專(zhuān)利名稱(chēng)：：基于流模型的機(jī)器組負(fù)載預(yù)測(cè)控制方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于自動(dòng)控制、信息技術(shù)和先進(jìn)制造領(lǐng)域。具體涉及一類(lèi)具有前后兩道瓶頸工序且每道瓶頸工序存在多組機(jī)器組的復(fù)雜生產(chǎn)制造過(guò)程中對(duì)瓶頸工序各機(jī)器組的負(fù)載預(yù)測(cè)控制方法。
背景技術(shù)：
：在一類(lèi)具有前后兩道瓶頸工序且每道瓶頸工序存在多組機(jī)器組的復(fù)雜生產(chǎn)制造過(guò)程中，由于在兩道瓶頸工序間存在大規(guī)模的在制品加工流動(dòng)現(xiàn)象，若對(duì)前道瓶頸工序中機(jī)器組任務(wù)輸出率缺乏有效控制，將使得后道瓶頸工序各機(jī)器組負(fù)載無(wú)法到達(dá)期望值，影響了生產(chǎn)性能。因此，在上述生產(chǎn)制造過(guò)程中，根據(jù)前、后道瓶頸工序內(nèi)各機(jī)器組的加工能力及后道瓶頸工序內(nèi)各機(jī)器組的期望負(fù)載，以后道瓶頸工序各機(jī)器組實(shí)際負(fù)載與期望負(fù)載差的平方和最小為優(yōu)化控制目標(biāo)，確定前道瓶頸工序各機(jī)器組中任務(wù)輸出率，以控制后道瓶頸工序各機(jī)器組負(fù)載，從而提高生產(chǎn)性能。目前，常規(guī)的機(jī)器負(fù)載控制方法大多為啟發(fā)式控制方法，如當(dāng)前后道瓶頸工序中某個(gè)機(jī)器組負(fù)載較大時(shí)，則在前道瓶頸工序中減少流向該機(jī)器組的任務(wù)量，但由于兩道瓶頸工序間存在中間非瓶頸工序的加工延遲，而上述啟發(fā)式預(yù)測(cè)控制方法缺乏對(duì)后道瓶頸工序機(jī)器組負(fù)載有效的預(yù)測(cè)機(jī)制，因而采用上述方法難以實(shí)現(xiàn)對(duì)后道瓶頸工序機(jī)器組負(fù)載的有效控制。
發(fā)明內(nèi)容為了解決上述復(fù)雜生產(chǎn)制造過(guò)程中后道瓶頸工序各機(jī)器組負(fù)載控制方法的不足，本發(fā)明提供一種具有前后兩道瓶頸工序且每道瓶頸工序存在多組機(jī)器組的復(fù)雜生產(chǎn)制造過(guò)程中基于流模型的機(jī)器組負(fù)載預(yù)測(cè)控制方法(簡(jiǎn)稱(chēng)為AFFC)。在本發(fā)明中，流模型主要用于考察單位時(shí)間內(nèi)各機(jī)器組加工和完成的負(fù)載量(即生產(chǎn)任務(wù)加工時(shí)間總和)，由于上述復(fù)雜生產(chǎn)過(guò)程中兩道瓶頸工序間的工序是非瓶頸工序(下文簡(jiǎn)稱(chēng)為中間工序)，生產(chǎn)任務(wù)經(jīng)過(guò)中間工序時(shí)其等待時(shí)間與加工時(shí)間相比小得多(可忽略)，所以從流模型的角度看，生產(chǎn)負(fù)載從前道瓶頸工序(下文簡(jiǎn)稱(chēng)為前道工序)流入中間工序后，僅需經(jīng)過(guò)一定的延遲時(shí)間后，即可從中間工序流向后道瓶頸工序(下文簡(jiǎn)稱(chēng)為后道工序)(如圖2所示)。本發(fā)明基于流模型建立后道工序機(jī)器組負(fù)載1階預(yù)測(cè)控制模型，在此基礎(chǔ)上采用ANFIS(自適應(yīng)神經(jīng)模糊推理系統(tǒng))建立后道工序機(jī)器組負(fù)載J階非線性預(yù)測(cè)控制模型，其輸入為當(dāng)前時(shí)刻前道工序任務(wù)輸出率，輸出為"時(shí)刻后的后道工序機(jī)器組負(fù)載，在上述預(yù)測(cè)控制模型基礎(chǔ)上，根據(jù)d時(shí)刻后的后道工序各機(jī)器組負(fù)載期望值及前后道工序各機(jī)器組加工能力，確定前道工序各機(jī)器組的任務(wù)輸出率，使得后道工序機(jī)器組實(shí)際負(fù)載與期望負(fù)載之差的平方和最小，從而提高后道瓶頸工序生產(chǎn)性能?；诹髂Ｐ偷臋C(jī)器組負(fù)載預(yù)測(cè)控制方法，其特征在于所述方法是在機(jī)器組負(fù)載預(yù)測(cè)控制計(jì)算機(jī)上依次按以下步驟實(shí)現(xiàn)的步驟(1):初始化，設(shè)定以下參變量采樣時(shí)間間隔，每隔時(shí)間間隔r給出前道工序中各機(jī)器組任務(wù)輸出率，所述機(jī)器組由加工能力相似的多臺(tái)機(jī)器組成，而采樣時(shí)刻則用A表示；機(jī)器組加工能力，是在單位時(shí)間內(nèi)機(jī)器組所能完成的加工任務(wù)的加工時(shí)間總和，前道工序中機(jī)器組/的加工能力用",表示,/=1,...,附，用矩陣表示為t/二[^,^,…,^f'，后道工序中機(jī)器組J'的加工能力用"表示,J'=1,…,"，用矩陣表示為r=h,V2，…,、;T，歷和/7分別為前、后道工序中機(jī)器組的數(shù)目；前道工序機(jī)器組任務(wù)輸出率，前道工序機(jī)器組/基于生產(chǎn)工藝約束在A采樣時(shí)刻加工完成的任務(wù)被安排到后道工序由機(jī)器組J加工的比例，用^("表示，用矩陣表示為<formula>formulaseeoriginaldocumentpage6</formula>其中0、Sl且t^=1,/二l,…，w;7、l,…，w;機(jī)器組負(fù)載，工序中某個(gè)機(jī)器組前等待加工任務(wù)的加工時(shí)間總和，后道工序機(jī)器組J在A時(shí)刻的負(fù)載表示為R("，用矩陣表示為y(A:廣1=L^(A:)，_V2(A:),...,_v("]7;后道工序中機(jī)器組J在A時(shí)刻的機(jī)器負(fù)載期望值表示為X(A:),用矩陣表示為r(『1=,,諷…,細(xì)f';中間工序的加工延遲時(shí)間用d表示，其是指任務(wù)從前道工序加工完畢開(kāi)始，通過(guò)中間工序的加工，到達(dá)后道工序所用的平均時(shí)間單位，含等待時(shí)間；給定的控制周期用7;/,表示；控制周期7;,,內(nèi)后道工序機(jī)器組7'的總負(fù)載用丄Ofl《.表示；步驟(2):用機(jī)器組負(fù)載信息采集裝置采集機(jī)器組負(fù)載實(shí)時(shí)信息，機(jī)器組負(fù)載信息采集裝置由PLC采集裝置、嵌入式系統(tǒng)采集裝置、DCS系統(tǒng)采集裝置中的一種或它們的組合構(gòu)成；步驟(3):所述的機(jī)器組負(fù)載預(yù)測(cè)控制計(jì)算機(jī)從所述采集裝置中讀取機(jī)器組負(fù)載實(shí)時(shí)信息，依次按以下步驟進(jìn)行機(jī)器組負(fù)載預(yù)測(cè)控制步驟(3.1):按下式確定各采樣間隔時(shí)間內(nèi)后道工序各機(jī)器組負(fù)載期望值^(yt)，步驟(3.2):按下式建立后道工序機(jī)器組負(fù)載預(yù)測(cè)控制問(wèn)題<formula>formulaseeoriginaldocumentpage7</formula>求控制律C(A:)，使得111111{1/(&+(/+1)}，其中對(duì)所有/滿足爿。("=1，v4=[l,l,"',lfm;步驟(3.3):按下述步驟建立后道工序機(jī)器組負(fù)載預(yù)測(cè)控制模型步驟(3.3.1):建立后道工序機(jī)器組負(fù)載1階預(yù)測(cè)控制模型<formula>formulaseeoriginaldocumentpage7</formula>步驟(3.3.2):采用具有Z條模糊規(guī)則的自適應(yīng)神經(jīng)模糊推理系統(tǒng)ANFIS建立后道工序機(jī)器組負(fù)載^階預(yù)測(cè)控制模型即.<formula>formulaseeoriginaldocumentpage7</formula>/=1/=1&00fA(A)=力Oy("-7",(A:-力(7,..,r。(A:-1)")是ANFIS輸入為力(AO-r",rc/u)f/,…，r。(A:-i)[/時(shí)第/條模糊規(guī)則的激發(fā)值，,為模糊規(guī)則激發(fā)值計(jì)算函數(shù)，其為第/條模糊規(guī)則中ANFIS各輸入變量所對(duì)應(yīng)模糊數(shù)的隸屬度函數(shù)的乘積，其中，上述模糊數(shù)的隸屬度函數(shù)采用鐘形函數(shù)，鐘形函數(shù)中的參數(shù)即為ANFIS中待定的前件參數(shù)，而ANFIS中待定的后件參數(shù)為^,^,^,…，^,,;步驟(3.3.3):采用如下步驟確定ANFIS中的前件參數(shù)和后件參數(shù)；步驟(3.3.3.1):對(duì)所有_/=1,2,.，"，隨機(jī)產(chǎn)生q(A:)的值，并按步驟(3.3.1)所述公式計(jì)算力(A+1)值，從而產(chǎn)生若干用于訓(xùn)練ANFIS的輸入輸出訓(xùn)練數(shù)據(jù)集，其中，輸入數(shù)據(jù)為柳,C("力,…,C("1)，輸出數(shù)據(jù)為W+"1);步驟(3.3.3.2):采用步驟(3.3.2.l)生成的訓(xùn)練數(shù)據(jù)集及ANFIS經(jīng)典學(xué)習(xí)算法，確定ANFIS中待定的前件參數(shù)和后件參數(shù)；步驟(3.4):根據(jù)步驟(3.3)得到的后道工序機(jī)器組負(fù)載c/階預(yù)測(cè)控制模型，采用拉格朗日松弛方法按下式計(jì)算最佳控制率C("，其中C'(A:)為—《","《—M+《",).，]4，其中/為單位矩陣，f=A^[Z+Z(Zw,C'(A:—d+《))—rXA+"+l)]，^=《、=oy=i根據(jù)上述基于流模型的機(jī)器組負(fù)載預(yù)測(cè)控制方法，本發(fā)明做了大量的仿真試驗(yàn)，從仿真結(jié)果中可看出，本發(fā)明對(duì)具有前后兩道瓶頸工序且每道瓶頸工序存在多組機(jī)器組的復(fù)雜生產(chǎn)制造過(guò)程后道瓶頸工序機(jī)器組負(fù)載控制具有很好的效果。圖l:機(jī)器組負(fù)載預(yù)測(cè)控制硬件系統(tǒng)結(jié)構(gòu)圖，圖中由機(jī)器組負(fù)載信息采集裝置采集機(jī)器組負(fù)載實(shí)時(shí)信息，并傳給機(jī)器組負(fù)載預(yù)測(cè)控制計(jì)算機(jī)。ANFIS訓(xùn)練計(jì)算機(jī)可根據(jù)生產(chǎn)歷史數(shù)據(jù)對(duì)ANFIS進(jìn)行訓(xùn)練，得到后道工序機(jī)器組負(fù)載預(yù)測(cè)控制模型參數(shù)。機(jī)器組負(fù)載預(yù)測(cè)控制計(jì)算機(jī)接收機(jī)器組負(fù)載預(yù)測(cè)控制模型參數(shù)值和機(jī)器組負(fù)載實(shí)時(shí)信息，采用拉格朗日松弛方法，求得前道工序機(jī)器組預(yù)測(cè)控制參數(shù)(任務(wù)輸出率)。圖2:前后道工序內(nèi)機(jī)器組任務(wù)流之間的關(guān)系示意圖，其中m為前道工序的機(jī)器組總數(shù)；n為后道工序的機(jī)器組總數(shù)；d為中間工序的平均加工延遲時(shí)間。圖3:預(yù)測(cè)控制方法的流程圖，其中根據(jù)設(shè)置的采樣時(shí)間，軟件每隔采樣時(shí)間進(jìn)行一次機(jī)器組負(fù)載預(yù)測(cè)控制，并調(diào)整前道工序的機(jī)器組任務(wù)輸出率；同時(shí)，隨著樣本數(shù)據(jù)的增加，每隔一定時(shí)間通過(guò)訓(xùn)練ANFIS對(duì)機(jī)器組負(fù)載預(yù)測(cè)控制模型參數(shù)進(jìn)行修正，使得機(jī)器組負(fù)載預(yù)測(cè)控制模型更能體現(xiàn)復(fù)雜生產(chǎn)過(guò)程現(xiàn)狀。圖4:(a)、(b)、(c)分別為實(shí)驗(yàn)l中后道工序各機(jī)器組負(fù)載期望值、采用AFFC方法得到的后道工序機(jī)器組負(fù)載實(shí)際值和采用HFC方法得到的后道工序機(jī)器組負(fù)載實(shí)際值，其中X(",X("分別為后道工序兩個(gè)機(jī)器組在*時(shí)刻的負(fù)載期望值；乃(A:),力("分別為釆用AFFC和HFC控制方法進(jìn)行機(jī)器組負(fù)載控制的后道工序兩個(gè)機(jī)器組在A時(shí)刻的實(shí)際負(fù)載值。圖5:(a)、(b)、(c)分別為實(shí)驗(yàn)2中后道工序各機(jī)器組負(fù)載期望值、采用AFFC方法得到的后道工序機(jī)器組負(fù)載實(shí)際值和采用HFC方法得到的后道工序機(jī)器組負(fù)載實(shí)際值，其中X(",…，^(A:)分別為后道工序各個(gè)機(jī)器組在A時(shí)刻的負(fù)載期望值；"(",…,^(A:)分別為采用AFFC和HFC控制方法進(jìn)行機(jī)器組負(fù)載控制的后道工序各個(gè)機(jī)器組在A時(shí)刻的實(shí)際負(fù)載值。具體實(shí)施方式本發(fā)明的機(jī)器組負(fù)載預(yù)測(cè)控制方法依賴(lài)于機(jī)器組負(fù)載預(yù)測(cè)控制硬件系統(tǒng)，由機(jī)器組負(fù)載預(yù)測(cè)控制軟件實(shí)現(xiàn)。其硬件系統(tǒng)由機(jī)器組負(fù)載信息采集裝置、ANFIS訓(xùn)練計(jì)算機(jī)和機(jī)器組負(fù)載預(yù)測(cè)控制計(jì)算機(jī)組成(結(jié)構(gòu)圖見(jiàn)圖1)。ANFIS訓(xùn)練計(jì)算機(jī)可根據(jù)生產(chǎn)歷史數(shù)據(jù)對(duì)ANFIS進(jìn)行訓(xùn)練，得到機(jī)器組負(fù)載預(yù)測(cè)控制模型參數(shù)。機(jī)器組負(fù)載預(yù)測(cè)控制計(jì)算機(jī)接收機(jī)器組預(yù)測(cè)控制模型的相關(guān)參數(shù)值(來(lái)自ANFIS訓(xùn)練計(jì)算機(jī))和機(jī)器組負(fù)載實(shí)時(shí)信息，運(yùn)行本發(fā)明提出的機(jī)器組負(fù)載預(yù)測(cè)控制方法，并輸出預(yù)測(cè)控制參數(shù)(前道工序各機(jī)器組任務(wù)輸出率)。以下對(duì)本發(fā)明提出的上述基于流模型的機(jī)器組負(fù)載預(yù)測(cè)控制方法所涉及的步驟進(jìn)行詳細(xì)說(shuō)明第一步后道工序各機(jī)器組負(fù)載的定時(shí)采樣測(cè)量，它依次含有以下步驟第1.1步，安裝機(jī)器組負(fù)載采集裝置，采集各機(jī)器組負(fù)載實(shí)時(shí)信息。第1.2步，由機(jī)器組負(fù)載預(yù)測(cè)控制軟件從機(jī)器組負(fù)載采集裝置中讀取相應(yīng)的機(jī)器組負(fù)載實(shí)時(shí)信息。第二步后道工序各機(jī)器組負(fù)載期望值的確定為使各機(jī)器組負(fù)載在整個(gè)給定控制周期內(nèi)保持均衡，將各機(jī)器組在給定控制周期內(nèi)的總負(fù)載平均分配到各個(gè)采樣間隔時(shí)間內(nèi)，艮P:=j"、i，…，"；也可根據(jù)生產(chǎn)需要預(yù)先直接給定控制周期內(nèi)每一采樣時(shí)刻的后道工序機(jī)器組負(fù)載期望值。第三步后道工序機(jī)器組負(fù)載流模型的建立。后道工序機(jī)器組負(fù)載模糊預(yù)測(cè)控制問(wèn)題可描述為令單+"1)=|,+"1)-rXA:+"i)]7'',+"i)-r(A+"i)]4tcW，(i)求控制律C("，使得min^/(A:+d+l"，其中對(duì)所有/滿足v4C'("=1，爿^l,l,…,lf"1。即在滿足相關(guān)約束的前提下，確定前道工序機(jī)器組的任務(wù)輸出率C(Q，使得在A^Z+1時(shí)刻的后道工序機(jī)器組負(fù)載y(""+l)與其負(fù)載期望值F(A:+d+l)之差的平方和最小，同時(shí)也使得C'(A:)的變化最小。第四步后道工序機(jī)器組負(fù)載c/階預(yù)測(cè)控制模型的建立；依據(jù)Little's定理，基于后道工序加工能力、前道工序加工能力和前道工序任務(wù)輸出率等，可建立用于后道工序機(jī)器組負(fù)載預(yù)測(cè)的如下流模型(機(jī)器組負(fù)載1階預(yù)測(cè)控制模型)<formula>formulaseeoriginaldocumentpage10</formula>，0}^max(乃("-，+^("c/)",0},/=l，.--,(2)由于式(2)為非線性模型，很難求得乃(A:+d+l)的解析表達(dá)式，本發(fā)明采用ANFIS獲得y(A:+of+l)與y(^:)和C(A:)的非線性映射關(guān)系。anfis是在模糊推理系統(tǒng)的基礎(chǔ)框架中引入自適應(yīng)節(jié)點(diǎn)，形成的多層前饋神經(jīng)網(wǎng)絡(luò)，anfis的參數(shù)集合是其每個(gè)節(jié)點(diǎn)中參數(shù)集合的總和。設(shè)anfis中有z條規(guī)則，則對(duì)于規(guī)則j可表示如下如果^(A:)-r"是^，并且r.c/A:-fl0.f/是42，并且r.。0-6/+1)."是43，…，并且r.C/A:-l).C/是成"，那么乂(A:+d+1)=-7Vy)+T[^C乂(A—c/)+^C乂(A:—"+1)+...+乂。+,(3)其中4p42,43,…,4刈為第j條模糊規(guī)則中每個(gè)anfis輸入變量所對(duì)應(yīng)的模糊數(shù)，其隸屬度函數(shù)采用鐘形函數(shù)，艮P:6,々■-J=l，2,.-.，c/+l，1+鐘形函數(shù)中的參數(shù)^,，,j、l,2,…^+l即為第j條模糊規(guī)則中的前件參數(shù)，而"',"，W，，^,夂為第J條模糊規(guī)則中的后件參數(shù)。第j條模糊規(guī)則的輸出可寫(xiě)成#+"1)="'(;;;-，)+r(^>:C#—"+/'(4)令&("=y;o^("-:rvy,7ry(A:-cOf/,...,rc7(A:—為anfis輸入為r".,rc/u)f/,…，rc^-ix/時(shí)第/條模糊規(guī)則的激發(fā)值，其中X為模糊規(guī)則激發(fā)值計(jì)算函數(shù),(X^2,…,X^卜f](、)，則z條模糊規(guī)則的綜合輸出為=^>("."("—jvy)+/']+力/z,w[r(f"(""《))t/〗/=1/=1"^__^g=o、/=i__所以有<formula>formulaseeoriginaldocumentpage12</formula>則有<formula>formulaseeoriginaldocumentpage12</formula>(7)即:<formula>formulaseeoriginaldocumentpage12</formula>式(8)即是y(W的J階預(yù)測(cè)控制模型表達(dá)式，其中"r為常數(shù)矩陣，d,r為常量。采用以下方法確定式(8)中ANFIS中的前件參數(shù)和后件參數(shù)對(duì)所有j、l,2,…,w，隨機(jī)產(chǎn)生q("的值，并由式(2)算出^(A+1)值，從而產(chǎn)生若干用于訓(xùn)練ANFIS的輸入輸出訓(xùn)練數(shù)據(jù)集，輸入數(shù)據(jù)為nAaC^-cO,…,C(it-l)，輸出數(shù)據(jù)為y(A+d+l)?；谏鲜鲇?xùn)練數(shù)據(jù)集，使用ANFIS的經(jīng)典學(xué)習(xí)算法(即采用BP反向傳播學(xué)習(xí)方法對(duì)ANFIS中的前件參數(shù)進(jìn)行學(xué)習(xí)，再采用最小二乘法對(duì)ANFIS中的后件參數(shù)進(jìn)行更新)，該經(jīng)典學(xué)習(xí)算法可使用MATLAB6.0中的ANFIS訓(xùn)練軟件包實(shí)現(xiàn))，確定式(8)中的ANFIS前件參數(shù)和后件參數(shù)，從而最終得到n"的^階預(yù)測(cè)控制模型。第五步前道工序機(jī)器組C("的求取。根據(jù)第四步得到的r(A:)的"階預(yù)測(cè)控制模型，采用拉格朗日松弛方法，求解第三步描述的機(jī)器組負(fù)載預(yù)測(cè)控制問(wèn)題，求得最佳的控制參數(shù)C("。1)采用拉格朗日(Lagrange)松弛方法將上述問(wèn)題中的約束松弛。對(duì)于式(l)，將約束松弛后可得7(A:+"1)=*[y(""1)—r(A:+"l)]7"'[7(A:+"1)-r"(A:+"l)]+4￡C'C'(A)+(乂C'(A:)-1)其中A^、l,2，…,m為用于松弛約束的拉格朗日算子。2)對(duì)于松弛后的式(9)，求關(guān)于給定i的C'W的偏導(dǎo)數(shù)并令偏導(dǎo)數(shù)為O，有:a7(A:+"i)3(7(""i)—r^+d+i))7"(9)+C'(A:)+V7=0,z、l，…，附將式(8)代入式(10)，化簡(jiǎn)可得(10),:,1")="'《[x+W"'c'(")+IX(S"'c'("+《))-r+1)](/r);=1《=o,=13)對(duì)于松弛后的式(9)，求關(guān)于;i,的偏導(dǎo)數(shù)并令偏導(dǎo)數(shù)為o，有f(A;)=l，z、l,…,m(12)4)令f=《[x+S(》,c'(""g))-;r(A:+"i)],^=《iVd，g=0i=lS=f+^(^^C'(A:))(13)則式(ll)可表示為w,S+C'(A:)+;i,i=0，z、l,…，w(14)對(duì)式(14)兩邊左乘^，可得+f(AO+VZ=0，/=l,-.、w(15)將式(12)代入式(15)，既有再將式(16)代入式(13)，則:w,S+C'(A:)+^^(w,v4S+l)二0，z、l，…，附從而其中/為m階單位矩陣。將式(17)代入式(13)，有:,'=i乂即[/一(|>》《—，=^(17)(18)最后，將式(18)代入式(17)，可求得使機(jī)器組負(fù)載預(yù)測(cè)控制問(wèn)題控制目標(biāo)最小的控制律C(A;):cw=《-7).[/-(g"'2)'<^-",'0+i^，Z=1,…,w。本發(fā)明提出的基于流模型的機(jī)器組負(fù)載預(yù)測(cè)控制方法流程圖如圖3所示。根據(jù)上述所提出的基于流模型的機(jī)器組負(fù)載預(yù)測(cè)控制方法，本發(fā)明做了大量的仿真試驗(yàn)，由于篇幅所限，采用如下兩個(gè)較難預(yù)測(cè)控制的實(shí)驗(yàn)用以驗(yàn)證本發(fā)明提出的機(jī)器組負(fù)載預(yù)測(cè)控制方法的有效性，實(shí)驗(yàn)參數(shù)見(jiàn)表l:表1仿真實(shí)驗(yàn)參數(shù)<table>tableseeoriginaldocumentpage14</column></row><table><table>tableseeoriginaldocumentpage15</column></row><table>本發(fā)明設(shè)計(jì)了用于與AFFC方法相比較的啟發(fā)式方法(HFC:HeuristicFlowControl),該方法可描述如下用當(dāng)前時(shí)刻后道工序機(jī)器組負(fù)載與負(fù)載期望值之間的差i#w=[r(Q—1^)]二[5，^,…，^:T來(lái)調(diào)節(jié)C("，即如果^大于零，則增加q，)中各個(gè)元素的值；反之，如果^.小于零，則減少c^)中各個(gè)元素的值，從而可減少rxQ與y("的差，但在增加和減少q，)時(shí)，應(yīng)滿足約束J.C("=J。具體方法是對(duì)Z)^("中的元素從大到小重新排列。如果^是前"/2個(gè)大的元素之一，則C:(A:)-。(A:-l)+0.1./;反之，如果5是后"/2個(gè)大的元素之一，則C;(A)=C/A:-1)-0.1■/。在數(shù)值仿真中分別用AFFC和HFC方法對(duì)C(A:)進(jìn)行調(diào)節(jié)。其中，圖4為后道工序各機(jī)器組負(fù)載期望值，圖5和6分別為采用AFFC方法和HFC方法獲得的后道工序各機(jī)器組負(fù)載實(shí)際值。圖5中的F(Q較好地跟蹤了圖3中期望值:r(A:)的變化(最大誤差分別是5%和1.79%),并且是收斂的。而圖6中的y(A:)雖可反映出圖4中F(W的變化趨勢(shì)，但與F("的誤差隨控制時(shí)間的增大而越來(lái)越大(曲線不收斂)。可見(jiàn)本發(fā)明提出的AFFC對(duì)跟蹤后道工序機(jī)器組負(fù)載期望值是有效的。HFC方法的缺點(diǎn)是未引入對(duì)后道工序機(jī)器組負(fù)載的預(yù)測(cè)機(jī)制，而僅根據(jù)后道工序機(jī)器組負(fù)載當(dāng)前狀態(tài)對(duì)C("進(jìn)行調(diào)節(jié)，且調(diào)節(jié)方法較簡(jiǎn)單，使得跟蹤誤差較大。本發(fā)明的實(shí)施案例為某大型色織生產(chǎn)企業(yè)，該企業(yè)的生產(chǎn)主要包括松紗、復(fù)板、染色、絡(luò)筒、整經(jīng)、漿紗、穿綜、插筘和織布等九道工序，其中染色工序和織布工序是該企業(yè)生產(chǎn)過(guò)程中的瓶頸工序。在染色和織布工序間有絡(luò)筒、整經(jīng)、漿紗、穿綜和插筘工序，上述工序的生產(chǎn)能力均較大，生產(chǎn)任務(wù)僅需經(jīng)過(guò)一定的延時(shí)(工藝加工時(shí)間)即可經(jīng)過(guò)這些工序?？梢?jiàn)，該色織生產(chǎn)過(guò)程符合本發(fā)明描述的復(fù)雜生產(chǎn)過(guò)程情況，可通過(guò)控制染色工序任務(wù)的輸出率控制織布工序中各個(gè)機(jī)器組的加工負(fù)載。首先按照本說(shuō)明書(shū)的要求在織布工序安裝機(jī)器組負(fù)載預(yù)測(cè)控制硬件系統(tǒng)。其次，從該色織生產(chǎn)的生產(chǎn)管理系統(tǒng)中讀取最近l個(gè)月的生產(chǎn)數(shù)據(jù)，按照本說(shuō)明書(shū)提供的方法建立ANFIS的訓(xùn)練數(shù)據(jù)，共計(jì)10000條。并使用這些訓(xùn)練數(shù)據(jù)對(duì)ANFIS進(jìn)行訓(xùn)練，建立織布工序機(jī)器組負(fù)載預(yù)測(cè)控制的J階模型。在確定采樣周期時(shí)，根據(jù)該色織生產(chǎn)企業(yè)的實(shí)際生產(chǎn)情況，確定采樣周期r二2小時(shí)，同時(shí)由丁染色和織布間的中間工序的加工延遲時(shí)間基本在10小時(shí)左右，所以該預(yù)測(cè)控制模型的階數(shù)J=5。之后，根據(jù)織布工序中的23個(gè)機(jī)器組的加工能力，使用本說(shuō)明書(shū)提供的機(jī)器組負(fù)載期望值確定方法確定上述23個(gè)機(jī)器組的加工負(fù)載期望值。最后，預(yù)測(cè)控制軟件根據(jù)本說(shuō)明書(shū)給出的染色工序中各機(jī)器組的任務(wù)輸出率求取方法，在獲取織布工序各機(jī)器組負(fù)載實(shí)時(shí)信息的基礎(chǔ)上，白動(dòng)給出染色工序各機(jī)器組的任務(wù)輸出率?；诹髂Ｐ偷臋C(jī)器組負(fù)載預(yù)測(cè)控制方法可很好地對(duì)織布工序機(jī)器組負(fù)載進(jìn)行控制。權(quán)利要求1、基于流模型的機(jī)器組負(fù)載預(yù)測(cè)控制方法，其特征在于，所述方法是在機(jī)器組負(fù)載預(yù)測(cè)控制計(jì)算機(jī)上依次按以下步驟實(shí)現(xiàn)的步驟(1)初始化，設(shè)定以下參變量采樣時(shí)間間隔，每隔時(shí)間間隔T給出前道工序中各機(jī)器組任務(wù)輸出率，所述機(jī)器組由加工能力相似的多臺(tái)機(jī)器組成，而采樣時(shí)刻則用k表示；機(jī)器組加工能力，是在單位時(shí)間內(nèi)機(jī)器組所能完成的加工任務(wù)的加工時(shí)間總和，前道工序中機(jī)器組i的加工能力用ui表示，i＝1，…，m，用矩陣表示為U＝[u1，u2，…，um]T，后道工序中機(jī)器組j的加工能力用vj表示，j＝1，…，n，用矩陣表示為V＝[v1，v2，…，vn]T，m和n分別為前、后道工序中機(jī)器組的數(shù)目；前道工序機(jī)器組任務(wù)輸出率，前道工序機(jī)器組i基于生產(chǎn)工藝約束在k采樣時(shí)刻加工完成的任務(wù)被安排到后道工序由機(jī)器組j加工的比例，用cij(k)表示，用矩陣表示為<mathsid="math0001"num="0001"><math><![CDATA[<mrow><mi>C</mi><msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mrow><mi>n</mi><mo>×</mo><mi>m</mi></mrow></msup><mo>=</mo><mo>[</mo><msub><mi>C</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>,</mo><msub><mi>C</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><msub><mrow><mo>,</mo><mi>C</mi></mrow><mi>n</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><msup><mo>]</mo><mi>T</mi></msup></mrow>]]></math></maths><mathsid="math0002"num="0002"><math><![CDATA[<mrow><mo>=</mo><mo>[</mo><msup><mi>C</mi><mn>1</mn></msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>,</mo><msup><mi>C</mi><mn>2</mn></msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msup><mi>C</mi><mi>m</mi></msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>]</mo></mrow>]]></math></maths>其中0≤cij≤1且<mathsid="math0003"num="0003"><math><![CDATA[<mrow><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>c</mi><mi>ij</mi></msub><mo>=</mo><mn>1</mn><mo>,</mo><mi>i</mi><mo>=</mo><mn>1</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>m</mi><mo>;</mo><mi>j</mi><mo>=</mo><mn>1</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>n</mi><mo>;</mo></mrow>]]></math>id="icf0004"file="A2008101147310002C4.tif"wi="54"he="10"top="173"left="64"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>機(jī)器組負(fù)載，工序中某個(gè)機(jī)器組前等待加工任務(wù)的加工時(shí)間總和，后道工序機(jī)器組j在k時(shí)刻的負(fù)載表示為yj(k)，用矩陣表示為Y(k)n×1＝[y1(k)，y2(k)，…，yn(k)]T；后道工序中機(jī)器組j在k時(shí)刻的機(jī)器負(fù)載期望值表示為yjr(k)，用矩陣表示為<mathsid="math0004"num="0004"><math><![CDATA[<mrow><msup><mi>Y</mi><mi>r</mi></msup><msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mrow><mi>n</mi><mo>×</mo><mn>1</mn></mrow></msup><mo>=</mo><msup><mrow><mo>[</mo><msubsup><mi>r</mi><mn>1</mn><mi>r</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>,</mo><msubsup><mi>y</mi><mn>2</mn><mi>r</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msubsup><mi>y</mi><mi>n</mi><mi>r</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>]</mo></mrow><mi>T</mi></msup><mo>;</mo></mrow>]]></math></maths>中間工序的加工延遲時(shí)間用d表示，其是指任務(wù)從前道工序加工完畢開(kāi)始，通過(guò)中間工序的加工，到達(dá)后道工序所用的平均時(shí)間單位，含等待時(shí)間；給定的控制周期用Tall表示；控制周期Tall內(nèi)后道工序機(jī)器組j的總負(fù)載用Loadj表示；步驟(2)用機(jī)器組負(fù)載信息采集裝置采集機(jī)器組負(fù)載實(shí)時(shí)信息，機(jī)器組負(fù)載信息采集裝置由PLC采集裝置、嵌入式系統(tǒng)采集裝置、DCS系統(tǒng)采集裝置中的一種或它們的組合構(gòu)成；步驟(3)所述的機(jī)器組負(fù)載預(yù)測(cè)控制計(jì)算機(jī)從所述采集裝置中讀取機(jī)器組負(fù)載實(shí)時(shí)信息，依次按以下步驟進(jìn)行機(jī)器組負(fù)載預(yù)測(cè)控制步驟(3.1)按下式確定各采樣間隔時(shí)間內(nèi)后道工序各機(jī)器組負(fù)載期望值yjr(k)，<mathsid="math0005"num="0005"><math><![CDATA[<mrow><msubsup><mi>y</mi><mi>j</mi><mi>r</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><mi>Loa</mi><msub><mi>d</mi><mi>j</mi></msub></mrow><mrow><msub><mi>T</mi><mi>all</mi></msub><mo>/</mo><mi>T</mi></mrow></mfrac><mo>,</mo><mi>j</mi><mo>=</mo><mn>1</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>n</mi></mrow>]]></math></maths>步驟(3.2)按下式建立后道工序機(jī)器組負(fù)載預(yù)測(cè)控制問(wèn)題<mathsid="math0006"num="0006"><math><![CDATA[<mrow><mi>J</mi><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>d</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mn>2</mn></mfrac><mo>[</mo><mi>Y</mi><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>d</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><msup><mi>Y</mi><mi>r</mi></msup><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>d</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><msup><mo>]</mo><mi>T</mi></msup><mo>·</mo><mo>[</mo><mi>Y</mi><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>d</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><msup><mi>Y</mi><mi>r</mi></msup><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>d</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>]</mo></mrow>]]></math></maths><mathsid="math0007"num="0007"><math><![CDATA[<mrow><mo>+</mo><mfrac><mn>1</mn><mn>2</mn></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msup><mi>C</mi><mi>i</mi></msup><msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mi>T</mi></msup><mo>·</mo><msup><mi>C</mi><mi>i</mi></msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></mrow>]]></math></maths>求控制律C(k)，使得min{J(k+d+1)}，其中對(duì)所有i滿足ACi(k)＝1，A＝[1，1，…，1]1×m；步驟(3.3)按下述步驟建立后道工序機(jī)器組負(fù)載預(yù)測(cè)控制模型步驟(3.3.1)建立后道工序機(jī)器組負(fù)載1階預(yù)測(cè)控制模型yj(k+1)＝max{yj(k)-vjT+[c1j(k-d)u1+…+cmj(k-d)um]T，0}＝max{yj(k)-Tvj+TCj(k-d)U，0}，j＝1，…，n，步驟(3.3.2)采用具有L條模糊規(guī)則的自適應(yīng)神經(jīng)模糊推理系統(tǒng)ANFIS建立后道工序機(jī)器組負(fù)載d階預(yù)測(cè)控制模型即<mathsid="math0008"num="0008"><math><![CDATA[<mrow><mi>Y</mi><msup><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>d</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mrow><mi>n</mi><mo>×</mo><mn>1</mn></mrow></msup><mo>=</mo><msup><mi>X</mi><mrow><mi>n</mi><mo>×</mo><mn>1</mn></mrow></msup><mo>+</mo><munderover><mi>Σ</mi><mrow><mi>q</mi><mo>=</mo><mn>0</mn></mrow><mi>d</mi></munderover><msubsup><mi>N</mi><mi>q</mi><mrow><mi>n</mi><mo>×</mo><mi>n</mi></mrow></msubsup><mo>·</mo><mo>[</mo><msup><mi>C</mi><mn>1</mn></msup><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mi>d</mi><mo>+</mo><mi>q</mi><mo>)</mo></mrow><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msup><mi>C</mi><mi>m</mi></msup><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mi>d</mi><mo>+</mo><mi>q</mi><mo>)</mo></mrow><msup><mo>]</mo><mrow><mi>n</mi><mo>×</mo><mi>m</mi></mrow></msup><mo>·</mo><msup><mi>U</mi><mrow><mi>m</mi><mo>×</mo><mn>1</mn></mrow></msup></mrow>]]></math></maths><mathsid="math0009"num="0009"><math><![CDATA[<mrow><mo>=</mo><msup><mi>X</mi><mrow><mi>n</mi><mo>×</mo><mn>1</mn></mrow></msup><mo>+</mo><munderover><mi>Σ</mi><mrow><mi>q</mi><mo>=</mo><mn>0</mn></mrow><mi>d</mi></munderover><msubsup><mi>N</mi><mi>q</mi><mrow><mi>n</mi><mo>×</mo><mi>n</mi></mrow></msubsup><mo>·</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msub><mi>u</mi><mi>i</mi></msub><msup><mi>C</mi><mi>i</mi></msup><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mi>d</mi><mo>+</mo><mi>q</mi><mo>)</mo></mrow></mrow>]]></math></maths>其中Xn×1＝[E1，E2，…，En]T，<mathsid="math0010"num="0010"><math><![CDATA[<mrow><msub><mi>E</mi><mi>j</mi></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>l</mi><mo>=</mo><mn>1</mn></mrow><mi>L</mi></munderover><msub><mi>h</mi><mi>l</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>·</mo><mo>[</mo><msup><mi>α</mi><mi>l</mi></msup><mrow><mo>(</mo><msub><mi>y</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>Tv</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>+</mo><msup><mi>β</mi><mi>l</mi></msup><mo>]</mo></mrow>]]></math>id="icf0011"file="A2008101147310003C6.tif"wi="60"he="10"top="229"left="77"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>id="icf0012"file="A2008101147310003C7.tif"wi="65"he="20"top="246"left="21"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/><mathsid="math0011"num="0011"><math><![CDATA[<mrow><msub><mi>F</mi><mi>jq</mi></msub><mo>=</mo><mi>T</mi><mo>·</mo><munderover><mi>Σ</mi><mrow><mi>l</mi><mo>=</mo><mn>1</mn></mrow><mi>L</mi></munderover><msub><mi>h</mi><mi>l</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><msubsup><mi>γ</mi><mi>q</mi><mi>l</mi></msubsup><mo>,</mo></mrow>]]></math>id="icf0013"file="A2008101147310003C8.tif"wi="33"he="10"top="251"left="90"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>hl(k)＝fl(yj(k)-Tvj，TCj(k-d)U，…，TCj(k-1)U)，是ANFIS輸入為yj(k)-Tvj，TCj(k-d)U，…，TCj(k-1)U時(shí)第l條模糊規(guī)則的激發(fā)值，fl為模糊規(guī)則激發(fā)值計(jì)算函數(shù)，其為第l條模糊規(guī)則中ANFIS各輸入變量所對(duì)應(yīng)模糊數(shù)的隸屬度函數(shù)的乘積，其中，上述模糊數(shù)的隸屬度函數(shù)采用鐘形函數(shù)，鐘形函數(shù)中的參數(shù)即為ANFIS中待定的前件參數(shù)，而ANFIS中待定的后件參數(shù)為αl，γ0l，γ1l，…，γdl，βl；步驟(3.3.3)采用如下步驟確定ANFIS中的前件參數(shù)和后件參數(shù)；步驟(3.3.3.1)對(duì)所有j＝1，2，…，n，隨機(jī)產(chǎn)生Cj(k)的值，并按步驟(3.3.1)所述公式計(jì)算yj(k+1)值，從而產(chǎn)生若干用于訓(xùn)練ANFIS的輸入輸出訓(xùn)練數(shù)據(jù)集，其中，輸入數(shù)據(jù)為Y(k)，C(k-d)，…，C(k-1)，輸出數(shù)據(jù)為Y(k+d+1)；步驟(3.3.3.2)采用步驟(3.3.2.1)生成的訓(xùn)練數(shù)據(jù)集及ANFIS經(jīng)典學(xué)習(xí)算法，確定ANFIS中待定的前件參數(shù)和后件參數(shù)；步驟(3.4)根據(jù)步驟(3.3)得到的后道工序機(jī)器組負(fù)載d階預(yù)測(cè)控制模型，采用拉格朗日松弛方法按下式計(jì)算最佳控制率C(k)，其中Ci(k)為<mathsid="math0012"num="0012"><math><![CDATA[<mrow><msup><mi>C</mi><mi>i</mi></msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>u</mi><mi>i</mi></msub><mrow><mo>(</mo><mfrac><mrow><msup><mi>A</mi><mi>T</mi></msup><mi>A</mi></mrow><msup><mi>AA</mi><mi>T</mi></msup></mfrac><mo>-</mo><mi>I</mi><mo>)</mo></mrow><mo>·</mo><mo>[</mo><mi>I</mi><mo>-</mo><mrow><mo>(</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msubsup><mi>u</mi><mi>i</mi><mn>2</mn></msubsup><mo>)</mo></mrow><mo>·</mo><mover><mi>N</mi><mo>‾</mo></mover><mrow><mo>(</mo><mfrac><mrow><msup><mi>A</mi><mi>T</mi></msup><mi>A</mi></mrow><msup><mi>AA</mi><mi>T</mi></msup></mfrac><mo>-</mo><mi>I</mi><mo>)</mo></mrow><msup><mo>]</mo><mrow><mo>-</mo><mn>1</mn></mrow></msup><mo>·</mo><mo>[</mo><mover><mi>X</mi><mo>‾</mo></mover><mo>+</mo><mrow><mo>(</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msub><mi>u</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>·</mo><mfrac><mrow><mover><mi>N</mi><mo>‾</mo></mover><msup><mi>A</mi><mi>T</mi></msup></mrow><msup><mi>AA</mi><mi>T</mi></msup></mfrac><mo>]</mo><mo>+</mo><mfrac><msup><mi>A</mi><mi>T</mi></msup><msup><mi>AA</mi><mi>T</mi></msup></mfrac><mo>,</mo></mrow>]]></math></maths>其中I為單位矩陣，<mathsid="math0013"num="0013"><math><![CDATA[<mrow><mover><mi>X</mi><mo>‾</mo></mover><mo>=</mo><msubsup><mi>N</mi><mi>d</mi><mi>T</mi></msubsup><mo>[</mo><mi>X</mi><mo>+</mo><munderover><mi>Σ</mi><mrow><mi>q</mi><mo>=</mo><mn>0</mn></mrow><mrow><mi>d</mi><mo>-</mo><mn>1</mn></mrow></munderover><mrow><mo>(</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msub><mi>u</mi><mi>i</mi></msub><msup><mi>C</mi><mi>i</mi></msup><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mi>d</mi><mo>+</mo><mi>q</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>-</mo><msup><mi>Y</mi><mi>r</mi></msup><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>d</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>]</mo><mo>,</mo><mover><mi>N</mi><mo>‾</mo></mover><mo>=</mo><msubsup><mi>N</mi><mi>d</mi><mi>T</mi></msubsup><msub><mi>N</mi><mi>d</mi></msub><mo>.</mo></mrow>]]></math>id="icf0015"file="A2008101147310004C2.tif"wi="116"he="20"top="171"left="72"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>全文摘要一種基于流模型的機(jī)器組負(fù)載預(yù)測(cè)控制方法，屬于自動(dòng)控制、信息技術(shù)和先進(jìn)制造領(lǐng)域，具體涉及在具有前后兩道瓶頸工序且每道瓶頸工序存在多組機(jī)器組的復(fù)雜生產(chǎn)制造過(guò)程中對(duì)后道瓶頸工序各機(jī)器組負(fù)載的預(yù)測(cè)控制方法，其特征在于包括以下步驟后道瓶頸工序中機(jī)器組負(fù)載的定時(shí)采樣、后道瓶頸工序機(jī)器組負(fù)載期望值確定、后道瓶頸工序機(jī)器組負(fù)載d階預(yù)測(cè)控制模型建立和前道瓶頸工序機(jī)器組控制參數(shù)求取。本發(fā)明基于流模型和自適應(yīng)神經(jīng)模糊推理系統(tǒng)建立后道瓶頸工序各機(jī)器組負(fù)載預(yù)測(cè)控制模型，并以后道瓶頸工序各機(jī)器組實(shí)際負(fù)載與期望負(fù)載之差的平方和最小為優(yōu)化控制目標(biāo)，采用拉格朗日松弛方法，給出前道瓶頸工序各機(jī)器組的任務(wù)輸出率，以提高生產(chǎn)性能。文檔編號(hào)G05B13/04GK101334637SQ20081011473公開(kāi)日2008年12月31日申請(qǐng)日期2008年6月11日優(yōu)先權(quán)日2008年6月11日發(fā)明者民劉,澄吳,董明宇申請(qǐng)人:清華大學(xué)