基于混堆模式的集装箱堆场空间分配研究

在分析国内外港口集装箱堆存策略研究现状的基础上,提出了必须将集装箱箱区贝位作业平衡率及集卡在泊位与箱区贝位运输距离这两个矛盾目标置于同一个目标函数,并构建了相应的非线性整数规划模型。然后通过Lingo语言,应用文献算例中的数据对模型进行求解分析,得出在港口集装箱堆存时同时考虑箱区贝位作业平衡率和集卡运输距离能够获得系统整体最优。     

基于堆存能力的集卡优化分派研究

集卡是目前国内港口的主要集疏运工具,合理调度集卡可以提高港口作业效率和港口竞争力。作者基于集装箱港口堆场箱区堆存集装箱能力考虑,建立了一个集卡分派优化的两阶段模型。第一阶段根据箱区容量建立了集装箱运输最短路径的集装箱堆存分派模型,且考虑了特定箱必须卸载到特定箱区的情况;第二阶段根据第一阶段集装箱的堆存分派,建立了集装箱作业时间最短为目标的集卡分派模型。最后根据数值实验证明了模型的有效性。     

基于作业量平衡的集装箱堆场堆存策略研究

堆场是集装箱码头的重要组成部分,几乎所有的港口作业都与其密切关联,因此提高堆场作业效率是港口工作的重点。文中针对进口集装箱的装卸作业,提出避免装卸设备交通拥堵的高低作业量平衡堆存策略,并建立了数学模型。模型中不仅考虑了相邻箱区之间作业量的平衡,同时也考虑了不同装卸作业路上的并行堆存,从而实现了岸边集装箱船中卸下的集装箱在堆场堆存空间的实时配置。模型的计算结果,可有效实现不同装卸作业路的集装箱错开堆放,也避免了集卡和场桥的交通拥堵状况,大大提高码头的装卸效率。     

集装箱码头装卸混合调度模型

为提高集装箱码头作业效率,建立装卸混合调度模型,并设计两阶段禁忌搜索算法的求解方法:通过禁忌搜索算法决定进口集装箱的堆存位置;基于堆存方案执行另一禁忌搜索算法,获得集卡的优化调度方案,然后再决定装卸桥作业顺序、计算装卸总作业时间,且将结果反馈到第一阶段的搜索过程,通过两阶段搜索过程的反馈优化装卸调度.算例表明,两阶段禁忌搜索算法可以获得满意求解结果;与装卸分别调度相比,装卸混合调度模型可以提高集卡利用效率.     

集装箱堆场不确定提箱次序与卸船箱位分配

为优化卸船箱箱位分配,减少集装箱码头堆场卸船箱翻箱率,考虑客户提箱次序随机和不确定性,提出了利用箱组存箱时间构建客户提箱次序的方法,探讨了基于提箱次序的集装箱翻箱量求解,并建立了集装箱码头堆场卸船箱箱位整数规划模型,在堆场区段内为卸船箱分配箱位,降低提箱时的翻箱量.考虑到模型较优解箱组堆放特点,设计了求解模型的启发式算法.实验结果表明,提出的模型和启发式算法能反映决策者的风险态度,目标函数较参考算法有10%以上改善.     

基于神经网络的集装箱箱号智能识别系统研究

针对我国集装箱运量快速增长,而集装箱码头不能实现全计算机化管理这一问题,提出了一种利用神经网络分析字母和数字的特征来智能识别集装箱箱号的方法,分析了集装箱箱号的特点,提出了提高识别率的方法。     

基于作业均衡的集装箱堆场箱区场桥作业调度

为了提高集装箱堆场场桥作业量分布的均衡性,进而提高作业人员任务分配的均衡性和作业资源的利用率,提出集装箱堆场箱区场桥均衡作业的调度问题。根据集装箱场桥作业特点及其关联性,以集装箱堆场箱区作业箱量均衡和作业时间均衡两个均衡调度为目标,建立了集装箱堆场箱区场桥均衡调度模型,并设计遗传算法求解。通过设计均衡度评价指标,对不同均衡目标与所得方案效果之间的关系进行分析,得到均衡度改善的比率。最后通过输入场桥数量参数的变化得出场桥数量与均衡性之间的关系,为场桥配置与调度工作提供理论依据。     

基于BP神经网络的集装箱箱号识别

提出一种用BP神经网络实现集装箱箱号识别的方法。提出的图像预处理方法对管柱,底面凹凸,脏污物、光线的强弱、倾斜、缺损或模糊有较强的适应性。在BP网络分类器实现时,考虑集装箱箱号的组成特点,采用并行处理方法。在BP算法中,引入动态因子,动态调整学习步长。实践证明利用这种方法来识别装箱箱号,速度快,识别率高,具有较高的实用价值。     

混堆集装箱堆场的出口箱位优选干扰管理

针对进出口集装箱混合存放堆场的出口收箱作业容易受干扰问题,基于出口箱收箱次列提出了堆场作业受干扰的度量方法;建立了考虑收箱次序扰动关联成本的出口箱位优选干扰管理模型,压箱量和龙门吊大车行驶距离的加权组合目标函数项表示收箱作业和翻箱总成本,箱位偏移的目标函数项表示干扰关联成本;基于干扰恢复模型解的局部性特点,设计了局部加速的改进禁忌搜索算法,利用邻域控制优化搜索方向和范围,加速局部搜索,提高算法收敛速度。实验结果显示:提出的干扰管理方法比重调度提高10%以上的精度。     

基于随机交箱序列的集装箱堆场出口箱箱位优选

为了优选客户提交箱时间不确定条件下的集装箱堆场出口箱箱位,降低作业成本,提出了基于随机交箱序列的堆场箱位优选方法,即两阶段随机规划模型和基于禁忌搜索的启发式算法.模型通过优选贝位和堆栈最小化堆场龙门吊行车成本和翻箱量,探讨了随机交箱序列条件下的翻箱量和龙门吊行车成本求解方法,并针对模型最优解特点开发了基于禁忌搜索的启发式算法.模拟实验表明,该方法能够有效利用不确定集装箱交箱序列信息改善调度效果,算法能够在合理时间内获得满意解.     

Hybrid dynamic model of polymer electrolyte membrane fuel cell stack using variable neural network

The polymer electrolyte membrane(PEM) fuel cell has been regarded as a potential alternative power source,and a model is necessary for its design,control and power management.A hybrid dynamic model of PEM fuel cell,which combines the advantages of mechanism model and black-box model,is proposed in this paper.To improve the performance,the static neural network and variable neural network are used to build the black-box model.The static neural network can significantly improve the static performance of the hybrid model,and the variable neural network makes the hybrid dynamic model predict the real PEM fuel cell behavior with required accuracy.Finally,the hybrid dynamic model is validated with a 500 W PEM fuel cell.The static and transient experiment results show that the hybrid dynamic model can predict the behavior of the fuel cell stack accurately and therefore can be effectively utilized in practical application.     

Design of Engine-Generator Work Mode for Hybrid Electric Vehicle

From electric circuit theory view, a system model of series hybrid electric vehicle was built which uses engine-generator and battery pack as its on-board energy source in this paper. Based on the analysis for the constant power work mode and constant bus voltage work mode of engine-generator, a third work mode was put forward which combined the advantages of constant power and constant bus voltage work modes. The new work mode is reasonable to keep the battery in good working conditions and to extend its life. Also the working conditions of engine can be bettered to get low pollution and high efficiency.     

复配重晶石对水基钻井液泥饼质量的影响

泥饼质量对钻井复杂工艺的影响较大,而不同粒径的重金石颗粒相互填充堆积效果不同,密堆积程度迥异,泥饼质量差异甚大。通过研究单一类重晶石和复配重晶石对泥饼质量的影响,发现单一类重晶石的粒径集中程度远高于复配重晶石,泥饼质量远差于复配重晶石。不同的复配方式中大、小颗粒间的作用方式不同,泥饼质量也将产生较大的差异。实验发现采用0.89μm重晶石与250目—325目重晶石进行复配时,泥饼质量最好,采用其他复配方式得到的泥饼质量相对较差,但都远优于单一类重晶石。     

燃料电池电动车能量流管理系统

燃料电池车是混合动力车,燃料电池和蓄电池的混合使用导致能量流管理问题。介绍了燃料电池电动车控制系统组成及工作过程;详细分析了2个电源的4种混合工作模式;提出了能量流管理策略;给出了管理系统程序流程图;并对流程图中的SOC分档、工作模式判别、能量配比和配比控制4个模块具体实现方法进行了深入的讨论。试验结果证明了该管理系统的合理性和有效性。     

柔性生产中人员配置模型及其调度算法

为减少柔性生产企业的劳务费用,提高运营效益,以合理的人工分配方案和最佳作业排序为目标建 立了数学模型,并设计一种多目标混合算法．将作业分解为子作业层和父作业层,采用遗传算法和动态规划 法获取最佳的人工分配方案．在人工优化模型的基础上利用模拟退火遗传算法,将搜索空间限制在第一工位 工件投产序列的置换向量空间内,并采用交叉算子和变异算子对选择算子进行了重新设计,生成最优作业排 序计划．一组测试问题的求解结果表明了所提出方法的有效性及鲁棒性     

I-II-III复合型裂缝应力强度因子与能量释放率的关系

基于断裂力学理论,应用复合型断裂判据中的最大周向应力判据和最大拉应变判据,以单一型裂缝应力强度因子K与能量释放率G的关系为基础,推导出I-II-III复合型裂缝应力强度因子K_I、K_II、K_III与能量释放率G_I-II-III关系公式;并应用有限元软件进行I-II-III复合型裂缝的有限元模拟,模拟值与理论值之间相差为1.14%,拟合良好,分析验证了复合型裂缝应力强度因子K_I、K_II、K_III与能量释放率G_I-II-III关系公式的合理性。     

混杂纤维高性能混凝土深梁受剪性能试验

对18组钢一聚丙烯混杂纤维高性能混凝土深梁试件和2组高性能混凝土深梁对比试件进行受剪试验,分析混杂纤维高性能混凝土深梁受剪破坏过程及破坏形态,探讨混杂纤维对高性能混凝土深梁剪切初裂强度及抗剪极限强度的影响,结果表明：掺人适量的钢-聚丙烯混杂纤维,可使深梁水平及竖向分布钢筋应变明显减小,剪切延性得到提高,掺入混杂纤维后,无腹筋深梁剪切初裂强度平均提高20.3％,抗剪极限强度平均提高17.2％;有腹筋深梁剪切初裂强度平均提高70.1％,抗剪极限强度平均提高33.9％.     

混杂纤维HPC深梁受剪承载力计算方法

采用正交试验法设计钢聚丙烯混杂纤维高性能混凝土（简称 H PC ）深梁试件,通过静力试验研究混杂纤维H PC深梁受剪承载力计算方法。正交试验中考虑的因素主要有钢纤维特征参数（类型、体积率、长径比）、聚丙烯纤维体积率、水平及竖向分布钢筋配筋率等。结果表明：混杂纤维能改变无腹筋H PC深梁的受剪破坏形态;混杂纤维的掺入使得 H PC深梁的剪切初裂强度和抗剪极限强度明显提高,其平均提高幅度分别为45．2％和25．6％。将塑性理论应用于混杂纤维 H PC深梁受剪承载力计算得到了很好的结果,分析表明水平及竖向分布钢筋配筋率的大小对混杂纤维H PC深梁抗剪强度的影响不显著,但水平分布钢筋的作用大于竖向分布钢筋。分析了混杂纤维的增强机理,提出了基于“拉杆拱”模型和劈裂破坏计算模式的混杂纤维 H PC深梁受剪承载力计算式。     

Forward heuristic breadth-first reasoning based on rule match for biomass hybrid soft-sensor modeling in fermentation process

Biomass is a key parameter in fermentation process,directly influencing the performance of the fermentation system as well as the quality and yield of the targeted product.Hybrid soft-sensor modeling i...     

基于神经网络的建筑能耗混合预测模型

为了提升建筑能耗预测的精度、鲁棒性和泛化能力,提出树种算法（TSA）优化的径向基函数（RBF）神经网络与长短时记忆（LSTM）神经网络结合的混合预测模型. 采用基于自适应噪声的完全集成经验模态分解算法,将建筑能耗数据分解为1组本征模态函数（IMF）分量和1个残余分量,利用样本熵算法将各分量划分为高频分量和低频分量. 采用最小绝对收缩与选择算子（LASSO）方法进行特征选择. 分别利用TSA算法优化后的RBF模型与LSTM模型对低频分量和高频分量进行预测,并叠加重构得到最终预测结果. 模型评估结果表明,混合预测模型的精度为98. 72%. 相比于RBF、TSA-RBF、LSTM模型,所提模型的预测效果更好,且具有较强的鲁棒性和泛化能力,能够更为有效地用于建筑逐时电力能耗预测.