面向维修的备件共享服务及配置优化

备件的共享服务及配置优化水平对装备维护水平起着关键作用.针对现有备件管理在服务能力和配置优化方面存在的不足,提出基于维修BOM的备件共享服务方法,在备件库存确定的情况下,实现了备件利用率和精准服务能力的提升;提出基于备件BOM的串联系统备件配置优化方法,实现以系统备件满足率和保障任务时长为约束、以备件配置成本最小为目标...     

基于DSP的串并联谐振逆变器研究

针对串并联谐振拓扑电路结构的特点,用PSPICE软件仿真了电路在容性负载和感性负载时开关管续流值的大小,通过仿真可知,改变谐振电路的参数能够减小开关管的续流,提高功率因数,进而减少了开关压力和电磁干扰,为负载提供了一个稳定的、高品质的高频交流电,利用DSP芯片做试验验证了该方法的正确性.     

攀钢进口设备备件的管理探讨

分析了攀钢进口设备备件管理中存在的问题及其产生原因 ,介绍了控制库存备件上涨的有效措施及取得的初步成效     

备件需求量的灰色理论预测法

设备效能能否正常发挥,维护方式的建立与备件能否正常供应是关键所在.因此运用科学的方法强化预测的功能,方能提升备件的精准度并有效降低成本.传统的预测方法需要大量的观察值,才能进行预测,而灰色预测法的特点是使用少量数据,即可顺利进行预测.运用灰色理论建立关于备件需求量的灰色预测模型,并进行了实例验证,计算结果表明,预测模型的计算值与实际值非常近似,模型的预测结果较为理想,可提供备件需求作业思考空间,以减少待料、呆料情况的发生.     

四自由度串并联机器人的位姿误差分析

介绍四自由度垂直移动关节与回转关节组合式串并联机器人的机构特点和机器人位姿误差分析的"小位移摄动法",利用该方法建立该构型机器人的位姿误差分析模型,通过仿真实验分析机器人广义坐标偏差和结构偏差对机器人末端位置误差的影响。仿真结果表明角度误差对机器人末端位置误差的影响较大,结构误差对机器人末端位姿误差的影响不大,证实该位姿误差模型的正确性,为机器人的位置误差补偿及精度优化设计提供参考。     

备件动态管理系统的设计应用

简述了安阳钢铁股份公司第四轧钢厂设计应用的备件动态管理系统的硬软件配置及相应的功能,对比传统的备件管理模式显示了其先进性和经济性。经数年运行实践证明,该系统稳定可靠,各项功能满足用户需求。     

基于混合算法的典型调度问题求解研究

文章介绍了粒子群优化的搜索策略与基本算法,然后通过相关的位置和速度定义,构造一种特殊的粒子群优化算法,并将该算法与遗传算法结合,提出用于求解典型调度问题的混合算法.实验表明了该混合算法在求解调度问题的可行性及其优越性.     

一种4-DOF串并联机器人控制系统的设计

文中针对4-DOF串并联机器人试验样机的研制,基于运动副分析,介绍了其主体结构3-7R并联解耦机构的构型,进行了运动学分析;并基于动平台的位置控制,选用了CUSNUC2100数控系统作为机器人控制系统的硬件平台,建立了系统的控制结构和机器人控制轨迹的计算模式图。该系统控制结构简单,成本低,柔性较好,经调试可以获得较高的运动精度。这对商用数控系统在机器人控制中的应用是一次有益的尝试。也是后续机器人控制和标定研究的基础。     

求解大规模生产排程问题的一种快捷算法

生产排程是一类复杂而困难的系统性问题，但其对多品种小批量企业的生产效率以及经济效益的提高有着至关重要的作用。文章针对生产排程时效性差的算法瓶颈，设计了一套基于交货期的快捷排程算法。算法的基本思想是将加工任务先分配到具体的设备上，然后根据任务的加工时间为每个设备提供一个排程方案。该算法体系包括绝对最优方案确定、任务分配、依次排队、二次排程和条件汇报5个模块，其中依次排队是该算法的核心。该算法具有寻优合理、速度快等优点，但同时也有只适宜以交货期为目标的缺点。     

改进果蝇算法求解零空闲流水车间调度问题北大核心

针对传统果蝇算法在求解零空闲流水车间调度问题时,存在精度及稳定性较差的问题,提出了一种改进果蝇优化算法用以求解该类问题。该方法以最大完工时间最小化为优化目标,在传统果蝇算法的基础上,建立了多种群中心搜索模式,改进嗅觉搜索方式,引入破坏重建、插入领域局部搜索;并将免疫算法激励度引入果蝇视觉觅食阶段;最后通过测试案例,验证了该改进算法的有效性。结果显示该算法不仅能有效提高全局寻优效果,而且具有较好的稳定性,为求解零空闲流水车间问题提出了一种新方法。     

蚁群算法在中厚板液压伺服系统中的应用研究

为解决在环境及负载扰动影响下,中厚板液压位置伺服系统采用常规控制方式很难取得理想效果的问题,首先为便于分析研究,根据中厚板液压系统各环节的机制特性,分别建立了位移传感器、伺服放大器、伺服阀、液压缸及轧辊组合等环节的数学模型.然后在对性能优良的离散蚁群算法改进基础上,通过多层次异构搜索机制对解空间精细搜索,得到可用于连续域寻优的多层蚁群算法.并将改进算法应用到液压位置伺服系统中,根据系统性能指标对控制器进行智能优化.仿真结果表明,采用多层蚁群优化算法的液压位置伺服系统收敛速度明显加快,适应能力与鲁棒性也要好于常规控制方式.     

元胞蚁群路径规划方法

元胞自动机是一种适合复杂大系统模拟的工具,其时间、空间和状态都离散;蚁群算法是模拟生物中蚂蚁群体觅食的过程的一种群智能算法.建立了以元胞自动机为系统框架和以蚁群算法为运行核心的离散模型用于求解机器人路径规划.通过仿真程序得到了路径状态解和收敛速度.试验显示将蚁群算法用元胞自动机来构建的方法是可行的.     

基于蚁群算法的混合品种装配线平衡问题研究

混合品种装配线平衡问题是一种典型的NP-Hard组合优化问题,文章采用蚁群算法,在给定工作节拍的条件下,以最小化工作站数为优化目标,采用启发式方法构造分配方案的生成策略,并且采用局部更新的信息素更新规则,达到提高装配线平衡率的目的.通过组合优先顺序图,将混合品种装配线平衡问题转变成单一品种装配线平衡问题进行求解.最后,通过实例验证了该算法的有效性.装配线平衡后,保持了生产线的柔性,同时提高了设备和人员的利用率.     

基于混合蚁群算法的AGV路径规划

针对传统蚁群算法在求解自动导引运输车(Automated Guided Vehicle,AGV)路径规划时存在搜索效率低且易陷入局部最优的问题,提出了一种运用于AGV路径规划的混合蚁群算法.首先,利用可视图法建立研究问题的环境模型,在此基础上利用A?算法规划出一条较优路径作为初始路径;其次,对蚁群算法信息素更新方式以及...     

自适应蚁群算法在Job Shop调度问题中的研究

研究了Job Shop调度问题,分析了蚁群算法(ACA)与最大最小蚁群系统(MMAS)算法在解决Job Shop调度问题中的不足,提出了一种解决Job Shop调度问题的自适应蚁群算法(SACA)。此算法根据蚂蚁群体寻找路径的阶段性,使用了参数在各阶段自适应变化的策略和关键工序块邻域搜索策略,加快了蚁群算法的收敛速度,避免了早熟现象和陷入局部最优调度解,提高了蚁群算法的灵活性和鲁棒性。通过仿真实验验证了自适应蚁群算法在解决Job Shop调度问题中的性能优于蚁群算法和MMAS算法。     

基于改进多步长蚁群算法的机器人路径规划

针对移动机器人路径规划时蚁群算法稳定性不足且易陷入局部极值的问题,提出一种改进多步长蚁群算法,改进了基本蚁群算法中只能单步位移且方向固定的移动模式,从而减少路径的转向次数且缩短路径长度。针对移动机器人实际工作时可能遇到的环境坡度大的情形,在启发函数中加入高度因素,提升算法环境适应能力。采用自适应挥发机制,加快算法收敛速度及效率。结果表明：在具有变化高度的环境中,与基本蚁群算法相比,改进多步长蚁群算法规划出的路径更平缓且距离更短,更适合移动机器人工作情景。     

基于改进蚁群算法的打磨机器人路径规划北大核心

针对打磨机器人在复杂空间中路径规划时存在收敛速度慢、容易陷入局部最优等问题,提出一种基于改进蚁群算法的打磨机器人路径规划方法。建立打磨机器人D-H连杆模型,进行正逆运动学分析以及计算验证;提出一种改进的信息素更新方法,将新的自适应计算方法应用于状态转移规则,并通过引入阻尼系数ξ改进启发式信息函数;在MATLAB中进行模拟仿真实验,得到改进蚁群算法最佳参数组合。结果表明:相对于基本蚁群算法,所提出的改进蚁群算法从起点到终点的最短路径长度平均减少14.3%,迭代次数平均减少55.3%;结合打磨机器人刀具位置等特点,可以获得路径长度最短且平滑的运动曲线。所提方法可有效解决打磨机器人三维路径规划问题。     

基于改进蚁群算法的多机器人任务分配

研究了多机器人系统的任务分配方法,多机器人多任务分配是一个NP问题.针对多机器人系统在动态环境下自主任务分配问题,综合考虑任务约束及机器人的执行任务能力,采用了一种改进的蚁群算法,解决多机器人系统全局最优任务分配问题.通过对基本蚁群算法和改进的算法的仿真,验证了改进的算法实现了全局近似最优的任务分配.     

基于改进蚁群算法的单神经元PID控制在数控精校机电液伺服系统中的应用

数控精校机电液伺服系统是一个参数变化比较大的非线性系统,常规的PID控制效果难以让人满意.采用单神经元PID控制器,在线调整权值,增强了对非线性系统的调节控制功能,然而参数的选择非常重要.文章提出一种改进的连续蚁群算法,用于优化单神经元PID控制器的参数,并用于精校机电液伺服系统,通过MATLAB仿真结果可得系统的阶跃响应,证明该算法比一般的蚁群算法精度更高,收敛更快,同时体现了该蚁群算法在实际应用中的实用性.     

基于蚁群算法与神经网络的机械故障诊断方法

为解决柴油机故障诊断这一复杂问题,提出了一种基于智能互补融合的智能诊断方法.采用蚁群算法(ACA)对反映运行工况的特征参数进行属性约简,剔除不必要的属性.根据约简结果,建立了基于径向基函数(RBF)神经网络的故障诊断系统.网络的训练对比结果表明,基于蚁群算法的约简处理简化了输入神经网络的数据维数,提高了网络的训练效率和故障分类准确性.