基于自组织神经网络的声学底质分类研究

研究利用多波束测深系统获取的反向散射强度数据,应用自组织(Self Organizing Map,简称SOM)神经网络分类方法实现了对海底泥、砂、砾石和基岩等底质类型的快速、有效识别。通过实验示例,将SOM神经网络的分类结果与传统海底地质取样获取的真实底质类型进行分析比较,表明该方法是可行和有效的。     

点接触齿面滑动率计算方法及其对交错轴渐开线斜齿轮传动的应用

推导出点接触齿轮副齿面滑动系数的计算公式,并分别针对齿轮副的不同组合形式,计算交错轴渐开线斜齿圆柱齿轮传动的滑动系数,绘制该齿轮副的滑动曲线.通过算例,研究了交错轴渐开线斜齿圆柱齿轮副滑动系数的特性.     

混装生产排产序列MILP建模与仿真优化研究

混装生产时产品的投产顺序直接影响生产过程的连续、均衡和准时。建立混装生产MILP数学模型,得出满足客户需求的最小完工时间排产方案集;建立Flexsim生产车间仿真模型,统计得到在制造周期、在制品数量和设备效率的值;根据最小制造周期、最少在制品数量、最高设备效率的评价指标,构建了混装排产序列方案评价功效函数,筛选出综合性能最优排产方案。以某汽车发动机制造车间油漆混装生产线为例进行排产分析,研究所得到的油漆生产线排产方案D-D-D-D-H-H-H符合企业的生产实际,提高了其生产产能。     

基于三维有限元的工字钢下翼缘局部弯曲应力计算

局部弯曲应力的计算是下翼缘受载的工字钢梁强度设计的重要内容。首先介绍了现有的工字钢下翼缘局部弯曲应力的计算方法,分析了其中存在的问题。然后构建了工字钢30a的精细三维实体有限元模型,设计了两种计算工况,并通过这两种工况的计算结果获取了较为精确的局部弯曲应力值。接着对局部弯曲应力的影响范围和分布特点进行了分析,并与现有方法的计算结果进行了比较,提出了按照等厚板模型简化下翼缘是不合理的,基于该原则的计算结果也不够准确的结论。最后给出了若干意见,建议在现有阶段,局部弯曲应力的计算宜直接采用三维有限元技术进行。     

多仓储机器人协同路径规划与作业避碰

针对多仓储移动机器人协同作业问题,提出了一种基于全局规划和局部调整的路径规划方法,以获得较短、无碰、避障的可行路径.在路径规划时根据当前节点到终点的距离和局部路径与起点至终点的欧氏路径的夹角设计新启发式函数,驱使机器人沿最短路行进;根据可选节点的数量提出避障规则,提高避障能力;依据路径长度对信息素进行比较更新,以精炼搜索空间、提高收敛性能,对蚁群算法加以改进寻找各自最优路径.在作业避碰时设计避碰规则有效解决仓储机器人间作业碰撞,找到最优或近优路径组合.实验结果表明了本方法的可行性、有效性.     

虚拟环境建模方法及应用

系统介绍虚拟环境建摸,根据生成虚拟环境的目的性、虚拟环境发展的阶段性,将虚拟环境建模大体分为单纯获取真实感、同步获取实时性和真实感、获取物理行为属性三个侧面,分别说明每个侧面的建摸理论、方法和关键技术。     

基于改进MOEA/D算法的多目标单元构建问题求解

针对具有不同加工流程信息的多类型零件的单元构建问题,建立了最大化机器利用率和成组效率的多目标单元构建数学规划模型。在此基础上,提出一种改进MOEA/D算法(improved multi-objective evolutionary algorithm based on decomposition, IMOEA/D)。剖析模型特征,设计了面向机器分配和零件划分的双层编码策略;为了保证算法迭代的有效性,设计了初始化筛选方法和考虑各制造单元间机器零件平衡性的非法解修复策略;为了增强算法的局部探索能力,设计了基于模拟退火算法的局部搜索方法。实验结果表明所提算法具有优越的性能,获得的Pareto前沿解在覆盖率和Pareto比率两个指标上表现较优,且随着问题规模的扩大,其Pareto前沿优势更加明显。     

融合强化学习与变邻域搜索的柔性作业车间调度研究

针对柔性作业车间调度问题,以完工时间最小化为目标,提出一种融合强化学习的变邻域搜索算法,提升算法求解性能。基于皮尔逊相关性分析,提炼出工序加工时长这一关键特征,设计一种优先考虑加工时长的邻域结构,精炼搜索空间。基于强化学习,设计算法进化状态集、关键参数动作集和奖励机制。提出改进的ε-贪婪策略来选择动作,随着ε取值的自适应变化,算法前期倾向于探索新解,后期注重利用邻域解,最终构建起算法状态与算法参数的关系,实现了算法参数的自适应选择。结果表明,所提算法利用强化学习动态调整算法参数,在解的寻优能力和稳定程度上更具优势。     

机器故障下柔性作业车间的生产重调度方式决策模型

在机器故障后采用何种方式进行生产重调度,直接影响到柔性作业车间的生产效率和稳定性。为此,提出一种融合数据仿真、遗传优化与BP神经网络的重调度方式决策模型,以便在给定故障情形下经济、高效、快速地估计出最优重调度方式。首先,针对柔性作业车间,仿真生成不同机器故障情形下、各种重调度方式下的重调度方案,比较最大完工时间差值、工序结束时间差值和工序变动成本3个评价指标,将综合指标最小的重调度方式判定为给定情形下的最优方式,产生出带标签的大规模样本。在此基础上,构建基于遗传—神经网络的重调度方式决策模型,挖掘机器故障与重调度方式的内在联系,估计不同故障情形下的最优重调度方式。其中,遗传算法先用于确定BP神经网络结构,再用于优化权值和阈值。实验证明所提出决策模型能显著提升机器故障下柔性作业车间的决策效率与反应能力。