基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

[车间调度]求解带有阻塞限制的HFSP的MILP模型与改进回溯搜索算法

针对带有阻塞限制的不相关并行机混合流水车间调度问题,以最小化最长完工时间为目标,依据不同的建模思想,建立了求解该问题的4个混合整数线性规划(MILP)模型;鉴于混合整数线性规划不适合求解中大规模问题,提出了一种改进的回溯搜索算法以求解中大规模问题,在该算法中,引入了轮盘赌选择策略以及变邻域搜索算法,以提高算法的收敛速度以及局部搜索能力。最后,对所提MILP模型以及算法进行了对比分析,通过对具体实例的求解验证了所提MILP模型以及算法的有效性及优越性。     

基于深度强化学习的非置换流水车间调度问题

针对传统调度算法不能有效利用历史数据进行学习,实时性较差而难以应对复杂多变的实际生产调度环境等问题,首次提出一种基于时序差分法的深度强化学习算法.该方法综合神经网络和强化学习实时性、灵活性的优势,直接依据输入的加工状态进行行为策略选取,更贴近实际订单响应式生产制造系统的调度决策过程.通过将调度问题转化为多阶段决策问题,用深度神经网络模型拟合状态值函数,把制造系统加工状态特征数据输入模型,采用时序差分法训练模型,把启发式算法或分配规则作为调度决策候选行为,结合强化学习在线评价—执行机制,从而为每次调度决策选取最优组合行为策略.在非置换流水车间标准问题集上的测试结果表明,该算法能够取得低于实例上界的较优解.     

斗式提升机安装图CAD软件的开发

本文详细介绍了斗式提升机安装图ＣＡＤ软件的开发过程，包括软，硬件环境的选择，开发方法的选择以及用户界面及数据的处理方法。为同类软件的开发提供了一个完整和思维方式和解决问题的方法。     

一种新调度类型及其在作业车间调度中的应用

研究改进遗传算法解决作业车间调度问题,问题染色体的编码采用基于工序的编码.针对传统的调度类型的局限性,提出全主动调度及其基于工序编码的产生机制.为了克服传统遗传算法求解调度问题易于早熟收敛的缺点,设计基于优先工序交叉(Precedence operation crossover,POX)和改进子代产生模式的遗传算法.用改进的遗传算法求解传统调度问题、交货期调度问题和提前/拖期(Earliness/Tardiness, E/T)调度问题,研究半主动、主动和全主动三种不同的调度解码机制对遗传算法提供解质量的影响.     

一种求解Job-shop调度问题的遗传局部搜索算法

利用遗传局部搜索算法求解了作业车间调度问题，遗传算法中的染色体编码采用基于工序的编码，并用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点，设计了一种改进的优先操作交叉IPOX操作和子代产生模式的遗传算法。对于遗传算法每个染色体个体，使用基于N6邻域结构的局部搜索进一步使它们得到改善。利用所提出的混合遗传算法求解基准问题，验证了算法的有效性。     

斗式提升机安装图CAD软件的开发

本文详细介绍了斗式提升机安装图CAD软件的开发过程，包括软、硬件环境的选择，开发方法的选择以及用户界面及数据的处理方法。为同类型软件的开发提供了一个完整的思维方式和解决问题的方法。     

基于能量流和仿真的压铸机能耗建模与评估北大核心

针对压铸机能耗高、能量利用率低的问题,提出一种基于能量流和仿真的压铸机能耗模型,研究压铸机能耗特性与重要工艺参数对系统能耗的影响;针对压铸机能耗等级评估周期长、成本高的问题,提出一种基于能耗模型仿真测算压铸机能耗等级的新方法。分析压铸机的能量流特性,根据其能耗分布规律和能量守恒原理,构建压铸机能耗计算模型;采用AMESim与C语言联合仿真,建立压铸机液压系统能耗仿真模型,研究压铸机不同增压压力与不同快压射速度对系统能耗的影响;仿真得出压铸机能耗数据,并按相关标准评估压铸机的能效等级。研究结果显示合开模过程能效较高,有用功约占总能耗的50%;压射过程能效较低,有用功约占总能耗的21%,快速压射阶段瞬时功率非常高;增压压力与快速压射速度变化均对压射机构能耗影响较小;仿真测算出的压铸机能效等级与实测结果接近,比能耗误差为8%,显示提出模型与方法具有较好的准确性与可行性。     

基于元胞粒子群算法的数控切削参数优化

针对数控切削参数优化问题的非线性和多约束性质,采用一种元胞粒子群算法(CPSO)进行优化。在基本粒子群算法(PSO)思想的基础上,引入邻居的概念,以搜索解空间的局部信息,并将粒子的信息交流范围扩展到种群外部,从而能搜索到更有希望的解空间;在罚函数机制的基础上,引入标志变量记录粒子是否曾经满足过所有约束条件,根据标志变量进行粒子个体极值与种群全局极值的更新。通过比较CPSO算法与其他算法取得的结果,验证该算法解决数控切削参数优化问题的有效性和优越性。