基于工业物联网的混流车间机器人自适应调度

随着工业物联网技术与人工智能技术深度融合,物料机器人已广泛应用于物联网车间中。针对车间存在实时动态变化和状况不确定等诸多复杂因素,本文提出以组分层建树和以实时状态为根节点的SP–MCTS(Singleplayermonte-carlotreesearchalgorithm)搜索方法实现车间自适应调度决策。该方法将机器人调度问题转化为马尔科夫决策过程(Markov decision process,MDP),并详细描述车间状态、动作、奖励和策略的表示方法。在实时调度过程中,该搜索方法依据工件组分层建树,搜索中只考虑相邻两组间的状态关系,从而简化计算难度。在子树搜索中,应用SP–MCTS以实时状态为根节点进行搜索,同时应用扩展方法和剪支方法进行策略探索和信息累积,使得在子树内实时状态节点越深,就越能够快速精准获取最优策略。最后,通过实际案例模拟分析,验证了该方法的有效性和优越性。     

基于ODE参数辨识的液压伺服系统灰箱建模

 针对液压伺服系统常规"白箱"建模由于参数无法精确获得导致所得模型精度不高及"黑箱"建模所得模型内部结构未知的问题,本文提出基于ODE参数辨识的液压伺服系统"灰箱"建模。首先,建立了工程上实用的系统状态空间模型, 根据系统特征确定了待辨识参数,将模型辨识问题转化为常微分方程(ODE)参数辨识问题;然后,采用正弦扫频信号作为激励信号和基于带边界约束的信赖域优化算法的初值问题方法进行参数辨识;为了和ODE参数辨识结果进行对比,本文同时采用系统的频率响应数据和最小二乘法辨识得到系统的"黑箱"传递函数模型;最后,通过大量实验验证了辨识模型的精确度。实验结果表明,本文提出的基于信赖域算法的液压伺服系统模型辨识方法可以有效处理参数的边界问题,使辨识模型既具有实际的物理意义,又与实际系统高度符合。