配送式物流配送车辆综合调度优化算法

本文针对配送式物流配送车辆的综合调度问题,建立了运输模型和网络模型,同时给出了多车场配送情况下的车辆优化调度算法,并通过实例分析,证实了该方法有效性。     

一种基于自适应蚁群算法的产品配置方案

在大规模定制生产模式下,企业面对复杂产品配置问题。在基于蚁群算法实现产品配置求解方案的过程中,针对参数选取对于蚁群算法性能的影响进行了研究,给出了基于自适应蚁群算法的产品配置求解方案,仿真实验验证了该算法策略不仅能保持蚁群算法较为精确的求解性能,且在算法的全局搜索能力和收敛速度上都取得了较好的平衡。     

基于改进蚁群算法的数控机床故障诊断方法

为提高数控机床的保障与维护管理水平,推动我国制造产业的高质量循环发展,设计一种基于改进蚁群算法的数控机床故障诊断方法。采集数量机床设备的运行数据,利用粗糙集理论提取故障特征信号,应用改进蚁群算法构建数控机床的故障诊断模型,通过蚁群信息素的初始化与动态更新,寻找最优路径,实现对数控机床设备故障的智能化辨识与诊断。仿真测试结果显示,对于随机10组不同故障的数据信息,该方法的故障诊断时间均值约0.118 7 s、具有高效性,实际诊断结果与期望输出结果的平均误差约0.000 6、误差极小,具有精确性与适用性,为数控机床的维护管理工作提供了一种可靠的技术支持。     

模糊随机环境下考虑碳限额和碳交易机制的库存配送问题研究

本文以高端物流服务集成商与库存配送服务商为研究对象,以集成商的供应链网络成本最小、服务商的运营成本最小且准时制供应为目标,深入研究考虑碳限额、碳交易机制以及残次品处理的多供应商选择多产品多阶段库存配送问题,构建了基于动态规划的双层库存配送模型。利用双层全局--局部--邻域粒子群算法 (Bi-GLNPSO) 设计了模型求解方案,并通过算例验证了模型和算法的有效性和合理性。探讨了碳限额和碳交易机制对总成本和库存配送决策的影响。     

基于改进蚁群算法的白车身焊接机器人路径优化

针对国内整车制造业中白车身焊接机器人工作路径设计不合理的现象,提出了一种遗传—蚁群混合算法,在白车身侧围工位对多机器人协同工作路径优化展开研究,以实现多机器人焊点分配和单机器人焊接路径最优的焊接要求。通过过程仿真软件Process Simulation建立机器人离线工作站,对优化结果进行仿真实验。结果表明,该算法具有较快的迭代速度,同时能够实现焊点的合理分配,有效提升焊接效率。     

基于T-S模型的一类时滞非线性系统模型预测控制

针对具有状态时滞特性的非线性离散系统,利用线性矩阵不等式的方法和Lyapunov稳定性理论,研究了基于状态反馈的非线性系统模型预测控制问题。基于T-S模糊模型对非线性离散系统进行描述并给出一种"min-max"预测控制算法,采用模型预测控制与模糊理论相结合的方法,利用平行分布补偿的原理,通过在每一个采样时刻优化无穷时域的性能指标,来求解在范数有界条件下相应的状态反馈控制律,讨论了预测控制器的设计问题,分析了此设计问题的可解性,给出了状态反馈控制器基于线性矩阵不等式的设计算法,保证了系统的稳定性,通过仿真实例证明了所提控制算法的有效性及系统的稳定性。该方法能够在化工、冶金、机械等具有时滞特性的工业生产过程中得到很好的应用。     

采用蚁群算法模拟机器人寻路的仿真实验

蚁群算法是一种基于蚁群寻找食物这一现象,实现寻路优化的算法。通过在MATLAB中进行程序设计,实现了利用蚁群算法模拟自动寻路的计算,并进一步将程序应用于简易机器人的寻路模块,初步实现机器人的寻路优化功能。     

水文频率计算方法的探讨

在水文频率参数分析中,基于蚁群算法的水文频率优化适线法模型.利用3个水文站年最大洪峰流量数据作为样本数据,对模型进行学习训练.试验结果表明,基于蚁群算法的优化适线法在使得离(残)差平方和(OLS)准则最小这个目标函数下,获得了P-III曲线3个参数的最优解,比常规算法结果精确度更高,同时能够克服常规算法收敛性较差问题,是一种可行的水文频率分析方法.     

露天矿山无人驾驶矿用卡车轨迹跟踪控制

以运动过程中局部路径跟踪为研究对象,以模型预测为基础,结合前馈-反馈及模糊控制的优势,提出基于模型预测的前馈-反馈模糊控制算法,既能对系统未来的行为作出预测,又能解决系统建模的不确定性、外部环境干扰和时间延迟问题。MATLAB仿真结果表明,该算法控制效果优于前馈-反馈控制,可靠性高且具有良好的适应性,在实际应用中具有一定的使用价值及指导性。     

一种基于CMAC神经网络的板形模式识别新方法

针对传统的板形识别模型在识别板形时,由于板宽的变化需要不同拓扑结构的神经网络才能完成板形模式识别任务,网络学习工作量大,网络存在收敛速度慢,易陷入局部极小等结构性能不佳的问题,建立了一种新的基于CMAC神经网络的板形模式识别模型。该模型利用欧式距离差得到网络的输入神经元,并在权值更新算法中引入了动态学习率。通过仿真实验表明该方法简单、实用,识别精度较高,克服了传统的识别模型的缺点和不足,有效地提高了板形模式识别模型的速度和精度。     

一种基于感受野增强的人脸检测方法

为了解决多任务级联卷积神经网络（MTCNN）算法网络模型在小人脸检测方面鲁棒性较低的问题,提出了一种基于感受野增强的网络模型。首先,为MTCNN算法模型中的R-Net网络和O-Net网络添加感受野模块（receptive field blocks,RFB-S）。其次,通过添加批量标准化和全局平均池化,加速网络模型的收敛,防止模型过拟合。最后,调整网络任务的权重,P-Net和R-Net网络用于人脸区域粗筛选,O-Net网络用于人脸区域精筛选以及人脸关键点回归。实验结果表明,与MTCNN算法网络模型相比,所提模型缩小了16%,但检测速度提升了9%,在FDDB数据集上的检测精度提高了2.3%。因此,基于感受野增强的网络模型能有效完成人脸的检测任务,增强对小人脸检测的鲁棒性,可为人脸识别、表情识别等提供技术支持。     

用状态反馈进行极点配置的并矢量设计算法

运用状态反馈进行极点配置的算法有许多种,通常都是满秩设计,即状态反馈矩阵 K 为满铁的。满秩设计虽有其许多优点,但它是以将原系统方程转化为可控标准型为前提的,这在系统输入较多时运算较繁锁,且用计算机设计占内存较多。应用计算机进行设计或控制时,在完成设计任务的前提下,希望尽量减少所占内存。状态反馈的并矢量设计方法,不但具有简单,直观,易于计算机实现等优点,而且还能将一切单输入系统的状态反馈算法应用到多变量系统中。本文首先证明了状态反馈的并矢量设计的两个算法;然后讨论了并矢量设计的条件并将两套算法用 FORTRAN 语言编程,以便计算机求解或实际运用。     

考虑碳排放多任务的多式联运路径优化模型与算法

为了提高多式联运的运输效率, 降低碳排放, 本文对考虑碳排放的多个运输任务的路径和运输方式的综合优化模型和方法进行了系统研究。 本文从多式联运经营人的角度, 建立考虑碳排放的多任务多式联运路径综合优化模型; 设计变长符号编码机制的文化基因算法; 通过设计算例并求解, 发现整合后的总费用下降3.47％, 证明了模型与算法的有效性; 针对问题特点, 提出多任务间的路径节点和运输方式整合策略。 研究发现通过调整碳税的征收方案, 可以引导多式经营人调整运输方案, 减少二氧化碳的排放。     

基于改进的蚁群算法的移动机器人路径规划

针对移动机器人路径规划中的传统蚁群算法收敛精度低、易陷入局部最优等问题,提出一种改进蚁群算法。首先,对算法的转移概率进行改进,加入转向代价,减少不必要的转折,并针对启发函数启发性能不够强,对路径启发信息进行改进;然后,提出一种自适应的参数调整伪随机状态转移策略,动态改变参数值,避免过早陷入搜索停滞,增强搜索的全面性,同时对信息素更新方式进行改进,调整信息素挥发系数,保持蚂蚁发现最优路径的能力;最后,通过Matlab与其他算法进行对比分析。仿真结果表明,改进的蚁群算法收敛速度快,且路径长度和算法迭代次数有明显减少,能得到全局最优路径。改进蚁群算法具有可行性、有效性,在移动机器人路径规划中有一定的应用价值。     

基于混沌蚁群算法的SVM模型在水库枯水期径流预测中的应用

本文采用混沌蚁群算法对SVM模型的参数进行优化计算,并采用高斯核函数对模型进行混沌特性识别,简化模型在枯水期径流预测非线性求解过程。结合优化模型对水库枯水期径流进行预测。研究结果表明:基于混沌蚁群算法的SVM模型可较好的辨识复杂的水文序列,模型具有较高的泛化能力,相比于传统算法,水库枯水期径流预测精度得到明显改善,具有较高的适用性。研究成果对于水库枯水期径流预测提供方法参考。     

基于碳排放的闭环供应链政府奖惩机制研究

温室气体的排放问题已成为国际社会亟待解决的问题,解决这一问题的必由之路就是通过降低产品碳排量实现从源头上减排。本文研究由一个制造商和一个零售商组成的逆向供应链系统,建立了政府实施回收奖惩机制的动态博弈模型,比较分析了有无政府回收奖惩机制两种情形下零售商的回收比例、供应链参与方的期望利润和产品的碳排放总量。研究结果表明,政府回收奖惩机制提高了回收比例和碳减排水平;当再制造减排程度较小时,政府回收奖惩机制降低了碳排放总量;基于消费者低碳偏好的政府回收奖惩机制提高了制造商和零售商的利润,更大程度的降低了产品总碳排放量;政府回收奖惩机制下较小的目标回收率能够最大化零售商利润。     

多投影拼接显示系统颜色调整技术比较研究

多投影拼接显示系统越来越广泛地应用于科学计算可视化、工业设计、虚拟仿真等领域。该系统要解决的一个关键问题就是颜色匹配,导致颜色不匹配的主要原因可以归结为投影仪自身颜色特性的变化和投影环境与投影设备的不同两个方面。国内外提出了多种颜色调整技术,根据调整原理和实现路径的不同,可分为：基于光学系统的硬件调整技术、基于投影仪颜色属性测量的反馈调整技术、基于模型和算法的图像预处理调整技术。本文针对这三种类型的调整方案进行比较分析,并对该技术的发展进行展望。     

基于CenterNet的跑步姿态鉴别系统的设计

为了改善目前大众跑步姿势普遍不规范的现状,提出了一种基于CenterNet的跑步姿态鉴别系统。首先,通过截图、拍照的方式自制数据集,并对数据集进行清洗、标注和分析,消除数据无关信息与简化数据。其次,引入多尺度通道注意力机制与添加十字星变形卷积2种方式改进CenterNet算法模型,将动作图像转化为数字信息和特征向量,并以此为基础,利用KNN（K-nearest neighbors）算法对跑步姿态类型进行分类。最后,与经典模型方案进行对比,验证改进CenterNet算法鉴别系统的有效性。结果表明：改进的CenterNet模型的精确率与召回率都有所提升,其参数量与计算量降低。所提算法模型能够对大多数不良姿势作出及时、准确反馈,有效帮助跑步爱好者发现问题,从而改善跑步姿态、提高运动效率、预防伤病。     

基于dtw-prophet算法的模型在服务器分区使用率性能数据预测中的应用

服务器是计算机的一种,它比普通计算机运行更快、负载更高、价格更贵。服务器在网络中为其他客户机提供计算或者应用服务。在运行过程中,服务器各项性能指标能够很好地反馈其运行状态、使用场景。因此,对服务器性能数据的研究能够很好地分析服务器的工况、潜在风险,提前规避进而提升服务器的稳定性、可靠性。传统的服务器分区使用率预测主要包括lstm、arima、svm、prophet、三次平滑等模型,而本文构建的dtw-prophet模型,将prophet算法作为基础,使用dtw算法对数据的不同周期进行最优化求解,从而寻找prophet的最优季节项周期。结果表明,该模型对时序序列数据有较强的适应力,对时序数据的预测效果较佳。该模型在数据处理、模型构建方向提出了新的思路,提升了自身的适应力、稳定性。     

动态神经网络方法在车内噪声参考信号拾取上的应用

推导了用于实时控制的动态神经网络数值方法,并应用该方法通过测量关键点的振动加速度信号来识别车内噪声信号,该法既避免了传统自适应有源消声中的声反馈问题,又具有实时性。实验研究表明,由于动态网络具有良好的实时跟踪特性,即使在工况发生改变时,网络也可在短时间内迅速完成跟踪。