基于多路径差异化裁剪轨道策略优化的橡胶轮胎薄膜生产智能协同优化

智能制造正在解决传统集中式调度和刚性生产线配置在橡胶轮胎行业中存在的局限性，尤其是在应对动态生产需求方面。当代轮胎制造系统形成复杂的 tightly coupled 子系统网络，具有显著的非线性相互作用和涌现动力学。这种复杂性使得有效协调多个子系统提出了必需且极具挑战性的任务。对于这一领域的高维、多目标优化问题，我们引入了深度强化学习算法：Multi-path Differentiated Clipping Proximal Policy Optimization (MPD-PPO)。该算法采用多分支策略架构，采用差异化梯度裁剪约束，以确保稳定且高效的高维策略更新。通过在橡胶轮胎薄膜生产中的宽度和厚度控制实验验证，MPD-PPO 在调谐精度和操作效率方面均实现了显著的改进。该框架成功地解决了包括高维度、多目标权衡和动态适应等关键挑战，为橡胶轮胎制造中的实际时序工业部署提供了增强的性能和生产稳定性。