信息不完全共享下MC供应链动态调度模型研究

为解决信息不完全共享环境下,大规模定制供应链的动态调度问题,提出了基于蚁群算法的多企业交互调度模型.模型中,供应链企业均具有各自独立的异构生产调度系统,企业在互不了解完全生产信息的情况下,通过企业代理之间的反复、自动交互,对订单任务分配及合作时序进行协调,从而实现供应链动态优化调度.仿真实验证明,此模型具有良好的调度效果和稳定性.     

汽包水位波动与晃荡热力学模型的开发与仿真研究

汽包水位波动与晃荡产生的原因有两方面,即水动力学和热力学方面的原因;为建立汽包水位波动与晃荡的仿真模型,建立汽包水位波动与晃荡热力学模型是最根本的,基于模块化建模的方法,以汽包集总参数模型为参考模型,为汽包水位波动与晃荡热力学模型开发了四种可行的建模方案,通过对汽包“虚假水位”与设计工况点的动态仿真结果的研究,确定其中最优的方案作为汽包水位波动与晃荡热力学模型的建模方法,并基于该方法建立了汽包水位波动与晃荡热力学模型,为建立完整的汽包水位晃荡模型与开发先进的汽包水位控制策略奠定了坚实的基础。     

基于CMAC的流体压力水锤控制

飞机液压系统的压力脉动是造成液压元件提前疲劳损坏的重要原因之一。飞机液压系统压力脉冲试验是产生压力水锤考核液压元件寿命的重要设备。由于该设备的数学模型是一个分布参数的非线性系统,且受到试验件的影响,较难有效的实施快速控制。提出一种CMAC与传统控制相结合的并行控制方案,利用CMAC的分类存储与传统控制的微调作用较好的实现了水锤的快速精确控制。仿真试验表明,能大大缩短波形的调整时间,且具有较强的自适应能力和鲁棒性。     

基于模糊Petri网的供应链牛鞭效应的成因与控制建模分析

从信息流角度,建立了基于模糊Petri网的牛鞭效应成因与控制模型,给出了相应的模糊推理算法,通过仿真分析,验证了一些重要结果。该模型描述了供应链中信息对决策的影响及供应链成员同步运作的现象,将供应链中牛鞭效应成因与控制可视化,为牛鞭效应问题的进一步研究提供一个新的思路。     

协调战略和运作计划的ATO型供应链设计集成模型

结合ATO型供应链运作的特点,从MRP中的物料单(BOM)入手,考虑产品结构,建立了以供应链收益最大化为目标的供应链整体设计集成模型,该模型同时协调战略层和运作层的生产计划。通过该模型可将企业运作层的随机模型和战略层确定性模型决策过程相互结合在一起,利用该迭代算法求出在保证每层中每个供应链企业最优产量情况下,供应链整体最优的生产计划安排。     

一类随机需求下分销系统的主从对策模型及仿真

针对由一个制造商(主方)和一个经销商(从方)组成的分销系统,在一类兼具价格弹性和服务敏感性的随机需求模式下,给出了经销商和生产商利润函数,建立了分销系统主从对策模型,并用数值方法进行求解。最后,通过仿真比较了这类需求模式与仅具有价格弹性的随机需求模式对分销系统绩效的影响,同时也分析了需求波动的变化、经销商目标利润率的变化、价格折扣的变化给模型带来的影响。     

50MN自由锻造水压机电液伺服控制系统建模仿真

大型锻造水压机的电液伺服控制系统的可靠性和鲁棒性直接影响着水压机的使用、人身安全和锻件质量。针对50MN自由锻造水压机负载的不确定性,建立其电液位置伺服系统的数学模型,设计出动态鲁棒补偿器并结合传统的PID控制方法,利用MATLAB/SIMULINK软件仿真,结果表明动态鲁棒补偿器在水压机电液伺服系统中的应用很好地抑制了外负载干扰,提高了电液控制系统精度和稳定性。     

ARMA供应链模型研究

在基于ARMA时间序列的需求和目标库存最大策略的假定条件下,建立了供应链系统模型。利用时间序列分析方法推导了库存序列、订货序列和库存残差序列的方程表达式,证明库存序列、订货序列和库存残差序列同样为ARMA时间序列,自回归和移动平均的阶数依赖于需求时间序列的阶数和提前期的大小,且订货序列和库存残差序列的自回归部分与需求的自回归部分相同。     

模糊供应链批量生产计划问题

描述了模糊单位生产成本、模糊生产能力以及模糊需求下的分布式多工厂供应链批量生产计划问题。根据不同的决策准则建立了模糊期望值模型和模糊相关机会约束规划模型。当模糊变量是三角模糊数时,讨论了模糊规划模型的清晰等价形式,并采用遗传算法给出了求解模型的具体步骤。最后通过一个数值例子验证了方法的有效性。     

果园土壤贮水量神经网络估算模型研究

利用神经网络对土壤水分进行预测时，一般需考虑多个因素（如气象因素和土壤特性等），需测量多种参数值。神经网络模型只以0～100cm范围内各层的土壤含水量为输入变量，对0～180cm土层的土壤含水量进行了预测，并与Biswas估算模式的预测结果进行了比较。结果表明：神经网络方法具有很高的预测精度，预测值的相对误差在-4．26％～3．22％；Biswas估算模式的预测效果较差，预测值的相对误差在-11．87％～7．95％。由此可见，该神经网络模型具有较强的便利性和实用性，可用于对本地区果园的土壤墒情进行估测。图8，表2，参14。