包邮柔性制造单元的智能控制技术

目录

第1章绪论

1.1柔性制造单元

1.1.1柔性制造单元的外延

1.1.2柔性制造单元的内涵

1.2离散事件动态系统

1.3人工智能综述

1.3.1人工智能简史

1.3.2人工智能的研究领域

1.4FMC智能控制系统综述

1.4.1FMC智能控制系统的被控对象

1.4.2FMC控制系统面临的挑战

1.4.3FMC智能控制系统的特点

1.4.4FMC智能控制系统的组成

1.5本书的主要内容

第2章FMC智能控制系统的体系结构

2.1工业控制系统的体系结构概述

2.2工业控制系统物理体系结构

2.2.1计算机集中控制系统

2.2.2分散控制系统

2.2.3现场总线控制系统

2.2.4工业以太网控制系统

2.2.5工业物联网系统

2.3FMC智能控制系统逻辑体系结构

2.3.1逻辑体系结构的总体框架

2.3.2数据交换层

2.3.3过程控制层

2.3.4分析决策层

第3章基于Petri网的制造过程建模原理

3.1Petri网综述

3.2基本Petri网原理

3.2.1基本Petri网的定义

3.2.2Petri网的基本性能

3.2.3制造过程的若干基本Petri网模型

3.3面向对象的Petri网原理

3.3.1问题的提出

3.3.2面向对象的建模技术

3.3.3面向对象的Petri网模型定义

3.4OOPN模型的建模及性能分析

3.4.1OOPN模型的建模流程

3.4.2OOPN模型的死锁分析算法

第4章FMC的过程控制

4.1机器人柔性制造单元简介

4.2RFMC制造过程建模

4.2.1制造过程建模综述

4.2.2OOPN模型的建立

4.2.3OOPN模型的动态行为分析

4.3RFMC的过程控制系统实现

4.3.1过程控制系统体系结构设计

4.3.2可编程逻辑控制器

4.3.3设备控制层的实现

第5章FMC的调度智能算法

5.1车间调度问题综述

5.2FMC调度问题的模型和算法

5.2.1FMC调度问题的模型描述

5.2.2调度算法综述

5.3遗传算法的基本原理

5.4基于遗传算法的单目标FMC调度

5.4.1染色体的编码设计

5.4.2染色体的解码设计

5.4.3运行参数设置

5.4.4种群初始化

5.4.5适应度函数设计

5.4.6选择操作设计

5.4.7交叉操作设计

5.4.8变异操作设计

5.5基于遗传算法的多目标FMC调度

5.5.1多目标优化问题综述

5.5.2遗传算法求解多目标FMC调度问题

第6章深度学习技术

6.1人工智能、机器学习与深度学习

6.2从神经元到深度学习

6.2.1人工神经网络综述

6.2.2神经元

6.2.3感知器

6.2.4多层感知器

6.2.5深度学习

6.3深度学习模型的训练

6.3.1深度学习中的优化技术

6.3.2梯度下降算法及其改进

6.3.3深度学习模型的训练过程

6.4深度学习模型的评估

6.4.1训练误差与泛化误差

6.4.2模型评估的方法

6.5深度学习模型的改进

6.6计算机视觉

6.6.1计算机视觉综述

6.6.2卷积神经网络基础

6.6.3基于深度学习的目标检测算法

6.7深度学习的展望

参考文献