当前位置:首页  人才培养  研究生培养

黄少华博士答辩公告

时间:2019-12-16来源:正规网上投注平台点击:561

答辩博士:黄少华

指导教师:    教授/博导

论文题目:制造物联驱动的离散车间制造行为分析与优化方法

答辩委员会:

主席:倪中华   教授/博导           东南大学

委员:侯俊杰   教授/博导           中国航天系统科学与工程研究院

刘婷婷   教授/博导    南京理工大学

陈蔚芳    教授/博导    网投十大信誉平台

     教授/博导    网投十大信誉平台

     教授/博导    网投十大信誉平台

    教授/博导    网投十大信誉平台

 

秘书:杨文安   副教授/硕导       网投十大信誉平台

答辩时间20191222 0900

    :南航明故宫校区 15-341

 

学位论文简介:

从大量的物联数据中挖掘制造系统的内在运行规律、解析自身的复杂性特征、寻找系统状态发生变化的根源并进行动态决策优化,对提升车间精准管控能力具有重要意义。本文提出“制造行为”的概念来描述制造要素及系统的运行状态,以制造物联提供的大量制造数据为支撑,通过大数据的分析方法寻找影响制造系统运行的各要素间的相互作用与关联关系,以生产进度作为性能指标,挖掘系统运行规律,指导制造行为的决策优化。

论文的主要研究工作包括:

1)构建了离散车间制造物联系统体系架构,以物联感知和实时定位技术为基础,以车间全息地图作为信息载体,搭建了面向制造车间现场行为管控的智能感知环境。

2)为了准确分析制造过程中存在的各类异常行为,将制造行为定位至工位级,以制造物联提供的多维工位数据为基础,提出了一种基于密度峰值-加权模糊C均值聚类的异常行为检测方法,通过对初始行为数据少数类的判别,实现工位行为异常的精准检测。

3)以订单生产进度作为制造系统的行为性能指标,将实时生产状态信息引入到数据特征集中,提出一种基于双层迁移学习的深度学习预测模型,量化制造行为变化及其持续性对制造系统输出的影响,通过准确检测当前生产状态下制造系统未来行为的异常,为触发制造行为的动态优化提供更精准的判别条件。

4)提出了一种以制造行为异常为触发、以实时生产数据为驱动的车间物流优化方法,针对生产异常带来的物料需求时间的不确定性,建立了带模糊时间窗的车间物流优化模型,在提出的两阶段操作优化机制的基础上,设计了一种改进的蚁群优化算法,实现了实时感知环境下的车间物流稳定求解与快速决策。

  

主要创新点:

1)在构建了面向离散车间行为管控的制造物联系统体系架构的基础上,以制造物联提供的实时制造数据为驱动,阐述了一种智能感知环境下的制造系统运行与管控模式。

2)在采用条件互信息进行无标签数据特征约简的基础上,通过密度峰值获得初始聚类中心,构建了一种基于密度峰值-加权模糊C均值的工位行为异常检测模型。

3)构建了一种基于双层迁移学习的生产进度实时预测模型,分别将迁移学习应用于基于深度自编码器的特征提取和基于深度置信网络的生产进度预测两个阶段,在挖掘历史订单共性规律的同时,充分映射目标生产订单的独特信息,实现高精度预测。

4)提出了一种实时生产数据为驱动的车间物流动态决策方法,建立了能够表达生产过程不确定性的车间物流优化模型,并设计了一种基于满意度和时间窗宽度改进的蚁群优化算法,实现制造物联驱动的车间物流动态优化。

 

微信公众号

关注微信公众号