应急装备制造网络的动态资源配置

针对应急装备制造过程的高波动性、高时效性特点,建立了多层制造服务网络模型,并提出基于排队理论的制造网络节点动态资源配置策略,以保证制造资源的合理使用与客户放弃概率的稳定可控。基于不同的制造网络服务目标水平,分别提出了制造网络节点资源动态调节的近似算法和数值解法。通过数值算例的仿真分析,验证了该方法可有效控制并稳定制造系统的目标性能,其针对各制造节点的资源的动态协同优化方案与仿真结果高度契合。所提出方法可应用于应急装备制造服务网络设计中,并为具有更为复杂结构的制造服务网络节点资源配置提供依据。     

基于改进混合蛙跳算法的多约束车辆路径优化

针对多中心分布式企业存在的产品成本差异化问题,建立包括产品成本、多车场、多车型在内的多约束车辆路径模型,并设计求解该模型的改进混合蛙跳算法. 根据问题特性,改进聚类算法并结合邻近矩阵构造初始青蛙种群;提出子群概念,设计自内而外的交流演化模式;定义远离矩阵,对青蛙进行引导性邻域搜索. 将所设计的算法进行多组不同的对比实验,结果表明,所设计的算法通用性强,实用性高,与遗传算法、蚁群算法这类传统经典算法相比,具有更好的收敛速度与求解精度,可以有效解决此类问题;考虑产品成本的调度方案总成本平均减少6%,占产品总成本的13%,可以为企业提供更合理的车辆配送方案.     

基于元胞机与强化学习的多扰动车间调度算法

针对大型装备制造企业扰动多、影响大的问题,以元胞机模型为框架构建了多扰动车间生产调度模型,设计了基于设备平均利用率与工件平均流程时间双目标最优的目标函数,并通过算例验证了模型的科学性.同时,考虑到多扰动车间调度的复杂性,为寻找全局最优解,采用强化学习算法优化了元胞机的自组织演化规则,提出了针对设备故障、紧急插单与新订单干扰三种典型扰动的调度策略,最终建立了基于元胞机与强化学习算法的多扰动车间柔性调度模型.以某大型零件制造企业为例,说明了模型的具体优化过程,并通过仿真求解验证了算法与模型的有效性与可靠性.     

跨层穿梭车仓储系统复合作业路径规划

为提高跨层穿梭车仓储系统的运行效率,通过分析提升机与穿梭车的实际作业流程,考虑提升机与穿梭车加减速特性,建立出入库复合作业时间模型.为求解模型,设计了基于复合作业的改进人工鱼群算法,并通过算例验证了模型与算法的有效性.结果表明,所建立的跨层穿梭车仓储系统复合作业路径规划模型及所设计的求解方法,能够有效地减少其复合作业时间,提高出入库调度效率.     

基于深度学习的水体色度分类算法研究

运用深度学习技术进行非接触、快速水体色度检测与分类,采用无人机采集水体图像,运用色度仪对标定的图像完成分类,建立数据集。采用图像归一化处理减少环境因素对分类结果的影响,设计多特征的分步边缘检测算法,检测水域图像边缘,剔除无关像素。对VGG 16、GoogleNet-V3和ResNet 18卷积神经网络进行水体色度分类模型构建与训练,后筛选Inception结构和残差结构为基本构建单元,设计专门用于水体色度分类的WCNet 15与WCNet 21神经网络模型。在训练集上训练参数并利用验证集完成对2个模型的准确率的比较,筛选准确率高的WCNet 21模型作为最终水体色度分类模型。WCNet21模型的最优准确率可达97.8%,满足水体色度分类需求,可应用到具体的水体色度分类工作当中。