Processing math: 100%
  • ISSN 0258-2724
  • CN 51-1277/U
  • EI Compendex
  • Scopus 收录
  • 全国中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

大规模定制环境下基于公理设计的物流系统评价

陈茂禄 王增强 蒲云

巩磊, 何派, 石勇, 祝长生. 主动磁悬浮轴承非奇异快速终端滑模转子位置控制[J]. 西南交通大学学报. doi: 10.3969/j.issn.0258-2724.20240090
引用本文: 陈茂禄, 王增强, 蒲云. 大规模定制环境下基于公理设计的物流系统评价[J]. 西南交通大学学报, 2019, 54(3): 595-603. doi: 10.3969/j.issn.0258-2724.20170190
GONG Lei, HE Pai, SHI Yong, ZHU Changsheng. Non-Singular Fast Terminal Sliding Mode Rotor Position Control of Active Magnetic Bearings[J]. Journal of Southwest Jiaotong University. doi: 10.3969/j.issn.0258-2724.20240090
Citation: CHEN Maolu, WANG Zengqiang, PU Yun. Axiomatic Design Based Logistics System Evaluation in Mass Customization Context[J]. Journal of Southwest Jiaotong University, 2019, 54(3): 595-603. doi: 10.3969/j.issn.0258-2724.20170190

大规模定制环境下基于公理设计的物流系统评价

doi: 10.3969/j.issn.0258-2724.20170190
基金项目: 国家自然科学基金资助项目(No.71471142),四川省软科学重点项目(2018ZR0080)
详细信息
    作者简介:

    陈茂禄(1974—),男,博士研究生,研究方向为供应链管理,E-mail:chen786533@163.com

    通讯作者:

    王增强(1982—),男,副研究员,研究方向为物流系统设计,产品设计与管理,E-mail:wzqlinger@126.com

  • 中图分类号: C94

Axiomatic Design Based Logistics System Evaluation in Mass Customization Context

  • 摘要: 针对大规模定制环境下物流系统评价的复杂性和不确定性、决策团队在选择物流系统时不能精确地量化评价指标而是直接给出语言短语,提出了基于语言信息和公理设计的物流系统评价方法. 首先,利用基于模糊评估标度的集成方法对语言短语处理获得规范化的权重向量,其次,决策团队明确各备选方案的期望符合程度,依据公理设计得到各方案的最终评价指数,最后对上述指数排序,以确定最合理方案. 本文所提方法集成了语言决策理论和公理设计的信息公理原理,应用于某电脑公司物流系统的选择,6位决策成员选择了物流系统评价的6项关键指标及其期望值,通过语言信息的处理得到指标权重向量,在此基础上确定了第三方物流企业设计的7个物流系统备选方案,针对服从3种分布的指标期望类型,使用相应的方法进行处理,得到的合理方案验证了方法的可行性和有效性.

     

  • 在大功率高转速旋转机械系统中,主动磁悬浮轴承(AMBs)具有无摩擦、无润滑等优点,使得其得到了广泛的应用[1-4]. 然而,如何控制AMBs转子稳定悬浮于期望位置一直以来是一个重要问题. AMBs是一个典型的非线性系统,一般采用局部线性化的方法进行建模[5],进而应用线性控制或非线性控制对其进行精确控制[6]. 工程上一般采用PID控制[7-8],但AMBs在运行中会受到一些扰动,同时工况的改变会使得PID控制的鲁棒性大幅减弱. 因此,需要控制器自身具有较强的鲁棒性以克服AMBs系统的内扰和外扰,从而有效地提高其可靠性.

    众多鲁棒控制算法中,滑模控制(SMC)具有适应性强、鲁棒性好、对未知参数和干扰不敏感、易于实现等优点,被广泛应用于包括AMBs在内的各种非线性系统. 然而,简单的滑模控制采用线性滑模函数,系统误差通常只能缓慢地渐近收敛,进而有学者采用基于动态非线性滑模函数的终端滑模控制方法,可以使得系统误差在有限的时间内实现快速收敛[9]. 文献[10]中提出的双滑模控制器用于对开关磁阻电机进行调速;文献[11]针对伺服电机系统设计了一种新的连续终端滑模控制器,能够有效提高系统的鲁棒性;文献[12]针对永磁直线同步电动机位置控制问题,采用非奇异快速终端滑模,从而使系统获得快速、精确的跟踪性能;文献[13]设计了滑模自抗扰控制器,实现了对AMBs的各自由度的解耦,减小了AMBs在高速运转下锥动对控制效果的影响;文献[14]在磁悬浮球系统中将自适应控制与终端滑模控制结合,以此来减小系统抖振,改善悬浮系统的动态性能;文献[15]在磁悬浮球系统中将广义比例积分观测器与终端滑模控制结合,避免切换函数增益过大,有效地减小了系统抖振.

    除了对滑模函数的设计,趋近律也需要进行优化,传统趋近律的切换增益为常数,系统抖振的大小与切换增益的大小有关. 超螺旋趋近律把切换增益改为与系统状态有关的幂函数,同时还利用积分函数对切换函数进行处理. 因此,超螺旋趋近律能够使系统状态在滑模面附近平滑且切换增益较小,减小系统抖振[16-17]. WANG等[18]将超螺旋趋近律与非奇异快速终端滑模相结合(SNFTSMC),以实现减小抖振并加快系统误差收敛.

    在AMBs系统中,传感器跳动、电磁场波动等外部因素经常会导致AMBs转子位置控制的精度受到影响,而且AMBs系统在建模过程中对系统做了线性化,也导致AMBs数学模型含有未建模部分. 虽然采用SNFTSMC能够抑制未建模部分和外部扰动带来的影响,但这需要增大切换增益,又会造成系统抖振. 因此,SNFTSMC在抑制抖振和扰动之间存在一定的矛盾. 此时,将未建模部分与外部扰动看作一个集总干扰,利用扩张状态感测器(ESO)对集总干扰进行观测,然后补偿给系统,这种方法在伺服系统中已经得到了广泛的应用[19-20]. 通常,线性ESO(LESO)参数易于整定,而非线性ESO(NESO)收敛精度高、鲁棒性强 [21-22].

    因此,针对主动磁悬浮轴承转子位置控制中存在响应速度慢、抗干扰能力弱2个问题,本文采用SNFTSMC作为控制算法,并通过ESO对集总干扰观测并补偿到系统中. 由于LESO对于AMBs非线性系统观测效果较差,因此,本文采用了NESO观测器. 根据李雅普诺夫稳定理论证明了所提方法的稳定性,并通过仿真和实验验证了系统具有强的鲁棒性以及低抖振性能.

    以径向单自由度的AMBs为研究对象,研究转子起浮运动. 单自由度AMBs系统通过传感器获得转子实际位移y;实际位移y与期望位置yr的误差e1输入到控制器中,控制器进行运算得到控制信号;之后,在与偏置信号进行差分;最后,将差分后的信号输送到功放器中产生相应的电流,电流被送到电磁铁线圈中,电磁铁产生吸力将转子吸引到期望位置. 具体工作原理如图1.

    图  1  单自由度AMBs系统原理
    Figure  1.  Principle of single-degree-of-freedom AMB system

    AMBs采用8级C型结构,根据麦克斯韦公式,2个磁极作用在转子上的电磁力为

    f=μ0n2i2Acosα/l2,
    (1)

    式中:i为线圈通入的电流,l为气隙长度,A为单个磁极截面积,μ0为真空磁导率,α为磁极之间夹角的一半,n为线圈匝数.

    电磁铁对转子的控制方式为差动控制,在垂直方向上以(i0y0)作为参考点,如图2. 当转子向上运动的位移为y时,转子与上方电磁铁之间的气隙间距变成y0y,则上方电磁铁线圈输入的工作电流为i0i;转子与下方电磁铁之间的气隙间距变成y0+y,下方电磁铁线圈输入的工作电流为i0+i,此时,在垂直方向上的合力为

    图  2  差动控制原理图
    Figure  2.  Principle of differential control
    f(i,y)=μ0An2[(i0iy0y)2(i0+iy0+y)2]cosα.
    (2)

    式(2)中将yi作为参考点(i0y0)的邻域,在参考点(i0y0)处对fiy)进行泰勒展开,如式(3).

    f(i,y)=kii+ksy+fR,
    (3)

    式中:fR为高次项部分(也称未建模部分);kiks分别为电流刚度系数和位移刚度系数,如式(4)、(5).

    ki=4μ0N2i0Acosα/y20,ks=4μ0N2i20Acosα/y30.
    (4)

    将重力mg、未知扰动fd都考虑到系统中,则系统的状态方程为

    {y=y1,˙y1=y2,˙y2=b0i+a0y1+d,
    (5)

    式中: a0为位移增益,a0=ki/mb0为位移增益,b0=ks/md为集总干扰,d=(fR + fdmg)/m.

    基于磁悬浮转子系统的数学模型,设计了非奇异快速终端滑模函数结构,具体表达式如式(6),相应结构如图3.

    图  3  非奇异快速终端滑模函数结构
    Figure  3.  Structure of non-singular fast terminal sliding mode function
    s=e1+k1|e1|asign(e1)+k2|e2|bsign(e2),
    (6)

    式中:k1k2ab为调节系数,k1>0,k2>0,1<b<2,a>be1=y1−yre2=˙y1˙yr.

    滑模面为滑模函数s=0,令式(6)为0,得到

    0=e1+k1|e1|asign(e1)+k2|e2|bsign(e2).
    (7)

    设误差e1从初始值e1(0)收敛到0所用的时间为tf,对式(7)进行求解,得到tf的解为[11]

    tf=|e1(0)|0k1/b2(e1+k1xa)1/bde1=b|e1(0)|11/bk1(b1)×F(1b,b1(a1)b;1 + b1(a1)b;k1|e1(0)|a1),
    (8)

    式中:F(·)为高斯几何函数.

    对式(6)求导为

    ˙s=e2+ak1|e1|a1e2+bk2|e2|b1˙e2.
    (9)

    忽略式(5)中集总干扰d˙s=0,可以得到等效控制器为

    ieq=1b0(¨yra0y11bk2|e2|2b(1+ak1|e1|a1)sign(e2)).
    (10)

    为了加快趋近速度和减小控制过程中出现的抖 振,采用超螺旋趋近律,具体表达式如式(11),其结构如图4.

    图  4  超螺旋趋近律结构
    Figure  4.  Structure of super-twisting reaching law

    超螺旋趋近律的具体表达式为

    ˙s=k3|s|csign(s)k4sign(s)dt,
    (11)

    式中:k3k4c为调节系数,k3>0,k4>0,0<c<1.

    滑模函数s距离滑模面s=0较远时,k3|s|c值较大,滑模函数s以较大的速度靠近滑模面s=0;滑模函数s距离滑模面s=0较小时,k3|s|csign(s)值较小,滑模函数s以较小的速度靠近滑模面s=0. 滑模函数中sign函数的切换增益(k3|s|c)的大小决定抖振剧烈程度,采用超螺旋趋近律既能削弱抖振又能加快系统收敛.

    为了能够进一步加快滑模函数s到达滑模面s=0的速度及削弱抖振,可采用式(12)所示的趋近律.

    {˙s=k3|s|gsign(s)k4sign(s)dt,g=γλeη|e1|,
    (12)

    式中:γλη均为可调系数,g为关于γλη的指数函数,γ>1,0<λη>0.

    由式(12)可知,随着e1从初值e1(0)衰减到0,g从最初的较大值γλeη|e1(0)|衰减到γλ,在这个过程中k3|s|g能够以更快的速度从较大值衰减到0,从而加快滑模函数s到达滑模面s=0的速度和减小抖振.

    因此,定义AMBs转子系统的切换控制器为

    isw=1b0[k3|s|gsign(s)k4sign(s)dt].
    (13)

    考虑到系统存在集总干扰,总的控制器为

    ic=ieq+isw1b0Msign(s),
    (14)

    式中:M为集总干扰d的上界,即d|M|.

    为了证明SNFTSMC控制器的稳定性,构造李雅普诺夫函数为

    V(s)=12s2,
    (15)
    ˙V(s)=s˙s=s[e2+ak1|e1|a1e2+bk2|e2|b1˙e2]=s[e2+ak1|e1|a1e2+bk2|e2|b1(b0ic+a0y1+d¨yr)]=s[e2+ak1|e1|a1e2+bk2|e2|b1(b0iswMsign(s)+d1bk2|e2|2b(1+ak1|e1|a1)×sign(e2))]=s[bk2|e2|b1(dMsign(s)+b0isw)]=bk2|e2|b1(dsM|s|k3|s|g+1k4|s|dt).
    (16)

    e2≠0时,已知k2k3k4b均大于0,且|d|M,那么此时有

    ˙V(s)<bk2|e2|b1(k3|s|g+1k4|s|dt)<0.
    (17)

    此时,滑模函数s将在有限时间内到达滑模面s=0.

    e2=0时,联立式(14)与式(5)中,有

    ˙e2=k3|s|gsign(s)k4sign(s)dt+dMsign(s).
    (18)

    根据式(18),当滑模函数s>0时,˙e2<0;当滑模函数s<0时,˙e2<0. 图5为该控制器下的系统相轨迹,以滑模函数s2为例,e2=0、˙e2<0时,e2必然会在某个邻域(0, + δ)内减小,此时滑模函数s2会必然会向下运动;当滑模函数s2到达邻域(0, + δ)时,e2≠0,滑模函数s2将会根据式(17)得出的结论到达滑模面s=0,滑模函数s4同理.

    图  5  AMBs系统相轨迹
    Figure  5.  Phase trajectory of AMB system

    集总干扰d是未知的,很难确定其具体的上界,而为了保证系统的稳定,一般上界M取值较大,将会加剧系统抖振. 为避免这种情况,本文通过设计ESO,并利用ESO对集总干扰d进行观测,得到较精确的观测值,然后将观测值补偿到控制器中. 本节先后分别对LESO与NESO进行研究与分析.

    对于二阶的AMBs转子系统,将集总干扰d扩张为新的状态变量y3,式(5)可以改写为

    {˙y1=y2,˙y2=b0i+a0y1+y3,˙y3=h,
    (19)

    式中:h为集总干扰d的变化率.

    根据式(19)可以写出LESO表达式为

    {˙z1=z2L1θ1,˙z2=b0i+a0z1+z3L2θ1,˙z3=L3θ1,
    (20)

    式中:L1L2L3为LESO增益,z1z2z3分别为y1y2y3的观测值,θ1=z1y1为观测误差.

    式(20)减去式(19)得到误差状态方程为

    {˙θ1=θ2L1θ1,˙θ2=a0θ1+θ3L2θ1,˙θ3=hL3θ1,
    (21)

    式中:θ2=z2y2θ3=z3y3.

    式(21)经过拉普拉斯变换后,有

    {θ2(s)=(s+L1)θ1(s),θ3(s)=sθ2(s)+(L2a0)θ1(s),h(s)=sy3(s)=sθ3(s)L3θ1(s).
    (22)

    整理式(22),得到θ3与−y3之间的传递函数为

    θ3y3=s3+L1s2+(L2a0)ss3+L1s2+(L2a0)s+L3.
    (23)

    为了使系统能够稳定,假设式(23)有3个极点(s1s2s3)都位于左半平面,p1=−ω0p2=−0.5ω0 + j0.5ω0p3=−0.5ω0−j0.5ω0ω0为带宽并大于0,那么有

    s3+L1s2+(L2a0)s+L3=(sp1)(sp2)(sp3).
    (24)

    可以解得

    [L1L2L3]=[2ω01.5ω20+a00.5ω30].
    (25)

    将式(25)带到式(23)中可得

    θ3y3=s3+2ω0s2+1.5ω20ss3+2ω0s2+1.5ω20s+0.5ω30.
    (26)

    根据式(26)做出不同带宽下的Bode图,如图6. 图6中:y3频率较低时,z3y3的跟踪效果较好;随着y3频率的增大,z3y3的跟踪性能逐渐变差;带宽增大后,z3y3跟踪效果逐渐变好,但带宽太大容易对系统中其他噪声敏感.

    图  6  不同带宽下的Bode图
    Figure  6.  Bode plots with different bandwidths

    由于LESO对集总扰动观测精度有限,现采用NESO对集总干扰进行观测,将式(20)改写为

    {˙z1=z2β1u1(θ1),˙z2=b0i+a0z1+z3β2u2(θ1),˙z3=β3u3(θ1),
    (27)

    式中:β1β2β3为待设计的观测器增益,均大于0;u1(θ1)、u2(θ1)、u3(θ1)为关于θ1的非线性函数,如式(28).

    {u1(θ1)=θ1,u2(θ1)=|θ1|12sign(θ1),u3(θ1)=|θ1|14sign(θ1).
    (28)

    NESO的参数一般很难通过理论去整定,通常根据经验来进行设计. 选择合适的β1β2β3,能够使得观测误差θ1θ2θ3在有限时间内收敛到0.

    NESO的结构框图如7.

    图  7  NESO结构图
    Figure  7.  Structure of NESO

    式(14)中所提到的sign函数切换增益为(k3|s|g+M)/b0,其中k3|s|g/b0的大小与系统状态有关,产生的抖振很小,而M/b0为常值,会导致系统产生较大抖振. 因此,需要通过NESO对系统抖振进行补偿,进一步将控制器设计为

    ic=ieq+isw1b0z3.
    (29)

    接着,为了验证所提方法对系统稳定性产生的影响,对式(29)进行李亚普诺夫稳定性分析,即

    ˙V(s)=s˙s=s[bk2|e2|b1(d+b0iswz3)]=bk2|e2|b1(dsz3sk3|s|g+1k4|s|dt)<bk2|e2|b1(k3|s|g+1+|θ3||s|k4|s|dt).
    (30)

    根据对NESO的设计,θ3会收敛到0,可得到:

    ˙V(s)<bk2|e2|b1(k3|s|c+1k4|s|dt)<0.
    (31)

    通过分析得知,滑模函数s能够在有限时间内到达滑模面s=0,有效证明了所提方法的稳定性,进而搭建如图8所示的AMBs系统整体控制结构.

    图  8  AMBs系统整体控制结构
    Figure  8.  Overall control structure of AMB system

    表1为AMBs具体参数.

    表  1  AMBs参数
    Table  1.  Parameters of AMBs
    参数
    磁极面积/mm2 720
    匝数/圈 150
    气隙长度/mm 0.4
    偏置电流/A 2
    转子质量/kg 15
    电流刚度系数/(N·A−1 939.5
    位移刚度系数/(N·mm−1 4697.5
    下载: 导出CSV 
    | 显示表格

    为了能够对比出SNFTSMC的优越性能,在验证中加入传统SMC,表2为各个控制器参数.

    表  2  控制器参数
    Table  2.  Parameters of controller
    控制器
    SNFTSMCk1=1、k2=0.1、k3=80、k4=50、a=2.5、b=1.5、γ=1.5、λ=1、η=0.5、M=15
    SMCk1=30、k2=50、c=10、M=15
    下载: 导出CSV 
    | 显示表格

    忽略集总扰动时SNFTSMC、SMC分别为

    {iSNFTSMC=ieq+isw,iSMC =1b0[¨yrce2a0y1k1sk2sign(s)].
    (32)

    定义控制电流平均值为

    iavg=Nj=1|ij|N,
    (33)

    式中:ij为第j个采样点的电流值,1≤jNN为采样点数.

    根据式(32)中的控制器进行仿真,图9为起浮测试下的位移与控制电流. SNFTSMC、SMC到达目标位置的时间分别为0.38、0.62 s,SNFTSMC、SMC的最大控制电流分别为3.14、4.56 A. 根据式(33)得到SNFTSMC与SMC的电流平均值为分别为0.24、0.89 A.

    图  9  转子起浮位移和电流信号
    Figure  9.  Displacement and current signal in case of rotor suspension

    为探究控制器的追踪性能,对正弦波、方波进行追踪. 图10为正弦追踪下的结果,SNFTSMC、SMC追踪到正弦波的时间分别为0.41、0.62 s,控制电流最大值分别为3.60、6.17 A,电流平均值分别为1.04、1.16 A. 图11为方波追踪下的仿真结果,将方波追踪中4个阶段的稳定时间间隔累加起来,SNFTSMC、SMC所用时间分别为1.24、2.36 s;控制电流最大值分别为3.12、4.56 A;电流平均值分别为0.24、0.89 A.

    图  10  正弦追踪中转子位移和电流信号
    Figure  10.  Displacement and current signal of rotor under sinusoidal trace
    图  11  方波追踪中转子位移和电流信号
    Figure  11.  Displacement and current signal of rotor under square wave trace

    为对比LESO与NESO的观测性能,对正弦扰动sin(2πfot)进行观测,其频率fo从0增加到300 Hz. LESO带宽为500,NESO的观测增益β1β2β3分别为15000300050000. 图12为2种ESO对正弦信号的观测结果. 随着频率增大,2种ESO的观测性能均随之下降;在低频段中NESO观测器性能较好,其观测误差很小,而LESO在低频段中其观测误差依然很大,并且此时还是在LESO带宽取值较大的情况下. 因此,LESO观测性能不如NESO. 所以选用NESO对集总干扰进行观测.

    图  12  ESO观测结果
    Figure  12.  Observation results with ESO

    将外部扰动与未建模部分对考虑到系统中,SNFTSMC的控制器设计为式(14),SMC设计为

    iSMC=1b0[¨yrce2a0y1k1s(k2+M)sign(s)].
    (34)

    假设集总干扰d=−12.5 + 2.5sin(20πt),采用考虑到集总干扰而设计的控制器进行仿真,图13为抗干扰测试下的转子位移波形与控制电流波形. 由图13可知:SNFTSMC、SMC到达目标位置的时间分别为0.45、0.63 s,相较于没有集总干扰的情况下系统收敛时间增加;控制电流最大值分别为3.38、4.80 A,控制电流平均值分别为0.43、1.18 A;考虑到扰动后控制电流最大值与控制电流平均值都略微增大,并且SMC抖振加剧、SNFTSMC产生了小幅度抖振.

    图  13  集总干扰作用下转子起浮位移和电流信号
    Figure  13.  Displacement and current signal in case of rotor suspension under lumped interference

    集总干扰的存在会增大抖振,将SNFTSMC与NESO相结合,以此来减小由集总扰动引起的系统抖振. 图14为SNFTSMC+NESO、SMC+NESO这2种控制方法的仿真结果. 由图14可知:SNFTSMC+NESO、SMC+NESO到达目标位置的时间分别为0.40 s、0.62 s,与没有集总干扰的情况下系统收敛时间相近,即NESO能够消除集总干扰带来的影响;SNFTSMC+NESO、SMC+NESO在稳定时位移误差均为0,控制电流最大值分别为3.14、4.56 A,控制电流平均值分别为0.44、0.90 A.

    图  14  NESO补偿后转子起浮位移和电流信号
    Figure  14.  Displacement and current signal in case of rotor suspension with NESO compensation

    为验证所提方法的正确性和有效性,搭建了基于RT-Lab的磁悬浮轴承转子系统实验平台. 实验装置由磁悬浮电机性能测试平台、功放测试平台、径向磁悬浮轴承和轴向磁悬浮轴承等组成,如图15所示.

    图  15  磁悬浮高速电机转子系统实验平台
    Figure  15.  Experimental platform of rotor system with magnetic suspension high-speed motor

    首先,通过采用SNFTSMC、SMC 2种控制器进行转子起伏测试,转子起浮位移和电流信号如图16所示. 可以得知,采用SNFTSMC、SMC转子从底端上升到目标位置所用的时间分别为0.41、0.94 s,并且SMC的控制电流存在剧烈的抖振,SNFTSMC、SMC的电流平均值分别为0.53、1.68 A.

    图  16  转子起浮位移和电流信号
    Figure  16.  Displacement and current signal in case of rotor suspension

    其次,为验证控制器的抗干扰性能,对转子施加正弦扰动进行起浮测试,转子起浮位移和电流信号如图17所示. 图17中SNFTSMC、SMC到达目标位置所用的时间分别为0.43、0.98 s,SNFTSMC、SMC的电流平均值分别为0.84、2.00 A,并且SNFTSMC也产生了抖振.

    图  17  扰动作用下转子起浮位移和电流信号
    Figure  17.  Displacement and current signal in case of rotor suspension under interference

    最后,引入NESO来对干扰进行补偿,转子位移和控制电流如图18所示. 图18中SNFTSMC+NESO和SMC+NESO到达目标位置所用的时间分别为0.42、0.95 s,其电流平均值分别为1.65、0.66 A,2种控制器下的电流抖振得到了有效减小.

    图  18  NESO补偿后转子起浮位移和电流信号
    Figure  18.  Displacement and current signal in case of rotor suspension with NESO compensation

    1) 工程设计中由于考虑算法的简明性,通常会采用传统滑模控制器,若要提高主动磁悬浮轴承转子位置的动态控制性能,可将传统滑模控制率改进为本文所提出超螺旋趋近律.

    2) 非奇异快速终端滑模函数的设计能够使系统误差得到快速收敛,而超螺旋趋近律利用幂函数以及对滑模函数的积分使得切换增益在滑模面s=0处较小,实际工况中可根据快速性和鲁棒性要求进行选择滑模函数和趋近律的设计.

    3) 引入的NESO能够对系统内外扰动进行观测并补偿到系统中,有效减小扰动对控制结果的影响,但实际工况下观测值补偿可能是离线的,在线补偿对控制器设计要求较高. 特别是要考虑观测器引起的相位滞后,在控制器设计过程中选择合适的前馈补偿将相位进行补偿.

    致谢:感谢陕西省教育厅一般专项(青年)23JK0339资助;海洋工程全国重点实验室(上海交通大学)专项经费号GKZD010089.

  • 图 1  MC环境下物流系统评价的指标体系

    Figure 1.  Evaluation indices of logistic systems in the context of mass customisation

    图 2  MC环境下基于公理设计的物流系统评价方法

    Figure 2.  Evaluation method of logistic systems in mass customisation based on axiomatic design

    表  1  备选方案的评估矩阵

    Table  1.   Evaluation matrix of alternatives

    方案G1G2GM
    S1r11r12r1M
    S2r21r22r2M
    SNrN1rN2rNM
    下载: 导出CSV

    表  2  各项关键指标的期望值

    Table  2.   Expected values of key indices

    指标指标描述指标期望
    货物吞吐总量(任意数量)反映系统每年输送和接收任意数量货物水平的指标150万台以上
    资金周转率反映系统资金周转速度的指标18圈以上
    库存总时数反映系统中产品流动速度的指标2~6 d
    订单响应时间反映系统整体作业效率的指标8 d以下
    日处理订单数反映系统处理订单效率的指标180件以上
    任意数量运输成本反映系统节约开支能力的指标订单价格的2%以下
    下载: 导出CSV

    表  3  决策成员给出的评估信息

    Table  3.   Evaluation information presented by decision makers

    决策成员G1G2G3G4G5G6
    D1一般一般很高极高很高
    D2很高一般一般
    D3很高很高一般一般
    D4一般一般较低
    D5较高很高极高较高
    D6一般较高极高
    下载: 导出CSV

    表  4  备选方案的评估值

    Table  4.   Evaluation values of alternatives

    方案G1G2G3G4G5G6/%
    S1[115,180]19.8[2.5,7.1][3.5,7.5]1821.8
    S2[151,192]19.6[1.6,6.8][4.5,7.0]1991.9
    S3[137,158]18.2[2.3,7.4][4.5,8.0]1861.6
    S4[132,181]18.3[2.5,6.7][5.5,8.0]1941.7
    S5[105,142]17.5[3.2,5.8][5.0,7.5]1831.8
    S6[117,179]16.4[3.7,6.8][5.0,7.5]1791.6
    S7[152,201]20.5[2.1,7.2][5.0,7.5]2051.1
    下载: 导出CSV

    表  5  备选方案指标期望符合程度评估值

    Table  5.   Evaluation value for expectation-outcome consistency of alternative indexes

    方案G1G2G3G4G5G6
    S10.461.000.761.001.001.00
    S21.001.000.771.001.001.00
    S30.381.000.731.001.001.00
    S40.631.000.831.001.001.00
    S5001.001.001.001.00
    S60.4700.741.0001.00
    S71.001.000.761.001.001.00
    下载: 导出CSV

    表  6  备选方案信息量

    Table  6.   Information content of alternatives

    方案G1G2G3G4G5G6
    S10.7700.27000
    S2000.26000
    S30.9700.31000
    S40.4600.19000
    S50000
    S60.760.3000
    S7000.27000
    下载: 导出CSV
  • PINE B JⅡ. Mass customization–the new frontier in business competition[M]. Boston: Harvard Business Press, 1993: 3-5
    TRENTIN A, PERIN E, FORZA C. Increasing the consumer-perceived benefits of a mass-customization experience through sales-configurator capabilities[J]. Computers in Industry, 2014, 65(4): 693-705. doi: 10.1016/j.compind.2014.02.004
    KAY M J. Making mass customization happen:lessons for implementation[J]. Strategy & Leadership, 2013, 21(4): 14-18.
    曾钟钟,江志斌,许淑君. 物流公司配送绩效评价模型研究[J]. 工业工程与管理,2003,9(3): 40-44. doi: 10.3969/j.issn.1007-5429.2003.03.010

    ZENG Zhongzhong, JIANG Zhibin, XU Shujun. Research on the performance evaluation model of logistic company’s distribution[J]. Industrial Engineering and Management, 2003, 9(3): 40-44. doi: 10.3969/j.issn.1007-5429.2003.03.010
    彭禄斌,吴冰,刘仲英,等. 基于声誉的物流公共信息平台信任评价模型[J]. 工业工程与管理,2009,14(4): 78-83. doi: 10.3969/j.issn.1007-5429.2009.04.014

    PENG Lubin, WU Bing, LIU Zhongying, et al. A trust evaluation model based on reputation for logistics public information platform[J]. Industrial Engineering and Management, 2009, 14(4): 78-83. doi: 10.3969/j.issn.1007-5429.2009.04.014
    丁斌,陈殿龙. 基于粗糙集与FAHP-FCE的地方政府应急物流预案评价[J]. 系统工程,2009,27(4): 7-11. doi: 10.3969/j.issn.1001-2362.2009.04.002

    DING Bin, CHEN Dianlong. The evaluation of emergency logistics plan of local government based on rough set and FAHP-FCE[J]. Systems Engineering, 2009, 27(4): 7-11. doi: 10.3969/j.issn.1001-2362.2009.04.002
    GONG B, CHEN X, HU C. Fuzzy entropy clustering approach to evaluate the reliability of emergency logistics system[J]. Energy Procedia, 2012, 16(Part A): 278-283.
    THOMPSON M K. Improving the requirements process in axiomatic design theory[J]. CIRP Annals-Manufacturing Technology, 2013, 62(1): 115-118. doi: 10.1016/j.cirp.2013.03.114
    HWANG H S. Design of supply-chain logistics system considering service level[J]. Computers & Industrial Engineering, 2002, 43(1/2): 283-297.
    BEDNAR S, MODRAK V. Mass customization and its impact on assembly process’ complexity[J]. International Journal for Quality Research, 2014, 8(3): 417-430.
    SILVA C A, SOUSAA J M C, RUNKLER T A. Optimization of logistic systems using fuzzy weighted aggregation[J]. Fuzzy Sets and Systems, 2007, 158(17): 1947-1960. doi: 10.1016/j.fss.2007.04.008
    ROGHANIAN E, PAZHOHESHFAR P. An optimization model for reverse logistics network under stochastic environment by using genetic algorithm[J]. Journal of Manufacturing Systems, 2014, 33(3): 348-356. doi: 10.1016/j.jmsy.2014.02.007
    WANG J, LI X, WANG G, et al. Modelling a remanufacturing reverse logistics system using fuzzy stochastic Petri net[J]. International Journal of Industrial & Systems Engineering, 2015, 19(3): 311.
    佟士祺,王诺,谢春晓. 建设物流方案多目标均衡优化模型研究[J]. 计算机集成制造系统,2008,14(12): 2312-2316.

    TONG Shiqi, WANG Nuo, XIE Chunxiao. Multiobjective tradeoff optimization model of implementation scheme in project logistics[J]. Computer Integrated Manufacturing Systems, 2008, 14(12): 2312-2316.
    董建华,肖田元,乔桂秀,等. 面向大规模定制的制造系统关键技术[J]. 计算机集成制造系统,2002,8(8): 579-592.

    DONG Jianhua, XIAO Tianyuan, QIAO Guixiu. Key technologies for mass customization manufacturing systems[J]. Computer Integrated Manufacturing Systems, 2002, 8(8): 579-592.
    BORDOGNA G, FEDRIZZI M, PASSI G. A linguistic modeling of consensus in group decision making based on OWA operator[J]. IEEE Transactions on Systems,Man,and Cybernetics, 1997, 27(1): 126-132. doi: 10.1109/3468.553232
    樊治平, 冯博. 基于协同网络信息的多指标决策方法[M]. 北京: 科学出版社, 2009: 77-79
    RAPPOLD J A, VAN ROO B D. Designing multi-echelon service parts networks with finite repair capacity[J]. European Journal of Operational Research, 2009, 199(3): 781-792. doi: 10.1016/j.ejor.2008.08.006
    OPRICOVIC S, TZENG G H. Defuzzification within a multicriteria decision model[J]. International Journal of Uncertainty,Fuzziness and Knowledge based Systems, 2003, 11(5): 635-652. doi: 10.1142/S0218488503002387
    BODILY S E. A delegation process for combining individual utility functions[J]. Management Sciences, 1979, 25(10): 1035-1041. doi: 10.1287/mnsc.25.10.1035
    SUH N P. Axiomatic design: advances and applications[M]. New York: Oxford University Press, 2001: 12-16
    KULAK O, KAHRAMAN C. Fuzzy multi-attribute selection among transportation companies using axiomatic design and analytic hierarchy process[J]. Information Sciences, 2005, 170(2/3/4): 191-210. doi: 10.1016/j.ins.2004.02.021
  • 加载中
图(2) / 表(6)
计量
  • 文章访问数:  431
  • HTML全文浏览量:  216
  • PDF下载量:  20
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-04-18
  • 修回日期:  2018-05-22
  • 网络出版日期:  2018-06-01
  • 刊出日期:  2019-06-01

目录

/

返回文章
返回