论文摘要
大型船舶船体装配过程是船舶制造中的重要环节,它不同于作业车间和流水车间的制造过程,具有设计制造并行、小批量、高度依赖船台资源、制造过程受多种外界干扰等不同于传统制造系统的特殊性和复杂性,并且船舶的生产完全是面向订单的生产模式而不同于面向库存的生产模式。在这种形势下,大型船舶装配过程处于复杂而又具有变化的环境中,其调度控制过程也变得复杂和特殊,建立在传统的生产运作管理理论与运筹学基础上的生产调度与控制方法,已经不能满足其调度控制要求。本文的研究针对这一问题,从建模、调度技术和仿真等方面对大型船舶船体吊装过程的调度控制进行研究。主要包括下述主要工作:(1)为了实现对船台吊装过程的规范化描述、准确表示吊装过程,提出了基于共享合成着色时间Petri网(Colored Timed Petri Net, CTPN)的船台吊装过程建模方法。在建立吊装过程典型操作组件模型的基础上,根据共享合成原理构建出吊装过程的模型,所建CTPN模型能够包含吊装中的技术约束、资源约束和时间等信息,支持对船舶吊装过程调度和控制策略的仿真分析。该建模方法给出了吊装过程的便于计算机表示和操作的数学描述形式。针对所建船舶吊装过程CTPN模型,给出了一种利用极大加法代数求解模型中分段吊装时间的算法。对所建模型的性能分析方法进行了说明,讨论了结合简化规则和可达图方法的定性分析策略。(2)为了在既有的吊装设备、场地等资源条件约束下,寻找可能的最短船台周期并且尽量提前某些重要时间节点,提出了一种基于改进遗传算法的调度算法。根据吊装过程调度问题的特点,对传统遗传算法进行改进,给出了一种适合这类问题的交叉算子,通过避免不可行子个体的产生从而大大提高了搜索的效率和解的质量。某74,500DWT散货船吊装过程调度优化实例说明这种遗传算法对于解决时间安排、设备使用分配等吊装过程调度问题是有效的。为了探讨这类整数编码遗传算法的机理,获得改进和分析此类遗传算法的理论基础,采用Markov链对基于整数编码的遗传算法进行了收敛性分析。提出了一种整数编码遗传算法种群多样性量化定义方法,求解出了特定“基因对”顺序变换概率的公式表示,说明了遗传算法收敛性与遗传算法参数间的关系。(3)降低分段堆放成本是船舶企业的重要课题,从吊装过程调度安排的角度出发提出了一种以分段堆放成本最小为目标的拉格朗日松弛算法。将吊装过程调度问题归结为一种新的包含任务先序约束、机器能力约束以及某些任务同时占用多台机器情况的平行机排序问题。采用拉格朗日算法对船体装配过程中的先序约束、起重设备能力约束进行松弛,然后采用次梯度法求解拉格朗日对偶问题,再通过一定的启发式规则获得可行解。实际集装箱船例子和仿真数据的计算结果表明,这种方法能够满足实际工程生产的求解速度需要和精度要求。(4)吊装过程受多种因素影响,为了提高吊装生产效率和稳定性,必须更加准确地确定吊装时间,根据干扰的影响及时进行有效的重调度。在对分段大小、重量、船型、分段所在区域以及建造季节等吊装时间影响因素分析的基础上,提出了利用模糊神经网络(FNN)确定吊装所需时间的方法。提出了船舶吊装过程重调度策略选择评价指标,给出了基于分支定界思想的重调度优化算法,并结合船舶吊装生产实例,对以上重调度控制技术进行了验证。(5)在仿真和工程实例方面,提出了基于高层体系架构(HLA)的协同仿真平台,对其逻辑结构、功能模块划分、数据以及时间管理等关键技术进行了分析和定义;初步建立了协同仿真平台的各功能模块。建立了大型船舶装配过程仿真模型和调度控制策略之间的桥梁,实现了仿真环境下的调度策略性能分析。在吊装过程三维动态仿真模块中,提出了一种能够增强虚拟吊装过程沉浸感的查看路径规划方法。根据样条小波多分辨率表示曲线原理,并结合查看通道的宽度情况生成查看路径。给出了路径规划的具体实现步骤并展示了在吊装过程三维虚拟场景中进行查看的例子。
论文目录
相关论文文献
标签：造船论文; 吊装论文; 建模论文; 调度论文; 着色时间网论文; 遗传算法论文; 模糊神经网络论文; 拉格朗日松弛算法论文;