云制造环境下基于离散Markov跳变系统的机床装备资源动态优选方法

doi:10.13196/j.cims.2022.01.004

计算机集成制造系统 ›› 2022, Vol. 28 ›› Issue (1): 43-50.DOI: 10.13196/j.cims.2022.01.004

云制造环境下基于离散Markov跳变系统的机床装备资源动态优选方法

李孝斌,方志伟,尹超

重庆大学机械传动国家重点实验室

出版日期:2022-01-31 发布日期:2022-02-19
基金资助:
国家自然科学基金资助项目(51875065,51705049);重庆市自然科学基金资助项目(cstc2018jcyjAX0237);中国博士后科学基金资助项目(2020M683238,2020T130756)。

Discrete Markov jump system based dynamic optimization method of machine tools in cloud manufacturing environment

Online:2022-01-31 Published:2022-02-19
Supported by:
Project supported by the National Natural Science Foundation,China(No.51875065,51705049),the Natural Science Foundation of Chongqing Municipality,China(No.cstc2018jcyjAX0237),and the China Postdoctoral Science Foundation,China(No.2020M683238,2020T130756).

摘要/Abstract

摘要： 针对云制造环境下加工任务执行过程中机床装备资源易受紧急插单、加工质量异常、设备运行故障等高频随机扰动影响,致使产品加工服务质量(QoS)不能满足客户个性化需求的问题,提出一种基于离散Markov跳变系统的机床装备资源动态优化选择方法。首先,结合云制造服务运行特点,构建了云制造环境下面向加工任务执行过程的服务质量动态演化模型;基于系统稳态控制定理,设计了云制造加工任务QoS的状态反馈控制器和闭环控制系统,并在此基础上提出面向生产随机扰动的机床装备资源动态优选策略;最后,通过应用实例仿真分析,所提方法将云制造服务的综合QoS值提升了10%以上,从而验证了该方法的有效性和实用性。

关键词: 云制造, 机床装备, 动态优选, 随机扰动, Markov跳变系统

Abstract: In cloud manufacturing (CMfg) environment,machine tools are susceptible to high-frequency random disturbances such as urgent order insertion,abnormal processing quality and equipment failures during the execution of manufacturing tasks,resulting in Quality of Service (QoS) cannot meet personalized demands from customers.To solve the problem,a discrete Markov jump system based dynamic matching method of machine tools was proposed.Based on the service operation characteristics in CMfg,a dynamic service quality evolution model toward the execution processing of manufacturing tasks was constructed.Combined with the system steady-state control theorem,a state feedback controller and a closed-loop control system were designed to describe the stability of cloud manufacturing task QoS.A dynamic optimization strategy of machine tools was proposed to mediate random disturbances during production.A simulation example proved that the proposed method could improve the comprehensive QoS of cloud manufacturing services by more than 10%,which verified the effectiveness and practicality of the method.

Key words: cloud manufacturing, machine tool, dynamic optimization, random disturbance, Markov jump system

中图分类号:

TH166
TP391

李孝斌, 方志伟, 尹超. 云制造环境下基于离散Markov跳变系统的机床装备资源动态优选方法[J]. 计算机集成制造系统, 2022, 28(1): 43-50.

[1]	朱宏琳, 任南, 王念新. 区块链下云制造服务平台交易演化博弈分析[J]. 计算机集成制造系统, 2022, 28(2): 629-643.
[2]	李颖新, 刘继红, 张宏, 侯永柱, 何志军, 樊江鑫. 云制造下设计任务与知识资源双边匹配方法[J]. 计算机集成制造系统, 2022, 28(2): 644-648.
[3]	王平, 肖涵, 潘燕华. 基于双层规划的云制造资源服务组合[J]. 计算机集成制造系统, 2022, 28(1): 51-58.
[4]	周向红, 李丹萍, 成鹏飞, 喻维纲, 傅呈勋. 面向云制造协同创新伙伴选择的多源异构VIKOR群决策方法[J]. 计算机集成制造系统, 2022, 28(1): 59-72.
[5]	满君丰,赵龙乾,彭成,李倩倩. 云边协同计算架构下大规模工厂接入的任务调度[J]. 计算机集成制造系统, 2021, 27(8): 2282-2294.
[6]	单子丹,李雲竹,盛晨辉. 云制造模式下差异化产品多时序生产优化[J]. 计算机集成制造系统, 2021, 27(6): 1681-1692.
[7]	李永湘,姚锡凡,刘敏. 基于可靠性可信性分析的云制造服务组合优化[J]. 计算机集成制造系统, 2021, 27(6): 1780-1798.
[8]	王婕,耿秀丽. 基于直觉模糊余弦相似度的云制造服务质量评价[J]. 计算机集成制造系统, 2021, 27(4): 1128-1134.
[9]	杨小佳,刘建军,陈庆新,毛宁. 变扰动强度下柔性装配作业车间调度性能分析[J]. 计算机集成制造系统, 2021, 27(3): 800-814.
[10]	张海军,闫琼,张国辉,李庆宇,余杰. 基于数字孪生的制造资源动态优选决策[J]. 计算机集成制造系统, 2021, 27(2): 521-535.
[11]	胡杨,吴锋,王红涛. 考虑稀缺服务与质量损失云制造服务组合问题[J]. 计算机集成制造系统, 2021, 27(12): 3639-3650.
[12]	赵友宝,任翠真,饶卫振. 云制造环境下客户协作的成本分摊问题[J]. 计算机集成制造系统, 2021, 27(10): 3004-3013.
[13]	邹萍,张华,马凯蒂,程仕通. 面向边缘计算的制造资源感知接入与智能网关技术研究[J]. 计算机集成制造系统, 2020, 26(第1): 40-48.
[14]	朱文兴,谢明珠,许菱. 基于双边市场理论的云制造平台定价策略[J]. 计算机集成制造系统, 2020, 26(第1): 268-278.
[15]	郝予实,范玉顺. 基于场景识别的云制造服务推荐[J]. 计算机集成制造系统, 2020, 26(8): 2007-2019.

云制造环境下基于离散Markov跳变系统的机床装备资源动态优选方法

Discrete Markov jump system based dynamic optimization method of machine tools in cloud manufacturing environment

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics