MRPⅡ中主生产计划（MPS）的柔性决策

主生产计划是MRPⅡ/ERP（manufacturing resources planning/enterprises resources pannig）中的一个重要组成部分。在市场需求多变的竞争环境下,不确定性大大增加了,使得现行的MRPⅡ系统的生产计划缺乏动态响应性。增加MRPⅡ系统的动态响应性的主要措施是提高主生产计划（MPS）的柔性。研究了不确定性对MRPⅡ主生产计划的影响,在生产计划中引入柔性变量,提出了需求柔性和供应柔性的概念,并建立了相应的算法模型。在应用软件开发中应用所建立的理论模型,实现了主生产计划的柔性决策。     

CIMS下多品种小批量主生产计划的可视化系统

对ＣＩＭＳ环境下单件小批量生产的主生产计划系统,采用运筹学与可视化技术相结合进行了系统开发．此系统利用运筹学技术的优化功能和可视化技术的直观操作的特点,能够使计划编制人员有效而方便的制订主生产计划．系统实际运行表明,该系统使这种方法科学灵活,并使设备利用率得到很大提高．     

热轧钢管主生产计划模型与算法研究

建立了热轧无缝钢管主生产计划问题的混合整数线性规划模型．该模型可归结为多阶段多产品带有能力约束的批量问题，但与传统批量问题存在以下不同：①充分反映了钢管企业与其它行业的不同工艺特点；②目标函数追求最大化现金流而不是最小化成本；③允许订单积压；④考虑库存能力约束；⑤忽略设置时间及成本。但引入了最小生产批量约束．鉴于该问题的NP难性，使用两种基于优化的启发式算法进行求解，并提出两条策略加以改进．     

不确定环境多目标主生产计划制定方法

提出一种新的模糊线性规划方法（FLP）来解决部分参数如产成品单侏价格，成本系数，生产能力，产成品市场需求模糊的多目标主生产计划（APP）问题，并给出具体的FLP模型，人机交互系统允许决策人修改模型参数以达到满意的生产计划。本文所提出的方法较确定模型更能反映实际情况，并减少了建模的成本费用。     

基于准时制的主生产计划方法

在当今的市场竞争中,能否及时供货和满足客户的要求关系到企业的信誉。为了提高企业的竞争能力,制造业都致力于采用日本的准时生产的策略。在前人研究的基础上,建立了适合于单件小批的主生产计划模型,这一模型有３个特点：（１）保证产品及时交货,也就是提前和滞后于交货期都要受到惩罚;（２）模型考虑了带有小批与单件并存的生产情况;（３）产品对能力的需求数据,考虑了分时段分布特点,并采用聚合算法从工艺路线和产品结构数据聚合而成。在对这一模型构造启发式算法的基础上,实现了主生产计划系统。该系统具有方便的人机界面,能够对由启发式算法产生的解进行修改。     

基于PID神经网络的主汽温系统设计与仿真

PID神经网络是将PID控制规律融入神经网络的一种智能控制技术,它既具有常规PID控制结构简单、参数物理意义明确的优点,又具有神经网络非线性映射能力强、自学习、自适应的功能。针对主汽温控制系统大滞后、非线性、时变等特性,综合考虑控制系统的动态、静态性能,PID神经网络对控制系统进行全工况的学习与优化设计,并进行了主汽温...     

基于主元分析的RBF神经网络多模型切换控制

针对传统多模型自适应控制中子模型数量过多、学习和自适应能力的局限性等问题,将神经网络的学习能力和非线性逼近能力与多模型切换的思想相结合,提出基于主元分析的径向基(RBF)神经网络多模型切换控制算法。首先,基于主元分析法进行工况区域识别。其次,在不同的工况区域内采用RBF神经网络建立多个子模型并设计相应的控制器。最后,根据性能指标函数选择相应的控制器以得到最佳的控制效果。仿真结果表明,该算法大大减少了子模型数量,并改善了系统的动态性能。     

短期生产计划中产品完成期的动态决策

生产计划和决策是一个企业成功运营的关键。在研究了产品完成期的基础上提出了动态甘特图 ,用于短期生产计划中产品完成期的动态决策。该动态甘特图具有形象、直观和易于决策等特点。仿真结果表明了它的有效性。     

基于优先缺货权的工厂生产计划的动态规划模型

对满足一定市场需求量情况下的工厂生产计划，建立一动态规划模型，在模型求解过程中，提出了优先缺货权准则，并在此准则下寻找最优解。这一方法的引入，对实际问题的处理有一定的指导意义。     

用人工神经网络方法优化安排一类企业的生产日计划

把一类企业的生产日计划优化安排问题归结为解多重约束组合优化问题，并把此组合优化问题分解为主要解多次的高维子集和问题，而对于子集和问题，采用改进的离散反馈神经网络方法进行求解。     

基于ANN的梯级水电站实时优化运行

以人工神经网络（ＡＮＮ）方法为基础设计了一种梯级水电站运行控制算法,采用网络分解技术,将一个复杂的大网络分解为多个简单的小网络,从而加快了ＡＮＮ的学习收敛速度,仿真计算验证了算法的有效性。     

预测煤矿回采工作面产量的BP网络模型

在分析了煤层开采条件、回采与运输设备能力与可靠性及管理与作业人员水平等影响煤矿月度日产量均值和方差的九种因素的基础之上,用ＢＰ网络来逼近预测对象与主要因素的复杂的非线性关系,取得比回归分析较好的预测结果.     

基于模糊聚类RBF神经网络的生产指标预报模型

本文提出一种同图论中可达矩阵和区域划分思想相结合的模糊聚类方法,以此来确定RBF网络的隐含层节点数。并根据某选矿厂经济指标和生产指标之间的关系,建立了生产指标预报模型,并应用于选矿厂MES系统中,应用结果表明所建模型收敛快、预报精度高,使企业能够及时了解生产过程成本动态,优化生产运行管理。     

一种可求逆的模糊神经网络模型及其在热轧产品中应用

提出了一种新的模糊神经网络及其学习算法.利用这种模糊神经网络模型,由非线性函数的输出值可以方便地求出输入向量的某一区域,使得对此区域中的每一向量,非线性函数的输出与模糊神经网络的输出值之差可以达到任意要求的精度.将这种模糊神经网络用于热轧产品的质量控制,获得了好的效果.     

脉冲发放神经网络建模

生物神经系统是一种脉冲发放神经网络系统。当前流行的人工神经网络模型与生物神经系统相比仍存在着较大差异。本文根据电生理学结果建立了适合于工程应用的脉冲发放神经网络模型。给出了输入－输出关系、突触联接关系、动态方程和学习功力学以及各种统计量的均值和方差。     

基于混沌神经网络模型的预测控制器的设计及应用

根据具有混沌特性非线性、大时滞系统的时间序列重构相空间，计算相空间饱和嵌入维数、并以此为指导，建立混沌神经网络，即便在网络输入不完整或发生变异的情况下，该模型仍能对系统作高精度的短期预测；在此基础上，又设计了模糊神经网络预测控制器，实现了对非线性、大时滞系统高精度的自适应控制。将该控制器应用到单元机组负荷控制系统中，仿真表明了该控制有效性、快速性和鲁棒性。     

一种改进型神经网络算法NN-LMBP

提出最近邻Levenberg—Marquardt误差反向传播神经网络算法。针对BP神经网络收敛速度慢的不足，利用Levenberg—Marquardt优化算法进行改进。同时为了提高神经网络的泛化能力，进一步基于最近邻算法对样本进行修剪。试验表明，与一般神经网络算法相比，NN-LMBP在改善神经网络泛化能力的基础上，有效地提高了神经网络收敛的速度。