一、基于Petri网的网络化快速原型制造过程建模研究（论文文献综述）
娄高翔[1]（2021）在《云制造环境下面向过程的生产调度问题研究》文中指出“中国制造2025”的提出,深化了信息技术与制造技术的融合,形成了新一轮产业竞争的制高点。作为信息化与工业化融合的典型代表,云制造已成为“中国制造2025”战略规划的重要内容之一。然而云制造的相关理论与研究在调度中的应用还存在一些问题有待深入研究。本学位论文在国内外相关研究的基础上,结合生产流程,探索云制造环境下面向过程的生产调度问题。通过对云制造环境下生产任务分解、企业间生产调度、车间级调度等关键技术问题的研究,建立了一套调度优化框架,以满足云环境下整个生产流程的调度需求。具体研究工作与成果如下:从云制造关键技术和云制造调度特性出发,结合云环境下调度的属性构建了云环境下面向过程的生产调度优化系统,并对所建立的优化系统中关键技术问题进行了逐一研究。针对云制造任务分解问题,建立了云制造任务分解优化模型,将BOSS树的思想引入到云环境下生产调度的任务分解环节中,提出了基于BOSS树的任务分解优化算法。首先,研究了云制造任务的相关度量方法;其次,基于云制造任务分解原则,建立了考虑云制造任务内交互关系的分解优化模型;再次,根据BOSS树思想,提出了包含生产任务全生命周期的任务分解优化算法,并通过启发式规则对算法进行优化,有效解决了云制造任务分解和服务任务匹配的脱节问题;最后,通过实例验证了算法的可行性及有效性。针对云制造环境下企业间生产调度问题,建立了企业间生产调度数学模型,在考虑多个目标的情况下,提出了基于拥挤度的带精英策略非支配排序的改进遗传算法（NSGA-II）。首先,对跨企业生产模式进行了分析;其次,建立了云制造环境下企业间调度的数学模型;再次,设计了多层二维矩阵分级编码,并对NSGA-II算法进行了基于拥挤度的自适应进化策略改进;最后,通过实例研究验证了改进模型和算法的有效性。针对车间层的生产,将同时生产云任务和本地任务的车间调度问题和仅生产云任务的车间调度问题分别进行研究。对同时生产云任务和本地任务的车间:首先,分析了该生产模式中遇到的混合车间任务调度问题并建模;其次,对比了差分进化算法和遗传算法的特点,将遗传算法有效处理离散变量及差分进化算法有效处理连续变量的优点融合,并根据生产现状提出了一种基于差分进化的混合遗传算法;最后,通过实例检验了算法的可行性和有效性。对仅生产云任务的车间:首先,根据生产问题建立了以最小总完成时间为目标的混流车间调度模型;其次,提出了一种改进的混合免疫克隆选择遗传算法,重新构造了算法的抗原识别、抗体编码和解码的过程,重新构造了亲和度函数,并对算法中的抗体群进行克隆、变异、交叉和选择等混合操作,最后,用两个仿真实验验证了新算法的可靠性。根据本文提出的云制造环境下的调度优化系统,对系统开发环境、Matlab程序集成、数据服务过程等进行了相关研究,结合云任务分解、企业间调度、车间调度三个关键技术问题的研究结果,对系统功能模块进行了设计,并进行了原型系统初步开发。
王译晨[2]（2020）在《面向制造单元的数字孪生体建模与管控技术研究》文中研究表明随着经济全球化进程的加快和国际市场竞争环境的加剧,以个性化为主要特征的市场需求要求企业生产系统具备更高的柔性,同时以新型信息通讯技术为核心的信息物理融合系统（Cyber Physical System,CPS）赋能制造资源更多的分散化增强型智能特性,实现了制造资源的解耦,降低了生产系统的刚性,而制造单元作为CPS环境下生产系统的最小粒度单元,研究其建模与管控问题对于提高CPS环境下生产系统的柔性以及支撑生产系统功能的实现具有重要的意义。数字孪生作为实现信息与物理融合的一种有效手段和新型技术,由于其所具有的仿真与虚实映射特性,不仅能够为制造单元管控系统的开发和验证提供虚拟的硬件测试环境,而且能够为生产系统的离线仿真与实时运行管控提供一种新的模式。因此,本文针对个性定制化市场需求对生产系统柔性所提出的更高要求,在结合CPS赋能生产系统更高的柔性以及其他功能与特性的基础上,以CPS环境下的离散制造单元为研究对象,以制造单元的建模与管控问题为研究切入点,基于数字孪生所特有的虚实映射与仿真等特性,围绕数字孪生驱动的制造单元建模与管控技术展开研究,主要研究内容如下:（1）在对国内外研究现状进行学习与综述的基础上,结合CPS与数字孪生的功能特性,定义基于数字孪生的制造单元内涵、特征、功能以及资源组成,并构建其管控架构,设计其运行机制,为后续的研究内容提供整体支撑。（2）依据数字孪生体的建模规范,围绕制造单元的运行与管控场景需求,在运用相关本体、混合Petri网等建模理论与方法的基础上,重点研究制造单元的资源结构与管控行为等数字孪生体单视图模型的构建方法,进而在集成制造单元几何与物理模型的基础上,提出基于数字孪生的制造单元多视图管控场景集成建模方法,并在定义多视图模型协同机制的基础上,最终完成制造单元数字孪生体模型的构建,为数字孪生体驱动的制造单元管控技术的研究提供模型支撑。（3）依据制造单元管控的不同时效性需求,结合数字孪生体的虚实同步与离线仿真特性,在设计制造单元整体管控指标体系的基础上,基于制造单元数字孪生体模型,分别从可视化实时监控与生产异常诊断两个方面的管控需求展开研究。其中,围绕可视化实时监控目标,在研究数字孪生制造单元的资源标识与采集、虚实映射与通讯等关键技术的基础上,通过构建数字孪生制造单元的可视化实时监控模型,从而支撑制造单元的实时监控需求,进而凸显数字孪生的虚实同步特性;其次,围绕异常诊断需求与管控重点,重点围绕设备管控,在构建制造单元故障树及异常诊断专家知识系统的基础上,研究基于知识推理的数字孪生制造单元生产异常诊断与反馈控制方法,凸显数字孪生的离线仿真特性。（4）结合上述研究成果,在完成开发与验证环境搭建的基础上,分别从系统运行流程设计、数字孪生体模型构建、管控场景集成开发、仿真等环节进行原型系统的开发与验证。通过上述研究,能够证明数字孪生在改变CPS环境下制造单元的管控方式、提高制造单元管控能力方面的合理性与有效性,希望本文所提出方法能够为数字孪生在制造单元的管控以及生产系统中的应用研究提供研究案例与参考依据。
陈宝通[3]（2020）在《面向个性化定制的智能生产线预防性维护研究》文中指出智能生产线通过物联感知和网络协同技术,实现信息物理深度融合。其特征是制造设备高度互联、制造数据深度集成与产线动态重构,以满足多品种、小批量、个性化定制产品的混流生产要求。个性化定制生产模式下,智能生产线对设备可靠性、运行稳定性与生产适应性等提出了更高要求,常规的被动运维模式已不能满足智能生产线的复杂运维需求。本文聚焦于智能生产线预防性维护的关键技术研究,以保证个性化定制生产线效率与设备利用率为前提,对设备的劣化状态进行早期评估,通过可重构预防性维护避免生产线意外停机造成的生产中断,旨在实现生产过程的自主感知、状态评估、自适应运行及负载均衡。本文的研究工作可以具体地概括为以下五点:（1）探讨了设备信息物理深度融合为基础的智能生产线预防性维护系统架构。在智能生产线设备信息传输方面,实现了基于OPC UA的信息传输,Machine to Machine通信,软件定义工业异构网络;在多源异构传感数据深度融合方面,提出了边缘计算使能的数据融合方法与边-云合作的数据融合机制。架构涵盖了基于心电机理的设备运行状态监测方法与深度的设备健康状况评估理论,实时反馈设备亟需的运维情况。为保障智能生产线稳定运行,提出了面向个性化定制生产线的可重构运维机制,以实现生产过程自适应管控的系统运维。（2）基于设备动作时长的细粒度划分,将设备作业状态下的节拍类比为人类的心脏跳动,以设备心电图（equipment electrocardiogram,EECG）的方式揭示设备的性能衰退过程。阐明了设备心电图的构建机理,涵盖工序的细粒度划分方法,时序周期的动态匹配方法,基线、公差、Hotspot等重要工作特征的确定方法。基于设备心电机理,分别提出了生产线节拍优化方法和设备性能衰退的在线监测方法。在智能生产线上对智能设备心电图的性能进行了测试,结果表明智能心电机理能够很好地支持智能设备心电图的实施,智能生产线设备心电（Automatic Production Line EECG,APL-EECG）系统能够实时监测设备作业状态,为设备的维护提供科学指导。（3）基于时间序列设备传感数据,提出了深度的设备性能预测方法。引入流行的机器学习框架—Tensor Flow,搭建了Tensor Flow使能的深度学习模型架构;利用Keras搭建了汽车装配生产线的小台车气缸可靠性分析的深度神经网络模型,并阐述了其中关键的实现技术;进一步地制定了气缸工作性能评估策略,预测准确率达到工业应用标准。研究发现在不完全观测丰富数据集的环境下,运用深度神经网络能够实现“弱关联”多源异构设备传感数据的分析。（4）基于领域本体的形式化语义模型,构建了面向预防性维护的可重构运维方法。首先,根据对智能生产线制造资源与生产过程的系统分析,利用领域本体方法构建生产线形式化语义模型,以一种语义网结构对生产线的制造资源进行抽象化与统一描述;其次,利用数据驱动的语义模型促进了生产线信息物理资源的动态融合,为生产线状态感知与自组织重构等提供基础模型,进一步构建了基于多智能系统的智能生产线自组织自适应运行机制;最后,面向预知的设备状态衰退与性能失衡,构建路径动态规划与任务切换的可重构方法,实现混流产线的不停机动态重构。（5）针对智能生产线设备集群自组织自适应作业过程中的负载不均衡现象,探究了基于边缘计算理念的智能生产线可重构运维方法,制定基于能量感知的负载均衡与调度（Energy-aware Load Balance and Scheduling,ELBS）策略。具体地,在边缘节点建立工作负载相关的能耗模型,相应地确立以作业集群负载均衡为目标的优化函数;利用改进的粒子群算法求得优化解,对任务相关的作业集群进行任务优先级排序;采用Multi-agent系统对车间作业集群进行分布式的优化调度。结果表明,在多批量个性化定制糖果的包装产线上,在考虑能耗和工作负载的情况下,该策略实现了混流生产作业机器人的负载均衡和优化运行。综上所述,以底层信息交互为基础,提出了由单机设备到集群设备的自下而上的可重构运维方法,实现了涵盖产线自主感知、状态监测、预防维护与负载均衡等的关键运维技术,为个性化定制生产线的预防性维护关键点提供技术支撑与理论依据。
袁振宇[4]（2020）在《基于增广混合Petri网的CPS建模方法研究》文中研究说明信息物理融合系统（Cyber-physical system,CPS）是一类将信息离散系统和物理连续系统融合在一起的复杂混合系统,涉及了感知、通信、计算和控制等多种技术,最终实现人与物、物与物之间的互联、互感和互控等。由于CPS较为庞大,包含了大量分布式、异构、并发和实时的组件,这给CPS的建模带来了极大的挑战。本文针对CPS的建模问题,做了如下几点工作:（1）概述了CPS的特点和建模挑战,归纳总结出对CPS建模的主流方法和工具,选取形式化方法和Petri网作为本文的建模方法和建模工具,同时针对Petri网模型的事件驱动属性,提出一种新的CPS体系结构,并给出在此体系结构下CPS的运行方式、物理实体的形式化定义和能够描述实体时空变化的CPS事件的形式化定义;（2）虽然混合Petri网改进了原型Petri网对连续系统的建模描述能力,但面对CPS这类复杂的系统时,也会存在建模的繁琐和错误。针对这种情况,本文通过引入时间和空间属性,以及条件弧概念,提出一种增广混合Petri网模型,扩展了混合Petri网模型的建模描述能力,并针对汽车无人驾驶系统中ACC系统和LKA系统的工作流程进行了建模,构造出相应的模型图;（3）利用面向方面编程的思想引入方面网概念,方面网用于描述CPS的非功能属性,给出方面网与增广混合Petri网的编织规则,以及多个方面网之间的组合规则,最后通过编织技术将方面网与增广混合Petri网结合成一个完整的网系统,以实现对CPS的完整建模;（4）将增广混合Petri网模型转换为UPPAAL能处理的时间自动机模型,使用模型检验工具UPPAAL进行分析和验证。本文提出的增广混合Petri网,以及方面网的编织技术,可以有效降低CPS模型的复杂度,同时提高模型的完整度。
田松龄[5]（2019）在《基于制造物联网的柔性制造车间动态调度方法研究》文中研究指明车间通常是研究制造资源配置、生产优化调度和制造系统管控的最小物化单位。结合制造物联网（Internet of Manufacturing Things,IoMT）和多代理（Agent）技术可以实现无需人工干预下的设备与设备之间的交互,从而使整个车间系统中的设备具备了自感知、自决策、自执行和协作执行复杂任务的能力。车间工艺路线柔性化是解决车间需求多变且生产执行不稳定难题的一条有效途径。基于非线性集成工艺规划和车间调度思想,提出了分层多目标优化的方法,在求解工艺路线的优化问题时提出了基于Dijkstra工艺路线规划方法;在机器分配问题和工序调度问题求解阶段,提出了基于Petri网和蚁群优化（Ant Colony Optimization,ACO）的车间调度算法PN-ACO。为了检验PN-ACO算法求解车间调度问题的性能,对典型算例进行测试。选择柔性作业车间调度问题（Flexible job-shop scheduling problem,FJSP）标准算例进行了对比试验。对比试验的结果显示了PN-ACO算法在求解FJSP问题时结果的优越性,同时也证明了所提出的启发式函数ηgh有效性和搜索机制的高效性。安防件制造系统调度实例验证了提出的柔性工艺路线车间调度问题求解方法的可行性与高效性。以某列车车轴加工车间的月生产调度优化为工程实例,结果显示加工总时长为26.3天,比原计划缩短了12.3%,从而证明PN-ACO算法的工程应用能力。鲁棒性和稳定性是异常事件扰动下动态车间重调度的两个重要指标,通常很难确定两者重要性,目前常采用权重法,求解时需要大量的权重优选实验。提出了非合作动态博弈的动态调度方法,实现了多目标权重难以确定的动态调度问题的求解。提出了滚动窗口重调度驱动策略,解决了重调度阶段较多情况下博弈方法失效问题以及频繁重调度问题。在对比试验中,提出的滚动窗口重调度机制和非合作动态博弈方法相结合（Hybrid algorithm combining game theory and scroll window,HGW）的动态车间调度方法得到的重调度的结果相比较预调度而言没有显着的增加,相对误差指标RD为11.33%和原点矩指标MID 13.74均优于对比方法。可以证明提出的HGW方法在解决动态车间调度问题的高效性。提出的HGW方法实现了重调度方案波动对IoMT下车间运行稳定性破环问题的解决。针对目前很难解决的不完备信息扰动（扰动发生时刻、扰动结束时刻和扰动频次不确定）下扰动恢复问题,利用时间自动机实时监测扰动事件,并提出了基于虚拟队列控制的车间调度方法,在决策时间点,计算异常事件对车间系统造成的偏差,如果达到阈值则触发调整虚拟队列,保证系统的总运行时间不会进一步恶化,从而实现扰动信息不完备情况下车间的自适应调度,同时也解决了IoMT下的多Agent方法利用实时信息和在制造执行阶段的应用的难题。通过工程实例可知自适应调度方法简化了车间动态调度控制中的规则系统,使得对车间的调度控制更易于实现。原型系统的开发规范了IoMT的业务流程,并为更复杂的智能制造系统设计提供了较为真实的设计参数辅助。
张超[6]（2019）在《云制造环境下的产品协同设计过程建模与控制研究》文中指出云制造是一种基于互联网的并且面向服务的智能制造新模式。该模式融合发展了现有的信息技术,是制造即服务理念的体现。云制造环境下的设计模式以设计即服务（Design as service,DaS）为理念,将各类设计资源抽象为设计服务,为用户提供按需设计服务。这种设计模式主要以分布、并行、协同的形式开展设计工作,将极大的提高设计效率,缩短设计周期。然而,随着产品功能需求的迅速变化,新产品设计复杂度的增加,云制造环境下的设计过程也需要动态变化,设计数据以及复杂的设计流程增加了云环境下的产品设计过程管控难度。为了解决该模式下动态变化的设计过程高效管控机制,本论文提出了一种面向云制造环境的新型协同设计服务模式,并开展了云制造环境下设计过程控制模型及控制方法研究,具体如下:（1）通过对比分析现有的产品串行和并行研发模式,结合云制造技术的特点,研究了云制造环境下的设计模式,提出了云制造环境下的协同设计模式;（2）针对云制造环境下的产品设计业务流程进行分析,通过霍尔三维结构建立了产品设计业务流程边界,提出了基于霍尔三维结构的产品成熟度等级,并建立了通用的产品成熟度模型,形成设计过程模型;（3）基于产品成熟度模型,构建了云制造环境下的协同设计四维结构。分析了云制造环境下设计阶段之间的关系。基于协同设计四维结构利用对象Petri网对产品协同设计过程进行了建模,用对象Petri网描述了各个设计阶段以及它们之间的关系。研究了两种典型的耦合设计过程并对其进行建模和分析;（4）针对云制造环境下不同设计阶段之间的复杂关系,通过量化设计阶段的工作进度来建立它们之间的关系,并提出了设计阶段协同控制方法。依据不同专业的协作特点和元模型提出了基于工厂模式的设计专业协同方法,保证每个设计阶段的设计任设计专业能高效的开展设计任务。根据设计专业的协同情况,提出了基于少量目标统计分析和基于模糊理论的两种设计专业协同控制方法;（5）基于上述理论研究,结合实际设计过程,分析设计过程中的主要元素及功能需求,通过MVC基本结构,开发了一个B/S模式的协同设计云平台,为实现产品的快速研发提供了一种解决方案。
熊少杰[7]（2019）在《基于智能作业终端的发动机装配过程管控策略研究及系统设计》文中认为近年来,汽车制造业发展迎来较为缓慢的上升期,发动机质量问题成为制约我国汽车发动机产业发展的重要因素。针对提高发动机装配过程的质量问题,本文通过对发动机的机装配过程进行研究,提出基于智能作业终端的管控策略,实现对发动机生产过程的管控,提升发动机装配水平。首先,研究分析发动机机装配的工艺流程,针对工艺特点把影响发动机装配过程质量因素分解成若干类型,根据质量问题提出基于智能作业终端的管控策略,介绍了智能作业终端功能、网络架构、交互识别技术。其次,在构建发动机智能作业终端体系的基础上,提出基于实时数据采集技术的发动机智能作业终端输入单元,并详细介绍了以数据服务总线库方式对车间多源异构的数据进行集成。根据扩展Petri网对发动机装配单元进行单元抽象建模,分析单元作业流程,并以实例验证模型可行性。然后,采用构件技术实现将发动机装配单元业务需求映射成装配业务构件,并对业务构件进一步抽象映射成软构件,通过对软构件动态组装构建整个作业系统,并通过目标线性规划的方法对组装方案进行优化探讨。最后,根据提出的理论模型与系统开发方法,设计和开发了一套发动机机装配过程智能作业终端系统,对终端系统方案、软硬件架构等进行了说明,以某汽车发动机的装配过程为例进行模型具体实例验证,并取得了良好效果。
杨振亚[8]（2016）在《网络化外协加工优化调度方法研究》文中研究指明随着经济、市场的全球化和多元化,客户需求的多样化和个性化,这些变化已经深刻地影响到了各行各业,其中制造行业尤为突出。在目前形势下,制造业已经进入全面变革时期,如何加强企业快速响应、满足客户需求和实现企业利益最大化,已成为现代制造企业必须要考虑的问题。在网络化技术推动下,网络化制造模式逐渐兴起并得到迅猛发展。这种制造模式强调充分利用信息技术,共享网络化资源,根据企业生产具体要求统筹安排和调度各种现有资源,高效地完成生产任务。本文以网络化外协加工优化过程为研究对象,就目前网络化制造模式下外协加工优化调度问题进行研究具有重要的理论和实际意义。首先,对网络化外协加工优化调度基本的问题进行了阐述,分析并确定了在网络化外协加工调度中需要考虑的外协加工目标,即外协加工时间、外协加工成本和外协加工质量,并建立了相应的数学模型。其次,将虚拟产线与网络化外协加工优化调度结合,根据企业外协加工的业务具体需求组建动态虚拟产线。通过组建虚拟产线,提出利用Petri网对其生产调度过程进行建模。对Petri网相关概念、性质等内容进行了研究分析,为了充分反映实际调度情况,引入时间Petri网,利用赋时Petri网作为本文的建模工具。再次,以基本遗传算法为基础,针对基本遗传算法过早收敛和易陷入局部最优的问题,利用自适应机制对其进行改良,并结合Petri网的特点,形成基于Petri网变迁的编码形式的自适应遗传算法,同时在遗传算子操作上也做了改进,增强了算法的寻优能力。最后,将研究的优化调度理论应用到重庆市某一中小企业外协加工实际案例中,并与基本遗传算法进行对比,证明了本文算法的有效性。同时也说明了本文所提出的调度研究理论能更好地实现企业调度目标,对企业效益的改善和增强市场竞争力都有极大地推动作用,对促进网络化制造模式的进一步落地应用有着积极意义。
张峰[9]（2015）在《航天产品性能样机分布式协同建模与仿真技术研究》文中指出大型复杂航天产品性能样机技术是当前具有挑战性和高难度的研究课题,成为工业和学术界的研究热点。它的设计通常由几百个单位参与论证、设计、制造、试验、使用、保障和管理。目前,由于性能样机的定量描述和建模理论与技术尚不成熟,以超声速飞航武器为代表的大型复杂航天产品面临着地面实验条件模拟难、指标要求高、综合集成性差、建模与仿真难度大、多类目标制导控制一体化优化设计技术等一系列关键技术需要解决。航天产品性能样机的研制是个多阶段全生命周期的设计过程,包含产品全生命周期内零部件及其设备的完整数字信息模型。而在现有环境条件下,不同子系统的设计建模、仿真与优化采用不同的设计方法,各学科领域模型之间具有不同的依赖关系,不同信息模型在语义层面需要一致表达方法。因此,本文重点研究复杂航天产品性能样机的分布式协同建模方法、协同仿真方法、协同仿真模型库的构建方法和协同仿真优化方法,并应用云计算等现代信息化综合集成技术,实现性能样机的分布式协同建模与仿真统一管理。主要体现在:（1）针对航天产品性能样机的定量描述和建模理论与技术尚不成熟等问题,系统性地提出了UMSLO（Unified-Modeling-Simulation-Library-Optimization）概念模型,并在UMSLO模型的基础上提出了四级性能样机的设计过程和协同建模方法。首先,在对性能样机协同设计仿真业务需求分析的基础上,结合本体建模方法,提出了一种基于本体元模型的性能样机协同概念建模方法。其次,根据所研究的基于本体的性能样机建模方法,给出了性能样机协同概念建模案例,并采用Protégé工具构建了性能样机的本体元模型库。最后,在分析性能样机协同建模流程的基础上,提出了一种基于对象Petri网的性能样机协同建模过程动态建模方法。给出了性能样机协同建模工作流模型的形式化定义以及协同概念建模、功能建模、仿真建模和优化建模设计单元的对象Petri网元模型。通过元模型输入输出接口动态描述性能样机协同建模与仿真过程。所构建的性能样机本体元模型库较好的解决了多学科产品模型的输出缺失和冗余信息的问题,可以显式地表达领域知识并促进不同领域之间概念的语义一致性,实现了UMSLO中的M子模型。（2）针对性能样机仿真系统中多领域元模型统一集成转换问题,在性能样机协同建模方法的基础上,提出了基于HLA（High Level Architecture）的数字性能样机协同仿真模型。首先,分析了领域本体元模型与联邦模型的映射方法。然后,对所构建的不同学科领域的本体元模型进行转换与集成,提出了本体元模型与HLA对象模型的转换方法。再次,在本体元模型集成方法的基础上,进一步实现了本体元模型与HLA对象模型的转换方法,通过本体元模型集成与转换案例分析了各学科领域本体概念匹配过程。最后,以所构建的性能样机模型为对象,将其六自由度元模型作为复杂系统的应用实例,进行超声速飞行器性能样机（Performance Digital Mock-Up of Hypersonic Vehicle,HV-PDMU）的建模,提出了HV-PDMU模型整体结构和HV-PDMU联邦仿真实现过程,并设计基于Pertri网的HLA仿真模型。所研究的模型减少了HLA仿真模型中冗余的数据传输、提高模型运行速度,解决了HLA仿真系统中多领域元模型统一集成转换问题,实现了UMSLO模型中的S子模型。（3）为了实现各学科仿真模型的有效积累和重用,运用数据库和元模型共享技术,建立可重用的仿真模型库,分析了性能样机协同仿真模型库的层次框架,划分为顶层系统仿真模型、领域主模型和元模型,并给出了性能样机协同仿真全生命周期数据共享技术,实现了UMSLO模型中的L子模型。（4）针对性能样机协同建模与仿真过程中的多学科耦合与多目标优化问题,引入混合软计算方法,提出了性能样机多学科协同仿真优化模型。首先,在分析了性能样机多学科协同设计与优化建模方法的基础上,构建了超声速飞行器性能样机不同学科之间的数据分析关系与耦合关系表达模型。然后,在多目标优化遗传算法和粒子群算法的基础上,提出了多目标粒子群遗传混合优化算法（Multi-objective Particle Swarm Optimization-Genetic Algorithm,MOPSOGA）,在构建的性能样机模型和HV-PDMU模型的基础上,应用MOPSOGA算法,对性能样机气动推进一体化、外形气动一体化以及HLA仿真系统的可靠性指标分配进行了多目标优化设计。所提出的算法能够在设计候选解中求得Pareto优化解,较好的实现了性能样机多学科中的元模型性能目标综合优化与方案评价,实现了UMSLO中的O子模型。（5）针对性能样机全生命周期协同建模与仿真过程中管理系统综合集成性差的问题,构建了性能样机协同建模与仿真原型系统。首先,在分析系统总体结构设计的基础上,对建模任务管理功能需求、建模流程管理功能需求、模型设计管理功能需求、产品本体库管理功能需求、协同仿真管理功能需求和协同建模系统平台管理功能需求进行了分析与设计。然后,建立了原型系统的数据库概念模型和物理模型。所构建的平台较好地解决了性能样机全生命周期统一建模与仿真以及不同人员、不同工具、不同算法、不同描述语言下的耦合建模、联合仿真问题,实现了UMSLO中的U子模型。以上所提方法的有效性均通过winged-cone高超声速概念飞行器应用实例进行了验证。
尚利[10]（2007）在《德阳装备制造业网络化制造若干关键技术研究》文中研究指明装备制造业为国民经济各部门的生产提供装备，是国家实现工业化的必备条件，是支撑国家综合国力的重要基石，其发展水平是国家的国际竞争力的重要标志，是决定国家在经济全球化进程中国际分工地位的关键因素。目前，我国要从制造大国变为制造强国，大力提高装备制造业水平，发展装备制造业规模是很有必要的。通过实施网络化制造工程，加强装备制造产业链中企业间的知识共享、设备共享，促进企业协作，是快速发展装备制造业的重要途径。装备制造业由于产业链长、单件小批量生产、技术含量高、生产周期长、产业范围相对集中等特点，导致其网络化制造工程具有独特性。德阳是我国两个重型装备制造业基地之一，不仅是制造业的重要组成部分，也是装备制造业区域的典型代表。论文以德阳装备制造业为网络化制造应用对象展开研究，对装备制造业网络化制造的组织模式、服务平台、建盟系统、过程建模方法等内容进行研究，取得如下成果：1)提出了基于集群理论的德阳装备制造业网络化制造社会组织结构。阐述了产业集群的概念和优势，以及装备制造产业集群的组成、组织框架和特点；在详细分析了德阳装备制造业的历史和现状后，提出了德阳装备制造业区域网络化制造模式，明确了德阳装备制造业网络化制造的集群组织结构，指出核心企业、配套企业和政府及服务机构的地位和作用。2)完成了德阳装备制造业网络化制造应用系统框架性研究。提出了系统不仅应该具备共享信息、过程管理与协调、产品协同设计制造、资源共享、电子商务等功能，而且还应针对装备制造产业特点，重点突出特型设备信息的管理、可定制评价体系的盟友选择、虚拟企业过程建模与管理等功能。提出德阳装备制造业区域网络化制造平台应该是在政府的引导下，由政府牵头，各级企业参与的运营方式。设计出基于应用服务供应商（ASP）的网络化制造平台的结构，并讨论了它的关键技术。3)建立了针对装备制造单件小批量生产特点的可定制建盟系统。分析了虚拟企业组建的过程、盟友选择原则和方法，提出了完整的盟友评价指标体系；给出基于AHP层次分析法的盟员选择算法；对可定制建盟系统进行了详细设计与开发。4)提出三维虚拟企业建模体系，建立了树形虚拟企业组织建模体系和虚拟企业过程建模方法。在分析企业建模理论基础上，根据虚拟企业特点，提出以视图维、生命周期维和结构层次维构成虚拟企业建模体系。在企业组织建模理论指导下，建立了以虚拟企业、项目组、企业为构件的树型的虚拟企业组织体系。提出了基于IDEF3和Petri网理论的两种虚拟企业过程建模方法，建立了基于项目管理理论的虚拟企业过程监控和协调机制。5)开发出了德阳装备制造业网络化制造原型系统。以SOA（面向应用服务）为架构，在Windows XP+JSP+SQL Server2000开发环境下。部分功能已在德阳装备制造业网络化制造中得到应用，取得了较好效果。
二、基于Petri网的网络化快速原型制造过程建模研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于Petri网的网络化快速原型制造过程建模研究（论文提纲范文）
（1）云制造环境下面向过程的生产调度问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 云制造的产生背景 |
| 1.2.1 制造模式的发展趋势 |
| 1.2.2 云制造 |
| 1.3 研究目的和意义 |
| 1.4 研究现状及存在问题 |
| 1.4.1 云制造体系研究现状 |
| 1.4.2 云制造调度研究现状 |
| 1.4.3 存在的问题 |
| 1.5 研究思路及内容 |
| 第二章 云环境下面向过程的生产调度系统优化框架 |
| 2.1 引言 |
| 2.2 PoPS-CMfg的理论支撑 |
| 2.2.1 云制造的关键技术 |
| 2.2.2 云制造调度特征 |
| 2.2.3 云制造调度分类 |
| 2.3 PoPS-CMfg的总体框架 |
| 2.3.1 云制造的体系架构 |
| 2.3.2 PoPS-CMfg框架模型 |
| 2.4 PoPS-CMfg的关键技术 |
| 2.4.1 任务分解与处理 |
| 2.4.2 企业间生产调度 |
| 2.4.3 车间级生产调度 |
| 2.5 本章小结 |
| 第三章 基于BOSS树的云制造任务分解问题研究 |
| 3.1 引言 |
| 3.2 BOSS树及云制造任务 |
| 3.2.1 BOSS树思想 |
| 3.2.2 云制造任务 |
| 3.3 云制造任务的分解优化模型 |
| 3.3.1 云制造任务分解原则 |
| 3.3.2 云任务交互关系分析 |
| 3.3.3 云制造任务度量方法 |
| 3.3.4 云制造任务与云制造服务描述 |
| 3.3.5 基于BOSS树的任务分解优化算法 |
| 3.4 实例分析 |
| 3.5 本章小结 |
| 第四章 云制造环境下企业间生产调度问题研究 |
| 4.1 引言 |
| 4.2 云制造环境下企业间生产模式分析 |
| 4.3 云制造环境下企业间生产调度模型 |
| 4.3.1 问题描述 |
| 4.3.2 目标函数 |
| 4.3.3 约束条件 |
| 4.4 改进的自适应NSGA-II算法 |
| 4.4.1 编码设计 |
| 4.4.2 传统NSGA-II算法 |
| 4.4.3 基于拥挤度的自适应进化策略 |
| 4.5 实例验证与结果分析 |
| 4.6 本章小结 |
| 第五章 云制造环境下车间层调度问题研究 |
| 5.1 引言 |
| 5.2 混合生产任务下的车间调度问题研究 |
| 5.2.1 问题描述 |
| 5.2.2 模型建立 |
| 5.2.3 基于差分进化的混合遗传算法 |
| 5.2.4 实例验证 |
| 5.3 云制造任务下的车间调度问题研究 |
| 5.3.1 云任务下的混流车间调度问题 |
| 5.3.2 混流车间调度数学模型 |
| 5.3.3 改进的混合免疫克隆选择遗传算法 |
| 5.3.4 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 云制造环境下调度系统开发研究 |
| 6.1 引言 |
| 6.2 PoPS-CMfg的体系架构 |
| 6.3 PoPS-CMfg系统开发设计 |
| 6.3.1 PoPS-CMfg系统开发环境 |
| 6.3.2 ASP.NET下集成Matlab动态链接库 |
| 6.3.3 PoPS-CMfg系统数据服务过程 |
| 6.3.4 PoPS-CMfg系统功能模块设计 |
| 6.4 PoPS-CMfg原型系统验证 |
| 6.5 本章小结 |
| 结论 |
| 研究结论 |
| 创新点 |
| 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）面向制造单元的数字孪生体建模与管控技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 单元化生产模式的产生与发展趋势 |
| 1.2.2 生产运行管控研究现状与发展趋势 |
| 1.2.3 数字孪生在生产系统中的研究与应用 |
| 1.3 研究目的与意义 |
| 1.4 课题主要来源 |
| 1.5 课题的主要研究内容及整体架构 |
| 2 基于数字孪生的制造单元及管控策略 |
| 2.1 引言 |
| 2.2 DT-MCell概述 |
| 2.2.1 DT-MCell内涵与特征 |
| 2.2.2 DT-MCell 组成与功能 |
| 2.3 DT-MCell管控策略 |
| 2.3.1 DT-MCell管控架构 |
| 2.3.2 DT-MCell运行机制 |
| 2.4 本章小结 |
| 3 制造单元数字孪生体建模方法 |
| 3.1 引言 |
| 3.2 制造单元数字孪生体建模流程 |
| 3.3 基于语义本体的DT-MCell资源结构建模 |
| 3.3.1 DT-MCell制造资源形式化表达 |
| 3.3.2 DT-MCell语义本体模型 |
| 3.3.3 DT-MCell数据本体模型 |
| 3.4 基于混合建模方法的DT-MCell管控行为建模 |
| 3.4.1 混合建模方法概述 |
| 3.4.2 混合模型定义与形式化表达 |
| 3.4.3 DT-MCell管控行为的混合建模 |
| 3.5 DT-MCell多视图管控场景集成建模方法与协同机制 |
| 3.5.1 DT-MCell多视图管控场景集成建模方法 |
| 3.5.2 DT-MCell多视图模型协同机制 |
| 3.6 本章小结 |
| 4 数字孪生体驱动的制造单元管控技术 |
| 4.1 引言 |
| 4.2 数字孪生驱动的制造单元管控指标体系设计 |
| 4.2.1 基于公理化设计的管控指标体系设计 |
| 4.2.2 DT-MCell管控数据模型 |
| 4.3 基于虚实同步技术的可视化实时监控 |
| 4.3.1 DT-MCell物理资源标识和采集技术 |
| 4.3.2 DT-MCell虚实映射和通讯技术 |
| 4.3.3 DT-MCell可视化实时监控模型 |
| 4.4 基于知识推理的DT-MCell生产异常诊断方法 |
| 4.4.1 DT-MCell生产异常分析及其故障树构建 |
| 4.4.2 DT-MCell生产异常专家知识系统构建 |
| 4.4.3 基于推理机的生产异常诊断及反馈控制方法 |
| 4.5 本章小结 |
| 5 DT-MCell原型系统开发与验证 |
| 5.1 引言 |
| 5.2 开发与验证环境概述 |
| 5.2.1 开发与验证环境搭建 |
| 5.2.2 硬件架构设计 |
| 5.3 原型系统开发与验证 |
| 5.3.1 系统运行流程设计 |
| 5.3.2 孪生体模型构建 |
| 5.3.3 管控系统集成开发 |
| 5.3.4 仿真与验证 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）面向个性化定制的智能生产线预防性维护研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 设备状态监测与评估方法研究现状 |
| 1.2.2 面向可重构运维的系统模型研究现状 |
| 1.2.3 预防性维护的可重构方法研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文创新之处 |
| 1.5 本文组织结构 |
| 第二章 个性化定制生产线预防性维护的系统框架 |
| 2.1 引言 |
| 2.2 预防性维护的系统架构 |
| 2.3 智能生产线设备信息融合 |
| 2.3.1 基于工业异构网络的信息交互 |
| 2.3.2 多源异构传感数据深度融合 |
| 2.4 智能生产线设备状态评估机制 |
| 2.4.1 基于心电机理的设备状态监测 |
| 2.4.2 基于深度学习的设备状态评估 |
| 2.5 智能生产线的可重构运维策略 |
| 2.6 本章小结 |
| 第三章 智能生产线设备心电机理研究 |
| 3.1 引言 |
| 3.2 EECG系统架构 |
| 3.3 设备心电图实现机理 |
| 3.3.1 工序时长细粒度划分方法 |
| 3.3.2 时序周期匹配策略 |
| 3.3.3 重要工作特征的确定 |
| 3.4 基于EECG的设备性能监测方法 |
| 3.4.1 生产节拍提升 |
| 3.4.2 设备性能衰退在线监测 |
| 3.5 实验验证 |
| 3.5.1 实验场景 |
| 3.5.2 运行结果 |
| 3.5.3 结果讨论 |
| 3.6 本章小结 |
| 第四章 基于时序数据的设备性能预测方法研究 |
| 4.1 引言 |
| 4.2 设备性能预测的系统架构 |
| 4.3 设备性能预测机制 |
| 4.3.1 基于Tensor Flow的设备状态的多分类模型 |
| 4.3.2 模型构建关键实现技术 |
| 4.3.3 基于深度模型的设备性能评估 |
| 4.4 案例—小台车气缸状态预测 |
| 4.4.1 神经网络监测器 |
| 4.4.2 模型效果 |
| 4.4.3 模型评估 |
| 4.5 本章小结 |
| 第五章 面向预防性维护的可重构方法研究 |
| 5.1 引言 |
| 5.2 可重构运维的形式化语义模型架构 |
| 5.3 基于领域本体的形式化语义模型构建 |
| 5.3.1 领域本体知识库构建方法与建模技术 |
| 5.3.2 生产过程知识体系分析 |
| 5.3.3 语义知识库模型构建 |
| 5.4 可重构产线的数据与语义集成 |
| 5.4.1 关系型数据映射 |
| 5.4.2 语义模型更新 |
| 5.5 基于语义推理的可重构运维方法 |
| 5.5.1 Multi-agent的自组织协商机制 |
| 5.5.2 设备状态语义推理的可重构策略 |
| 5.5.3 负载均衡的可重构运维策略 |
| 5.6 基于语义推理的可重构运维应用案例 |
| 5.7 本章小结 |
| 第六章 个性化定制生产线的预防性维护平台验证 |
| 6.1 引言 |
| 6.2 原型平台概况 |
| 6.3 设备状态监测与评估平台验证 |
| 6.3.1 智能生产线设备心电图的实施效果 |
| 6.3.2 设备可靠性评估方法平台验证 |
| 6.4 智能生产线可重构运维验证实施 |
| 6.4.1 平台设置 |
| 6.4.2 性能衰退的可重构运维平台验证 |
| 6.4.3 负载均衡的可重构运维平台验证 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（4）基于增广混合Petri网的CPS建模方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 CPS建模研究现状 |
| 1.2.2 Petri网研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文组织结构 |
| 第二章 信息物理融合系统 |
| 2.1 CPS概述 |
| 2.1.1 CPS定义 |
| 2.1.2 CPS主要特征 |
| 2.1.3 CPS建模挑战 |
| 2.2 CPS建模方法研究 |
| 2.2.1 形式化建模方法 |
| 2.2.2 一体化建模方法 |
| 2.2.3 异构模型融合建模方法 |
| 2.2.4 功能与实现兼容建模方法 |
| 2.3 CPS体系结构及运行方式 |
| 2.3.1 CPS体系结构 |
| 2.3.2 CPS运行方式 |
| 2.4 CPS实体组件建模 |
| 2.4.1 普通物理实体形式化定义 |
| 2.4.2 传感器形式化定义 |
| 2.4.3 执行器形式化定义 |
| 2.5 CPS事件建模 |
| 2.5.1 CPS事件 |
| 2.5.2 CPS事件属性 |
| 2.5.3 CPS事件形式化定义 |
| 2.6 本章小结 |
| 第三章 增广混合Petri网模型 |
| 3.1 原型Petri |
| 3.1.1 Petri网定义 |
| 3.1.2 Petri网特征 |
| 3.1.3 Petri网基本结构 |
| 3.1.4 Petri网分析方法 |
| 3.2 混合Petri网 |
| 3.2.1 基本定义 |
| 3.2.2 变迁的使能 |
| 3.2.3 连续和离散的关系 |
| 3.3 增广混合Petri网 |
| 3.3.1 基本定义 |
| 3.3.2 变迁的使能 |
| 3.4 面向方面建模 |
| 3.4.1 面向方面概念 |
| 3.4.2 面向方面结构 |
| 3.4.3 方面网形式化定义 |
| 3.5 本章小结 |
| 第四章 基于增广混合Petri网的CPS建模 |
| 4.1 增广混合Petri网与方面网的融合 |
| 4.1.1 方面网编织规则 |
| 4.1.2 方面网组合规则 |
| 4.2 实例建模基础 |
| 4.2.1 实例建模对象 |
| 4.2.2 实体组件形式化描述 |
| 4.3 自适应巡航控制系统建模 |
| 4.3.1 自适应巡航控制系统定义 |
| 4.3.2 ACC系统工作原理 |
| 4.3.3 基于AHPN的 ACC系统模型 |
| 4.4 车道保持辅助系统建模 |
| 4.4.1 车道保持辅助系统定义 |
| 4.4.2 LKA系统工作原理 |
| 4.4.3 基于AHPN的 LKA系统模型 |
| 4.5 本章小结 |
| 第五章 基于增广混合Petri网的CPS模型分析与验证 |
| 5.1 理论分析 |
| 5.1.1 有界性分析 |
| 5.1.2 活性分析 |
| 5.1.3 持续性分析 |
| 5.2 模型检验工具UPPAAL |
| 5.2.1 UPPAAL介绍 |
| 5.2.2 UPPAAL的模型描述语言 |
| 5.3 EHPN模型到TA模型转换 |
| 5.4 模型验证 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读学位期间发表的论文和专利论文 |
| 附录 B 攻读学位期间参与的科研工作 |
（5）基于制造物联网的柔性制造车间动态调度方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 字母注释表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 制造物联网下车间生产过程监测和管控研究现状 |
| 1.2.2 制造物联网下车间生产规划研究现状 |
| 1.2.3 复杂扰动环境下车间生产扰动恢复研究现状 |
| 1.3 研究现状分析与问题提出 |
| 1.4 研究内容及组织框架 |
| 第二章 制造物联网下车间生产过程监测和管控 |
| 2.1 车间生产过程监测和管控问题描述 |
| 2.2 车间生产过程监测方法 |
| 2.2.1 基于制造物联网的事件监测方法 |
| 2.2.2 基于自动机的异常事件监测模型 |
| 2.3 车间生产过程管控方法 |
| 2.3.1 扰动事件预警方法 |
| 2.3.2 扰动事件快速响应方法 |
| 2.4 应用实例与分析 |
| 2.4.1 车间生产过程监测实验 |
| 2.4.2 车间生产管控标准算例实验 |
| 2.4.3 车间生产过程管控仿真实验 |
| 2.4.4 结果分析 |
| 2.5 小结 |
| 第三章 制造物联网环境下柔性工艺路线车间调度与实施 |
| 3.1 柔性工艺路线车间调度问题描述与求解流程 |
| 3.1.1 柔性工艺路线车间调度问题描述 |
| 3.1.2 柔性工艺路线车间调度问题的求解流程 |
| 3.2 工艺路线优化问题建模与求解 |
| 3.2.1 工艺路线优化问题建模 |
| 3.2.2 工艺路线寻优算法 |
| 3.3 柔性作业车间调度问题建模和求解 |
| 3.3.1 柔性作业车间调度问题建模 |
| 3.3.2 柔性作业车间调度问题求解 |
| 3.4 制造物联网环境下调度实施 |
| 3.5 应用实例与分析 |
| 3.5.1 柔性作业车间调度问题标准算例 |
| 3.5.2 工程应用1 |
| 3.5.3 工程应用2 |
| 3.5.4 结果分析 |
| 3.6 小结 |
| 第四章 制造物联网环境下车间扰动恢复 |
| 4.1 扰动环境下重调度问题描述 |
| 4.2 基于博弈的多目标车间动态调度方法 |
| 4.2.1 多目标博弈优化方法 |
| 4.2.2 动态车间调度博弈模型和求解流程 |
| 4.2.3 子博弈精炼Nash均衡的求解 |
| 4.2.4 基于滚动窗口技术的动态调度驱动策略 |
| 4.2.5 动态车间调度执行 |
| 4.3 自适应调度方法 |
| 4.3.1 车间调度队列模型 |
| 4.3.2 车间生产系统自适应调度 |
| 4.3.3 自适应调度机理 |
| 4.4 应用实例与分析 |
| 4.4.1 动态车间调度仿真实验 |
| 4.4.2 动态车间调度工程实例 |
| 4.4.3 自适应动态调度仿真案例 |
| 4.4.4 结果分析 |
| 4.5 小结 |
| 第五章 制造物联网驱动下的原型软件系统开发 |
| 5.1 原型系统的可行性分析 |
| 5.2 系统总体设计 |
| 5.2.1 系统总体目标 |
| 5.2.2 系统主要任务 |
| 5.3 智能信息管理与执行系统软件架构 |
| 5.4 智能信息管理与执行系统软件功能模块 |
| 5.5 智能信息管理与执行系统软件工程应用 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 本文创新点 |
| 6.3 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（6）云制造环境下的产品协同设计过程建模与控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 产品成熟度建模 |
| 1.2.2 协同设计过程建模 |
| 1.2.3 协同设计过程控制方法 |
| 1.3 研究内容 |
| 1.4 本章小结 |
| 第2章 云制造环境下的协同设计模式 |
| 2.1 现有的设计模式 |
| 2.2 云制造环境下的协同设计模式 |
| 2.3 本章小结 |
| 第3章 云制造环境下的业务流程建模 |
| 3.1 云制造环境下的设计业务流程分析 |
| 3.2 产品成熟度模型边界定义 |
| 3.3 产品成熟度定义 |
| 3.3.1 产品成熟度等级定义 |
| 3.3.2 同级成熟度下的协同设计专业定义 |
| 3.3.3 成熟度各等级关键节点的确定 |
| 3.4 本章小结 |
| 第4章 基于PETRI网的协同设计过程建模 |
| 4.1 协同设计模型结构 |
| 4.2 设计阶段协同 |
| 4.2.1 设计阶段协同分析 |
| 4.2.2 基于OPN的模型形式化定义 |
| 4.3 PETRI网理论 |
| 4.3.1 PETRI网基本定义 |
| 4.3.2 PETRI网性能分析 |
| 4.4 设计专业协同 |
| 4.4.1 设计专业协同元模型 |
| 4.4.2 元模型性能分析 |
| 4.5 案例 |
| 4.6 本章小结 |
| 第5章 产品协同设计过程控制方法 |
| 5.1 基于事件驱动的设计阶段协同控制方法 |
| 5.2 设计专业协同控制方法 |
| 5.2.1 基于工厂模式和事件驱动的协同方法 |
| 5.2.2 基于STSA的设计专业协同控制方法 |
| 5.2.3 基于模糊理论的设计专业协同控制方法 |
| 5.3 案例 |
| 5.4 本章小结 |
| 第6章 协同设计云平台开发 |
| 6.1 原型系统功能结构 |
| 6.2 原型系统主要流程 |
| 6.3 原型系统数据库设计 |
| 6.4 原型系统运行界面 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
（7）基于智能作业终端的发动机装配过程管控策略研究及系统设计（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究目的与意义 |
| 1.3 与本课题相关的国内外研究现状 |
| 1.3.1 制造资源数据集成 |
| 1.3.2 发动机装配质量管控 |
| 1.4 课题来源 |
| 1.5 论文主要内容 |
| 1.6 论文的结构体系 |
| 第二章 面向发动机装配的智能作业终端结构研究 |
| 2.1 引言 |
| 2.2 发动机装配工艺及特点 |
| 2.2.1 发动机装配工艺概述 |
| 2.2.2 发动机装配过程工艺分析 |
| 2.3 智能作业终端系统结构体系 |
| 2.3.1 智能作业终端功能 |
| 2.3.2 智能作业终端网络架构 |
| 2.3.3 交互识别技术 |
| 2.4 本章小结 |
| 第三章 多源异构数据集成技术及单元系统建模 |
| 3.1 引言 |
| 3.2 车间多源异构数据集成方案设计 |
| 3.2.1 车间数据种类及特点分析 |
| 3.2.2 数据服务总线库设计 |
| 3.2.3 数据集成技术 |
| 3.3 基于扩展Petri网的发动机装配的作业单元建模 |
| 3.3.1 Petri网简介 |
| 3.3.2 基本功能单元体模块建模 |
| 3.3.3 发动机装配单元模型构建 |
| 3.3.4 实例分析 |
| 3.4 本章小结 |
| 第四章 基于构件技术的装配单元管控系统设计研究 |
| 4.1 引言 |
| 4.2 构件概述 |
| 4.3 面向装配作业的单元系统动态构建 |
| 4.3.1 装配业务构件识别 |
| 4.3.2 装配业务构件向软构件的映射机制 |
| 4.3.3 功能构件模型开发 |
| 4.3.4 实体构件模型开发 |
| 4.4 构件动态组装方案 |
| 4.5 构件动态组装优化方法研究 |
| 4.5.1 动态组装问题因素 |
| 4.5.2 功能约束条件 |
| 4.5.3 目标优化抉择 |
| 4.6 本章小结 |
| 第五章 发动机装配过程作业终端系统架构与应用 |
| 5.1 引言 |
| 5.2 系统整体概述 |
| 5.3 系统软件架构 |
| 5.4 系统硬件架构 |
| 5.5 智能作业终端原型系统实践应用 |
| 5.5.1 系统组装平台实现 |
| 5.5.2 发动机上线作业单元系统 |
| 5.5.3 发动机作业指导单元系统 |
| 5.5.4 发动机质量门单元系统 |
| 5.5.5 发动机下线单元系统 |
| 5.5.6 装配过程可视化单元系统 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（8）网络化外协加工优化调度方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外相关领域研究现状 |
| 1.2.1 优化调度模型研究现状 |
| 1.2.2 优化调度算法研究现状 |
| 1.2.3 网络化外协加工调度研究现状 |
| 1.3 本文主要解决的问题 |
| 1.4 论文的主要内容和组织结构 |
| 1.5 本章小结 |
| 第2章 Petri网基础理论分析 |
| 2.1 Petri网相关基本概念 |
| 2.1.1 网与子网 |
| 2.1.2 标识网 |
| 2.1.3 库所/变迁系统 |
| 2.1.4 并发与冲突 |
| 2.2 Petri网基本特征和性质 |
| 2.2.1 可达性 |
| 2.2.2 有界性和安全性 |
| 2.2.3 活性 |
| 2.3 Petri网的分析方法 |
| 2.3.1 可达标识图 |
| 2.3.2 可覆盖性树与可覆盖性图 |
| 2.3.3 关联矩阵与状态方程 |
| 2.4 Petri网的运算 |
| 2.4.1 共享合成 |
| 2.4.2 同步合成 |
| 2.5 含时间因素的Petri网 |
| 2.6 Petri网在制造系统建模中的优势 |
| 2.7 本章小结 |
| 第3章 基于Petri网的外协加工虚拟产线建模 |
| 3.1 外协加工虚拟产线概述 |
| 3.1.1 外协加工虚拟产线的提出 |
| 3.1.2 虚拟产线生命周期 |
| 3.2 基于赋时库所Petri网的虚拟产线建模 |
| 3.2.1 制造系统Petri网模型 |
| 3.2.2 建模规则及步骤 |
| 3.3 模型的性能分析 |
| 3.4 本章小结 |
| 第4章 网络化外协加工调度算法研究 |
| 4.1 调度数学模型 |
| 4.1.1 建立目标函数 |
| 4.1.2 确定约束条件 |
| 4.2 基于自适应遗传算法的模型求解 |
| 4.2.1 自适应遗传算法概述 |
| 4.2.2 基于Petri网的自适应遗传算法设计 |
| 4.3 本章小结 |
| 第5章 网络化外协加工优化调度实例分析 |
| 5.1 案例说明 |
| 5.2 建立模型 |
| 5.3 算法求解 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（9）航天产品性能样机分布式协同建模与仿真技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究综述 |
| 1.2.1 性能样机技术研究文献综述 |
| 1.2.2 性能样机协同建模与仿真方法综述 |
| 1.2.3 性能样机多学科优化方法综述 |
| 1.2.4 存在的主要问题 |
| 1.3 课题来源 |
| 1.4 本文主要工作 |
| 1.4.1 研究内容及方法 |
| 1.4.2 全文章节安排及内容概要 |
| 第2章 航天产品性能样机协同设计支撑环境分析 |
| 2.1 性能样机多学科协同设计过程综合集成分析 |
| 2.2 性能样机协同设计模型分析 |
| 2.2.1 性能样机建模与仿真集成模型 |
| 2.2.2 性能样机协同设计业务流程分析 |
| 2.3 性能样机多学科协同设计与建模过程 |
| 2.4 性能样机建模与仿真支撑环境的关键技术分析 |
| 2.4.1 多学科领域协同建模技术 |
| 2.4.2 系统工程领域建模语言技术 |
| 2.4.3 多学科优化设计技术 |
| 2.4.4 性能样机高层建模与仿真技术 |
| 2.4.5 分布式协同仿真技术 |
| 2.5 性能样机的实现关键技术分析 |
| 2.6 本章总结 |
| 第3章 航天产品性能样机多学科协同建模 |
| 3.1 性能样机功能的划分及设计流程分析 |
| 3.2 基于本体的性能样机协同建模 |
| 3.2.1 性能样机技术对建模语言的基本要求 |
| 3.2.2 本体建模的构建方法 |
| 3.2.3 本体元模型的分析过程 |
| 3.2.4 本体元模型建模语言 |
| 3.3 基于本体元模型的性能样机协同概念建模 |
| 3.3.1 基于本体元模型的复杂系统建模 |
| 3.3.2 本体元模型的构建 |
| 3.4 基于本体元模型的性能样机协同概念建模案例 |
| 3.4.1 性能样机领域本体的规划 |
| 3.4.2 性能样机领域本体的设计 |
| 3.4.3 性能样机领域本体的实现 |
| 3.4.4 高超声速飞行器本体OWL描述 |
| 3.5 性能样机本体库的构建 |
| 3.5.1 性能样机本体库存储方法 |
| 3.5.2 性能样机关系数据库建模 |
| 3.6 基于Petri网的性能样机协同动态建模过程 |
| 3.6.1 过程建模方法Petri网分析 |
| 3.6.2 性能样机协同建模工作流模型的形式化定义 |
| 3.6.3 性能样机协同概念建模设计单元的对象Petri网元模型定义 |
| 3.6.4 性能样机协同功能建模设计单元的对象Petri网元模型定义 |
| 3.6.5 性能样机协同HLA仿真建模设计单元的对象Petri网元模型定义 |
| 3.6.6 性能样机多学科协同优化建模设计单元的对象Petri网元模型定义 |
| 3.7 基于有色Petri网的性能样机协同设计案例 |
| 3.7.1 有色Petri网的建模过程 |
| 3.7.2 基于有色Petri网的性能样机协同建模 |
| 3.8 本章总结 |
| 第4章 航天产品性能样机多学科协同仿真 |
| 4.1 分布式协同仿真本体元模型与联邦模型的映射 |
| 4.2 分布式协同仿真统一建模过程分析 |
| 4.3 协同仿真对象模型 |
| 4.3.1 分布式协同仿真对象模型 |
| 4.3.2 分布式协同仿真对象模型的组成 |
| 4.4 基于本体的协同仿真对象模型 |
| 4.5 分布式协同仿真本体元模型转换与集成 |
| 4.5.1 本体元模型的转换方法 |
| 4.5.2 本体元模型的本体集成规则 |
| 4.5.3 本体模型集成混合算法 |
| 4.5.4 本体模型集成应用实例 |
| 4.6 本体元模型与分布式协同仿真对象模型的转换 |
| 4.6.1 本体元模型与FOM的转换规则 |
| 4.6.2 本体元模型集成与转换案例 |
| 4.7 基于Pertri网的分布式协同仿真控制模型设计 |
| 4.7.1 基于Petri网的分布式协同仿真中的事件定义 |
| 4.7.2 基于Petri网的分布式协同仿真联邦仿真模型 |
| 4.8 性能样机分布式协同仿真模型的实现 |
| 4.8.1 性能样机分布式协同仿真模型结构 |
| 4.8.2 分布式协同仿真联邦服务的定义 |
| 4.8.3 分布式协同仿真联邦对象模型的构建 |
| 4.8.4 分布式协同仿真联邦成员数据交互模型 |
| 4.8.5 分布式协同仿真联邦执行数据的设计 |
| 4.8.6 分布式协同仿真联邦对象类的发布与订阅 |
| 4.8.7 分布式协同仿真实现 |
| 4.9 本章总结 |
| 第5章 某航天器性能样机建模及协同仿真模型库的构建 |
| 5.1 构建协同仿真模型库的作用与意义 |
| 5.2 性能样机仿真模型的定义 |
| 5.3 性能样机元模型仿真库的构建 |
| 5.3.1 性能样机系统模型结构分析 |
| 5.3.2 性能样机六自由度仿真元模型的构建 |
| 5.3.3 性能样机气动力系统参数计算仿真模型 |
| 5.3.4 性能样机推进系统参数计算仿真模型 |
| 5.3.5 性能样机控制系统参数计算仿真模型 |
| 5.3.6 性能样机气动热参数计算仿真模型 |
| 5.3.7 性能样机弹道与控制参数计算仿真模型 |
| 5.4 性能样机仿真模型库数据集成管理方法 |
| 5.4.1 性能样机协同仿真模型库的层次框架分析 |
| 5.4.2 性能样机协同仿真数据集成研究 |
| 5.4.3 性能样机协同仿真全生命周期数据共享技术 |
| 5.5 本章总结 |
| 第6章 航天产品性能样机协同建模与仿真优化 |
| 6.1 性能样机多学科协同优化建模 |
| 6.1.1 多学科耦合系统 |
| 6.1.2 多学科协同优化算法 |
| 6.1.3 性能样机MDO协同建模 |
| 6.2 性能样机多学科协同优化算法 |
| 6.2.1 多目标优化分析 |
| 6.2.2 多目标优化遗传算法 |
| 6.2.3 粒子群算法 |
| 6.2.4 基于PSO-GA的多目标优化混合软计算模型 |
| 6.2.5 MOPSOGA算法性能测试及分析 |
| 6.3 某航天器性能样机气动推进一体化多目标优化设计 |
| 6.3.1 多目标模型设计 |
| 6.3.2 多目标优化模型设计 |
| 6.3.3 多目标优化结果分析 |
| 6.4 某航天器性能样机性能样机外形气动一体化多目标优化设计 |
| 6.4.1 多目标模型设计 |
| 6.4.2 多目标优化模型设计 |
| 6.4.3 多目标优化结果分析 |
| 6.5 性能样机协同仿真系统可靠性指标分配优化 |
| 6.5.1 复杂系统可靠性指标分配理论 |
| 6.5.2 分布式协同仿真系统可靠性指标分配方法 |
| 6.5.3 基于MOPSOGA的性能样机系统可靠性分配多目标优化 |
| 6.6 本章总结 |
| 第7章 航天产品性能样机协同建模与仿真平台架构 |
| 7.1 复杂航天产品设计单位组织机构分析 |
| 7.2 性能样机协同建模与仿真平台基础框架 |
| 7.2.1 基于云计算的信息化管理发展架构分析 |
| 7.2.2 云服务模式分析 |
| 7.3 性能样机协同建模与仿真系统架构设计 |
| 7.3.1 性能样机协同建模与仿真平台架构 |
| 7.3.2 系统物理平台架构的设计 |
| 7.3.3 系统集成开发环境设计 |
| 7.4 性能样机协同建模与仿真系统的分析与设计 |
| 7.4.1 系统总体结构设计及需求分析 |
| 7.4.2 建模任务管理功能需求分析与设计 |
| 7.4.3 建模流程管理功能需求分析与设计 |
| 7.4.4 模型设计管理功能需求分析与设计 |
| 7.4.5 产品本体库管理功能需求分析与设计 |
| 7.4.6 协同仿真管理功能需求分析与设计 |
| 7.4.7 协同建模系统平台管理功能需求分析与设计 |
| 7.5 性能样机协同建模与仿真平台数据库建模与设计 |
| 7.5.1 性能样机协同建模与仿真平台数据库概念模型设计 |
| 7.5.2 性能样机协同建模与仿真平台数据库物理模型设计 |
| 7.6 性能样机协同建模与仿真平台的实现 |
| 7.6.1 系统集成开发应用案例 |
| 7.6.2 性能样机综合集成建模与仿真 |
| 7.6.3 应用效果分析 |
| 7.7 本章总结 |
| 第8章 总结与展望 |
| 8.1 全文总结 |
| 8.2 主要创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
| 1.攻读博士学位期间发表的论着 |
| 2.攻读博士学位期间的主要科研情况 |
| 3.攻读博士学位期间的获奖情况 |
| 附录 |
| 附录 1：航天产品性能样机顶层系统的OWL形式化代码 |
| 附录 2：用于HV-PDMU联邦的FED文件代码 |
| 附录 3：MOPSOGA算法Matlab实现代码 |
（10）德阳装备制造业网络化制造若干关键技术研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1.绪论 |
| 1.1.论文研究来源及研究意义 |
| 1.1.1.论文研究的来源 |
| 1.1.2.装备制造业在国民经济中的重要地位及现状 |
| 1.1.3.论文研究的意义 |
| 1.2.网络化制造研究现状及发展趋势 |
| 1.2.1.制造业发展的必然趋势——网络化制造 |
| 1.2.2.国内外网络化制造研究项目 |
| 1.2.3.网络化制造研究内容 |
| 1.2.4.网络化制造研究发展趋势 |
| 1.3.论文研究内容和技术路线 |
| 1.3.1.论文研究的主要内容 |
| 1.3.2.论文的技术路线 |
| 1.4.本章小结 |
| 2.德阳装备制造业网络化制造系统的社会组织结构研究 |
| 2.1.产业集群 |
| 2.1.1.产业集群的概念 |
| 2.1.2.产业集群的竞争优势 |
| 2.2.装备制造业集群 |
| 2.2.1.装备制造业集群的组成 |
| 2.2.2.装备制造业集群网络结构框架 |
| 2.2.3.装备制造业集群的特点 |
| 2.3.区域网络化制造 |
| 2.3.1.区域网络化制造的概念 |
| 2.3.2.区域网络化制造的特点 |
| 2.3.3.区域网络化制造的研究内容 |
| 2.4.德阳装备制造业集群发展历史及现状 |
| 2.4.1.德阳装备制造业发展历史 |
| 2.4.2.德阳装备制造业发展现状 |
| 2.5.基于产业集群理论的德阳装备制造业区域网络化制造组织结构 |
| 2.5.1.德阳装备制造业集群影响网络化组织结构的两个重要因素 |
| 2.5.2.德阳装备制造业区域网络化制造组织结构 |
| 2.6.本章小结 |
| 3.德阳装备制造业网络化制造平台框架性研究 |
| 3.1.德阳装备制造业网络化制造平台功能研究 |
| 3.1.1.网络化制造过程 |
| 3.1.2.网络化制造平台功能 |
| 3.1.3.德阳装备制造业网络化制造平台的重点功能 |
| 3.2.德阳装备制造业网络化制造平台运营方式研究 |
| 3.2.1.网络化制造运营方式 |
| 3.2.2.适合德阳装备制造业的网络化运营方式——由政府主导的区域性网络化制造 |
| 3.3.德阳装备制造业网络化制造平台运行模式研究 |
| 3.3.1.分布式和集中式的运行模式 |
| 3.3.2.适合德阳装备制造业的网络化制造运行模式 |
| 3.3.3.基于ASP(应用服务供应商)模式的网络化制造运行模式 |
| 3.4.本章小结 |
| 4.网络化制造建盟支持系统 |
| 4.1.建盟过程 |
| 4.2.建盟系统 |
| 4.2.1.合作伙伴选择原则及方法 |
| 4.2.2.评价指标体系 |
| 4.2.3.盟友选择优化算法 |
| 4.2.4.建盟系统的实现 |
| 4.3.本章小结 |
| 5.虚拟企业建模理论及管理研究 |
| 5.1.企业建模理论 |
| 5.1.1.企业建模概念 |
| 5.1.2.企业建模体系 |
| 5.1.3.企业模型评价标准 |
| 5.1.4.面向过程的建模方法 |
| 5.2.虚拟企业建模体系 |
| 5.2.1.影响建模的虚拟企业特点 |
| 5.2.2.虚拟企业建模体系 |
| 5.3.虚拟企业组织建模 |
| 5.3.1.企业组织建模理论 |
| 5.3.2.虚拟企业组织建模 |
| 5.4.虚拟企业过程建模 |
| 5.4.1.过程建模理论 |
| 5.4.2.过程建模方法 |
| 5.4.3.虚拟企业过程建模影响因素 |
| 5.4.4.虚拟企业过程建模系统特点 |
| 5.5.虚拟企业管理 |
| 5.5.1.项目管理及其在虚拟企业中的应用 |
| 5.5.2.过程监控机制 |
| 5.5.3.过程协调机制 |
| 5.5.4.虚拟企业项目管理特点 |
| 5.6.本章小结 |
| 6.虚拟企业过程建模方法研究 |
| 6.1.基于IDEF3方法的虚拟企业过程建模 |
| 6.1.1.IDEF3过程描述的基本元素 |
| 6.1.2.支持网络化制造过程建模方法对IDEF3的改进 |
| 6.1.3.建模实例 |
| 6.1.4.基于IDEF3方法的建模系统特点 |
| 6.2.基于Petri网的虚拟企业建模方法研究 |
| 6.2.1.Petri网的相关定义 |
| 6.2.2.虚拟企业过程与Petri网的对应 |
| 6.2.3.基于Petri网的网络化制造建模系统特点 |
| 6.3.本章小结 |
| 7.原型系统开发和应用 |
| 7.1.原型系统架构设计 |
| 7.1.1.面向服务体系架构(SOA)的定义 |
| 7.1.2.SOA的特征 |
| 7.1.3.SOA协作 |
| 7.1.4.SOA与WEB服务的区别 |
| 7.1.5.SOA实现的关键技术 |
| 7.1.6.系统的SOA架构 |
| 7.2.开发环境 |
| 7.2.1.网站开发技术比较 |
| 7.2.2.网站开发环境配置 |
| 7.3.功能模块 |
| 7.3.1.信息管理 |
| 7.3.2.建模支持 |
| 7.3.3.过程管理 |
| 7.3.4.盟员信誉管理 |
| 7.3.5.ASP应用 |
| 7.3.6.系统管理 |
| 7.4.系统运行及示例 |
| 8.结论与展望 |
| 8.1.研究结论 |
| 8.2.主要创新点 |
| 8.3.研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间的科研情况 |
| 致谢 |
四、基于Petri网的网络化快速原型制造过程建模研究（论文参考文献）
- [1]云制造环境下面向过程的生产调度问题研究[D]. 娄高翔. 长安大学, 2021(02)
- [2]面向制造单元的数字孪生体建模与管控技术研究[D]. 王译晨. 北京交通大学, 2020(03)
- [3]面向个性化定制的智能生产线预防性维护研究[D]. 陈宝通. 华南理工大学, 2020(01)
- [4]基于增广混合Petri网的CPS建模方法研究[D]. 袁振宇. 昆明理工大学, 2020(05)
- [5]基于制造物联网的柔性制造车间动态调度方法研究[D]. 田松龄. 天津大学, 2019(01)
- [6]云制造环境下的产品协同设计过程建模与控制研究[D]. 张超. 西南石油大学, 2019(06)
- [7]基于智能作业终端的发动机装配过程管控策略研究及系统设计[D]. 熊少杰. 合肥工业大学, 2019(01)
- [8]网络化外协加工优化调度方法研究[D]. 杨振亚. 重庆邮电大学, 2016(03)
- [9]航天产品性能样机分布式协同建模与仿真技术研究[D]. 张峰. 西北工业大学, 2015(01)
- [10]德阳装备制造业网络化制造若干关键技术研究[D]. 尚利. 四川大学, 2007(05)