基于工业物联网的智能制造服务主动感知与分布式协同优化配置方法研究

经济全球化进程的加快、市场竞争的日益加剧,日趋多样性、个性化的产品制造需求,制造业呈现的信息化、服务化、专业化的发展趋势,对现代生产过程中制造资源的互联化、业务流程的协同化、参与主体的自主化、制造模式的服务化等方面提出了更高的要求。在此背景下,随着云计算、工业物联网、信息物理系统等先进制造信息技术的迅猛发展,新型智能制造模式(如云制造、物联制造、社群化制造等)应运而生,并迅 速引起了学术界和工业届的广泛关注。然而,当前研究主要针对传统制造系统中静态优化模型和方法的研究,较少对底层制造资源服务主动感知、动态优化配置等核心关键方 法深入探索。为此,本研究针对资源服务的透明化感知、自主式优化配置需求,将工业物联技术引入传统制造系统,形成底层制造资源端生产信息的主动感知,以研究“智能制造服务的主动感知与优化配置方法”为突破口,构建了基于工业物联网的智能制造服务主动感知与优化配置方法的体系架构和运行逻辑,并对制造资源实时信息的主动感知与集成、制造资源服务化封装与云端化接入、智能制造服务优化配置方法等方面的关键技术展开深入研究,为促进智能制造系统向敏捷化、服务化、绿色化和智能化的方向发展提供一种重要的理论和技术参考。

  • 2021-06-24
  • 阅读204
  • 下载0
  • 156页
  • pdf

改进回溯搜索算法解决光伏模型参数识别问题

为了准确、可靠地识别光伏模型参数,提出一种改进回溯搜索算法(MBSA)。该算法首先通过选取部分种 群个体同时学习当前种群和历史种群信息,而其他个体向当前种群中最优个体学习并远离最差解,从而保持种群多 样性并提高收敛速度;然后,通过概率来量化总体中的个体性能,进而每个个体基于概率自适应地选择不同的进化策 略来平衡探索和开发能力;最后,采用基于混沌局部搜索的精英策略来进一步提高种群的质量。所提算法在单二极 管、双二极管和光伏模块等不同的光伏模型上进行仿真实验。实验结果表明,所提出的策略极大提升了回溯搜索算法(BSA)的收敛速度和参数识别的准确性。将所提算法与逻辑混沌 JAYA(LCJAYA)算法和多重学习回溯搜索算法(MLBSA)等八种先进的算法进行对比,结果表明,所提出算法参数识别的鲁棒性在对比算法中最优,在单、双二极管模型上的识别准确性明显优于JAYA、LCJAYA、改进的JAYA优化(IJAYA)和基于教学的优化(TLBO)算法,在光伏模块模型上的识别准确性明显优于MLBSA、JAYA、IJAYA和TLBO算法。在不同光照条件和不同温度下采用厂商真实数据对薄膜、单晶和多晶三种光伏组件进行的实际测试中,所提算法的预测结果与实测情况一致。仿真结果表明,所提算法能够精确稳定地识别光伏模型参数。

  • 2021-06-15
  • 阅读204
  • 下载0
  • 8页
  • pdf