科创中国

高新技术改造传统产业,工业生产过程控制系统,先进制造技术

提供了一种应用于置换流水车间的卷积神经网络调度方法，其特征在于，该方法包括下列步骤： (a)采集置换流水车间的机床的数量、零件的数量、每个零件在每台机床上的加工时间，以此形成多个关于机床、零件和零件加工时间的时间矩阵，建立所述置换流水车间加工时间最短的调度模型，利用所述时间矩阵计算所述调度模型获得与该时间矩阵对应的最优加工序列； (b)对于多个所述时间矩阵，将每个时间矩阵中的元素进行归一化处理，以此获得归一化的时间矩阵，根据选取的LeNet-5卷积神经网络算法的输入矩阵的规模将所述归一化的时间矩阵标准化，使其转化为所述LeNet-5卷积神经网络算法可识别的灰度图像，并以此获得标准化后的时间矩阵，该标准化后的时间矩阵与其相应的最优加工序列构成置换流水车间的数据库； (c)将数据库中的部分数据作为训练数据，另一部分作为待预测数据，利用所述训练数据训练所述LeNet-5卷积神经网络，以此获得该LeNet-5卷积神经网络中的网络参数，根据该网络参数对所述LeNet-5卷积神经网络进行设置获得预测神经网络，然后将所述待预测数据中标准化的时间矩阵输入所述预测神经网络中进行预测，获得所需的预测

本发明属于车间调度领域，并公开了一种应用于置换流水车间的卷积神经网络调度方法，该方法包括：(a)建立置换流水车间的时间矩阵和与该时间矩阵对应的最优加工序列；(b)将时间矩阵中进行归一化处理和标准化处理，使其转化为LeNet?5卷积神经网络算法可识别的灰度图像，处理后的时间矩阵与其相应的最优加工序列构成置换流水车间的数据库；(c)将数据库中的训练数据训练LeNet?5卷积神经网络获得神经网络中的网络参数，利用该网络参数设置LeNet?5卷积神经网络，然后利用其进行预测，获得所需的预测加工序列，由此实现置换流水车间的调度。通过本发明，提高生产稳定性和产品质量，降低产品制造周期，提高经济效益。

高亮（Gao Liang，Professor），1996年毕业于西安电子科技大学，获学士学位。2002年毕业于华中科技大学，获博士学位。国家杰出青年基金、首届腾讯“科学探索奖”、教育部新世纪优秀人才获得者。担任数字制造装备与技术国家重点实验室副主任、华中科技大学科技发展院副院长。主要从事智能制造系统、智能设计、智能优化方法等研究。承担国家自然科学基金重点项目、973课题、863项目、装发部预研基金、国防基础科研计划及企业委托课题等项目20余项。出版著作7部，其中英文专著2部，发表SCI论文270余篇，Web of Science被引5000余次，ESI热点论文2篇、高被引论文10余篇。担任IET CIM主编，SEC、JIPE副主编等。担任中国仿真学会智能仿真优化与调度专业委员会副主任、中国机械工程学会生产工程分会生产系统专业组副主任等。2011年获湖北省青年科技奖、2013年获中国机械工程学会青年科技成就奖。获得国家科技进步二等奖1项（排名第二）、教育部自然科学一等奖1项（排名第一）等。

点击查看