电极是模具生产中必不可少的关键资源,模具电极排程旨在根据其生产特点和生产要求,制定合理的加工计划并完成生产资源的匹配。实现模具电极的智能化排程,有利于提高排程计划质量、缩短模具零件制造周期,是模具制造实现柔性自动化生产的关键环节。传统的模具电极排程依赖人工,只能初步划分顺序而无法落实到具体加工机床,现有的模具电极排程系统则存在模型不完善、算法缺乏全局优化能力、智能决策水平差等问题,导致整个模具生产效率低、质量差,无法达到模具零件柔性自动化生产的排程要求。论文旨在建立具有柔性化生产特征的电极排程模型,设计智能排程算法,并开发能够自动生成排程计划、自主处理动态事件的模具电极智能排程系统,帮助提升模具行业智能制造水平以及丰富模具电极排程理论研究。论文以模具电极智能排程为研究对象,从模具零件电火花加工柔性自动化生产线的生产特点出发,分析了系统的实用性和智能性功能需求;基于结构化方法设计了系统的体系结构和整体框架,并从模型和算法两方面确定了模具电极智能排程方案。针对现有模具电极排程模型不完善的问题,根据模具电极生产的批处理特征和相关性特征建立了模具电极排程模型。针对现有模具电极排程缺乏全局优化算法的问题,基于遗传算法和构造性算法设计了模具电极排程算法,并提出了遗传算法优化策略;进行了24种静态算例仿真,结果表明,所设计的排程算法能有效解决模具电极排程问题,所提出的优化策略使样本内的模具零件拖期量较传统遗传算法最大减少16.71%。针对电极排程计划执行过中受到动态扰动的问题,结合周期性驱动、关键事件驱动设计了基于惩罚函数的混合驱动机制,并基于滚动窗口技术实现了动态条件下的模具电极预反应式排程;进行了动态算例仿真,结果表明所设计动态排程算法能有效解决模具电极动态排程问题,且优于传统的LPT、MWR、EDD等构造性算法。以上述模具电极排程模型和动静态排程算法为核心,基于Java语言及Mybatis、Bootstrap等框架开发了B/S体系结构的模具电极智能排程系统原型。利用某企业的模具电极生产历史数据对系统和算法进行实例测试,结果显示,636个电极及对应93个模具零件中,38.71%的零件提前完工,模具零件总拖期量减少267.27h,验证了所设计的模具电极排程模型、排程算法以及智能排程系统有效性。