车间无线网络共同构成了车间集群控制系统网络,并对车间内的实时以太网拓扑结构和可靠性与容错技术进行了研究。最后采用一台工业服务器和两台数控机床搭建了微服务架构数控系统实验平台,并进行了相关性能测试和加工实验,验证了整体系统方案的可行性。
张辰源[8]（2020）在《工业机器人数字孪生制造系统可重构建模研究》文中提出数字孪生是实现制造系统信息物理融合的重要技术途径,基于数字孪生的制造系统是智慧制造的典型代表,具有多种重要用途,例如产品全生命周期管理、制造过程管控、可视化交互、生产预测和健康管理等。然而,由于数字孪生制造系统的高度复杂性,导致开发或重构数字孪生制造系统工序繁琐、工作量巨大,这将会产生大量时间成本和人力成本,如果制造系统中大量使用工业机器人这类制造能力多样但编程不灵活的制造装备,上述成本问题将更加明显。同时,对于现代制造系统,面向柔性制造的系统可重构需求也同样亟待满足。针对上述问题,本文以数字孪生制造系统为研究对象,针对工业机器人制造系统多级重构的问题,重点研究数字孪生制造系统可重构建模方法,主要的研究工作如下:（1）工业机器人数字孪生制造系统可重构建模机制研究。基于制造系统的运行数据和设备参数,构建面向重构任务的虚拟孪生体五维模型,并提出由五维融合模型驱动的可重构数字孪生制造系统架构。通过分析制造系统重构问题,提出两种数字孪生制造系统重构策略,并构建表征虚拟孪生体间依赖知识的依赖树模型,为数字孪生制造系统的重构决策提供知识基础。面向数字孪生制造系统服务可重构的需求,提出统一规范的服务功能块,为数字孪生制造系统提供可重构、可复用的动态服务。（2）基于多智能体深度学习的数字孪生制造系统多级重构方法研究。面向工业机器人制造系统重构任务,研究系统布局拓扑模型,针对系统重构问题的多种粒度,分别提出单元级和系统级制造能力增强模型,为数字孪生制造系统多级重构算法提供模型基础。通过分析制造系统中各类虚拟孪生体的制造能力以及其之间的关联关系,基于深度学习网络构建数字孪生制造系统单元级服务重构模型,研究深度学习智能体生成模型,并提出基于多智能体深度学习的数字孪生制造系统服务重构算法,实现数字孪生制造系统的服务重构决策和优化。（3）设计并开发工业机器人可重构数字孪生制造原型系统。该系统包括虚拟孪生体控制模块、数据交互及模型更新模块、系统重构模块和人机交互接口模块。通过系统运行与实验验证,所提出的工业机器人数字孪生制造系统可重构建模方法能够有效支持数字孪生制造系统的正常运行和重构算法的执行,以及提出的基于多智能体深度学习的数字孪生制造系统多级重构算法可以实现有效的制造系统重构决策与优化,大量减少了工业机器人数字孪生制造系统重构的时间成本和人力成本。
王亚良[9]（2019）在《大型混合作业车间布局自适应建模与协同优化》文中认为随着产业升级、整合和集群的持续推进,制造系统日趋复杂。高效企业物流系统已成为现代制造业构成的关键要素之一。企业希望通过新厂房布局优化设计和老厂房布局调整解决原有车间布局不合理、物流迂回、在制品多、浪费严重、调度混乱等问题。本文针对一类离散作业、流水作业和特殊作业等多种作业单元共存的混合制造模式,研究了大型混合作业车间布局新问题。如何有效进行一类典型的大型混合制造作业车间布局设计与优化已成为目前国内制造业迫切需要解决的科学问题。布局问题实质就是一个多目标优化问题。现有的车间布局特别对大型混合作业车间布局问题在建模、求解及布局调度低熵协同优化等方面有待完善。本文旨在实现反映生产实际的大型混合作业车间布局自适应建模和低熵协同优化,为一类复杂作业车间布局多目标设计和持续改善提供有效的分析技术与工具。本文主要研究内容如下:（1）构建了大型混合作业车间布局数学模型。在分析大型混合作业车间原型特征基础上,为寻求最佳占空比、最少在制品数量、最低物流损耗和重构成本、最大化非物流关系、良好的柔性和可拓展性等,明确大型混合作业布局约束条件。融合脑模型连接控制器（CMAC）的任意多维非线性映射机理,解决了大型混合作业车间布局模型中部分子目标量纲不一致的问题;考虑车间布局问题的复杂性、动态性和不确定性,引入描述外部环境扰动因素的动态变量;实现大型混合作业车间动态布局的自适应建模。（2）提出了一种基于差分进化（DE）和元胞种群拓扑结构的两阶段动态差分智能细胞机算法（DDEACA）。通过对个体的邻居结构进行调整,实现进化种群由结构化种群过渡到非结构化种群的效果,较好地兼顾全局搜索和局部寻优之间的协同问题;同时对外部种群保留的对象进行调整及完全反馈,提高算法的收敛速度。将智能体机制引入细胞种群,采用两阶段的外部种群多样性维护方法,将扰动因子引入变异操作使其跳出局部最优困境。通过对DTLZ和WFG系列基准函数测试表明,新算法相对于其它四种典型算法能获得更好的Pareto前端和竞争性的收敛结果。（3）将构建的大型混合作业车间布局模型及DDEACA多目标优化算法应用于车间布局实例,实现了大型混合作业车间布局的多目标优化。实例计算与结果分析进一步验证了模型和算法的有效性。（4）在车间调度关键参数关联和布局脆弱性分析基础上,将同态变换求解思想引入车间布局调度的低熵协同优化问题并进行实例解析,实现制造系统的高效有序运作。
杜洁瑶[10]（2019）在《面向虚实融合的叶片车间设备布局及可视化研究》文中提出“中国制造2025”五项重大工程提出旨在重点领域建设智能工厂和数字化车间,促进虚拟世界与现实世界的交互与共融。随着智能制造战略的推进,生产设备的自动化、智能化、专业化程度日益提高,车间设备的布局规划和管理水平成为企业快速响应市场和产品竞争力的重要影响因素。船用汽轮机作为重大装备,其制造车间的智能化转型和设备的智能化管理需求日益凸显。目前多数企业仍采用固定低效的方式进行设备布局,缺乏数字化、透明化的设备管理方式,存在着布局柔性差、设备利用率低、质量问题难以追溯等问题,有必要应用智能化方法优化布局设计、革新设备管理方法。本文以某汽轮机厂叶片车间的关键设备为研究对象,为实现叶片车间的智能化转型开展了以下研究:首先,分析国内外设备布局方法、设备布局仿真技术、虚实融合技术应用和设备可视化管理等方面研究现状,研究叶片车间的设备布局方法及可视化管理方法,梳理现有问题并进行需求分析,比较设备布局的智能算法,分析虚实融合技术在智能车间的应用优势,设计面向虚实融合的叶片车间设备布局及可视化的总体框架。其次,通过对叶片车间设备布局的现状和需求分析,抽象问题,确定优化目标,建立适用于柔性布局的多目标动态布局模型,设计改进的遗传算法,利用MATLAB进行仿真验证。再次,基于智能算法提供的优化布局方案,应用3D Experience进行三维布局和仿真,验证算法的可行性,同时为面向虚实融合的设备可视化管理提供环境基础;结合虚实融合技术在智能车间的应用和实现方法,给出叶片车间的可视化管理方案。最后,基于Visual Studio 2013开发平台,应用C#语言、Microsoft SQL Sever2014和MATLAB等开发工具,设计并开发面向虚实融合的叶片车间设备管理系统,以某汽轮机厂的叶片车间关键设备为例进行了应用验证。综上,通过对面向虚实融合的车间设备布局和可视化管理的研究,实现适用于智能车间变批量生产需求的柔性设备布局和虚实映射的数据可视化,对提升设备管理水平、实现智能车间转型具有重要意义。
二、A Relation-Based Modeling Method for Workshop Reconfiguration（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、A Relation-Based Modeling Method for Workshop Reconfiguration（论文提纲范文）
（2）基于数字孪生的模块化生产系统运行机制及重构方法（论文提纲范文）
| 0 引言 |
| 1 基于数字孪生的模块化生产系统运行机制 |
| 1.1 数字孪生的系统总体架构 |
| (1)物理层 |
| (2)模型层 |
| (3)数据层 |
| (4)应用层 |
| 1.2 模型驱动的数字孪生可重构建模体系 |
| (1)智能体协商机制 |
| (2)行为模型 |
| (3)几何模型 |
| (4)物理模型 |
| (5)知识模型 |
| 1.3 可重构建模体系运行机制 |
| 2 基于数字孪生的重构方法 |
| 2.1 系统重构策略 |
| (1)模型驱动的系统设计重构功能 |
| (2)基于智能体协商的运行方案重构功能 |
| (3)重构方案仿真验证功能 |
| 2.2 基于智能体协商的系统重构机制 |
| 3 实例验证 |
| (1)搭建数字孪生车间 |
| 1)几何模型 |
| 2)行为模型 |
| 3)物理模型 |
| 4)知识规则模型 |
| 5)架构模型 |
| (2)基于多智能体协商的系统重构 |
| (3)生成重构方案 |
| 1)重构生产单元布局 |
| 2)重构控制架构 |
| 3)划分工艺路线 |
| 4)重构管控流程 |
| 5)重构服务关联 |
| (4)重构方案仿真 |
| (5)更新虚拟车间 |
| (6)更新物理车间 |
| (7)开启生产执行活动 |
| 4 结束语 |
（3）工业大数据环境下基于隐马尔可夫链的设备行为识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及目的 |
| 1.2 设备行为识别研究现状 |
| 1.2.1 各种方法的设备行为识别研究现状 |
| 1.2.2 基于隐马尔可夫链的设备行为识别研究现状 |
| 1.3 大数据在工业应用上的研究现状 |
| 1.4 论文组织结构 |
| 2 基本理论 |
| 2.1 隐马尔可夫链的基本理论 |
| 2.1.1 马尔可夫链 |
| 2.1.2 隐马尔可夫链 |
| 2.2 MapReduce的工作流程 |
| 2.3 本章小结 |
| 3 基于隐马尔可夫链的设备行为识别模型 |
| 3.1 设备行为识别的特征提取方法 |
| 3.1.1 基本的统计指标 |
| 3.1.2 具有自适应噪声的完全集合经验模态分解与重构 |
| 3.1.3 隐马尔可夫链的最大似然概率对数值 |
| 3.2 设备行为识别的建模流程 |
| 3.3 实验与分析 |
| 3.3.1 数据说明 |
| 3.3.2 选择最优特征 |
| 3.3.3 评估设备行为识别的效果 |
| 3.3.4 模型对比以及结果分析 |
| 3.4 本章小结 |
| 4 基于隐马尔可夫链设备行为识别的MapReduce并行模型 |
| 4.1 设备行为识别方法的MapReduce处理 |
| 4.2 基于隐马尔可夫链设备行为识别模型的MapReduce处理 |
| 4.2.1 设备运行数据处理方法的MapReduce处理 |
| 4.2.2 隐马尔可夫链的MapReduce处理 |
| 4.3 实验与分析 |
| 4.3.1 实验硬件、软件及数据集 |
| 4.3.2 隐马尔可夫链设备行为识别的MapReduce并行模型性能实验 |
| 4.4 本章小结 |
| 5 设备行为识别模块设计 |
| 5.1 模块设计的项目背景 |
| 5.2 设备行为识别模块的需求分析与框架设计 |
| 5.2.1 模块功能需求分析 |
| 5.2.2 模块结构框架设计 |
| 5.3 设备行为识别模块的功能开发 |
| 5.3.1 设备行为识别方法的子模块设计 |
| 5.3.2 模块开发环境 |
| 5.3.3 算法集成 |
| 5.4 Web运行界面 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 主要结论 |
| 6.2 对未来的研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间取得的研究成果 |
| 学位论文数据集表 |
（4）面向服务的信息物理融合生产系统优化调度研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 生产系统发展及So-CPPS相关研究 |
| 1.2.2 生产调度研究现状与发展趋势 |
| 1.3 研究目的与意义 |
| 1.4 课题主要来源 |
| 1.5 主要研究内容及整体架构 |
| 2 基于MAS的 SO-CPPS调度框架与策略 |
| 2.1 引言 |
| 2.2 SO-CPPS特征分析 |
| 2.3 生产调度问题建模 |
| 2.3.1 生产调度问题描述 |
| 2.3.2 生产调度问题数学模型 |
| 2.4 基于MAS的 SO-CPPS调度框架 |
| 2.5 基于MAS的 SO-CPPS调度策略 |
| 2.6 基于本体和CPS的 AGENT模型 |
| 2.6.1 设备资源Agent模型 |
| 2.6.2 生产任务Agent模型 |
| 2.7 本章小结 |
| 3 基于本体的SO-CPPS生产任务与设备资源匹配机制研究 |
| 3.1 引言 |
| 3.2 本体模型构建 |
| 3.2.1 设备资源本体模型构建 |
| 3.2.2 生产任务本体模型构建 |
| 3.3 基于本体的任务与资源匹配 |
| 3.3.1 功能需求匹配 |
| 3.3.2 技术需求匹配 |
| 3.4 实例验证 |
| 3.5 本章小结 |
| 4 基于改进遗传算法的SO-CPPS预调度 |
| 4.1 引言 |
| 4.2 算法流程设计 |
| 4.2.1 算法流程 |
| 4.2.2 算法初始化 |
| 4.2.3 产生初始种群 |
| 4.2.4 交叉操作 |
| 4.2.5 变异操作 |
| 4.2.6 免疫操作 |
| 4.2.7 适应度和浓度计算 |
| 4.2.8 种群选择 |
| 4.3 实例验证 |
| 4.4 本章小结 |
| 5 基于GCNP协商机制的SO-CPPS实时重调度 |
| 5.1 引言 |
| 5.2 基于CNP的协商机制分析 |
| 5.3 GCNP协商机制 |
| 5.3.1 GCNP协商协议 |
| 5.3.2 GCNP协商流程 |
| 5.3.3 GCNP协商策略 |
| 5.4 本章小结 |
| 6 仿真验证与分析 |
| 6.1 引言 |
| 6.2 仿真模型构建 |
| 6.2.1 仿真场景描述 |
| 6.2.2 仿真模型构建 |
| 6.2.3 仿真参数设置 |
| 6.3 仿真结果与分析 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 研究总结 |
| 7.2 工作展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）面向个性化定制的智能生产线预防性维护研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 设备状态监测与评估方法研究现状 |
| 1.2.2 面向可重构运维的系统模型研究现状 |
| 1.2.3 预防性维护的可重构方法研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文创新之处 |
| 1.5 本文组织结构 |
| 第二章 个性化定制生产线预防性维护的系统框架 |
| 2.1 引言 |
| 2.2 预防性维护的系统架构 |
| 2.3 智能生产线设备信息融合 |
| 2.3.1 基于工业异构网络的信息交互 |
| 2.3.2 多源异构传感数据深度融合 |
| 2.4 智能生产线设备状态评估机制 |
| 2.4.1 基于心电机理的设备状态监测 |
| 2.4.2 基于深度学习的设备状态评估 |
| 2.5 智能生产线的可重构运维策略 |
| 2.6 本章小结 |
| 第三章 智能生产线设备心电机理研究 |
| 3.1 引言 |
| 3.2 EECG系统架构 |
| 3.3 设备心电图实现机理 |
| 3.3.1 工序时长细粒度划分方法 |
| 3.3.2 时序周期匹配策略 |
| 3.3.3 重要工作特征的确定 |
| 3.4 基于EECG的设备性能监测方法 |
| 3.4.1 生产节拍提升 |
| 3.4.2 设备性能衰退在线监测 |
| 3.5 实验验证 |
| 3.5.1 实验场景 |
| 3.5.2 运行结果 |
| 3.5.3 结果讨论 |
| 3.6 本章小结 |
| 第四章 基于时序数据的设备性能预测方法研究 |
| 4.1 引言 |
| 4.2 设备性能预测的系统架构 |
| 4.3 设备性能预测机制 |
| 4.3.1 基于Tensor Flow的设备状态的多分类模型 |
| 4.3.2 模型构建关键实现技术 |
| 4.3.3 基于深度模型的设备性能评估 |
| 4.4 案例—小台车气缸状态预测 |
| 4.4.1 神经网络监测器 |
| 4.4.2 模型效果 |
| 4.4.3 模型评估 |
| 4.5 本章小结 |
| 第五章 面向预防性维护的可重构方法研究 |
| 5.1 引言 |
| 5.2 可重构运维的形式化语义模型架构 |
| 5.3 基于领域本体的形式化语义模型构建 |
| 5.3.1 领域本体知识库构建方法与建模技术 |
| 5.3.2 生产过程知识体系分析 |
| 5.3.3 语义知识库模型构建 |
| 5.4 可重构产线的数据与语义集成 |
| 5.4.1 关系型数据映射 |
| 5.4.2 语义模型更新 |
| 5.5 基于语义推理的可重构运维方法 |
| 5.5.1 Multi-agent的自组织协商机制 |
| 5.5.2 设备状态语义推理的可重构策略 |
| 5.5.3 负载均衡的可重构运维策略 |
| 5.6 基于语义推理的可重构运维应用案例 |
| 5.7 本章小结 |
| 第六章 个性化定制生产线的预防性维护平台验证 |
| 6.1 引言 |
| 6.2 原型平台概况 |
| 6.3 设备状态监测与评估平台验证 |
| 6.3.1 智能生产线设备心电图的实施效果 |
| 6.3.2 设备可靠性评估方法平台验证 |
| 6.4 智能生产线可重构运维验证实施 |
| 6.4.1 平台设置 |
| 6.4.2 性能衰退的可重构运维平台验证 |
| 6.4.3 负载均衡的可重构运维平台验证 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）生产线布局与运行效果的仿真研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车间布局问题研究现状 |
| 1.2.2 生产线调度及设计问题研究现状 |
| 1.2.3 工业仿真软件发展现状 |
| 1.3 本文主要内容及章节安排 |
| 1.3.1 项目来源 |
| 1.3.2 主要研究问题 |
| 1.3.3 章节安排 |
| 第2章 基于分级粒子群算法的车间布局重构 |
| 2.1 引言 |
| 2.2 可重构制造系统简述 |
| 2.2.1 可重构制造的定义 |
| 2.2.2 可重构制造的组成 |
| 2.3 车间布局问题 |
| 2.3.1 问题描述 |
| 2.3.2 数学模型 |
| 2.3.3 优化目标 |
| 2.4 可拓分级粒子群算法 |
| 2.4.1 标准粒子群算法 |
| 2.4.2 可拓分级粒子群算法 |
| 2.4.3 算法实现步骤 |
| 2.5 仿真与分析 |
| 2.5.1 优化布局仿真求解 |
| 2.5.2 算法对比分析 |
| 2.6 本章小结 |
| 第3章 生产线调度及重构设计 |
| 3.1 引言 |
| 3.2 生产线调度与重构设计 |
| 3.2.1 问题描述 |
| 3.2.2 数学模型及优化目标 |
| 3.3 标准遗传算法 |
| 3.4 模拟退火遗传算法设计 |
| 3.4.1 编码设计和初始化操作 |
| 3.4.2 适应度设计和选择操作 |
| 3.4.3 交叉操作和变异操作 |
| 3.4.4 解码操作 |
| 3.4.5 模拟退火遗传算法流程 |
| 3.5 仿真与分析 |
| 3.5.1 生产调度仿真求解 |
| 3.5.2 算法对比分析 |
| 3.6 本章小结 |
| 第4章 生产线仿真系统 |
| 4.1 引言 |
| 4.2 相关技术基础和开发工具 |
| 4.2.1 C++语言 |
| 4.2.2 Visual Studio开发工具 |
| 4.2.3 MFC框架技术 |
| 4.2.4 OpenGL技术 |
| 4.3 系统总体设计 |
| 4.3.1 系统分析和软件架构 |
| 4.3.2 系统功能设计 |
| 4.4 系统详细设计 |
| 4.4.1 软件登录和订单管理 |
| 4.4.2 生产线构造和参数管理 |
| 4.4.3 模型计算和性能分析 |
| 4.5 生产线仿真 |
| 4.6 本章小结 |
| 第5章 全文总结 |
| 5.1 工作总结 |
| 5.2 需要进一步研究的问题 |
| 参考文献 |
| 附录 |
| 作者简介及研究成果 |
| 致谢 |
（7）面向集群部署的微服务架构数控系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景 |
| 1.2 数控系统相关研究现状 |
| 1.2.1 开放式数控系统研究现状 |
| 1.2.2 智能化数控系统研究现状 |
| 1.2.3 数控系统软硬件结构研究现状 |
| 1.2.4 数控系统实时性研究现状 |
| 1.3 微服务架构及其在数控领域的应用 |
| 1.3.1 微服务架构和面向服务架构 |
| 1.3.2 微服务架构在数控系统中的应用 |
| 1.4 当前研究存在的问题 |
| 1.5 本文主要研究内容 |
| 第2章 面向车间集群控制的微服务架构数控系统设计 |
| 2.1 基于边缘计算的车间集群控制系统方案 |
| 2.1.1 面向智能车间场景的边缘计算架构 |
| 2.1.2 集散控制系统与集群控制系统 |
| 2.1.3 车间集群控制系统人机交互方式 |
| 2.2 面向集群控制的微服务架构数控系统设计技术框架 |
| 2.3 微服务架构数控系统结构设计 |
| 2.3.1 数控微服务划分策略 |
| 2.3.2 基于子领域的数控系统微服务划分 |
| 2.3.3 基于消息通信的分布式数控系统体系结构 |
| 2.4 基于Petri网的微服务架构形式化建模与验证 |
| 2.4.1 基于着色Petri网的形式化描述方法 |
| 2.4.2 基于着色Petri网的形式化建模与验证 |
| 2.5 本章小结 |
| 第3章 微服务架构数控系统开发关键技术研究 |
| 3.1 基于消费者驱动契约的数控微服务开发模式 |
| 3.1.1 基于消费者驱动契约的微服务开发流程 |
| 3.1.2 数控微服务接口契约制订 |
| 3.2 基于IEC61499功能块的数控微服务层次结构模型 |
| 3.3 NCK微服务开发关键技术 |
| 3.3.1 NCK微服务IEC61499 功能块开发 |
| 3.3.2 基于滑动窗口的前瞻速度规划方法 |
| 3.4 其他微服务开发关键技术 |
| 3.4.1 Gcode微服务 |
| 3.4.2 RTE微服务开发 |
| 3.4.3 HMI微服务和Web人机界面 |
| 3.4.4 其他智能功能微服务扩展策略 |
| 3.5 本章小结 |
| 第4章 微服务架构数控系统实时任务调度研究 |
| 4.1 微服务架构数控系统任务类型及调度策略 |
| 4.1.1 数控系统任务类型划分 |
| 4.1.2 多核处理器分组调度策略 |
| 4.2 数控系统数据流任务调度研究 |
| 4.2.1 数控系统数据流模型及反馈调度算法 |
| 4.2.2 反馈调度算法实验验证 |
| 4.3 数控系统硬实时任务调度研究 |
| 4.3.1 实时任务可调度性判据 |
| 4.3.2 可调度性对控制稳定性的影响 |
| 4.3.3 周期和延迟对控制质量的影响 |
| 4.4 实时任务调度参数选择和优化 |
| 4.4.1 基于响应时间的实时任务周期分配 |
| 4.4.2 启发式实时任务调度参数优化方法 |
| 4.4.3 启发式任务周期优化方法实验验证 |
| 4.5 本章小结 |
| 第5章 微服务架构数控系统集群部署与功能验证 |
| 5.1 微服务架构数控系统集群配置部署策略 |
| 5.2 车间集群控制系统运行环境搭建 |
| 5.2.1 集群节点划分及基础软件部署 |
| 5.2.2 车间集群控制系统网络结构 |
| 5.2.3 车间集群控制系统可靠性与容错技术 |
| 5.3 微服务架构数控系统集群配置部署 |
| 5.3.1 Kafka消息代理集群部署及应用配置 |
| 5.3.2 数控微服务Docker容器镜像构建 |
| 5.3.3 基于Kubernetes的数控微服务集群部署 |
| 5.3.4 Ether CAT容器配置部署 |
| 5.4 微服务架构数控系统实验测试 |
| 5.4.1 实验平台搭建 |
| 5.4.2 关键性能测试 |
| 5.4.3 智能颤振抑制微服务功能测试 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（8）工业机器人数字孪生制造系统可重构建模研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究的目的背景及意义 |
| 1.3 相关领域国内外研究现状 |
| 1.3.1 数字孪生研究现状 |
| 1.3.2 可重构制造系统研究现状 |
| 1.3.3 制造系统建模方法研究现状 |
| 1.3.4 现有研究中存在的问题和不足 |
| 1.4 本文的主要研究工作和组织结构 |
| 第2章 工业机器人数字孪生制造系统可重构建模机制研究 |
| 2.1 五维模型驱动的可重构数字孪生制造系统架构 |
| 2.1.1 物理层 |
| 2.1.2 模型层 |
| 2.1.3 服务层 |
| 2.1.4 数据层 |
| 2.2 虚拟孪生体五维融合模型 |
| 2.2.1 几何模型 |
| 2.2.2 物理模型 |
| 2.2.3 能力模型 |
| 2.2.4 行为模型 |
| 2.2.5 规则模型 |
| 2.3 可重构建模机制与制造系统模型重构策略 |
| 2.3.1 工业机器人数字孪生制造系统重构问题分析 |
| 2.3.2 数字孪生制造系统映射物理制造系统重构策略 |
| 2.3.3 数字孪生制造系统升级设计重构策略 |
| 2.3.4 数字孪生制造系统结构依赖知识模型 |
| 2.4 可重构数字孪生制造系统服务模型 |
| 2.4.1 服务功能块模型 |
| 2.4.2 执行控制图 |
| 2.5 本章小结 |
| 第3章 基于多智能体深度学习的数字孪生制造系统多级重构方法研究 |
| 3.1 数字孪生制造系统孪生体重构多级模型 |
| 3.1.1 数字孪生制造系统系统级布局拓扑模型 |
| 3.1.2 数字孪生制造系统单元级制造能力增强模型 |
| 3.1.3 数字孪生制造系统系统级制造能力增强模型 |
| 3.2 基于多智能体深度学习的数字孪生制造系统服务重构方法 |
| 3.2.1 基于深度学习的数字孪生制造系统单元级服务重构模型 |
| 3.2.2 基于专家知识的深度学习智能体生成模型 |
| 3.2.3 基于多智能体深度学习的数字孪生制造系统服务重构算法 |
| 3.3 仿真实验与结果分析 |
| 3.3.1 实验环境 |
| 3.3.2 结果分析 |
| 3.4 本章小结 |
| 第4章 工业机器人可重构数字孪生制造系统设计与实现 |
| 4.1 工业机器人可重构数字孪生制造系统总体设计 |
| 4.1.1 系统总体架构 |
| 4.1.2 系统开发及运行环境 |
| 4.1.3 系统开发关键技术 |
| 4.2 数据库设计 |
| 4.3 系统功能模块实现及运行分析 |
| 4.3.1 虚拟孪生体控制模块 |
| 4.3.2 数据交互及模型更新模块 |
| 4.3.3 系统重构模块 |
| 4.3.4 人机交互接口模块 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录一 研究生期间的研究成果 |
（9）大型混合作业车间布局自适应建模与协同优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景和意义 |
| 1.2 布局问题的实质与复杂性分析 |
| 1.3 制造系统车间特性概述 |
| 1.3.1 制造系统设备布置基本形式 |
| 1.3.2 设施布置问题 |
| 1.4 国内外研究现状分析 |
| 1.4.1 国外研究现状及发展动态分析 |
| 1.4.2 国内研究现状及发展动态分析 |
| 1.5 研究内容与体系结构 |
| 1.5.1 研究内容 |
| 1.5.2 基本框架 |
| 第二章 大型混合作业车间布局自适应模型构建 |
| 2.1 大型混合作业车间的基本特征 |
| 2.1.1 原型特征描述及动态约束表征 |
| 2.1.2 细胞机自演化抽象 |
| 2.1.3 智能细胞机的封装与扩展 |
| 2.1.4 大型混合作业车间动态布局分析 |
| 2.2 大型混合作业车间的多目标优化模型构建 |
| 2.3 偏好引导下的脑模型连接控制器(CMAC) |
| 2.4 大型混合作业车间多目标优化约束分析 |
| 2.5 作业单元间修正的曼哈顿距离 |
| 2.6 本章小结 |
| 第三章 动态差分智能细胞机多目标优化算法 |
| 3.1 CellDE算法 |
| 3.1.1 种群结构和邻居结构 |
| 3.1.2 CellDE算法原理 |
| 3.1.3 差分进化策略 |
| 3.2 动态差分智能细胞机算法(DDEACA) |
| 3.2.0 算法流程 |
| 3.2.1 算法步骤 |
| 3.2.2 第一阶段外部种群多样性维护 |
| 3.2.3 第一阶段外部种群完全反馈 |
| 3.2.4 外部种群和邻居结构变化 |
| 3.2.5 变异方式 |
| 3.2.6 混合进化代数分配 |
| 3.3 基准函数 |
| 3.4 性能评价指标 |
| 3.5 DDEACA算法性能测试 |
| 3.6 本章小结 |
| 第四章 基于DDEACA算法的大型混合作业车间布局多目标优化 |
| 4.1 企业基本情况 |
| 4.2 大型混合作业车间基本情况 |
| 4.3 实例模型基本假设及相关数据 |
| 4.3.1 问题假设 |
| 4.3.2 相关数据 |
| 4.3.3 约束条件 |
| 4.4 基于DDEACA的作业单元布局主要优化步骤 |
| 4.5 实例求解及结果分析 |
| 4.6 本章小结 |
| 第五章 面向低熵的大型混合作业车间布局协同优化 |
| 5.1 熵概念及低熵 |
| 5.1.1 熵概念 |
| 5.1.2 低熵概述 |
| 5.2 大型混合作业车间布局调度的低熵协同优化 |
| 5.2.1 车间调度 |
| 5.2.2 车间布局调度的关联性 |
| 5.2.3 车间布局调度的低熵协同优化模型构建 |
| 5.3 车间布局调度低熵协同优化问题的同态变换求解思想 |
| 5.4 车间布局调度的低熵协同优化实例 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读博士学位期间发表的学术论文 |
| 3 参与的科研项目及获奖情况 |
| 4 发明专利 |
| 学位论文数据集 |
（10）面向虚实融合的叶片车间设备布局及可视化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景与意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 国内外设备布局方法研究现状 |
| 1.2.2 国内外设备布局仿真技术研究现状 |
| 1.2.3 国内外虚实融合技术应用研究现状 |
| 1.2.4 国内外设备可视化管理研究现状 |
| 1.2.5 文献综述的简析 |
| 1.3 本文主要研究内容 |
| 第2章 面向虚实融合的叶片车间设备布局及可视化总体设计 |
| 2.1 面向虚实融合的叶片车间设备布局方法研究 |
| 2.1.1 叶片车间数据采集及现状分析 |
| 2.1.2 叶片车间设备布局方法 |
| 2.2 面向虚实融合的叶片车间设备可视化管理研究 |
| 2.2.1 叶片车间系统数据获取及现状分析 |
| 2.2.2 叶片车间设备可视化管理方法 |
| 2.3 本章小结 |
| 第3章 基于智能算法的叶片车间动态设备布局 |
| 3.1 基于改进的遗传算法的动态设备布局模型建立 |
| 3.1.1 问题的相关假设和参数设置 |
| 3.1.2 数学模型建立 |
| 3.2 多目标车间设备动态布局算法设计 |
| 3.2.1 编码操作 |
| 3.2.2 设备坐标计算 |
| 3.2.3 产生初始种群 |
| 3.2.4 适应度评估 |
| 3.2.5 选择操作 |
| 3.2.6 交叉与变异 |
| 3.2.7 算子设计 |
| 3.3 多目标车间设备动态布局算法实现 |
| 3.4 多目标车间设备动态布局算法验证 |
| 3.5 本章小结 |
| 第4章 面向虚实融合的叶片车间设备可视化 |
| 4.1 叶片车间虚拟现实模型的建立 |
| 4.2 叶片车间设备布局仿真及验证 |
| 4.3 面向虚实融合的叶片车间设备可视化管理方法 |
| 4.3.1 面向虚实融合的设备相关数据管理 |
| 4.3.2 面向虚实融合的设备故障快速响应 |
| 4.3.3 面向虚实融合的设备运行管控 |
| 4.4 本章小结 |
| 第5章 面向虚实融合的叶片车间设备管理系统设计与实现 |
| 5.1 面向虚实融合的叶片车间设备管理系统总体设计 |
| 5.1.1 系统总体设计 |
| 5.1.2 数据库设计 |
| 5.2 面向虚实融合的叶片车间设备管理系统各子系统实现 |
| 5.2.1 系统主界面 |
| 5.2.2 实时数据管理子系统实现 |
| 5.2.3 期间数据管理子系统实现 |
| 5.2.4 设备布局管理子系统实现 |
| 5.2.5 系统信息管理子系统实现 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
四、A Relation-Based Modeling Method for Workshop Reconfiguration（论文参考文献）
- [1]基于HCPS的智能制造可重构性研究：发展现状和趋势展望[J]. 付超,薛旻,占倩珊,丁晓艺,侯冰冰,吴子健. 电子科技大学学报(社科版), 2021(04)
- [2]基于数字孪生的模块化生产系统运行机制及重构方法[J]. 宋思蒙,蒋增强,马靖,王强,赵志彪. 计算机集成制造系统, 2021(02)
- [3]工业大数据环境下基于隐马尔可夫链的设备行为识别研究[D]. 曾广再. 广东技术师范大学, 2020(03)
- [4]面向服务的信息物理融合生产系统优化调度研究[D]. 苑帅. 北京交通大学, 2020(04)
- [5]面向个性化定制的智能生产线预防性维护研究[D]. 陈宝通. 华南理工大学, 2020(01)
- [6]生产线布局与运行效果的仿真研究[D]. 侯天晨. 吉林大学, 2020(08)
- [7]面向集群部署的微服务架构数控系统研究[D]. 刘建康. 哈尔滨工业大学, 2020(01)
- [8]工业机器人数字孪生制造系统可重构建模研究[D]. 张辰源. 武汉理工大学, 2020
- [9]大型混合作业车间布局自适应建模与协同优化[D]. 王亚良. 浙江工业大学, 2019(02)
- [10]面向虚实融合的叶片车间设备布局及可视化研究[D]. 杜洁瑶. 哈尔滨工业大学, 2019(02)