云制造环境复杂任务分解及资源配置研究

作     者：周鑫 

作者单位：江苏科技大学 

学位级别：硕士

导师姓名：王平

授予年度：2023年

学科分类：08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 

主      题：云制造 蚁群聚类算法 知识图谱 改进NSGA-Ⅲ算法 

摘      要：近年来,物联网、大数据、云计算等信息技术的发展,对制造业转型升级产生了深远影响。为应对此变化,我国提出“中国制造2025纲领,聚焦于高技术复杂制造领域,推动“信息技术产业与制造业深度融合。云制造作为信息技术与制造业结合的新型网络制造模式,其本质是充分利用闲置制造资源,为用户提供符合需求的制造服务。因此,实现高效、合理的资源配置,是云制造平台的核心关键技术。云制造平台为复杂制造任务提供服务,需经过任务分解、资源与任务匹配和资源配置优化三个阶段,本文按照此过程,对云制造平台的资源配置问题展开研究。在复杂制造任务分解阶段,提出了基于蚁群聚类算法的元任务重组优化方法。从结构、功能、信息、物流四个角度对元任务的相关性进行描述,并分析了串行、并行、循环、耦合四种结构下元任务相关性的计算方法,采用层次分析法对元任务相关性各指标重要程度赋权,得到反映元任务综合相关性的矩阵。在此基础上,以子任务内聚度最大化、耦合度最小化和均衡度最大化为目标,建立了元任务重组优化模型,将复杂制造任务分解问题转化为元任务聚类重组问题。考虑到常规聚类算法的不适用性,基于蚁群算法基本原理,设计了去中心化的蚁群聚类算法用于模型求解。最后,通过算例分析和对比验证了本文算法的优越性。在资源与任务匹配阶段,基于知识图谱技术提出了资源与任务匹配知识图谱的构建方法。分析了知识图谱四元组结构,针对云制造环境下资源与任务信息特征提出了基于本体模型自顶向下的知识图谱构建方法。构建了资源与任务的本体模型,通过提取本体模型的功能信息,进一步构建了资源与任务匹配的信息模型,设计了资源与任务的匹配规则并基于SWRL对规则进行描述。以加工制造任务为例,使用Neo4j软件构建了资源与任务匹配的知识图谱并进行可视化展示。在资源配置优化阶段,构建了综合考虑云制造参与三方主体利益的多目标优化模型并提出了改进的NSGA-Ⅲ算法。为保证云制造各参与主体的利益,选取了反映各方利益的指标并建立了利益最大化的多目标优化模型。针对NSGA-Ⅲ算法随目标维度升而高性能下降的弊端,提出了多目标种群的自适应进化机制,结合反向学习机制,用于改进NSGA-Ⅲ算法性能,通过测试函数验证了改进NSGA-Ⅲ算法在收敛性、多样性和鲁棒性方面的优越性。经算例分析,证明改进NSGA-Ⅲ算法的解集在各指标方向的适应度优于NSGA-Ⅲ算法,能给出更加符合各方利益的资源配置候选方案。通过研究云制环境下的复杂任务分解、资源与任务匹配及资源配置优化问题,丰富了云制造平台核心关键技术的理论基础,有利于促进实现高效、合理的资源配置。