面向炼钢动态调度的扰动识别与分类方法研究

论文摘要

随着社会的发展,特钢行业面临着越来越大的竞争压力。能源价格、原燃料价格不断上升给特钢行业带来了越来越大的成本压力；同时社会对产品的需求也越来越个性化、小批量、多品种化,对企业的生产过程带来了越多的压力。特钢生产过程又具有复杂多变、工艺路线长、工艺交叉多等特征,外界环境的变化对生产工艺、计划等造成的影响巨大。特钢生产过程自身又是一个充满不确定性的过程,物料加工时间、物料成分、设备能力状态、物料选用的工序设备等都具有很大的变动性,加之交叉多变的工艺,给特钢的生产调度带来了很大的困难。为了及时响应生产过程内外部的压力,需要能够实时监控生产过程信息,查找过程中的“不稳定”信息,及时应对生产变动,提高生产效率,降低生产成本,增强产品竞争力。针对生产过程扰动处理的需求,建立了生产信息实时监控模型,随时检测生产扰动,响应生产过程中的不确定性信息,提高系统的灵敏度。建立了以信息熵为特征的生产扰动检测模型,及时判断生产中的不确定性是否在可控范围内。根据设定的识别阈值和系统动态的扰动检测偏离度值,判定系统的状态,为进一步的决策做出依据。根据扰动的特点和原因,建立了生产扰动的故障树模型。分析生产扰动的原因,揭示生产扰动中来源,通过图形的方式使扰动分析更清晰。针对订单等显性扰动,通过xBOM的监控采用直接处理识别的方式。对于隐性扰动及不易识别的质量、设备能力等的扰动,建立了基于规则推理的扰动分类模型。对于为难以通过规则推理判定的扰动类型,采用证据理论的方式,判别扰动类型,实现扰动的快速识别。通过扰动的快速识别,为下一步的重调度提供支持,增强系统的响应能力,提高系统的稳定性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 项目背景
• 1.2 研究目的和意义
• 1.3 本文的主要研究内容
• 2 文献综述
• 2.1 动态不确定环境下生产扰动的形成因素及分类研究
• 2.2 动态不确定环境下的扰动处理问题研究现状
• 2.2.1 针对生产扰动的动态调度策略
• 2.2.2 动态调度中不确定信息的表达方式
• 2.2.3 动态调度中的生产扰动识别技术
• 2.3 现有研究的不足之处
• 3 生产过程实时信息监控模型
• 3.1 生产过程实时信息监控的概述
• 3.2 动态不确定环境下生产过程监控模型
• 3.3 实时信息监控数据结构
• 4 基于信息熵的生产扰动识别技术
• 4.1 信息熵简述
• 4.2 基于生产偏离度信息熵的生产扰动识别方法
• 4.3 动态调度环境下生产扰动识别模型
• 4.4 生产扰动识别模型中关键数据获取方法
• 4.4.1 基于调度模型的三阈值设定数据获取
• 4.4.2 基于平稳调度水平的单阈值设定
• 4.5 生产扰动识别算法流程
• 4.6 应用实例验证
• 5 基于故障树的扰动分类技术
• 5.1 生产扰动分类流程
• 5.2 生产扰动故障树的建立
• 5.2.1 故障树概述
• 5.2.2 生产扰动形成因素分析
• 5.2.3 生产扰动故障树建立步骤
• 5.2.4 生产扰动故障树模型
• 5.3 基于规则推理的扰动分类技术
• 5.3.1 规则推理技术概述
• 5.3.2 知识表示方法
• 5.3.3 基于Rete算法的规则推理技术
• 5.3.4 分类规则冲突消解策略
• 5.3.5 异常事实数据的处理
• 5.3.6 应用实例验证
• 5.4 基于证据理论的规则合成技术
• 5.4.1 证据理论概述
• 5.4.2 证据特征提取方法
• 5.4.3 证据合成算法
• 5.4.4 状态数据的提取
• 5.4.5 应用实例验证
• 6 结论
• 6.1 总结
• 6.2 展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢