论文部分内容阅读
随着3D打印技术迅速崛起以及互联网技术的飞速发展,3D打印制造系统应运而生。3D打印设备通过物联网接入制造网络,作为服务的提供者,接收用户通过互联网下达的打印任务。这种网络化、个性化制造正成为制造业新的发展方向,因此研究3D打印制造系统的优化调度问题,对提高3D打印设备的利用效率具有重要的现实意义。本文通过分析,将多任务打印模式下3D打印制造系统在线优化调度问题归属于一种特殊的考虑工件尺寸的单机批处理在线优化问题。本文首先采用矩形件布排算法解决了多任务打印模式下不同尺寸任务模型的组合布排问题,通过分析采用FDM成形技术的3D打印设备的打印过程,给出了打印过程中的打印时间、能量损耗等计算公式。然后将多任务打印模式下3D打印制造系统建立为半马尔科夫决策过程(SMDP),并运用策略迭代算法求解系统最优策略。同时本文给出了模型无关的基于模拟退火的Q学习算法对系统进行优化。通过分析仿真结果,验证优化算法提高了系统的打印空间利用率。打印参数对打印过程及打印出的任务模型质量有重要的影响,打印参数固定时不能充分发挥3D打印设备的利用率。因此本文继续研究了打印参数可变的多任务打印模式下3D打印制造系统在线优化调度问题。文中将选择打印的任务组合以及参数层高作为系统的联合控制变量,将该系统建立为SMDP,采用策略迭代算法以及基于模拟退火思想的Q学习算法对系统进行优化。通过对比参数层高可变与固定两种情况下系统的性能,表明参数层高可变情况下的系统具有更高的柔性。