智能生產(chǎn)系統(tǒng)控制及優(yōu)化

第1章  制造業(yè)數(shù)字化轉(zhuǎn)型  001～018
1.1 制造業(yè)數(shù)字化轉(zhuǎn)型內(nèi)涵 002
1.2 國(guó)內(nèi)制造業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀 003
1.2.1 數(shù)字化轉(zhuǎn)型的進(jìn)程 003
1.2.2 數(shù)字化轉(zhuǎn)型對(duì)制造業(yè)的經(jīng)濟(jì)價(jià)值 007
1.2.3 數(shù)字化轉(zhuǎn)型的制造業(yè)成熟度 008
1.2.4 數(shù)字化轉(zhuǎn)型的地區(qū)態(tài)勢(shì) 010
1.3 國(guó)外制造業(yè)數(shù)字化轉(zhuǎn)型進(jìn)展 011
1.3.1 美國(guó)制造業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀 011
1.3.2 日本制造業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀 012
1.3.3 德國(guó)制造業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀 012
1.3.4 歐盟制造業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀 013
1.4 制造業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵技術(shù) 013
1.4.1 關(guān)鍵數(shù)字化技術(shù) 014
1.4.2 數(shù)字化技術(shù)與制造業(yè)的關(guān)系 015
1.5 本章 小結(jié) 016
參考文獻(xiàn) 017
第2章 生產(chǎn)系統(tǒng)過(guò)程自動(dòng)化  019～068
2.1 生產(chǎn)系統(tǒng)過(guò)程自動(dòng)化概述 020
2.2 加工過(guò)程自動(dòng)化 022
2.2.1 加工過(guò)程自動(dòng)化簡(jiǎn)介 022
2.2.2 加工過(guò)程自動(dòng)化發(fā)展歷程 023
2.2.3 加工過(guò)程自動(dòng)化國(guó)內(nèi)外發(fā)展對(duì)比 024
2.2.4 加工過(guò)程自動(dòng)化企業(yè)應(yīng)用案例 026
2.2.5 加工過(guò)程自動(dòng)化工業(yè)應(yīng)用現(xiàn)狀與發(fā)展趨勢(shì) 032
2.3 產(chǎn)品組裝自動(dòng)化 034
2.3.1 產(chǎn)品組裝自動(dòng)化簡(jiǎn)介 034
2.3.2 產(chǎn)品組裝自動(dòng)化現(xiàn)狀與面臨的挑戰(zhàn) 035
2.3.3 產(chǎn)品組裝自動(dòng)化企業(yè)應(yīng)用案例 037
2.3.4 產(chǎn)品組裝自動(dòng)化應(yīng)用現(xiàn)狀總結(jié)與發(fā)展趨勢(shì) 039
2.4 物流運(yùn)輸自動(dòng)化 041
2.4.1 物流運(yùn)輸自動(dòng)化簡(jiǎn)介 041
2.4.2 基于SLAM的室內(nèi)定位導(dǎo)航 043
2.4.3 AGV任務(wù)調(diào)度 044
2.4.4 AGV路徑規(guī)劃 046
2.4.5 AGV沖突避免 048
2.5 人工智能技術(shù)在生產(chǎn)系統(tǒng)過(guò)程自動(dòng)化中的應(yīng)用 049
2.5.1 深度學(xué)習(xí) 049
2.5.2 強(qiáng)化學(xué)習(xí) 052
2.5.3 遷移學(xué)習(xí) 054
2.6 邊緣計(jì)算技術(shù)在生產(chǎn)系統(tǒng)過(guò)程自動(dòng)化中的應(yīng)用 055
2.6.1 邊緣計(jì)算發(fā)展歷程 056
2.6.2 邊緣計(jì)算應(yīng)用概述 059
2.6.3 邊緣計(jì)算系統(tǒng)架構(gòu) 061
2.6.4 邊緣計(jì)算工業(yè)應(yīng)用場(chǎng)景 064
2.7 本章 小結(jié) 065
參考文獻(xiàn) 066
第3章 智能生產(chǎn)數(shù)字化信息系統(tǒng)  069～107
3.1 智能生產(chǎn)數(shù)字化信息系統(tǒng)概述 070
3.1.1 定義與功能 070
3.1.2 關(guān)鍵技術(shù) 071
3.1.3 基本步驟與特點(diǎn) 072
3.2 智能生產(chǎn)數(shù)字化信息系統(tǒng)架構(gòu) 073
3.2.1 研究歷史 073
3.2.2 主要組成部分 074
3.2.3 主要層次架構(gòu) 074
3.3 企業(yè)資源計(jì)劃（ERP） 075
3.3.1 研究現(xiàn)狀 076
3.3.2 功能與簡(jiǎn)介 077
3.3.3 實(shí)施過(guò)程 078
3.3.4 新興技術(shù)對(duì)ERP的影響 079
3.3.5 ERP案例 080
3.4 制造執(zhí)行系統(tǒng)（MES） 084
3.4.1 MES基本框架與技術(shù) 084
3.4.2 MES研究現(xiàn)狀 086
3.4.3 MES與ERP對(duì)比 087
3.4.4 MES功能與特性 089
3.4.5 MES案例 090
3.5 統(tǒng)計(jì)過(guò)程控制（SPC）系統(tǒng) 095
3.5.1 SPC主要步驟 096
3.5.2 統(tǒng)計(jì)方法 097
3.5.3 SPC案例 100
3.6 本章 小結(jié) 106
參考文獻(xiàn) 106
第4章 制造系統(tǒng)虛擬量測(cè)技術(shù)  108～159
4.1 虛擬量測(cè)概述 110
4.2 多階段虛擬量測(cè)功能架構(gòu) 117
4.2.1 多階段虛擬量測(cè)功能架構(gòu)組成部分 119
4.2.2 多階段虛擬量測(cè)功能架構(gòu)分類(lèi) 121
4.3 基于智能方法的虛擬量測(cè)技術(shù) 126
4.3.1 數(shù)據(jù)預(yù)處理 127
4.3.2 預(yù)測(cè)建模 129
4.3.3 漂移檢測(cè) 131
4.3.4 采樣決策系統(tǒng) 132
4.3.5 模型實(shí)時(shí)更新 133
4.3.6 模型適應(yīng)性 134
4.3.7 虛擬量測(cè)系統(tǒng)功能擴(kuò)展 134
4.4 虛擬量測(cè)技術(shù)在實(shí)際場(chǎng)景中的應(yīng)用 135
4.4.1 半導(dǎo)體制造領(lǐng)域中的應(yīng)用 136
4.4.2 過(guò)程系統(tǒng)工程中的應(yīng)用 137
4.4.3 其他領(lǐng)域中的應(yīng)用 140
4.4.4 具體應(yīng)用實(shí)例 142
4.4.5 發(fā)展趨勢(shì)分析 148
4.5 本章 小結(jié) 150
參考文獻(xiàn) 151
第5章 生產(chǎn)系統(tǒng)預(yù)測(cè)性維護(hù)與健康管理  160～188
5.1 生產(chǎn)系統(tǒng)預(yù)測(cè)性維護(hù)與健康管理概述 162
5.1.1 基于物理模型的PHM方法 163
5.1.2 基于數(shù)據(jù)驅(qū)動(dòng)的PHM方法 164
5.2 基于因果圖的異常診斷 165
5.2.1 基于因果圖的異常診斷概述 165
5.2.2 MResGAT故障診斷模型 165
5.2.3 基于因果圖的異常診斷實(shí)驗(yàn)設(shè)置與結(jié)果分析 168
5.2.4 基于因果圖的異常診斷小結(jié) 171
5.3 基于因果圖的剩余使用壽命預(yù)測(cè) 172
5.3.1 基于因果圖的剩余使用壽命概述 172
5.3.2 基于多級(jí)小波分解的特征提取方法 172
5.3.3 基于圖注意力網(wǎng)絡(luò)的剩余使用壽命預(yù)測(cè) 173
5.3.4 基于因果圖的剩余使用壽命實(shí)驗(yàn)設(shè)置與結(jié)果分析 174
5.3.5 基于因果圖的剩余使用壽命小結(jié) 177
5.4 基于模糊邏輯的維護(hù)決策優(yōu)化 178
5.4.1 基于模糊邏輯的維護(hù)決策優(yōu)化概述 178
5.4.2 航空發(fā)動(dòng)機(jī)問(wèn)題建模 178
5.4.3 維護(hù)決策優(yōu)化算法 180
5.4.4 基于模糊邏輯的維護(hù)決策優(yōu)化實(shí)驗(yàn)設(shè)置與結(jié)果分析 182
5.4.5 基于模糊邏輯的維護(hù)決策優(yōu)化小結(jié) 186
5.5 本章 小結(jié) 186
參考文獻(xiàn) 187
第6章 智能生產(chǎn)過(guò)程調(diào)度與優(yōu)化  189～259
6.1 生產(chǎn)過(guò)程調(diào)度問(wèn)題的分類(lèi)、性能指標(biāo)及求解方法 190
6.1.1 生產(chǎn)過(guò)程調(diào)度問(wèn)題的分類(lèi)及描述 190
6.1.2 生產(chǎn)過(guò)程調(diào)度問(wèn)題的性能指標(biāo) 196
6.1.3 生產(chǎn)過(guò)程調(diào)度問(wèn)題的求解方法 198
6.2 基于進(jìn)化算法的生產(chǎn)過(guò)程調(diào)度與優(yōu)化問(wèn)題 201
6.2.1 優(yōu)化問(wèn)題描述 201
6.2.2 遺傳算法 202
6.2.3 差分進(jìn)化算法 213
6.2.4 粒子群算法 219
6.2.5 蟻群算法 222
6.2.6 人工蜂群算法 225
6.2.7 注塑車(chē)間調(diào)度案例 228
6.3 基于目標(biāo)驅(qū)動(dòng)的閉環(huán)優(yōu)化問(wèn)題 234
6.3.1 狀態(tài)-性能預(yù)測(cè)模型 235
6.3.2 狀態(tài)&參數(shù)-性能優(yōu)化模型 238
6.3.3 半導(dǎo)體制造車(chē)間調(diào)度案例  241
6.4 基于協(xié)作進(jìn)化算法的大規(guī)模優(yōu)化問(wèn)題 248
6.4.1 大規(guī)模單目標(biāo)進(jìn)化優(yōu)化算法  249
6.4.2 大規(guī)模多目標(biāo)進(jìn)化優(yōu)化算法  250
6.4.3 協(xié)作進(jìn)化優(yōu)化算法  252
6.4.4 基于計(jì)算資源分配的選擇性生物地理學(xué)優(yōu)化算法 252
6.4.5 基于泛化 Pareto 支配的改進(jìn)競(jìng)爭(zhēng)粒子群優(yōu)化算法 256
6.5 本章 小結(jié) 257
參考文獻(xiàn) 257
第7章 發(fā)展趨勢(shì)與展望 260～281
7.1 AI賦能制造業(yè) 262
7.1.1 智能算法 262
7.1.2 大語(yǔ)言模型 263
7.1.3 3WD理論 265
7.1.4 人機(jī)混合智能 266
7.2 智能生產(chǎn)數(shù)字化信息系統(tǒng) 267
7.3 制造系統(tǒng)虛擬量測(cè)技術(shù) 272
7.4 生產(chǎn)系統(tǒng)健康管理技術(shù)未來(lái)趨勢(shì) 277
參考文獻(xiàn) 281