中國戰(zhàn)略性新興產(chǎn)業(yè)研究與發(fā)展·智慧工業(yè)

目錄

CONTENTS

序言
前言
編寫說明
第1章.基于人機物協(xié)同的智慧工業(yè)概述.1
1.1.智慧工業(yè)概述.2
1.2.基于人機物協(xié)同的智慧工業(yè)關(guān)鍵技術(shù)研究現(xiàn)狀及
發(fā)展趨勢.3
1.2.1.智能感知.3
1.2.2.工業(yè)大數(shù)據(jù)分析與基于本體的知識圖譜構(gòu)建.5
1.2.3.車間智能決策與控制方法.7
1.2.4.智能裝備.9
1.2.5.智能物流12
1.2.6.車間生產(chǎn)調(diào)度14
1.2.7.數(shù)字孿生15
1.2.8.產(chǎn)線重構(gòu)16
參考文獻.19
第2章.智能感知技術(shù)27
2.1.概述28
2.1.1.智能感知技術(shù)的定義28
2.1.2.智能感知技術(shù)的研究現(xiàn)狀28
2.1.3.智能感知技術(shù)存在的問題30
2.2.工業(yè)現(xiàn)場多源數(shù)據(jù)智能感知技術(shù)體系31
2.2.1.數(shù)據(jù)采集技術(shù)31
2.2.2.數(shù)據(jù)傳輸技術(shù)64
2.3.工業(yè)現(xiàn)場智能感知架構(gòu)75
2.3.1.工業(yè)現(xiàn)場智能感知需求分析75
2.3.2.工業(yè)現(xiàn)場智能感知系統(tǒng)架構(gòu)77
2.3.3.工業(yè)現(xiàn)場智能感知工作邏輯80
參考文獻.83
第3章.大數(shù)據(jù)分析和知識圖譜85
3.1.大數(shù)據(jù)預處理方法87
3.1.1.數(shù)據(jù)集成87
3.1.2.數(shù)據(jù)清洗88
3.1.3.數(shù)據(jù)歸約89
3.1.4.數(shù)據(jù)融合90
3.2.大數(shù)據(jù)特征提取方法91
3.2.1.深度自編碼網(wǎng)絡(luò)數(shù)據(jù)特征提取91
3.2.2.卷積神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)特征提取94
3.2.3.循環(huán)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)特征提取97
3.3.時空數(shù)據(jù)模型.100
3.3.1.車間時空數(shù)據(jù)模型.100
3.3.2.時空數(shù)據(jù)模型的組織形式.103
3.3.3.時空數(shù)據(jù)模型的分析操作.104
3.3.4.時空數(shù)據(jù)的處理方法.107
3.4.人機物知識圖譜融合的制造診斷決策.110
3.4.1.命名實體識別.112
3.4.2.實體關(guān)系抽取.114
3.4.3.實體對齊.116
3.4.4.知識存儲.117
3.4.5.知識推理技術(shù).118
3.4.6.知識圖譜問答技術(shù).121
3.4.7.人機物知識圖譜故障/質(zhì)量診斷總體結(jié)構(gòu)123
參考文獻125
第4章.智能決策和控制技術(shù).127
4.1.智能制造中的智能控制技術(shù).128
4.1.1.數(shù)據(jù)智能采集技術(shù).128
4.1.2.全互聯(lián)網(wǎng)集成技術(shù).129
4.1.3.協(xié)同自動化技術(shù).130
4.1.4.制造全信息化技術(shù).131
4.2.智能制造分析與決策.133
4.2.1.智能制造分析與決策概述.133
4.2.2.優(yōu)化對象及目標.133
4.2.3.車間運行分析與決策常用模式.134
4.2.4.“關(guān)聯(lián)+預測+調(diào)控”車間運行分析與
決策新模式.138
4.3.智能控制算法.143
4.3.1.機器學習.143
4.3.2.迭代學習.149
4.3.3.神經(jīng)網(wǎng)絡(luò).156
4.3.4.模糊控制.160
4.3.5.智能優(yōu)化算法.163
4.4.智能制造執(zhí)行系統(tǒng).166
4.4.1.智能生產(chǎn).167
4.4.2.智能工廠.167
參考文獻171
第5章.智能工業(yè)裝備.177
5.1.金屬3D打印178
5.1.1.選區(qū)激光熔化技術(shù).179
5.1.2.其他類型的金屬3D打印技術(shù)191
5.2.工業(yè)機器人.200
5.2.1.工業(yè)機器人的全球發(fā)展趨勢.200
5.2.2.國產(chǎn)品牌工業(yè)機器人的發(fā)展趨勢.202
5.2.3.我國在工業(yè)機器人領(lǐng)域的政策引導.204
5.2.4.基于人工智能技術(shù)的協(xié)作機器人新趨勢及創(chuàng)新
應用案例.205
5.3.數(shù)控機床.216
5.3.1.引言.216
5.3.2.新一代智能機床.219
參考文獻227
第6章.智能物流.229
6.1.引言.230
6.2.工業(yè)物流自主移動機器人.233
6.2.1.認識AMR233
6.2.2.構(gòu)成及關(guān)鍵技術(shù).235
6.2.3.AMR路徑規(guī)劃與調(diào)度系統(tǒng)238
6.2.4.AMR應用場景241
6.3.AGV系統(tǒng)單向?qū)б窂骄W(wǎng)絡(luò)設(shè)計方法.245
6.3.1.單向?qū)б窂骄W(wǎng)絡(luò)建模.245
6.3.2.單向?qū)б窂骄W(wǎng)絡(luò)模型求解.250
6.4.基于優(yōu)化路徑的缸蓋柔性產(chǎn)線設(shè)備布局.252
6.4.1.傳統(tǒng)設(shè)備布局建模.252
6.4.2.缸蓋柔性產(chǎn)線設(shè)備布局基礎(chǔ)數(shù)據(jù)計算.254
6.4.3.缸蓋柔性產(chǎn)線設(shè)備布局建模及約束條件.257
6.4.4.基于優(yōu)化路徑的產(chǎn)線設(shè)備布局算法解算.259
6.5.基于優(yōu)化路徑的缸蓋柔性產(chǎn)線設(shè)備布局.266
6.5.1.基于單向?qū)б窂降亩郃GV協(xié)調(diào)控制問題描述.266
6.5.2.基于單向?qū)б窂降亩郃GV協(xié)調(diào)控制策略.267
6.5.3.仿真與分析.242
參考文獻276
第7章.數(shù)字孿生及其在智能調(diào)度中的應用.281
7.1.數(shù)字孿生技術(shù).282
7.1.1.數(shù)字孿生概述.283
7.1.2.多維多尺度的數(shù)字孿生模型構(gòu)建技術(shù).290
7.1.3.數(shù)字孿生在智能車間中的應用案例.305
7.1.4.數(shù)字孿生的發(fā)展趨勢.311
7.2.智能調(diào)度技術(shù).313
7.2.1.智能調(diào)度概述.313
7.2.2.智能調(diào)度算法.320
7.2.3.數(shù)字孿生技術(shù)在智能調(diào)度中的應用案例.329
7.2.4.智能調(diào)度的發(fā)展趨勢.330
7.3.基于數(shù)字孿生模型的無人熱軋產(chǎn)線調(diào)度優(yōu)化方法.331
7.3.1.混合流水車間調(diào)度問題研究現(xiàn)狀.331
7.3.2.基于熱軋產(chǎn)線數(shù)字孿生模型的混合流水車間動態(tài)
調(diào)度模型描述.332
7.3.3.MOHFSP-DRP能耗評價方法.334
7.3.4.MOHFSP-DRP的多目標整數(shù)規(guī)劃模型.335
7.3.5.提出求解MOHFSP-DRP的IMOWOA336
7.3.6.IMOWOA求解實際的MOHFSP-DRP模型341
7.4.基于數(shù)字孿生模型的無人熱水器內(nèi)膽焊接產(chǎn)線調(diào)度
優(yōu)化方法.344
7.4.1.基于數(shù)字孿生感知動態(tài)事件的混合流水車間調(diào)度
問題特征.345
7.4.2.求解實際的MOHFGSP-DE模型346
參考文獻350
第8章.智能產(chǎn)線重構(gòu).353
8.1.基于CPS制造組件的產(chǎn)線自主重構(gòu)方法.354
8.1.1.當前產(chǎn)線制造系統(tǒng)現(xiàn)狀.354
8.1.2.復雜制造環(huán)境下無人產(chǎn)線特點分析.355
8.1.3.基于分形理論的無人產(chǎn)線自相似CPS制造
組件構(gòu)建.358
8.2. 基于群集協(xié)作的考慮實際約束的CPS制造組件自
組織分層聚集與動態(tài)配置361
8.2.1.基于群集協(xié)作的C