基于机器学习的人机合作车间调度系统研究

摘要

基于Multi-Agent的人机合作技术适合于解决复杂调度问题，能够实现很好的自主性和动态调度。但是，其中的人机合作主要是集中在加工层次上，在决策层面上的合作比较少，即使有那也是机器辅助人来完成一些简单常见任务的决策，没能实现人机很好地合作。因此，本文在基于MAS的人机合作系统中引入数据挖掘技术，建立一个基于机器学习的人机合作调度系统，使得机器具有自我学习和自我推理能力，进而能够很好地帮助人来完成决策方面的工作，使人的脑力劳动量大大减轻，使人与机能够更好地合作来完成车间高效、准确的调度。
　　本文从车间动态调度的角度出发，对车间调度的结构组成进行了分析，并据此对车间调度系统的功能进行了细化，形成了车间调度系统的概念模型，接着运用。MAS建模技术对其进行了建模得到基于MAS的人机合作的仿真模型，并将基于weka机器学习的C4.5算法技术引入系统，建立了基于机器学习的人机合作车间调度系统仿真模型。
　　在系统仿真模型的基础上，对系统软件的整体结构进行了设计，接着，在java环境下，以weka、JADE为开发平台，以Eclipse为开发工具，以Access为后台数据库，完成了对系统的开发。为了验证系统的正确性，分别对两个实例，实例一和实例二进行了仿真实验，通过对两组实验结果数据的分析，发现运用机器学习算法动态调度的结果稍优于静态调度的最好的调度结果，证明了系统的正确性和优越性。

目录

独创性声明

学位论文使用授权声明

1 绪论

1.1 引言

1.2 车间调度的国内外研究现状及存在问题

1.2.1 车间调度的国内外研究现状

1.2.2 车间调度的主要研究方法及其存在的问题

1.3 论文的主要研究内容及论文安排

1.3.1 研究目的

1.3.2 本论文内容及其安排

2 基于机器学习的人机合作车间调度系统及其关键技术

2.1 引言

2.2 机器学习技术介绍

2.2.1 机器学习的基本概念

2.2.2 机器学习系统的基本结构

2.3 数据挖掘技术介绍

2.3.1 数据挖掘的概念

2.3.2 数据挖掘的相关软件

2.3.3 Waikato Environment for Knowledge Analysis简介

2.4 人机合作模型及其相关技术

2.4.1 人机合作的定义

2.4.2 基于机器学习人机合作的特点

2.5 基于机器学习的人机合作车间调度系统的概念模型

2.5.1 车间调度系统的组成

2.5.2 基于机器学习的人机合作车间调度系统

2.6 本章小结

3 基于weka机器学习的人机合作车间调度系统仿真模型

3.1 引言

3.2 基于weka的机器学习模型及其特性

3.2.1 weka数据挖掘流程

3.2.2 C4.5算法原理

3.2.3 机器学习模型的建立

3.3 基于weka机器学习的人机合作车间调度系统模型

3.3.1 基于Agent的建模仿真技术

3.3.2 MAS和weka结合的特点

3.3.3 基于机器学习的人机合作车间调度系统模型

3.3.4 基于机器学习的人机合作车间调度系统各子模块详细模型

3.4 本章小结

4 基于机器学习的人机合作车间调度系统的软件实现

4.1 引言

4.2 系统仿真软件的设计

4.2.1 软件的总体设计

4.2.2 软件的结构组成

4.3 开发环境的建立

4.4 主要实现技术介绍

4.4.1 weka数据挖掘的实现技术

4.4.2 JADE平台下多Agent实现技术

4.4.3 JADE与weka平台间的集成技术

4.5 本章小结

5 系统仿真运行与分析

5.1 引言

5.2 系统仿真运行的原始数据

5.3 人机合作完成加工工艺的编写

5.4 系统的仿真结果分析

5.5 本章小结

6 全文总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献

攻读硕士学位期间发表的论文和参加的科研项目