專利名稱：一種注塑機工件生產線的生產方法
技術領域：
本發明涉及一種注塑機工件生產系統的自動化生產方法，該方法適用于雙生產線注塑機工件制造系統，通過離線學習具備自我改進功能，屬于計算機集成制造領域，為一種注塑機工件生產線的生產方法。
背景技術：
注塑機工件的生產具有種類多、批量小、分類較細等特點，即便對于相同結構的工件，由于工件服務對象不同，整體尺寸不同，其各道工藝加工時間也不相同，對于工件生產的每道工序，耗時較長。鑒于工件上述特點，其生產線的設計應具備一定的柔性，使其適合小批量、多品種、混型生產要求，具備較強靈活性。雙生產線系統加工的特點是兩條生產線規格相同，每條生產線規格相同，可加工多種類型的工件，系統控制過程包含工件在兩條生產線上的分配及在每條生產線上的排序；該類問題實質上是平行機與流水線調度相結合的一個綜合問題，在求解難度上是屬于NP完全的。對于該問題工廠里面生產組織人員通常依靠經驗來或利用一些簡單啟發式規則組織生產，這樣導致設備利用率不高，系統效率降低。在學術界該類問題也是關注焦點，不少學者都對其做過研究，如Anurag A提出一種自適應學習求解 flow-shop 問題(European of Operational Research, 2006, 169(2) :801-815),Bilge U提出通過禁忌算法求解平行機的最大延期問題(Computers and OperationsResearch, 2004, 31 (3) :397-414.)，胡燕海采用遺傳算法求解雙流水線上工件加工順序問題(輕工機械，2008，26 (4)，76-78)。這些解決辦法一個共同特點是通過設計啟發式算法來得到問題的一個近優解或滿意解，但也存在諸如依賴初始解、結構單一、穩定性差等問題，至今在理論上對于該類問題仍未找到有效求解算法。
發明內容
本發明的目的是針對上述雙生產線的注塑機工件生產的固有特點，提供一種集成控制的自動化生產方法，以克服現有技術不足，采用強化學習中值迭代思想通過計算機離線仿真對具混合核支持向量機參數進行修正，不斷提高其決策精度，減少系統運行所用時間，縮進生產線加工周期。本發明的技術方案為一種注塑機工件生產線的生產方法，通過控制系統控制雙生產線的生產流程，控制系統包括集中控制器、仿真優化器、現場控制器PLC、生產現場數據采集終端、生產線狀態監測器和強化學習器，控制系統接收生產任務后，由集中控制器將待加工η個工件按不同方法分成2組，分別計算不同分法下兩組工件在各生產線設備上的總加工時間，計算每種分法下兩組工件在總加工時間最長的生產線設備上的總加工時間，判斷該種分法工件是否符合生產要求，將符合生產要求的分組方法得到的分組數據送入仿真優化器，仿真優化器通過仿真不同分組方法的兩組工件在雙生產線上的加工次序，獲得對應的最大完工周期，集中控制器選取最大完工周期值最小的分組方法對應的加工次序做為最佳加工次序，將最佳加工次序傳送至生產線狀態監測器；
生產線狀態監測器將確定的加工次序的指令發布至現場控制器PLC，由現場控制器PLC直接控制生產線上的終端設備完成生產動作；生產現場數據采集終端將生產線的實時數據通過現場控制器PLC傳輸至生產線狀態監測器，判斷生產線是否處于正常運行和生產是否完成，判斷結果反饋至集中控制器，集中控制器根據判斷結果確定是否停止生產線運行；仿真優化器將優化后的仿真結果送至樣本庫，強化學習器對樣本庫中的樣本進行持續訓練，通過支持向量機完成學習，由學習結果提高仿真優化器的優化仿真精度。控制系統接收生產任務后，集中控制器首先對要加工的工件數目進行確認，啟動生產現場數據采集終端采集數據進行自檢，自檢成功，集中控制器通知現場控制器PLC使生產線處于預備狀態，然后按將待加工工件分成兩組，工件分組方法具體如下
η步驟I :計算η個工件在生產線的第i臺設備上的總的加工時間A =Σ馬，記其中
·J=I
η
第 臺設備最大總加工時間滿足C = η 3χ(ΣΑ/)，即確定總加工時間最長的設備；步驟2 :從η個加工工件中任選個工件，共有C種選法，將工件分成兩組，數目分別為ηΛ n2k，k表示分組方法的標號；
,4步驟3 :分別計算兩組工件在第I臺設備上的總加工時間，即片1 = ΣΡ^
J=I
yf = YjPv ;
J=I
—廠 / 2步驟4 :判斷土_5%是否成立，若成立，轉步驟5 ;否則，轉步驟6 ;
乃/2步驟5 :對按k種方法分組的工件列為輸入仿真優化器進行仿真的對象，將其暫存在集中控制器中，更新k值，即k=k+l，轉步驟7 ；步驟6 :按k種方法分組的兩組工件不列入仿真的對象,更新k值，k = k+l,轉步驟7 ;步驟7 :判斷是否完成對所有分法工件組考察，即K C=是否成立，若成立，轉步驟2，否則，轉步驟8;步驟8 :分組結束；按上述方法分組后，保留符合步驟4判斷標準的工件分組，共X種，將其逐組送入仿真優化器進行仿真優化。按某一方法分組的η個工件以時間處理矩陣Ρ( ω )的方式輸入仿真優化器，Ρ( ω )對應一組工件，ω表示工件的加工序列，矩陣P ( ω )中每個元素的值即為對應加工工序的加工時間；抽取工件狀態特征信息，包含工件指標t、設備指標α、平均空閑av、空閑均方差ad、平均等待tw和等待均方差td,計算系統狀態動作對sc(co), sw(fg)的值,系統狀態特征用狀態向量SC(Co)= (t, a，av, ad, tw, td)表示,先對時間處理矩陣做歸一化處理即
m和,細)，
VVn PiM)為加工序列ω第中j個工件在第i臺機器上的加工時間，m為生
J=I產線設備數目，η為工件數目，在此基礎上求取狀態向量各參數的值，計算方法如下
m —工件指標I=Upnxl -Jj=Tpimvj，tj為向量t的元素，為矩陣Ρ( 0)的元素；設
n -
備指標a=(ai)mxl A=ac -^ai為向量α的元素，aCi為第i臺設備加工時間；平均
J=I
I m
空閑 av ~ — ^iaI ; m η
I m空閑均方差ad ·α = (—Υ^(α,-αν)2)υ2·,
爾 =1平均等待tw -Jw = -XifC,- ) tCj為第j個工件加工時間；
n J=I等待均方差td -Jd = (-Y ((/c -t )-twff2 ；
η動作耀(/4) = ./-+哼+容-，f, g表示工件在加工序列中所處位置；
/T然后以系統狀態動作對SC( )，sw(f，g)為作為強化學習器的支持向量機的輸入，計算q因子的值q (sc(co)，sw (f，g))，比較當前狀態下序列ω所有的動作相應的q因子的值，按其中q因子值最大的操作sw (f, g) =argmax {q (sc (ω)，sw(f, g))} (I彡f, g彡η)對現有序列ω實施動作，得到新的工件序列ω’和新的處理矩陣P’，判斷所得新序列ω’是否優于原序列ω，即其C(co) SC(co’)是否成立，若是，以新序列信息更新原序列，SPω = ω’，Ρ(ω)=Ρ’(ω’)，得到新的時間處理矩陣，重復上述操作迭代求解，否則新序列ω’即為所求最佳加工次序ω%將新序列信息ω’、Ρ’(ω’)，及其對應的最大完工周期C(co’)傳輸至集中控制器和樣本庫。集中控制器得到將工件分成符合要求的X種分組，對s賦初值S=I，對于第s種分組的工件，其所分兩組數目為ηΛ n2s，將含nj工件的組送入仿真優化器，對其優化，確定其最佳加工次序ω ^及最大完工周期C (ω J，并將該信息返回集中控制器，再將含n2s工件的組送入仿真優化器，對其進行優化，確定其最佳加工順序ω 2S及其最大完工周期C (ω 2S)，并將結果回傳至集中控制器，集中控制器取兩組工件的最大完工周期值的最大一種分組，即0(ω17ω23)^Βχ(0(ω13),0(ω23))作為兩組工件的共同完工周期，更新s值，即s=s+l，并判斷更新后的s < X是否成立，若成立，則繼續對其他分組方法進行優化處理，否則控制器從X種分組中確定一個最大共同完工周期最小的兩組分，即ω ω^^](^ω^Ιω^將該兩組分工件及其加工順序ω^/ω/作為生產線上確定的分配方法和加工次序。強化學習器根據樣本庫的數據進行學習，對支持向量機參數進行調整更新，使其對q因子的擬合預測能力逐步提升，學習具體過程如下步驟I :支持向量機特征在于其是一種混合核的支持向量機，其混合核函數具體
形式如下 ηπχ(χ,ζ) = λ(χτζ + 1)2+(1-λ)^χρ(^Χ^^ ),式中入為最優混合系數，δ為核寬度，
2α"
X為支持向量機輸入向量，Z為支持向量,對支持向量機參數初始化,隨機賦值支持向量機的權參數Wci ;步驟2 :確定學習參數值，所述學習參數值包括最小、大循環次數％、N2，誤差上界Δ,懲罰因子C和擬合精度ε ；步驟3 :從樣本庫中抽取初始樣本，其初始狀態Sci=P(GJci)，GJci為該工件組隨機序列，并對當前狀態st、ω賦值，即^t=Stl, ω = ω0 ；步驟4 :對時間處理矩陣進行歸一化處理得到尸；步驟5 :抽取工件狀態特征信息,計算其特征向量SC(Co)= (t, a，av, ad, tw, td)的值；步驟6 :對序列ω采取動作sw(f, g),計算該動作值,得到新序列ω ’和新狀態St ';步驟7 :以(SC(GJ)，sw(f, g))作為支持向量機輸入，計算其輸出qtsw(f,g))的值，以及通過迭代所求相應狀態動作對q因子目標值
c/l,,r( .·( ),sw( f\g)) ’ (Ilav(sc( ),sw(f,^)) = riCO'sw(f.g)} + γniaxq{sc(ω')，sw(f,尺))’式
中Y為學習過程中因迭代導致單步效用折扣系數，y^l,在仿真學習過程中可視具體情況取不同的值，這里取Y=O. 6 ;Γ(ω，sw(f, g))為對工件序列ω采取動作sw(f，g)時的一步動作狀態報酬’其值為^^^比⑷片以^^-以^^^以^^以^^ )為所提取樣本中工件序列ω、ω ’的最大完工周期；步驟8 :判斷卻.=i/(sc(&)； SWiJz ^)) -qiscim)., sw( f, g)) < Δ是否成立；若是，
轉步驟12，否則，轉步驟9 ;步驟9 :判斷程序運行循環次數是否高于上界N1,即P M1是否成立，若成立，轉步驟13;否則，轉步驟10;步驟10 :將點(SC ( ω ),sw(f, g) , qtar (st, a))加入樣本庫，對支持向量機的參數重新進行調整擬合；步驟11 :以新序列ω ’和新狀態St ‘更新當前狀態，SP ω = ω’，\ ‘=st ‘，轉步驟4 ；步驟12 :判斷判斷程序運行循環次數是否低于下界N2，若是轉步驟11 ;否則轉步驟13 ；步驟13 :結束。本發明針對雙生產線注塑機工件制造系統的自身特點，在基于強化學習值迭代思想基礎上提出了的具進化功能的計算機控制生產方法，根據實際生產任務自動學習得到生產線最優的加工序列，實現生產線智能化全自動化生產。所述進化功能主要體現在強化學習器能夠通過不斷的離線學習提高支持向量機預測精度，即使支持向量機實際輸出
MV(Xg))不斷逼近其目標g)) , q因子的預測精度增加使仿真控制器通過仿真優化能夠給出更加合理的工件在生產線上加工的加工順序，生產線按此順序進行生產能夠使整批工件最大完工周期縮短，提高設備利用率，從而使整個生產線系統運行的效率得到提高。針對由8道工藝組成的雙流水線注塑機生產線系統進行大量計算機仿真實驗，實驗結果表明，按照本發明提供自動化控制生產方法組織生產線制造加工活動，生產線的生產周期平均能夠縮短15%_20%左右，最高能夠縮短30%，從而使得生產系統的生產效率能夠得到明顯提高。
圖I是注塑機工件生產系統示意圖。圖2是本發明雙流水線型結構生產系統結構框架圖。圖3是本發明生產系統總體運行控制流程圖。圖4是本發明仿真優化器流程圖。圖5是本發明強化學習器流程圖。
具體實施方式
I、注塑機工件雙流水線型結構生產系統本發明涉及的注塑機工件生產系統是一種雙生產線結構，如圖I所示，圖中Mij表示第i條生產線上的j臺加工設備，Bij表示設備Mu的后趨緩沖區。系統由2條流水線組成，每條流水線上有8臺順序加工的設備組成，分別承擔如下工藝任務平面銑、凹槽銑、鉆孔、擴孔、螺紋加工、平面磨，拋光，噴砂。設備之間設有緩沖區。注塑機工件生產特點是分類細，種類多，即便同一類型結構的工件，由于尺寸不同，其各道工藝加工時間也不相同，工件生產每道工藝耗時較多(一般以分鐘為單位)。本發明選擇工件加工中較具普遍性8工位生產線為對象。由于生產線上加工工件數量眾多，種類、尺寸不一，確定工件在兩條流水線上分配以及每條流水線上工件加工次序直接影響到整個生產周期長短。生產線上的加工方式為順序加工，工件在一臺設備上完成加工后才能被傳送到下一個工位進行加工。每臺設備在同一時間只能對一個工件進行加工。各臺設備上工件的先后加工順序是相同的，其在各工位上加工時間是確定的。雙流水線的結構、設備規格相同。每臺設備只有一臺前趨設備和一臺后繼設備。本發明的總體決策控制框架如圖2所示，控制系統接受任務后，由集中控制器將待加工η個工件按不同方法對進行兩組分，并從其中篩選合格的兩組分，并將兩組工件數據先后送入仿真優化器，仿真優化器通過優化仿真給出兩組工件的加工次序ω” ω2及最大完工周期C ( ω / ω 2)，并將該信息返回集中控制器，集中控制器從中選取最佳加工次序并將其傳送至生產線狀態監測器，生產線狀態監測器將信息發布至生產現場控制器PLC，現場控制器PLC發出控制指令給生產線現場終端資源，完成包括產品、工件的供應與運輸、分組與排序、傳送機的啟停、加工設備的運行操作等動作。生產現場數據采集終端設備通過工業現場總線(PR0FIBUS)將數據傳輸至可編程控制器PLC，即現場控制器PLC，現場控制器PLC將現場采集到數據通過網絡通訊(TCP/IP)方式送至生產線狀態監測器，判斷生產線是否處于正常運行和生產是否完成。同時仿真優化器將優化后工件序列送至樣本庫，通過強化學習器對更新樣本進行持續訓練，并以此為基礎不斷的調整支持向量機的參數，提高支持向量機對表示狀態-動作對的q因子的預測精度，使仿真優化器確定最佳加工次序能力不斷的得以提升。在生產線運行過程中，若設備出現故障，由相應傳感器將信號通過現場控制器PLC傳遞給生產線狀態監測器，生產線狀態監測器向現場控制器PLC發出指令，終止系統運行。同時生產線系統在開始時具備自檢功能。生產線通過電容傳感器實現計件功能，將計件信息由現場控制器PLC通過生產線狀態監測器傳至集中控制器，集中控制器收到第η個元件加工完畢信息，發出停止系統運行指令，通過現場控制器PLC控制相應設備執行該命令。2、系統總體控制過程如圖3，集中控制器在接到任務后，首先對要加工的工件數目進行確認并同時啟動自檢系統，自檢成功，控制器通知現場控制器PLC使生產線處于預備狀態，然后按將待加工工件分成兩組，工件工件分組方法具體如下
η步驟I :計算η個工件在第i臺設備上的總的加工時間A =Σ馬，記其中第I臺設
./=1
備最大總加工時間滿足a=π χ( /々/):
1 J=I步驟2 :從η個加工工件件中任選h/=「w/21個工件，共有Γ:1種選法，按第k種方法選取，將工件分成兩組，數目分別為ηΛ n2k ；
4nk;步驟3 :分別計算兩組工件在I臺設備上總加工時間，即# =ΣΡυ =ΣΡν ;
J=IJ=I步驟4:判斷& ~Γ >2 s#。是否成立，若成立，轉步驟5 ;否則，轉步驟6 ;
FtH步驟5 :對按k種方法分組的工件列為輸入仿真器進行仿真的對象，將其暫存在控制器中，更新k值,即k = = k+Ι,轉步驟7 ；步驟6 :按k種方法分組的兩組工件不列入仿真的對象,更新k值，k = k+Ι,轉步驟7 ;步驟7 :判斷是否完成對所有分法工件組考察，即& CT是否成立，若成立，轉步驟2，否則，轉步驟8;步驟8:分組結束。按上述方法分組后，集中控制器中保留符合要求的X種分組，對于第s種分組的工件，其所分兩組數目為ηΛ n2s，將其按順序逐組送入仿真器進行仿真優化。對于工件組ηΛη23，通過仿真優化器確定兩組工件在生產線上的最佳加工順序ω^、ω23及最大完工周期C ( ω J/ω 2S)，決策優化器最后從中找出最大完工周期最小(C ( ω " ω/))兩組作為最終分法，并將其最佳加工順序ω廣、ω2*傳送至生產線狀態監測器和PLC，PLC向生產設備發出指令按接收到既定方案進行生產。其具體運行流程如下步驟I :系統接受任務，集中控制器指示狀態監測器對系統進行自檢，若系統無故障，轉步驟2 ;否則，系統結束運行；步驟2:集中控制器按上述步驟對工件分成合乎要求X個兩組分，對s賦初值
(S=I)；步驟3 :對于第s個兩組分工件，其數目為ηΛ n2s，將含彳工件的組送入系統仿真器，對其優化，確定其最佳加工順序ω ^及最大完工周期C ( ω J)，并將該信息返回集中控制器，轉步驟4;步驟4 :將含n2s工件的組送入系統仿真優化器，對其進行優化，確定其最佳加工順序ω 2S及其最大完工周期C ( ω 2S)，并將結果回傳至控制器，轉步驟5 ；步驟5 :控制器取兩組工件的最大完工周期最大的即C(cV/ω 2S) =max (C (ω J，C (ω 2S))作為兩組工件的共同完工周期，轉步驟6 ；步驟6 :更新s值，即s=s+l,判斷更新后的s彡X是否成立,若成立,轉步驟3 ;否貝U，轉步驟7 ;步驟7:控制器從X個兩組分中確定一個最大完工周期最小的兩組分，即Ti ω；/ 6/)=3 (’( ω lV 6hV)，將該兩組分工件及其加工順序ω ω ；作為生產線上確定分配方法和加工次序，轉步驟8;步驟8 :集中控制器將確定工件加工分配及順序信息傳遞至現場控制器PLC，PLC啟動生產設備，進行生產，對參數τ賦值,參數τ為工件記數,表示生產線上已加工工件數目，這里賦值τ = 1，轉步驟9 ; 步驟9 :生產設備按PLC現場指令進行有序生產，并將生產設備狀態實時傳遞給系統狀態檢測器，轉步驟10 ；步驟10 :集中控制器根據生產線狀態監測器采集信息判斷第i條生產線上的第j臺設備是否存在故障，若是，轉步驟13，生產線終止運行，否則，轉步驟11 ；步驟11:根據現場電容傳感器采集信息，工件流下生產線，對τ值更新，SPτ = τ +1，轉步驟12 ；步驟12:判斷更新后的τ Sn是否成立，若成立轉步驟9，否則轉步驟13;步驟13 :生產線系統終止運行。3、仿真優化過程如圖4，仿真優化器接受到決策控制器傳送的工件組信息后，隨機啟動仿真優化過程。該過程首先對工件信息進行歸一化處理，抽取工件狀態特征信息，包含工件指標t、設備指標α、平均空閑av、空閑均方差ad、平均等待tw、等待均方差td,計算動作sw(f, g)的
值，即嫌(/，g) = f- + /f + g2，然后以狀態動作對sc (ω)，sw (f, g)為作為支持向量機輸入，計 η"
算q因子的值q (sc ( ω )，sw (f，g))，選取q因子值最大的操作，改變工件加工順序，并對新的加工順序ω ’判斷是否符合要求，具體過程如下步驟I :輸入集中控制器傳遞的工件信息，即在初始序列ω狀態下工件時間處理矩陣 Ρ(ω) = (ρ
i ω (j) ) mXn
ρ(ω)= Ρ(ω)，步驟2 :對工件時間處理矩陣P做歸一化處理，歸一化后矩陣為n
^=I J =I
PiωO)為加工序列ω第中j個工件在第i臺機器上的加工時間，m為生產線設備數目，η為工件數目；步驟3 :計算工件序列ω的狀態特征參數t、a、av、ad、tw、td,并對狀態向量sc ( ω )賦值，即 sc ( ω ) = (t，α，av, ad, tw, td)
m -工件指標 =α」)ηΧ1 -Jj =YjPkow，tj為向量t的元素，D 為矩陣Λ。、的元素；設
7=1P KO{j、Γ\ ))
η —
備指標a=(ai)mX1 ·Λ =^ci-Σρ^ω，％為向量α的元素，aCi為第i臺設備加工時間；平均
J=I
權利要求
1.一種注塑機工件生產線的生產方法，通過控制系統控制雙生產線的生產流程，其特征是控制系統包括集中控制器、仿真優化器、現場控制器PLC、生產現場數據采集終端、生產線狀態監測器和強化學習器，控制系統接收生產任務后，由集中控制器將待加工η個工件按不同方法分成2組，分別計算不同分法下兩組工件在各生產線設備上的總加工時間，計算每種分法下兩組工件在總加工時間最長的生產線設備上的總加工時間，判斷該種分法工件是否符合生產要求，將符合生產要求的分組方法得到的分組數據送入仿真優化器，仿真優化器通過仿真不同分組方法的兩組工件在雙生產線上的加工次序，獲得對應的最大完工周期，集中控制器選取最大完工周期值最小的分組方法對應的加工次序做為最佳加工次序，將最佳加工次序傳送至生產線狀態監測器； 生產線狀態監測器將確定的加工次序的指令發布至現場控制器PLC，由現場控制器PLC直接控制生產線上的終端設備完成生產動作；生產現場數據采集終端將生產線的實時數據通過現場控制器PLC傳輸至生產線狀態監測器，判斷生產線是否處于正常運行和生產是否完成，判斷結果反饋至集中控制器，集中控制器根據判斷結果確定是否停止生產線運行；仿真優化器將優化后的仿真結果送至樣本庫，強化學習器對樣本庫中的樣本進行持續訓練，通過支持向量機完成學習，由學習結果提高仿真優化器的優化仿真精度。
2.根據權利要求I所述的一種注塑機工件生產線的生產方法，其特征是控制系統接收生產任務后，集中控制器首先對要加工的工件數目進行確認，啟動生產現場數據采集終端采集數據進行自檢，自檢成功，集中控制器通知現場控制器PLC使生產線處于預備狀態，然后按將待加工工件分成兩組，工件分組方法具體如下 η 步驟I :計算η個工件在生產線的第i臺設備上的總的加工時間7
3.根據權利要求I或2所述的一種注塑機工件生產線的生產方法,其特征是按某一方法分組的η個工件以時間處理矩陣P ( ω )的方式輸入仿真優化器，P ( ω )對應一組工件，ω表示工件的加工序列，矩陣P ( ω )中每個元素的值即為對應加工工序的加工時間； 抽取工件狀態特征信息，包含工件指標t、設備指標α、平均空閑av、空閑均方差ad、平均等待tw和等待均方差td,計算系統狀態動作對sc(co), sw(f, g)的值,系統狀態特征用狀態向量SC(Co)= (t, a，av, ad, tw, td)表示,先對時間處理矩陣做歸一化處理即
4.根據權利要求3所述的一種注塑機工件生產線的生產方法，其特征是集中控制器得到將工件分成符合要求的X種分組，對s賦初值s=l，對于第s種分組的工件，其所分兩組數目為ηΛ n2s，將含nj工件的組送入仿真優化器，對其優化，確定其最佳加工次序ω !s及最大完工周期C( J，并將該信息返回集中控制器，再將含n2s工件的組送入仿真優化器，對其進行優化，確定其最佳加工順序ω23及其最大完工周期C(co2s)，并將結果回傳至集中控制器，集中控制器取兩組工件的最大完工周期值的最大一種分組，即C(G)1S/C(co2s))作為兩組工件的共同完工周期，更新s值，即s=s+l，并判斷更新后的X是否成立，若成立，則繼續對其他分組方法進行優化處理，否則控制器從X種分組中確定一個最大共同完工周期最小的兩組分，
5.根據權利要求3所述的一種注塑機工件生產線的生產方法，其特征是強化學習器根據樣本庫的數據進行學習，對支持向量機參數進行調整更新，使其對q因子的擬合預測能力逐步提升，學習具體過程如下步驟I :支持向量機特征在于其是一種混合核的支持向量機，其混合核函數具體形式如下
全文摘要
一種注塑機工件生產線的生產方法，針對雙生產線注塑機工件制造系統自身特點，建立集系統決策、監測和學習功能為一體的計算機控制系統，實現自動化智能優化生產，集中控制器與仿真優化器共同完成系統控制任務，現場控制器PLC和生產線狀態監測器聯合完成生產系統監測和控制指令的運行，強化學習器通過具混合核函數的支持向量機實現值迭代學習思想，能夠靈活利用離線學習提高系統仿真器的優化仿真能力，減少控制系統整體運行時間并提高其運行質量，縮短制造系統生產周期，提高設備利用率。
文檔編號B29C45/76GK102909844SQ20121040721
公開日2013年2月6日 申請日期2012年10月23日 優先權日2012年10月23日
發明者嚴洪森, 李文超, 楊宏兵 申請人:東南大學