基于制造网格的动态调度系统研究

来源 :扬州大学 | 被引量 : 0次 | 上传用户:ll19870627
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
经济全球化使制造环境发生了根本性的变化,面对全球制造的新形势,企业必须充分利用全球的制造资源,实现制造资源的动态优化整合,以更快、更好、更省的方式响应市场。然而,传统的网络化制造缺乏必要的柔性和开放性,约束了网络化的扩展和进一步推广,制约了企业的敏捷性和对市场的快速响应能力,严重阻碍了制造企业向经济全球化的迈进。制造网格就是在这个时代背景下提出来的,它不是试图取代网络化制造、敏捷制造等先进制造模式,而是在现有的基础上有益的补充和技术创新。它将分散在全球范围内的闲散资源和优势资源通过网格节点的形式进行统一的封装,并向用户提供统一的资源访问入口和透明的资源服务,满足企业对资源共享的要求。本文正是在这种背景下开始了制造网格环境下动态调度系统的研究。本文以基于制造网格的动态调度为研究对象,构建了基于制造网格的动态调度系统的总体结构,研究了基于知识的制造网格资源调度决策机制,提出了基于蜂群算法的制造网格作业调度策略,同时也研究了基于制造网格的服务机制,最后对动态调度系统的设计与实现进行了设计与探讨。本文的主要研究工作如下:1.结合前人的研究,分析了基于制造网格动态调度的研究现状和发展趋势,以及网格技术、制造网格的研究现状,阐述了进行基于制造网格动态调度系统研究的意义和目的。2.阐述了制造企业中的三个调度层次,并分别对这三个层次的职能进行介绍,构造了调度系统的总体结构框架。提出了基于制造网格的多级动态调度系统的模型,建立了基于外网格的动态调度系统与基于内网格的动态调度子系统。介绍了制造网格系统中的核心中间件,并开发本系统的应用中间件,对应用中间件中的相关服务给出详细描述。3.将模糊集中的隶属度函数作为粗糙集的属性,通过模糊截集获得系统的分类知识;利用样本的模糊隶属度构造模糊综合评价矩阵,属性重要度构造权值矩阵,模糊评价方法对备择集进行评价,最终得出相对理想的资源。本文将定性分析与定量计算相结合,较好地实现定性指标定量化,显现了各评价准则的相对重要性,使得制造资源评选结果具有较强的客观性。4.基于蜂群算法的制造网格作业调度的研究。针对传统的作业调度策略中的缺陷,利用蜂群与环境交互的模型进行动态调度,给出了基于蜂群算法的动态调度决策机制,提高了作业调度的可靠性与实时性。5.结合STEP和XML标准描述了制造网格服务的表达与封装,提出了具有学习能力的服务评价方法,使调度系统在运行过程中不断感知并实时地应对制造网格内外的变化。6.分析了制造网格的动态调度系统的总体需求,建立了系统框架。对动态调度系统的模块进行了构建并对其进行了详细的分析,将制造资源调度模型、作业调度模型在实际中得到应用,初步实现调度系统。
其他文献
Internet是信息时代的特征,它的迅猛发展在给社会带来大量财富的同时,也带来了日益严重的安全问题。特别是电子商务的广泛应用,使得网络攻击已经成为影响网络安全中重要的一
基于IPv6的动态主机配置协议(DHCPv6)是TCP/IP网络中为网络节点传递配置信息的协议。动态主机配置协议可以为网络节点分配IP地址,并提供其它配置信息,以实现网络终端设备的即
进化计算是基于自然选择和遗传等生物进化机制的一种迭代式搜索算法,是以达尔文的进化论思想为基础,通过模拟生物进化过程与机制的自组织、自适应的人工智能技术。进化算法已
工作流技术起源于办公自动化,随着管理技术和计算机技术的发展,作为新兴的信息化应用软件,工作流软件受到越来越多的学者和用户关注。对工作流系统的研究具有重要的现实意义。
目前中国教育科研网在中国已经日益成熟,蓬勃发展,校园网在各高校中占据了越来越重要的地位和作用,让网络稳定高效的运行已成为各高校越来越关心的问题,一个功能完善的网络管
粒子群优化算法(Particle Swarm Optimization,PSO)是一种基于群体智能的全局搜索算法。由于其操作简单,快速收敛等特点,自1995年被提出以来便备受关注并迅速成为智能计算领
随着计算机网络技术和信息技术的快速发展,无论是政府、企业还是个人都逐渐依赖计算机存储信息,并借助网络传递、交换重要资料。这些信息在进行处理和传递前要以电子文档的形
计算机视觉赋予了电脑双眼,更确切的说,就是指用摄像头和电脑代替人眼对目标进行检测、跟踪和分析。在计算机视觉领域,基于视频的人脸跟踪近年来成为国际研究热点,它结合了图
随着多媒体技术的迅速发展,有限的存储空间和传输带宽要求对庞大的数据量进行压缩,视频数据的压缩技术应运而生。AVS(Audio Video coding Standard)是我国拥有自主知识产权的
情绪在人类的日常行为和感官体验中处于核心地位,人类与当前智能机器的最大区别就在于人类具有产生情绪的能力。不断发展的情绪理论有力地支持了计算机科学中人工智能领域的