【摘 要】
:
随着3D打印市场的愈加壮大,与互联网技术相结合的3D打印云服务平台也逐渐增多,规模化3D打印制造成为3D打印技术发展的必然趋势。与传统生产制造模式不同,3D打印制造具有一次成型、定制化、差异化、小批量等特点,所以任务调度对于集群式3D打印制造体系尤为重要。一个好的任务调度方法不仅能够指导打印制造活动顺利进行,更能够降低打印时间和打印成本,保证制造企业的利润和竞争力。为了寻找合理的任务调度方法,本文
【基金项目】
:
天津大学组织开展的国家重点研发计划;
论文部分内容阅读
随着3D打印市场的愈加壮大,与互联网技术相结合的3D打印云服务平台也逐渐增多,规模化3D打印制造成为3D打印技术发展的必然趋势。与传统生产制造模式不同,3D打印制造具有一次成型、定制化、差异化、小批量等特点,所以任务调度对于集群式3D打印制造体系尤为重要。一个好的任务调度方法不仅能够指导打印制造活动顺利进行,更能够降低打印时间和打印成本,保证制造企业的利润和竞争力。为了寻找合理的任务调度方法,本文通过分析3D打印任务调度的过程,建立以打印时间最短和打印成本最低为优化目标的3D打印多目标优化任务调度问题模型,针对3D打印任务调度的特征对遗传算法进行改进,应用改进后的遗传算法求取该优化问题的最优解,最终得到基于改进遗传算法的3D打印多目标优化任务调度方法,并设计3D打印任务调度实验测试平台,进行实验验证。课题研究所做的具体工作如下:(1)对比传统3D打印任务调度方法与3D打印多目标优化任务调度方法之间的差别,突出后者的优越性。通过对3D打印多目标优化任务调度整体流程的研究,从相关问题定义、约束条件、目标函数三个方面建立优化问题模型,为了简化问题,采用n范数加权法将多目标优化问题转化为组合目标优化问题。(2)针对3D打印任务多目标优化调度问题的特点以及传统遗传算法存在的缺陷,提出改进遗传算法的方法,一方面在子代选择过程中引入浓度平衡机制与抑制条件,另一方面在迭代过程中把三轮迭代转变为一轮迭代。设计应用改进遗传算法求解3D打印多目标优化任务调度问题的步骤,并进行实例仿真实验去验证改进遗传算法的优越性。(3)明确3D打印任务调度实验测试平台的基本功能,设计包括系统处理层、调度决策层、方案执行层在内的整体架构,研究3D打印资源信息化封装和存储、异构3D打印机远程智能接入、3D打印机智能控制和状态监控等关键技术,编写3D打印任务调度实验管理系统软件,最终在搭建好的实验测试平台上通过实例制造实验验证所设计基于改进遗传算法3D打印多目标优化任务调度方法的有效性。
其他文献
气液两相流是多相流中的常见形式之一,其广泛存在于煤炭输送、石油开采、原油运输、工业排污和气力输送等与人类生产生活和实践活动密切相关的过程中。通过一定的测量技术来研究气泡的分布状态,对于掌握气液两相流的流动机理具有重要意义。本文以液相中的气泡为研究对象,提出了基于改进卷积神经网络的气泡流场三维重建方法,再现气泡流场的三维分布,为进一步分析气相在液相中的运动特性奠定基础。本文针对气液两相流研究中的气泡
随着社会经济与智能科技的飞速发展,碳纤维材料因其质量轻、模量高、耐高温、抗疲劳等优秀品质在民用制造、航空航天、机械装备和军工领域等方面已经得到了广泛的应用与发展,因此以高效率的机织生产方式为核心的碳纤维装备系统日益受到了研究者的青睐。为了改善在复杂的非线性网络化控制系统中织物的工艺质量并减少外界干扰带来的影响,本文以碳纤维角联织机为研究对象,围绕纱线的张力波动问题对控制策略展开深入研究。本文首先分
近几十年来,在控制领域中,非线性和时滞一直是神经网络系统的重点和热点。在神经网络系统的具体实现和专业应用中,神经元的固定传输时间和有限的信息传输速率不可避免地会导致系统的时延;另外,环境噪声,未知参数以及各种实际项目中经常遇到的干扰,这使得开发精确的数学模型非常困难。不确定性的存在不可避免地使系统性能下降,甚至使动态系统不稳定。如今,针对复杂的未知非线性系统问题,滚动优化控制可以更好地适应实际系统
航拍图像的目标检测与识别是一项非常重要的任务,广泛应用在地图制图,灾害预测与治理,农业检测,城市的规划和建设等领域。随着深度学习技术的快速发展,基于深度神经网络的航拍图像目标检测算法取得了远超传统目标检测算法的效果。然而,这些深度学习算法应用到实际的航拍检测系统时,往往面临计算开销过大的问题,要达到实时检测需要使用多块高性能的GPU,巨大的算力要求限制了算法在航拍图像实时检测任务上的应用。因此,本
随着多机器人技术的不断发展,多机器人技术在多个领域得到应用,受到了越来越多的关注。单个机器人由于自身性能的限制无法满足人们日益增长的对机器人性能需求。多机器人系统具有更好的性能,能够协作完成更复杂的工作。多机器人编队控制是多机器人技术的一个重要的方向,对多机器人编队控制进行研究具有重要的意义。本文以轮式移动机器人作为研究对象,对多移动机器人的预定性能编队控制问题进行研究,论文主要研究内容如下:对多
癌症标志物是体内发现的一种生物分子,它是癌症发现、预防的征兆,它的识别对癌症的预防以及治疗都有重要的意义。基因表达谱数据是一类非常重要的癌症标志物,从数万种基因表达谱数据中挖掘出不同癌症类型的标志物对于阐明癌症的形成机制、预防癌症的产生和发展都有重要意义。本文的研究分为三个方面:1.本文提出了一种数据标准化的方法。首先将原始数据进行标准化处理,将化学分子间的乘积关系转化为线性关系,将转换后的数据在
遮挡是实际生活中普遍存在的现象,被遮挡的物体会缺失部分信息丢失,严重影响着计算机对于图像的理解和分析,因此遮挡一直是阻碍着计算机视觉一些重要研究的发展。被遮挡的图像不便于我们对于图像的分析和处理,也影响了我们对于图像的目标检测与识别等研究。图像修复指复原图像中缺损位置的信息。主要是通过图像中现存信息的特征,去还原图像中的缺失部分。人脸修复作为图像修复领域重要的一个分支,在实际生活中具有重要的应用价
伴随着深度学习技术的不断更新发展,深度学习在多个领域都有广泛的应用。当前的深度神经网络模型变得更为复杂,这就意味着模型的参数量与计算量越来越大,对于部署模型所用的硬件平台要求也是愈来愈高。然而,诸如自动驾驶、遥感卫星目标检测等任务时,需要在极低的延迟下对周围的目标进行检测识别。数据必须在边缘端完成主要的计算,但由于边缘端对于所使用的硬件平台有非常严苛的性能和功耗限制。因此,在功耗和性能受限的情况下
目前数控机床大多采用多轴联动的形式进行零件加工,加工效率进一步得到了提高,广泛应用于航空航天、汽车等领域精密零件的加工。但数控机床多轴联动同时进行加工使得机床误差进行耦合,无疑会对被加工零件的精度产生影响无法满足使用要求。因此,本文旨在提出一种针对多轴数控机床平动轴三轴联动时误差情况进行测量及辨识的快速检测方法,并通过误差补偿工作以期提高多轴数控机床的加工精度。本文分别从机床误差建模、平动轴垂直度
科学技术的快速发展,使得医疗器械、航空航天、光学设备等领域的零件几何模型变得愈加复杂。近年来,随着精密测量仪器及图形处理器技术(GPU)的发展,三角网格因其快速灵活,适应性强的特点,被越来越多的应用于CAD/CAM领域。但由于三角网格模型只能输出实体模型的少量几何信息且数据分布不规则,使得数控加工过程中不能很好的对刀具姿态调节控制,所以目前面向五轴的曲面网格模型数控加工研究还不充分,大多局限于三轴