分散决策供应链生产计划协同研究

为解决多级、多产品、分散供应链系统生产计划协同问题,提出了一种基于拉格朗日松弛算法的生产计划协同模型.在该模型中,建立每个企业独立的生产计划模型,使用拉格朗日松弛算法,松弛掉企业之间的物流平衡约束,将需要集中决策的供应链生产计划协同问题,分解为企业间分散的独立决策问题;运用次梯度算法对拉格朗日因子进行更新,通过反复迭代的优化过程实现生产计划协同.仿真实验表明,基于拉格朗日松弛算法的供应链协同对复杂供应链系统能够较好地逼近最优解,协同效果和收敛速度优于遗传算法.     

三级闭环供应链系统的回收-生产-分销协同计划

针对由一个联合回收中心、多个制造/再制造工厂及多个分销商组成的三级闭环供应链系统,考虑系统中各级成员间的物质流动、各自不同的运作目标及决策的交互影响,建立了闭环供应链的回收-生产-分销三层协同计划模型。结合闭环供应链系统各级成员之间反复协商的行为特点,设计了基于双倍体遗传算法的三层迭代求解方法。算例的计算结果表明,该计划模型和求解算法具有一定的有效性和实用性。     

基于拉格朗日松弛和遗传算法的供应链协同计划

研究了多级供应链伙伴间的生产计划协调优化问题。对集成性多阶段约束生产批量计划模型增加了关联约束和相关需求约束。基于模型的加可分性结构,利用拉格朗日松弛技术将其分解为成员独立的子问题。应用遗传算法更新拉格朗日乘子来协调成员决策,在不干涉成员决策权和私有信息的前提下,实现了多级供应链生产计划的协调优化。仿真实验证明了基于拉格朗日松弛技术与遗传算法的计划协同模式和协调方法的优越性和鲁棒性。     

基于集配中心的生产和配送协同决策研究

为解决集配中心模式下的生产和配送协同决策问题,分析了基于集配中心的供应驱动供应链协同运作模式;考虑供应链系统的生产和物流能力约束,分别构建了供应商、集配商分散决策和集配商联合决策的生产和配送协同决策模型。采用改进的模拟退火算法对后者进行求解,并结合算例分析比较了不同决策下的生产和配送协同决策模型。结果表明,当集配商联合决策供应链上游的生产和配送间隔时,与分散决策相比,供应链系统单位时间的生产调整准备成本和物流成本有较大幅度下降;集配商和制造商单位时间的物流成本大大降低,而供应商的生产和配送成本则有不同程度的增加。     

基于Pareto最优的多目标集成协作计划与调度

针对现有制造系统中协作计划、生产计划和调度方案不能同步制定的问题,考虑在供应链环境下有协作的计划与调度,构建了一种多目标集成协作计划与调度优化模型。提出一种基于Pareto最优的多目标优化算法,设计了包含协作染色体的基于作业的集成编码方案,通过惩罚操作实现协作计划与生产计划的同步协调。考虑供应链协调中常见的完工时问、总成本、总拖期时间、平均流经时间四个性能指标对模型进行整体优化。通过仿真实验验证了模型及其算法的有效性。     

协同生产管理的协同生产计划模式与方法研究

本文主要研究协同生产管理的协同生产计划模式与方法.针对协同生产管理的特点,建立了协同生产管理的协同生产计划模式和方法总体模型,并对此模型了进行简要描述.最后在此模型基础上,对协同生产计划的具体制定方法进行了研究,包括定单决策与分析、协同生产计划的计划分解和任务分配方法及基于多Agent的协同生产计划协商过程等.     

租赁车辆运输外包模式下多次直接运输策略的集成库存运输计划

分销网络在车辆租赁运输外包模式下,如何协调同步库存和运输计划是需要确定的运作决策.为此,讨论了多产品、单分销商、多用户的分销网络中,分销中心在租赁车辆外包模式和多次直接运输策略下的配送计划问题,建立了该问题的混合整数规划模型MTDS-ⅡT.根据问题的特点,设计并开发了基于部分链的遗传算法,以求解该模型.     

利用拉格朗日松弛算法协调多厂供应链生产计划

为了解决多厂供应链生产计划的协调问题,提出了一种基于拉格朗日松弛算法的内部价格协调优化策略。该策略通过松弛工厂之间的物料耦合约束,将整个供应链的生产计划问题分解为多个单厂的生产计划问题。每个工厂只需利用本地信息制定各自的生产计划。为了获取问题的可行解,又提出了一种前溯式可行化方法,通过协调中心对产品内部价格（拉格朗日算子）的迭代更新,实现整个供应链生产计划的协调优化。仿真实验表明,该策略能够较好地协调多厂供应链计划,结果明显优于已有的协调方法。     

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明：采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。     

带时间窗的多中心半开放式车辆路径问题

针对多中心协同配送下的车辆路径问题,建立了总成本最小化模型,所建模型满足多中心、多需求点和半开放式的特征。考虑到问题的复杂性,设计了一种三阶段求解算法：将K-mediods聚类算法用于原始数据分解,将原规模较大的多配送中心路径问题转换成多个单配送中心路径问题;设计了改进多蚁群算法来求解单配送中心路径问题,得到初始方案;在调整阶段,利用节约算法优化初始方案。分析了算例,并同其他文献的算法求解结果进行对比,结果表明,所提算法比GA-ACO算法求解得到的单中心配送最优路径值减小32.16%,总成本减小30.42%;比狼群算法解得的最优路径值和总成本均减小8.99%;比蚁群算法求得的最优路径值减小24.76%,最小配送成本减小3.40%,从而验证了所建模型的合理性和所设计多阶段算法的有效性。     

基于Camshift和Kalman滤波结合的改进多目标跟踪算法

Camshift算法具有很好的实时性,但是存在遇到大面积与目标颜色相近的背景干扰、目标被严重遮挡时跟踪失效,只能对单目标进行跟踪等问题。针对这些问题,提出了Camshift结合Kalman滤波的改进算法,采用改进算法的跟踪器对每个检测出来的目标进行分别跟踪,从而实现多目标跟踪。实验表明本文提出的改进算法能有效地克服以上问题,并且能达到实时性要求。     

非局部均值噪声预测的独立成分分析降噪研究

为解决采用独立成分分析算法进行图像降噪需要多个观测信号的问题,提出一种对单张图像冗余信息进行稀疏以生成多个观测信号的方法。该方法首先采用字典压缩算法对原噪声图像稀疏;再采用非局部均值算法对压缩图像的冗余信息进行处理,将处理后的冗余信息生成初次降噪图像;将初次降噪图像和原噪声图像共同作为独立成分分析的多个观测信号。结合非局部均值算法可以避免仅使用字典压缩算法造成的过量稀疏,研究表明当高斯白噪声标准差σ在20~45范围时,本文提出的方法比字典稀疏压缩算法和非局部均值算法降噪效果更好,图像降噪后的峰值信噪比是降噪前的1.4倍。本文提出的方法在高斯白噪声标准差σ在20~45范围时,具有很好的降噪效果。     

膜系优化设计中的逃逸函数法

在膜系优化设计中引入可以摆脱局部极值 ,实现全局优化的逃逸函数 ( escapefunction)法。介绍了逃逸函数法的基本原理及算法设计 ,并举例说明它在膜系优化设计中与 needle法 ,传统优化方法结合使用可以进行全局搜索 ,从而实现从单层膜开始设计任意光学性能的多层膜     

使用Tabu搜索技术提取二次曲面

使用最小子集定义一个二次曲面，将二次曲面的提取等同于寻找目标函数的优化值，并使用Tabu搜索算法最终将规则曲面从测量数据中分离出来。为了增加算法的通用性与实用性，给出了从几何数据中提取单张平面，以及从已提取的双平行或双相交平面中分离出单张平面的方法。该方法的优点是概念简单、实现容易且不依赖于曲面的分割结果。对实验结果的分析表明，该方法可快速、准确地提取多个二次曲面。     

系统可靠性灵敏度分析方法及其应用研究

基于已有的单个失效模式可靠性灵敏度分析,建立多模式串、并联系统失效概率对基本变量分布参数的灵敏度分析方法,着重研究多模式并联系统可靠性灵敏度分析的近似方法.该方法以数字模拟为基础,根据样本点对系统失效概率的贡献,对计算失效概率的所有样本点进行筛选,并由筛选出的样本点线性回归模拟并联系统失效域,得到等价的单个线性极限状态方程,从而将多模式并联系统的可靠性灵敏度分析等价转换为单个模式的灵敏度分析.对于多模式串联系统的可靠性灵敏度分析,文中采用的方法是将串联系统的失效概率精确转换成单个模式失效概率与多个模式并联系统失效概率的代数和,然后逐项进行灵敏度分析,进而得到串联系统的可靠性灵敏度.对于结构系统的极限状态方程含有复杂综合随机变量的灵敏度分析问题,提出一种基于二次回归分析的近似处理方法,通过推导的综合随机变量分布参数对基本变量分布参数的偏导数公式和复合函数求导法则,最终得到复杂多模式系统失效概率对基本变量分布参数的灵敏度.文中用理论数值算例验证所提算法的精度与可行性,并将所提方法推广应用到工程算例中,验证其工程应用价值.     

自适应遗传算法在数控伺服系统控制参数优化中的应用

PID参数整定是一个多参数组合优化的问题,针对目前常用的工程整定法无法在全局范围内对PID参数进行组合优化,只能从系统的单项性能指标出发进行整定,而标准的遗传算法又容易出现过早收敛等问题,为此,提出了基于改进的自适应遗传算法的PID参数整定方法。这种方法能够随适应度值自动改变交叉概率和变异概率,这种方法既能够确保算法的收敛,也能够很好的保证种群的多样性。将该方法应用于数控伺服系统,控制效果良好,最后将Ziegler-Nichols算法与自适应遗传算法整定的PID控制系统的动态响应性能作了对比分析,仿真试验结果证明了基于自适应遗传算法的PID参数整定方法的优越性。     

多列组合角接触球轴承刚度和位移量

以滚动轴承动力学分析和滚道控制理论为基础,提出了应用Powell优化算法和Newton-Raphson算法相结合的方式计算非线性方程组,给出了预紧力和转速的多列组合角接触球轴承组合刚度相应程序。对7016A5轴承DBD组合的研究结果表明:预紧力和转速与单个轴承和轴承的组合刚度及位移量呈现非线性关系。轴承的组合轴向刚度小于单个轴承的轴向刚度,其径向刚度大于单个轴承的径向刚度。为实现预定的轴承动态性能,单双侧轴承内圈的间隙量须大于两侧轴承位移量之和。     

基于改进蚁群算法的多供应商选择问题求解

为克服传统供应商选择过程中只针对单一物资供应过程和面向单一供应商选择过程的局限性,以质量、成本、交货期和交货提前期为评估指标,以最小化评估指标综合值为目标,建立了针对多品种供应条件下多供应商选择的0-1整数规划模型.基于蚁群算法,构造了适合该模型特征的改进蚁群求解算法,并阐述了其求解过程.通过模拟算例及对比分析表明,该方法是有效、可行的,它可为企业进行多品种供应的多供应商选择问题提供了可参考的模型和求解算法.     

A two-stage method to identify structural damage sites and extents by using evidence theory and micro-search genetic algorithm

A two-stage method of determining the location and extent of multiple structural damages by using information fusion technique and genetic algorithm is presented in this paper. First the damage detection strategy is to localize the damage sites by using an evidence theory, which can perfectly integrate the damage identification information coming from both natural frequencies and mode shapes. Then, a micro-search genetic algorithm (MSGA) is proposed to determine the damage extent. A cantilever beam is analyzed as a numerical example to compare the performance of the proposed method with the multiple damage location assurance criterions (MDLAC) and the simple genetic algorithms. Simulation results show that identification results of the evidence theory are better than those both of the frequency MDLAC method and the mode shape MDLAC method, and the MSGA is also more accurate and effective than the simple genetic algorithms. Therefore, the two-stage method is very effective for the identification of multiple structural damages.     

[设备健康管理]基于深度学习多样性特征提取与信息融合的行星齿轮箱故障诊断方法

针对行星齿轮箱振动信号噪声干扰大、单一分类器泛化能力不强的问题,提出了一种基于深度学习多样性特征提取与信息融合的行星齿轮箱故障诊断方法。利用多目标优化算法优化多个堆栈去噪自动编码器(SDAE)以获得多个性能优异的SDAE,并提取多样性的故障特征;采用多响应线性回归模型集成多样性故障特征实现信息融合,得到多目标集成堆栈去噪自动编码器(MO-ESDAE),最后将其应用于行星齿轮箱故障诊断。实验结果表明：该方法能有效提高故障诊断精度与稳定性,具有较强的泛化能力。