基于改进灰狼优化算法的自动化立体仓库作业能量优化调度

针对带有截止时间约束的自动化立体仓库出入库作业调度问题,以调度过程中堆垛机能量消耗为优化目标建立数学模型,并引入相应的惩罚函数。对于入库货物,同时考虑定位存储和随机存储两种入库策略,采用一种最近邻货位选择策略对随机存储货物进行合理货位分配。采用一种改进灰狼优化算法对问题进行求解,算法通过引入融合Lévy飞行的混合个体更新策略和多种群重组策略来增强算法的搜索能力。通过仿真实验验证了改进灰狼优化算法在求解自动化立体仓库出入库作业能量优化调度问题的有效性。     

基于Gabor能量空间的尺度不变兴趣点检测方法

兴趣点检测是中层视觉感知过程的关键步骤,也是众多机器视觉系统的重要组成部分.此前的大多数兴趣点检测子都是针对特殊的二维图像结构设计的,比如角点、交叉点、端点等,所以对与其差别较大的特征不能检测.采用在Gabor能量空间中迭代搜索的方法,本文提出了一种尺度不变兴趣点检测子.基于结构不同的二维图像特征在相频域中表现相似的特点,该检测子能检测大多数特征.首先,基于Gabor滤波器响应获得一系列能量图像,通过极值点检测得到候选兴趣点;其次,使用一种迭代方法同时选择特征尺度与精确定位特征点位置;最后为了提高算法的实时性,采用了一种递推方法加速能量图像的计算过程.实验结果表明相对于其它检测子,本文提出的方法具有更广泛的适应性,并且在旋转、尺度、光照等变化下具有良好的稳定性.     

2017年度机械工程学科国家自然科学基金管理工作综述

介绍了国家自然科学基金委员会（以下简称“基金委”）工程与材料科学部工程科学二处（机械工程学科）2017年度科学基金项目的申请、评审及资助情况以及2016年度科学基金项目的结题、进展情况,总结了项目执行过程中存在的问题,回顾了学科在学术交流与合作、人才培养、团队建设和项目布局等方面的管理举措,列举了2017年度本学科资助下我国机械工程领域取得的最新进展和典型成果。     

未知环境下基于行为的机器人模糊路径规划方法

针对非结构化环境下的多关节机器人实时避障问题,应用基于模糊逻辑方法,提出了一种新的未知环境下基于行为的机器人实时路径规划方法。敏感皮肤被用来探测机器人周围的障碍物。规划方法包括接近目标和绕过障碍两个行为。机器人根据周围环境的信息选择合适的行为,从而实现机器人路径规划的目标。由于应用了模糊控制,使方法具有较好的实时性,可以应用到存在未知障碍物的机器人在线运动规划中。仿真环境中存在多种类型的未知障碍物,机器人均在算法的控制下到达了目标位姿,证实了算法的有效性。     

带等待时间约束并行机调度问题的Copula分布估计算法

本文针对一类带等待时间约束的不相关并行机调度问题,提出了一种基于Copula函数的分布估计算法.该算法以同类订单工件数与总工件数的比值为变量,对每台机器构造了一个Copula函数,进而建立了优势种群的概率模型.基于概率模型通过采样生成子代个体编码向量组,保留了父代种群的相对位置信息.从理论上分析了所提出算法的时间复杂度,其随工件个数的增加呈对数增长.通过基于实例的数值仿真以及与已有算法的比较验证了所提算法的有效性和鲁棒性.     

面向城市交通网络的一种新型动态路径寻优方法

 针对静态路径寻优方法中没有考虑到交通流随时间变化的问题,本文提出一种基于交通流量预测的路径寻优方法.首先,从实际交通路网本身的特点和人类对路网的认识出发,构建以"道路"为基本元素的新型路网模型;其次,采用基于单变量时间序列的预测方法对路网上各路段未来一段时间内的道路交通流量进行预测,并根据预测结果估计出行者在未来时段各路段上的交通代价;再次,通过估计的交通代价把车辆从起点到该路段时间内的道路交通变化状况融入改进A^*算法的路径搜索过程,从而建立一种高效的动态改进A^*路径搜索算法;最后,实例表明预测交通流量与实际交通流量具有很好的拟合度,路径搜索结果能够对出行者起到诱导作用,提高出行者行驶效率.     

未知环境下机器人实时模糊路径规划方法

针对三自由度工业机器人,提出了一种未知环境下的机器人模糊路径实时规划方法．算法由几个各自独立控制的关节模糊单元组成．每个单元综合了附近障碍物排斥作用和关节目标的吸引作用,控制关节到达目标角度．仿真结果证实了算法的有效性．     

基于改进自适应模糊推理系统的半导体制造系统瓶颈设备预测方法(英文)

Semiconductor manufacturing (SM) system is one of the most complicated hybrid processes involved continuously variable dynamical systems and discrete event dynamical systems. The optimization and scheduling of semiconductor fabrication has long been a hot research direction in automation. Bottleneck is the key factor to a SM system, which seriously influences the throughput rate, cycle time, time-delivery rate, etc. Efficient prediction for the bottleneck of a SM system provides the best support for the consequent scheduling. Because categorical data (product types, releasing strategies) and numerical data (work in process, processing time, utilization rate, buffer length, etc.) have significant effect on bottleneck, an improved adaptive network-based fuzzy inference system (ANFIS) was adopted in this study to predict bottleneck since conventional neural network-based methods accommodate only numerical inputs. In this improved ANFIS, the contribution of categorical inputs to firing strength is reflected through a transformation matrix. In order to tackle high-dimensional inputs, reduce the number of fuzzy rules and obtain high prediction accuracy, a fuzzy c-means method combining binary tree linear division method was applied to identify the initial structure of fuzzy inference system. According to the experimental results, the main-bottleneck and sub-bottleneck of SM system can be predicted accurately with the proposed method.     

矿井瓦斯单片机监控系统

设计的单片机瓦斯监控系统 ,实现对井下瓦斯浓度的实时控制。具备结构简单、成本低、可靠性高、控制能力强等特点。     

传感器在多关节机器人系统实时避障中的应用

评述近几年来在多关节机器人系统实时避障中传感器技术的应用，详细介绍了传 感器的选择及多传感器信息融合技术，并指出这一领域中值得进一步研究的一些问题和可能 的发展方向．