随着定制化制造的逐渐兴起,智能制造系统得到了广泛的应用,随之带来的智能调度问题成为研究的热点。特别是工业4.0的提出,使得智能调度在智能制造领域中的智能工厂和智能物流两方面扮演着核心大脑的角色,是智能制造的基础。作业车间调度作为其中一个十分重要的因素,是影响制造行业的产出的关键环节。如今的学者们普遍把研究的重心放在调度的求解算法改进以及调度自身属性的进一步探索两个方面。21世纪以来人们对于这两种方法的研究又以对求解算法的研究为重,言而总之,把不同的几个算法进行结合来进行作业车间调度问题求解是如今研究的主要方向。当下研究的主流方法就是将许多算法和神经网络进行不同的组合来进行求解,深度学习的神经网络在处理具有大量历史数据和更加复杂的数据类型的问题上更优于传统的浅层神经网络,而遗传算法具有较强的全局搜索能力和鲁棒性,适合于求解复杂的优化问题。基于遗传算法和神经网络深度学习的优点,提出将经过深度学习神经网络优化的遗传算法用于作业车间智能调度中,对柔性作业车间智能调度问题以线缆车间为研究对象进行了研究工作。以下为本文的工作内容和创新点:(1)通过对线缆产品的生产方法和线缆车间生产问题的特点进行分析,建立车间调度问题数学模型。根据对相关产品生产车间的多种柔性以及调度问题的多样性进行研究确立了本文的核心研究内容:设计出一个基于线缆车间并且可以应用于多种类型的柔性作业车间调度问题求解的智能调度方法。(2)本文根据遗传算法来解决生产调度问题的实际情况,结合了本文构建某线缆生产车间的数学模型,设计了一个适用于线缆生产车间的遗传算法,根据多目标柔性调度作业车间的特点将调度目标设立为以最大完工时间最短以及加工成本等最小等问题,并使用改进的遗传算法加以解决,建立基于改进遗传算法的车间智能调度模型。(3)通过把深度学习神经网络算法,长短时记忆神经网络应用到线缆企业的生产数据预测中,增强了调度对实际生产环境的响应能力,通过对大量生产调度数据的深度机器学习,构建了生产调度数据预测模型,为动态调度提供了极大的决策支持,也为后续遗传算法解决柔性作业车间智能调度问题的适应度函数优化打下基础。(4)结合线缆车间的实际需求与本文所提出的调度方法,设计出一种把深度学习神经网络和遗传算法结合起来的智能调度算法,建立基于遗传算法的车间调度模型,利用深度学习神经网络对遗传算法进行改进,设计了新的适应度函数构建方法,优化了传统遗传算法存在局部最优的问题,并且提高了全局搜索性能。