Lot size optimisation under pooled and unpooled scenarios in batch production system

The lot-sizing problem in batch manufacturing systems with capacity constraints is studied using queueing relationships and optimisation techniques. In this research, the effect of lot sizes when there are parallel machines and multiple part types is considered. Furthermore, the issue of whether or not to use pooled queues, based on part types, to feed the machines is examined. Different scenarios are evaluated using GI/G/n queueing approximations to predict performance and optimise lot sizes. Optimisation is based on minimising the mean flowtimes, which include queue and lot service times. The results show that if part types are very different, there are situations in which pooling is not advantageous.     

辽河滩海地区古近系油气富集规律

辽河滩海地区是中国石油辽河油田公司保储增产的重要基地之一,相比辽河陆上地区,滩海地区的油气勘探开发程度较低,对油气分布规律认识不足。为此,在总结前人研究成果的基础之上,结合滩海地区特殊的地质条件,对其油气富集规律进行了研究。结果认为：该区古近系受构造和沉积演化控制,发育沙三段、沙一段和东营组3套烃源岩,分布范围广、厚度大,干酪根类型以混合型和腐殖型为主,生烃潜力巨大;油气分布规律存在地区差异,自西向东成藏主控因素依次为侧向运移、垂向运移、岩性封闭和垂向运移、断块聚集,且油气藏类型从油藏逐渐向气藏过渡;按油气分布情况可分为西部地区低压（常压）断阶式油气成藏模式、中部高压复合式油气成藏模式和东部高压断块式油气成藏模式;油气藏的分布、富集主要受生烃洼陷、输导格架和储层质量3大因素的控制。     

莺歌海盆地东方1-1气田成藏条件及其启示

由于莺歌海盆地众多底辟构造具有相似的成因联系,为研究其底辟构造特殊的天然气成藏条件,通过储层成岩作用、地层水化学分析等,对东方1-1气田进行了剖析,揭示出该气田的成藏地质条件与底辟运动及深部热流体活动息息相关,即：底辟运动为产生背斜构造创造了条件,深部热流体促进了有机质热演化,与底辟运动相伴生的断层与垂向裂隙为深部气源向浅部运移提供了快速通道,多期且具继承性的底辟活动使得天然气成藏期晚,近断层处热流体活动较强烈,临滨亚相粉细砂岩是良好储层,同时具有明显的含气地震信息异常。该盆地内其他底辟构造与东方1 -1气田具有类似的成藏地质条件,在东方1-1气田成功开发的启示下,促进了一批与底辟运动有关的天然气田的发现。     

中国南方海相页岩吸附特征及其影响因素

我国南方古生界主要发育下寒武统、下志留统富含有机质的暗色海相泥页岩,是我国页岩气勘探的首要战略选区。我国南方古生界页岩成熟度高,大部分地区埋藏较深,经历了复杂的构造热演化作用,地层抬升对页岩含气性产生了直接影响,尤其对页岩吸附能力和含气饱和度有着重要的影响。为此,选取中国南方海相下志留统龙马溪组页岩样品进行了页岩吸附能力测试,利用实验结果开展了不同温度条件下页岩吸附能力的对比和构造抬升对吸附能力的影响分析。结果认为：温度、总有机碳含量是影响页岩吸附能力的关键因素;构造抬升作用强度对页岩含气性具有重要的影响,进而影响到页岩气的富集成藏。该成果可用于指导正在进行的中国页岩气地质选区工作。     

全卷积神经网络下的多光谱遥感影像分割

目的 传统的遥感影像分割方法需要大量人工参与特征选取以及参数选择,同时浅层的机器学习算法无法取得高精度的分割结果。因此,利用卷积神经网络能够自动学习特征的特性,借鉴处理自然图像语义分割的优秀网络结构,针对遥感数据集的特点提出新的基于全卷积神经网络的遥感影像分割方法。方法 针对遥感影像中目标排列紧凑、尺寸变化大的特点,提出基于金字塔池化和DUC（dense upsampling convolution）结构的全卷积神经网络。该网络结构使用改进的DenseNet作为基础网络提取影像特征,使用空间金字塔池化结构获取上下文信息,使用DUC结构进行上采样以恢复细节信息。在数据处理阶段,结合遥感知识将波段融合生成多源数据,生成植被指数和归一化水指数,增加特征。针对遥感影像尺寸较大、采用普通预测方法会出现拼接痕迹的问题,提出基于集成学习的滑动步长预测方法,对每个像素预测14次,每次预测像素都位于不同图像块的不同位置,对多次预测得到的结果进行投票。在预测结束后,使用全连接条件随机场（CRFs）对预测结果进行后处理,细化地物边界,优化分割结果。结果 结合遥感知识将波段融合生成多源数据可使分割精度提高3.19%;采用基于集成学习的滑动步长预测方法可使分割精度较不使用该方法时提高1.44%;使用全连接CRFs对预测结果进行后处理可使分割精度提高1.03%。结论 针对宁夏特殊地形的遥感影像语义分割问题,提出基于全卷积神经网络的新的网络结构,在此基础上采用集成学习的滑动步长预测方法,使用全连接条件随机场进行影像后处理可优化分割结果,提高遥感影像语义分割精度。     

基于卷积神经网络的语义分割算法研究

针对语义分割中残差网络并不能完好地提取图像信息和分割效果差的问题,提出一种联合特征金字塔模型(JFP)用来融合残差网络的输出特征,并结合暗黑空间金字塔池化模型(ASPP)进一步提取特征。在解码部分应用简单的解码结构,恢复图像尺寸完成语义分割;同时引入注意力模型作为辅助语义分割网络,辅助神经网络进行训练。该方法分别在Pascal VOC 2012数据集和增强的Pascal VOC 2012数据集上对网络进行训练,并在Pascal VOC 2012的验证集上进行测试,其平均交并集之比(mIoU)分别达到了78.55%和80.14%,表明该方法具有良好的语义分割性能。     

Comparison of fecal pooling strategies for detection of Mycobacterium avium ssp. paratuberculosis in cattle

In herds with typical moderate to low within-herd prevalence, testing for Mycobacterium avium ssp. paratuberculosis (MAP), the infectious agent of Johne's disease, will be more cost-effective if individual fecal samples are cultured in composite pools. However, sensitivity to classify a pool containing 1 or more positive individual samples as positive may depend on pool size and number of individual positive samples within a pool. Fecal samples collected from 994 dairy cows sampled at slaughter were cultured to detect MAP. Culturing was done both individually and as composite pooled samples using the TREK ESP Culture System II broth medium (Thermo Fisher Scientific, Trek Diagnostic Systems Inc., Cleveland, OH). Composite samples consisted of pools containing feces from 3, 5, 8, 10, or 15 cows. The number of individual fecal culture-positive cows within each pool ranged from 0 to 4. Culture of individual fecal samples detected MAP in 36 (3.6%) of the 994 cows. Individual samples that were detected within the first 50 d by TREK ESP Culture System II were more likely to lead to a positive pool result. In total, 840 pooled fecal samples were examined for presence of MAP, and of those, 272 pools actually contained feces from fecal culture-positive cows. The crude sensitivity (proportion of pools that contained at least 1 fecal-positive cow that tested positive) for pools of 3, 5, 8, 10, and 15 was 47, 67, 44, 59, and 39%, respectively. Across pools, an increase of the number of fecal culture-positive samples from 1 to 2 enhanced overall crude sensitivity from 44 to 71%. However, sensitivity did not further increase for pools with 3 or 4 fecal culture-positive samples (63 and 60%, respectively). Additionally, a simulation analysis assessing probability of pooled fecal samples being positive in herds of 50 and 100 cows was conducted. The simulation assumed that 1, 2, or 5 cows per herd were MAP fecal culture-positive and that pools of 5 and 10 were used. This low-prevalence herd simulation indicated that weighted mean herd probabilities of detecting a positive herd ranged between 52 and 99.3%, with the lowest probability for pools of 10 with 1 positive cow in the herd and the highest probability for pools of 5 with 5 positive cows in the herd. However, overall, pools of 5 and 10 had similar diagnostic capabilities, enabling cost savings by utilizing pools of 10.     

基于改进CNN的苹果缺陷检测方法研究

目的:解决现有苹果缺陷检测方法存在的精度低、效率差等问题。方法:基于水果图像采集系统,提出一种改进的卷积神经网络用于苹果表面缺陷检测;引入深度可分离卷积代换原网络标准卷积,提高特征提取速度;引入Leaky ReLU激活函数代替ReLU激活函数,提高计算效率和精度;引入全局平均池化替换全连接层,降低网络模型的计算量;并在每层卷积后加入批量归一化层,通过试验与常规方法进行对比分析,验证其优越性。结果:与常规方法相比,所提方法在苹果缺陷检测中具有较高的检测准确率和速度,且模型参数量少,准确率达99.60%,检测速度(每秒帧数)达526,模型参数量为389 072。结论:该苹果缺陷检测方法能有效降低模型参数和检测时间,具有较高的准确率和速度。     

基于改进PCANet模型的铣刀磨损预测方法研究

铣刀健康状况直接影响实际生产加工过程,因此开展铣刀状态监测研究具有较大工程意义。以卷积神经网络为代表的深度学习模型已经逐渐用于监测加工过程中的刀具状态。但是这些模型的可解释性较差,预测结果的差异性也较大。作为一种新颖的卷积神经网络变种,主成分分析模型(Principal component analysis network, PCANet)的可解释性好,但是特征自监督学习能力有待提升,且相关应用案例较少。针对以上问题,拟对PCANet模型进行优化,进而提出了一种激活主成分分析-最大池化-支持向量回归(Activated PCANet with max pooling and support vector regression, APCANet-MP-SVR)模型,用于自适应提取敏感特征并准确预测刀具磨损情况。首先引入tanh激活函数,提高模型泛化能力;再采用最大池化层替代哈希编码和直方图用于特征选择,进一步降低冗余特征规模;最后建立支持向量回归模型实时预测刀具磨损值。应用案例充分证明了所提模型能够更好地用于加工现场刀具磨损值预测。     

基于模糊聚类和改进Densenet网络的小样本轴承故障诊断

针对实际中轴承的故障数据少难以满足深度学习数据大量训练模型的要求,利用卷积神经网络的微小特征提取优势和模糊聚类不需要训练即可完成分类的特点,提出了一种基于模糊聚类和改进Densenet网络的小样本轴承故障诊断方法。首先将预训练微调的Densenet网络去掉分类只保留特征提取层,设计一个维度自适应全局均值池化层(GAP)代替全连接层(FC),其次利用模糊聚类代替Densenet网络的softmax分类层,不需要训练即可完成分类。实验结果表明：该算法利用小样本数据训练网络中的GAP参数,模型需要的训练样本大大减少,诊断时将轴承时域图像输入到网络中,在GAP层输出1 920个特征数据,不同故障状态的特征数据构建特征向量矩阵,利用模糊聚类方法求得模糊相似矩阵和模糊等价矩阵,当置信因子从大到小变化时,由对应布尔矩阵得到动态聚类图,从而实现轴承故障分类。