[发明专利]一种采用级联多知识模型的柔性装配生产线选型布局方法

摘要

本发明公开了一种采用级联多知识模型的柔性装配生产线选型布局方法。建立产能知识模型，从中选择产能最低的设备作为装配生产线上的设备；建立工艺知识模型，根据工艺知识模型对生产线中各类设备进行排布；建立结构知识模型，通过结构知识模型计算连接在生产线中不同设备之间输送装置的参数；建立空间知识模型，得到生产线中各设备之间缓冲区的大小和位置。本发明集成有不同领域的知识模型，完成生产线的选型布局；提高设计速度与质量，有利于生产线信息的共享与传递；减小空间使用成本，降低企业投入；提高装配生产线工作效率；提高各类设备的有效利用率。

主权项

一种采用级联多知识模型的柔性装配生产线选型布局方法，其特征在于：包括以下步骤：建立基于决策树的产能知识模型，从中选择产能最低的设备作为装配生产线上的设备；所述产能知识模型具体为：1.1)建立能耗信息矩阵S＝[s1,s2,…,sn]T：S＝[s1,s2,…,sn]T   (1)其中，si代表生产线上第i个设备的能耗信息，i＝1,2,…,n，T代表矩阵转置；1.2)计算信息矩阵S的属性系数G：其中，Pi为第i个设备的信息在S中出现的频率，k为增益系数；1.3)将能耗信息矩阵S分解为U、V两个子矩阵，最小值子矩阵U、最大值子矩阵V的表达式为：其中，min(·)代表最小值运算，max(·)代表最大值运算；1.4)每间隔一段时间对能耗信息矩阵S进行更新，每次更新均采用上述步骤进行计算和分解，直到更新次数N＝50则停止运算，由每次更新得到的最小值子矩阵U和最大值子矩阵V组合得到决策树作为产能知识模型，将最小值子矩阵U取最小值所对应的设备视为产能最低的设备；建立基于框架的工艺知识模型，根据工艺知识模型对生产线中各类设备进行排布；所述的工艺知识模型具体为：2.1)建立生产线中所有设备的类型矩阵W：W＝[w1,w2,...,wn]T   (4)其中，wi(i＝1,2,…,n)代表生产线上第i个设备的类型，T代表矩阵转置；2.2)赋予各个设备在类型下的属性参数矩阵A：A＝f1(w1)+f2(w2)+...+fn(wn)   (5)其中，fi(wi)为第i个设备在自身类型下的属性参数；2.3)根据不同设备排布时的具体操作流程，得到描述设备排布的过程知识矩阵AG：其中，gij代表第i个设备操作流程中的第j个操作步骤，j＝1,2,…,m；2.4)将类型矩阵W、属性参数矩阵A和过程知识矩阵AG组合得到完整的工艺知识模型；建立基于神经网络模型的结构知识模型，通过结构知识模型计算连接在生产线中不同设备之间输送装置的参数；所述的结构知识模型具体为：3.1)建立以下神经网络模型，将输送装置的参数输入到神经网络模型中进行训练，神经网络模型包括输入层神经元函数d(x)、节点函数q(x)和误差函数e(x)：其中，x为神经网络模型输入信息，即输送装置的参数，e为自然对数，R为神经网络模型中神经元的数量，r＝1,2,…,R，yr为神经网络模型输出信息，即经过神经网络模型训练后输送装置的实际参数，y*r为神经网络模型输出信息的参考值，即经过神经网络模型训练后输送装置的实际参数的参考值；3.2)通过整合生产线中不同设备的运行参数，建立反馈学习矩阵F：其中，xa为第a个设备的运行参数，hab为第a个设备的第b个学习函数，a＝1,2,…,n，b＝1,2,…,z，z为学习函数的数量；3.3)将神经网络模型与反馈学习矩阵结合构成结构知识模型，进而计算连接生产线中不同设备的输送装置的参数；建立基于案例的空间知识模型，得到生产线中各设备之间缓冲区的大小和位置；所述的空间知识模型实现具体为：4.1)建立由已设定的缓冲区案例组成的初始案例矩阵G，缓冲区案例包括缓冲区大小和位置：G＝[(gd1,gz1),(gd2,gz2),...,(gdn,gzn)]T   (9)其中，gdi为第i个设备的缓冲区的大小，gzi为第i个设备的缓冲区的位置，T代表矩阵转置；4.2)针对当前工厂环境，采用k‑近邻法从初始案例矩阵G中进行搜索，若搜索到适用于当前工厂环境的缓冲区案例，则将该缓冲区案例替换到当前工厂环境的原有案例矩阵中，形成新案例矩阵；若未搜索到适用于当前工厂环境的缓冲区案例，则保留当前工厂环境的原有案例矩阵；4.3)针对同一工厂环境，迭代进行依次搜索直到搜索次数达到L＝20，将最后的案例矩阵作为空间知识模型；4.4)由此将空间知识模型中的缓冲区大小和位置作为生产线中各设备之间的缓冲区大小和位置。