基于神经网络的生产作业计划应用研究

研究利用前向神经网络 (也称多层感知机 )安排单件小批量订单生产类型企业的生产作业计划 ,针对数据难于组织、反传算法易陷入局部极小点和输出结果存在偏差的问题 ,提出了以下的解决方法 :基于位混合编码的样本组织方式 ;权值和迁跃点记忆队列的网络训练方法和结果校正方法 .仿真结果证明了解决方法的有效性和基于神经网络研究生产作业计划的可行性 .     

基于神经网络的生产作业计划理论研究

研究如何利用前向神经网络安排单件小批量订单生产类型企业的生产作业计划，针对数据难于组织、反应传算法易陷入局部极小点和输出结果存在偏差的问题，提出了基于位混合编码的样本组织方式；权值和迁跃点记忆队列的网络训练和结果校正方法，仿真结果证明了方法的有效性和基于神经网络研究生产作业计划的可行性。     

基于神经网络的生产作业计划应用研究

研究利用前向神经网络（也称多层感知机）安排单件小批量订单生产类型企业的生产作业计划，针对数据难于组织、反伟算易陷入局部极小点和输出结果存在偏差的总是提出了以下的解决方法：基于位混合编码的样本组织方式；权值和迁路点记忆队列的网络训练方法和结果校正方法。仿真结果证明了解决方法的有效性和基于神经网络研究生产作业计划的可行性。     

车间生产作业计划再生的模糊神经网络方法

研究了将模糊神经网络用于生产作业计划实际执行中遇到干扰时的再生方法．针对模糊的、难以表述和处理的干扰,设计了一个模糊神经网络,包括模糊子网和主体网络,前者根据隶属函数,将定性的模糊“干扰”量化后,参与网络的运算;后者根据模糊规则,将“干扰”定义为网络部分结点的作用函数．较好地解决了“干扰”知识的获取与处理问题．     

车间生产作业计划再生的模糊神经网络方法

研究了将模糊神经网络用于生产作业计划实际执行中遇到干扰时的再生方法。针对模糊的、难以表述和处理的干扰,设计了一个模糊神经网络,包括模糊子网和主体网络,前者根据隶属函数。     

单件车间生产作业计划再生方法研究

针对单件车间生产作业计划的再生问题,用ＶｉｓｕａｌＦｏｘｐｒｏ开发了一个时间调整算法和实现了禁忌搜索算法．当干扰发生时,前者用于无可替代机床情况下对受影响工序的开工时间和完工时间的调整;后者用于有可替代机床情况下对在替代机床上加工工件的排序．实验表明,它们能较好地解决各种情况下生产作业计划再生问题．     

面向对象的生产作业计划专家模拟系统的研究

集成专家系统、模拟技术、面向对象方法和优化技术，研究与开发了面向对象的生产作业计划专家模拟系统的原型。阐述了该系统的构成和功能；深入讨论了生产作业计划编制专家子系统和面向对象的生产作业诸模拟子系统的工作机理。     

面向生产作业计划与控制的模拟技术研究

提出了将计算机模拟技术用于生产作业计划与控制所遇到的问题和解决问题的三种模拟计算方式,包括分布式方式、基于Ｃ／Ｓ的网络方式和基于Ｗｅｂ的交互式方法。设计了三种计算方式的网络结构。     

单件车间生产作业计划再生方法研究

针对单件车间生产作业计划的再生问题，用Ｖｉｓｕａｌ Ｆｏｘｐｒｏ开发了一个时间调整算法和实现了禁忌搜索算法。当干扰发生时，前者用于无可替代机床情况下对受影响工序的开工时间和完工时间的调整；后者用于有可替代机床情况下对在替代机床上加工工件的排序。实验表明，它们能较好地解决各种情况下生产作业计划再生问题。     

基于可重构单元的生产线规划研究

利用模块化设计思想,提出一种基于可重构单元的生产线规划方法.利用遗传算法对可重构单元进行构建或重构,并将可重构单元作为生产线的基础模块,通过对可重构单元及其相关设备的增删或调整,改变单元和生产线的加工能力.采用基于多agent的控制系统,以保证控制系统与实际生产线和单元配置的相互独立性,从而实现生产线的快速构建与重构,以适应市场产品多变的需求.     

基于JIT的生产计划与控制方法研究

在介绍传统生产方式和JIT（Just In Time）生产方式基本概念的基础上,比较了两种生产方式各自的特点,分析了JIT生产方式在生产计划与控制中的应用,其中重点对订单随时增减变更情况下的生产计划与控制措施进行了探讨.     

粒子群多层感知器在地震预报中的应用研究

地震预报是地理问题研究中的一个重要方面,准确的地震预报可帮助人们及时采取有效措施,降低人员伤亡和经济损失.为实现地震预报,多层感知器已被看作是较传统统计方法如AR IMA更有效的一种技术.但多层感知器的训练,通常用BP算法,常会遇到收敛速度慢、易过拟合、易陷入局部最优等缺点.在这项研究中,采用最新提出的粒子群优化训练多层感知器用于地震预测.仿真结果表明,使用粒子群优化算法训练多层感知器与BP算法相比,具有较快的收敛率、较高的预测精度.     

基于神经网络路径规划的硬件设计

传统路径规划算法在实时系统中存在速度慢等缺陷,笔者给出了路径规划算法的神经网络模型,并通过硬件描述语言在FPGA中得以实现.该算法充分发挥了FPGA的并行运算功能,稳定性好.     

前向神经网络的武器装备水平评估

对应用人工神经网络技术解决武器装备水平评估问题进行了探讨，给出了基于BP网络的武器装备水平年代评估模型，对参评武器的性能参数进行了预处理，仿真结果表明了该方法的有效性及应用潜力。     

A Worsted Yarn Virtual Production System Based on BP Neural Network

Back-Propagation (BP) neural network and its modified algorlthm are introduced. Two series of BP neural network models have been established to predict yarn properties and to deduce wool fiber qua/ides. The results from these two series of models have been compared with the measured values respectively, proving that the accuracy in both the prediction model and the deduction model is high. The experimental results and the corresponding analysis show that the BP neural network is an efficient technique for the quality prediction and has wide prospect in the application of worsted yam production system.     

基于控件技术的前向神经网络实现研究

在分析前向神经网络应用特点的基础上,将其与ＡｃｔｉｖｅＸ技术相结合,提出了一种基于控件技术的前向神经网络体系结构,并用ＶｉｓｕａｌＣ＋ ＋ 的ＭＦＣ给出了该体系结构的实现方案．该方案具有实现简单,使用方便,宜于扩充,移植性强,界面友好等优点     

MRP生产计划与控制系统的探讨

根据生产计划与控制的基本功能要求，分析了我国现行生产计划与控制理论及其实践中存在的问题。指出ＭＲＰ是解决这些问题和实现生产计划与控制基本功能的有效方法，并分析了ＭＲＰ系统有效运行的基础。     

冶铸轧一体化生产合同计划优化问题研究

将炼钢—连铸—热轧—精整一体化生产过程,抽象为炼钢与热轧两大加工阶段,以板坯热装比最大、交货提前/拖期率和组炉余材率最小为优化目标,综合考虑炼钢与热轧的产能,以及钢种、板坯和成品规格等约束条件,建立生产合同计划数学优化模型,并采用双层染色体遗传算法进行求解.在合同计划层次上,解决了一体化生产过程中,连铸与热轧工序之间在钢种和规格上的匹配问题.获得的合同计划,是冶铸轧一体化生产的批量计划和静态调度优化问题的合理的生产定单池.仿真实例证明了模型的合理性与算法的有效性.