[发明专利]一种智能制造系统动态调度方法

权利要求书

1.一种智能制造系统动态调度方法，其特征在于，包括以下步骤：

步骤1、采集智能制造系统生产状态与调度组合规则权重系数的历史数据形成训练样本集{X_i,Y_i|X_i∈R^m,Y_i∈Rⁿ,i＝1,2,...,N}，其中，X_i＝[x_i1,x_i2,...,x_im]^T为第i个输入表示智能制造系统的生产状态，x_im为第m个生产状态特征；Y_i＝[y_i1,y_i2,...,y_in,...,y_iK]^T为第i个输出表示生产状态X_i所对应的最优调度组合规则的权重系数；y_in为第n个调度组合规则的权重，且1≤n≤K，K为调度组合规则总数，N为所述训练样本集中样本的总数；

步骤2、基于衰减正则化项的增量型极限学习机构建智能制造系统回归调度模型，如公式(1)所示：

其中，F^n×N∈R^n×N为所述模型的输出矩阵，L为所述模型的隐含层节点的总数，为第i个隐含层节点的输出矩阵，W_i^n×1为第i个隐含层节点的输出权值矩阵，α_i为第i个隐含层节点所对应的衰减正则化项，i为不大于L的正整数；X^m×N∈R^m×N为所述模型的输入矩阵，m为输入的特征维数，为输入到第i个隐含层节点之间的输入权值矩阵，为第i个隐含层节点的偏置矩阵，和均为随机生成且保持不变；φ为非线性激活函数；λ_i为第i个隐含层节点所对应的衰减正则化系数，c为常数，e_i为所述模型的网络余差；为的2范数的平方；为e_i-1的2范数的i次方；

步骤3、采用所述步骤1生成的训练样本完成对所述智能制造系统回归调度模型的训练；

步骤4、应用中，将待调度智能制造系统的生产状态输入所述步骤3中训练得到的智能制造系统回归调度模型中，得到所述待调度智能制造系统的调度组合规则的权重系数，即为调度策略；

进一步地，所述步骤3采用基于衰减正则化系数的迭代最小二乘算法求取智能制造系统回归调度模型的隐含层节点的输出权值矩阵的方式进行训练，包括以下步骤：

步骤3.1、采用公式(2)计算第i个隐含层节点所对应的衰减正则化系数：

步骤3.2、采用基于衰减正则化系数的最小二乘法计算第i个隐含层节点的输出权值矩阵，如公式(3)所示：

式中，为当所述智能制造系统回归调度模型包含i-1个隐含层节点时模型存在的误差；为第i个隐含层节点的输出矩阵；W_i^n×1为第i个隐含层节点的输出权值矩阵；为与的内积；

步骤3.3、采用公式(4)计算第i个隐含层节点所对应的衰减正则化项：

步骤3.4、根据所述步骤3.2和3.3中计算出的所述输出权值和衰减正则化项，采用公式(5)计算模型当前的误差值：

式中，表示当所述智能制造系统回归调度模型中包含i个隐含层节点时模型存在的误差，初始值为且Y^n×N为所述智能制造系统回归调度模型的理想输出矩阵；

步骤3.5、令i自加1，当i≤L，执行步骤3.1；否则，则完成训练，输出全部隐含层节点的输出权值矩阵W^n×L，结束本流程。