基于模糊控制与遗传算法的串行生产控制系统最优设计

• 论文 •

基于模糊控制与遗传算法的串行生产控制系统最优设计

莫巨华，黄敏，王兴伟

1.东北大学信息科学与工程学院,辽宁沈阳110004;2.东北大学流程工业综合自动化教育部重点实验室,辽宁沈阳110004

出版日期:2009-11-15 发布日期:2009-11-25

Optimal design of serial production control system based on fuzzy control and genetic algorithm

MO Ju-hua, HUANG Min, WANG Xing-wei

1.School of Information Science & Engineering, Northeastern University, Shenyang 110004, China;2.Ministry of Education Key Lab of Integrated Automation of Process Industry, Northeastern University, Shenyang 110004, China

Online:2009-11-15 Published:2009-11-25

摘要/Abstract

摘要： 为实现系统的最优设计，在建立基于模糊控制的生产存储控制仿真模型和详细描述控制器设计细节的基础上，建立以极小化在制品量和投放波动水平为目标、以满足顾客满意率要求为约束的多目标规划，并提出一种改进遗传算法与过程仿真相结合的求解方法。在该求解方法中，多目标规划通过加权平均转化为单目标规划。为考察模糊控制系统的性能，在实例分析中通过仿真与定量在制品法、看板及全面拉式几种系统进行了比较。结果表明，模糊控制系统不仅能够保持较低的在制品水平，而且能够保持较低的投放波动水平。

关键词: 生产控制, 模糊控制, 多目标规划, 遗传算法, 仿真

Abstract: To realize the optimal design of the control system, a multi-objective programming model was set up based on the construction of fuzzy Production Inventory Control (PIC) simulation model and the detailed description of the fuzzy controller design. This model was designed to minimize the Work-in-Process (WIP) and order placement fluctuation level while satisfying customers'requirements. An improved Genetic Algoritwohm (GA) integrating with process simulation was proposed to optimize the design of the fuzzy control system. Hereinto, the multi-objective program was translated into a single-objective one by weighted average conversion. To examine the performance of the fuzzy control system, it was compared to CONstant Work-In-Process (CONWIP), Kanban and generic pull systems via simulation. Results showed that fuzzy system could maintain its WIP, especially its order placement fluctuation at lower level.

Key words: production control, fuzzy control, multi-objective programming, genetic algorithm, simulation

中图分类号:

TP391

莫巨华，黄敏,，王兴伟. 基于模糊控制与遗传算法的串行生产控制系统最优设计[J]. .

MO Ju-hua, HUANG Min,, WANG Xing-wei. Optimal design of serial production control system based on fuzzy control and genetic algorithm[J]. .

[1]	陈年,金涛,王建民. 基于变异反馈的临床路径优化[J]. 计算机集成制造系统, 2021, 27(9): 2556-2564.
[2]	方欢,郑雪文,王吴松. 不完备事件日志下的业务系统变化检测及模型修复方法[J]. 计算机集成制造系统, 2021, 27(9): 2647-2660.
[3]	黎英杰,刘建军,陈庆新,毛宁. 多层级装配作业车间等量分批策略与调度算法[J]. 计算机集成制造系统, 2021, 27(8): 2307-2320.
[4]	赵祎乾,吴天宇,顾森,李亚军,朱天陆. 基于人机仿真技术的炮手操作姿势多指标量化评估模型[J]. 计算机集成制造系统, 2021, 27(8): 2350-2361.
[5]	王奕祺,张晓冬. 基于仿真评价方法的适应性合作换线策略[J]. 计算机集成制造系统, 2021, 27(7): 1918-1928.
[6]	徐旭松,刘梦,孙志英. 空间RSSR机构的装配偏差区间分析[J]. 计算机集成制造系统, 2021, 27(7): 1959-1973.
[7]	王文中,张树生,余隋怀,陈登凯. 基于解构·重构思维的潜水器舱室布局优化[J]. 计算机集成制造系统, 2021, 27(7): 2045-2052.
[8]	王勇,周雪,刘永,许茂增. 基于车辆共享的多中心共同配送联盟优化[J]. 计算机集成制造系统, 2021, 27(6): 1820-1832.
[9]	张昊鹏,郭宇,汤鹏洲,黄少华,刘道元,李晗. 基于图像匹配的增强现实装配系统跟踪注册方法[J]. 计算机集成制造系统, 2021, 27(5): 1281-1291.
[10]	马丽萌,乔非,马玉敏,刘鹃. 基于SO-GP的智能车间组合调度规则挖掘[J]. 计算机集成制造系统, 2021, 27(5): 1351-1360.
[11]	胡金昌,刘紫薇,马文凯,吴耀华. 考虑学习效应的单人作业车间多目标调度算法[J]. 计算机集成制造系统, 2021, 27(5): 1361-1370.
[12]	胡涛,金雪松,申立群,刘磊. Simulink模型接入运行支撑系统的插件式技术[J]. 计算机集成制造系统, 2021, 27(5): 1422-1428.
[13]	刘俊琦,张则强,王沙沙,曾艳清. 考虑不规则物流交互点的过道布置问题建模与优化[J]. 计算机集成制造系统, 2021, 27(4): 1155-1166.
[14]	秦宇,黄翔,邓正平,陈允全,主逵. 基于激光测距的大部件对接方法及误差分析[J]. 计算机集成制造系统, 2021, 27(3): 728-738.
[15]	葛亚雄,周晓军. 考虑修复非新的多组件DTS设备的状态维护建模[J]. 计算机集成制造系统, 2021, 27(3): 739-746.