智能制造系统集成与优化方法

随着工业互联网、云计算、大数据、数字孪生等新一代信息技术与工业系统全方位深度融合，制造系统的透明化、智能化、服务化、智慧化发展受到各国政府、产业界和学术界的共同关注，学术研究日益活跃。本书以“感知互联，系统集成，优化决策”为导向，聚焦制造系统的集成互联与优化决策两大核心问题，展开与其相关的基本理论、共性方法、优化模型与算法的阐述，重点探讨几类融合新一代人工智能、人机物协同的新兴集成智能制造系统;在此基础上，系统阐述多个智能决策优化方法，将迁移学习、图神经网络、深度强化学习等方法应用于复杂制造系统资源分配与优化调度，以期为智能制造系统提供优化创新手段和技术支撑。 本书可作为高等院校机械工程、智能制造工程、自动化、计算机科学与技术、管理科学与工程等相关专业的教材或参考书，也可供制造企业工程技术人员和管理人员参考。

无

第一部分　综述篇 第1章 制造系统集成概述002 1.1　制造业的发展机遇与挑战002 1.2　制造系统的内涵和特征004 1.2.1　基础制造技术006 1.2.2　新型制造单元技术006 1.2.3　先进制造模式/系统009 1.2.4　现代集成制造系统特征013 1.3　制造系统集成的体系架构与目标015 1.3.1　制造系统集成的体系架构016 1.3.2　制造系统集成的演进目标021 1.4　制造系统集成的发展趋势024 1.4.1　从符号智能走向计算智能025 1.4.2　从百花齐放走向统一融合026 1.4.3　从集中走向分布、从被动走向主动030 第2章 优化与决策方法概述035 2.1　智能优化方法035 2.1.1　发展历史036 2.1.2　典型特征037 2.2　多目标优化039 2.2.1　多目标优化问题040 2.2.2　多目标优化方法041 2.2.3　解集的评价指标047 2.3　迁移学习049 2.3.1　迁移学习的动机050 2.3.2　迁移学习方法分类052 2.4　多任务优化054 2.4.1　多任务优化问题的数学描述056 2.4.2　多任务优化的基本框架056 2.4.3　迁移过程的自适应控制策略060 2.5　深度学习和强化学习063 2.5.1　深度学习063 2.5.2　强化学习066 2.5.3　深度Q 网络069 2.6　不确定多属性决策072 2.6.1　区间数多属性灰色关联分析073 2.6.2　三角模糊数多属性决策074 2.6.3　二元语义多属性决策078 2.6.4　直觉模糊数多属性决策081 第二部分　制造系统集成篇 第3章 制造物联与信息物理生产系统084 3.1　制造物联084 3.1.1　定义及特征086 3.1.2　参考体系架构088 3.1.3　关键使能技术089 3.2　信息物理生产系统093 3.2.1　概述093 3.2.2　系统模型095 3.2.3　实现技术096 第4章 大数据驱动的主动制造系统101 4.1　引言101 4.2　制造中的大数据问题103 4.3　主动制造的内涵107 4.4　主动制造系统体系结构109 4.5　案例分析114 第5章 人本智能制造系统117 5.1　引言117 5.2　工业5.0 120 5.2.1　特征及定义120 5.2.2　人机交互方式演化122 5.2.3　“人-社会-自然-技术”视角下的工业4.0/5.0 125 5.3　走向人机共生的人本智造127 5.3.1　人机共生关系128 5.3.2　生产模式演化与人类需求多样化130 5.3.3　人机协作应用案例132 5.4　人本智能制造演化133 5.5　人本智造示例136 第6章 自主智能制造系统139 6.1　从人机交互到自主智能139 6.2　自主智能制造系统的人机物交互141 6.3　自主智能制造系统中人的角色143 6.4　自主智能制造参考体系架构144 6.5　应用实例149 第7章 可持续包容性制造155 7.1　引言155 7.2　包容性制造的内涵158 7.3　包容性制造技术路线161 7.4　应用案例165 第三部分　制造系统优化篇 第8章 高维多目标制造云服务组合优化方法168 8.1　引言169 8.2　云服务组合模型173 8.3　QoS 评估174 8.4　对抗搜索驱动的高维多目标协同搜索方法177 8.4.1　对抗分解的基本思想178 8.4.2　算法步骤180 8.4.3　实验结果与分析187 8.5　算法寻优过程计算资源动态配置策略192 8.5.1　基本思想193 8.5.2　算法设计195 8.5.3　实验结果与分析202 第9章 基于迁移学习的云制造多任务协同优化213 9.1　基于特征空间映射的多任务优化214 9.1.1　基于自编码器的特征空间映射214 9.1.2　模型构建216 9.1.3　算法设计219 9.1.4　云制造多任务协同优化案例仿真224 9.2　在线学习机制驱动的多任务优化232 9.2.1　知识迁移强度自适应233 9.2.2　多源任务选择策略236 9.2.3　基于受限玻尔兹曼机的跨域适配机制238 9.2.4　EMaTO-AMR 算法流程240 9.2.5　案例仿真结果与分析243 9.3　集成学习辅助的跨域适配自适应方法252 9.3.1　基于DAE 的跨域适配技术253 9.3.2　基于ADM 的跨域适配技术254 9.3.3　基于RBM 的跨域适配技术255 9.3.4　算法流程257 9.3.5　仿真实验264 第10章 深度强化学习驱动的分布式柔性车间调度284 10.1　图神经网络284 10.1.1　图神经网络一般框架285 10.1.2　图卷积网络（GCN） 287 10.1.3　GraphSAGE 288 10.1.4　图注意力网络（GAT） 289 10.2　深度强化学习相关算法290 10.2.1　DQN 算法291 10.2.2　DDPG 算法292 10.3　基于图神经网络与深度强化学习的分布式柔性车间调度方法293 10.3.1　动态分布式调度特征293 10.3.2　问题建模295 10.3.3　算法流程298 10.3.4　柔性车间实时调度案例仿真306 第11章 模糊多属性云制造资源决策理论与方法309 11.1　引言309 11.2　云服务资源发现与配置311 11.3　基于二元语义的制造服务优选技术313 11.3.1　二元语义相关基础313 11.3.2　模糊数与二元语义的转化315 11.3.3　多粒度二元语义权重信息的一致化处理316 11.3.4　制造云服务优选评估流程317 11.4　实例分析319 11.4.1　计算关联系数矩阵319 11.4.2　确定指标权重系数321 11.4.3　资源综合评价322 参考文献324