起重机吊重智能防摇CAN控制系统的设计

基于CAN总线控制的特点和优点，设计了起重机吊重的智能防摇CAN控制系统，各传感器采集数据以CAN总线形式发送给主控DSP，主控DSP做出防摇和衰减摆幅的智能决策。吊重摆角的测量是防摇控制系统的关键和难点，文中给出了有效的测量方法。     

采用张家洼磁铁精矿取代部分进口赤铁矿粉烧结的试验研究

对宝钢烧结生产添加0～25%的张家洼磁铁精矿的四种配矿方案进行了焦粉用量、混合料水分、返矿用量及点火保温时间等单因素试验和综合适宜条件的研究。试验表明:以张家洼磁铁精矿取代部分进口赤铁矿进行烧结在技术上是可行的,经济上是合理的。     

基于改进蚁群算法的车辆路径仿真研究

针对基本蚁群算法收敛速度慢、易陷于局部最优等缺陷,提出了一种改进蚁群算法.通过车辆的满载率调整搜索路径上的启发信息强度变化,对有效路径采取信息素的局部更新和全局更新策略,并对子可行解进行3-opt优化,在实现局部最优的基础上保证可行解的全局最优.通过对22城市车辆路径实例的仿真,仿真结果表明,改进型算法性能更优,同基本蚁群相比该算法的收敛速度提高近50%,效果显著,该算法能在更短时间内求得大规模车辆路径问题满意最优解,说明其具有较好的收敛速度和稳定性.     

基于改进免疫遗传算法的桥式起重机主梁优化

提出了一种改进的免疫遗传算法，该算法突出了免疫系统中抗体免疫遗传进化思想，模拟抗体之间的促进和抑制反应，利用抗原与抗体的相似度和适应度描述可行解与最优解的逼近程度，实现系统对环境的自适应，并将该方法应用于桥式起重机主梁的可靠性优化计算，通过与其他优化方法对比，大大降低了主梁的自重，为企业节约了生产成本。     

铁路集装箱中心站最佳通道数设计问题研究

铁路集装箱中心站大门通道数量优化设计问题,直接关系到整个系统的运作效率,传统的研究多采用数学建模方法,而基于运作成本角度的系统细节忽略较多,造成系统不全面。根据排队系统理论(M/M/1和M/M/S),分析了铁路集装箱中心站大门集装箱卡车服务规则与到达时间分布,考虑排队等待时间,建立基于随机服务系统(排队论)的铁路集装箱中心站大门最佳通道数计算仿真模型,并利用eM-Plant仿真软件系统对模型的实体、事件、活动和进程四个要素进行仿真。通过一个算例仿真了系统运行情况,分析了不同数量通道数对中心站运作成本的影响。仿真结果表明,可为铁路集装箱中心站大门通道数优化设计提供理论依据。     

铁路集装箱中心站装卸设备优化调度研究

为了提高铁路集装箱中心站的作业效率,研究了带有干涉约束的轨道式门式起重机(轨道吊)调度问题,为其建立了混合整数规划模型。分析了轨道吊调度问题的作业特点,提出了一种求解该问题的改进遗传算法。在以最小化最大装卸作业时间和均衡设备负荷为目标的情况下,设计了合理的交叉算子和对局部最优个体操作的变异算子。使用随机算例对算法进行测试,结果表明:该算法能在极短的时间内找到此类调度问题的最优或近似最优解。     

多层螺旋卷绕过渡块设计方法

起重机卷筒采用螺旋槽进行多层卷绕时,很容易发生咬绳现象,造成钢丝绳严重磨损。采用双层螺旋卷绕过渡块设计方法可避免咬绳和乱扣现象的发生。通过跟以往经验公式对比,取得良好的效果。     

混合遗传算法在桥式起重机结构优化中的应用

针对工程中的变量离散化问题，提出了一种将遗传算法和模拟退火算法相结合的混合算法。该算法发挥了遗传算法和模拟退火算法的优越性，避免了遗传算法的早熟收敛问题，增强了算法的全局收敛性，并提高了算法的收敛速度。通过对桥式起重机金属结构进行优化，其结果与MDOD和改进遗传算法2种的结果进行比较，表明此算法能够很好处理工程离散化问题。     

基于end-to-end深度强化学习的多车场车辆路径优化

为提高多车场车辆路径问题（multi-depot vehicle routing problem,MDVRP）的求解效率,提出了端到端的深度强化学习框架。首先,将MDVRP建模为马尔可夫决策过程（Markov decision process,MDP）,包括对其状态、动作、收益的定义;同时,提出了改进图注意力网络（graph attention network,GAT）作为编码器对MDVRP的图表示进行特征嵌入编码,设计了基于Transformer的解码器;采用改进REINFORCE算法来训练该模型,该模型不受图的大小约束,即其一旦完成训练,就可用于求解任意车场和客户数量的算例问题。最后,通过随机生成的算例和公开的标准算例验证了所提出框架的可行性和有效性,即使在求解客户节点数为100的MDVRP上,经训练的模型平均仅需2 ms即可得到与现有方法相比更具优势的解。