描述:
航空发动机装配是航空发动机制造过程的关键环节,其工序多,流程复杂,生产过程中扰动频发,如装配时间波动、不合格返工等。针对不确定环境下的航空发动机装配线的调度问题,本文提出一种基于门控循环神经网络(Gate Recurrent Unit, GRU)的适应性调度方法。该调度方法包含扰动识别和调度规则调整两个部分。扰动识别模块以滑动时间窗口为周期,利用GRU神经网络进行渐进型扰动的识别;调度规则调整模块以扰动识别的结果为触发,通过构建基于GRU神经网络的调度规则决策模型,输出适配当前生产状态的新的调度规则,用以指导生成更新的调度方案。最后,以某航空发动机装配线为研究案例,对本文提出的适应性调度方法进行验证分析,对比实验结果表明,本方法能够有效提升装配线的设备利用率、日均生产率等性能.
描述:
航空发动机装配是航空发动机制造过程的关键环节,其工序多,流程复杂,生产过程中扰动频发,如装配时间波动、不合格返工等。针对不确定环境下的航空发动机装配线的调度问题,本文提出一种基于门控循环神经网络(Gate Recurrent Unit, GRU)的适应性调度方法。该调度方法包含扰动识别和调度规则调整两个部分。扰动识别模块以滑动时间窗口为周期,利用GRU神经网络进行渐进型扰动的识别;调度规则调整模块以扰动识别的结果为触发,通过构建基于GRU神经网络的调度规则决策模型,输出适配当前生产状态的新的调度规则,用以指导生成更新的调度方案。最后,以某航空发动机装配线为研究案例,对本文提出的适应性调度方法进行验证分析,对比实验结果表明,本方法能够有效提升装配线的设备利用率、日均生产率等性能.