摘要：为预知不同故障情形下的优化重调度方式,实现快速、有效的重调度决策,提出融合调度仿真与改进概率神经网络的重调度方式预测方法。考虑到现场故障样本难获得且无法涵盖全部故障情形,利用仿真实现随机故障下优化重调度样本的生成;以工序加工时间的累计变动、变动任务数、makespan改变量为决策依据,生成各样本的标签;将带标签数据样本输入到概率神经网络模型,实现优化重调度方式预测。实验结果表明:所提出的方法准确率达99.54%;在指定加工车间和生产任务的前提下,故障机序号和故障修复时间对优化重调度方式起决定性作用。

关键词：机器故障 加工车间 样本仿真 重调度方式预测 概率神经网络 

单位：武汉科技大学生产系统工程研究所; 武汉430081; 武汉科技大学冶金装备及其控制教育部重点实验室; 武汉430081; 武汉科技大学机械传动与制造工程湖北省重点实验室; 武汉430081