不确定环境下回收发动机拆卸调度方法

针对再制造系统中回收发动机的不确定因素,研究面向再制造拆卸的调度问题。首先为了减少再制造拆解过程中不确定因素的影响,采用模糊综合评价法进行了回收质量等级划分;然后采用双重模糊变量描述了回收发动机质量状况差异及拆解时间的不确定性,建立了基于双重模糊机会约束的再制造拆解车间生产调度问题模型;应用双重模糊模拟技术产生输入和输出数据,利用神经网络逼近模型的不确定函数,将训练后的神经网络嵌入遗传算法求出优化结果。通过仿真实例验证了该混合智能优化算法解决双重不确定拆卸调度问题的有效性和合理性。     

基于模糊-灰色聚类的油纸绝缘状态综合诊断

变压器油纸绝缘系统在不同测试方法下会得出不同老化特征量,复杂的绝缘状态全面评估存在着一些模糊与不确定问题。因此,建立基于模糊-灰色聚类和组合赋权法的变压器油纸绝缘状态评估模型。首先,建立了多个测试方法下的老化指标评估综合层次图,以层次图为基础,由收集到的变压器绝缘老化指标数据,借助于模糊C-均值聚类(FCM)算法,确定了4级油纸绝缘状态评估老化指标标准状态向量表,同时确定了白化函数阀值;接着,通过主客观意义的组合赋权法给老化特征量赋权,合理地计算出灰色聚类系数;然后,以一级灰色聚类系数作为二级模糊综合评价的隶属度矩阵,搭建出油纸绝缘状态全面评估模型;最后,通过实例验证了新评估方法的有效性与准确性,具有良好的应用前景。     

基于模糊机会约束规划的再制造装配车间调度优化方法

针对再制造零部件质量的不确定性导致工位装配时间波动范围大和调度模型难以准确描述的问题,采用基于可信性测度的模糊变量表示再制造零部件的装配时间,建立基于置信水平下的模糊机会约束规划调度模型,并提出求解该模型的混合智能优化算法：应用模糊模拟技术产生样本数据;利用反向传播算法训练多层前向神经网络逼近不确定函数;将训练后的神经网络与遗传算法相结合,以优化再制造装配车间调度问题。实例验证了该模型和算法的可行性。     

不确定环境下再制造加工车间生产调度优化方法

针对再制造加工车间工况兼具随机性与模糊性,采用模糊随机变量表示废旧件加工时间,以描述再制造加工车间工况的双重不确定性;在不确定理论的基础上,建立基于模糊随机机会约束的再制造加工车间生产调度问题模型,并提出求解该问题混合智能优化算法:基于Arena仿真平台应用模糊随机模拟技术产生输入和输出数据,利用粒子群优化算法训练径向基函数神经网络以逼近不确定函数,将训练好的神经网络嵌入至遗传算法中优化再制造加工车间生产调度问题;通过仿真实例验证该混合智能优化算法解决加工时间为模糊随机变量的不确定环境下再制造加工车间生产调度问题的有效性和合理性。     

模糊资源约束的联合补充问题

针对不确定环境下的多产品联合补充问题,用三角模糊数表示不确定的资源约束,建立了模糊规划模型,目标函数为最小化订货成本和库存持有成本,决策变量为基本补充周期和每种产品的补充周期.用遗传算法对模型进行求解,以模糊规划模型的目标函数值作为染色体的适应度,阐述了染色体编码、选择、交叉、变异等遗传操作.最后,给出了仿真数值实例,比较了模糊资源约束模型和确定资源约束模型对1 600个随机生成问题的计算结果.     

基于灰色关联和模糊聚类的机床温度测点优化

针对机床热误差补偿技术中温度测点优化选择的问题,提出采用基于灰色关联分析和模糊聚类分析相结合的方法对机床温度测点进行优化选择。采用灰色关联分析法计算温度变量与主轴热误差之间的相关系数,并据此优选温度变量,采用模糊聚类分析法对所选择的温度变量进行聚类,确定关键温度变量,结合关键温度变量建立热误差线性回归模型。在精密卧式加工中心MCH63上对该方法进行了试验验证,结果表明,温度测点的数量由29个减少到6个,机床轴向热误差由41.3μm减小到7.6μm。     

基于灰色预测补偿的模糊PID在电液伺服系统中的应用研究

针对液压伺服系统中存在的时变、不确定性及外界未知干扰等影响,提出了灰色预测补偿模糊PID控制方法.该控制方法是利用少数据、贫信息进行灰色预测补偿建模和预测,对系统不确定部分及外界干扰给与一定程度的估计补偿,并结合模糊规则在线调节PID参数,使系统的控制参数达到优化,克服了系统不确定部分和外界未知干扰的影响.仿真结果表明,灰色预测补偿模糊PID控制可使系统性能得到提高.     

不确定环境下跨国供应链生产计划研究

介绍了跨国供应链生产计划研究与不确定规划论在供应链计划研究中的应用;提出了包含模糊需求与随机生产能力的跨国供应链计划模型,模型中将运输成本分配因子与转让价格作为决策变量,根据随机机会约束规划等价类理论,将模型转化为模糊机会约束规划模型,并利用遗传算法与模糊模拟技术相结合的混合算法设计了模型的求解方案;最后,通过数据仿真说明了模型的有效性与适用性。     

基于灰色马尔可夫误差反推模型的输电电缆绝缘状态预测

针对单独运用灰色理论或者马尔可夫理论进行状态预测需要大量的数据,且存在精确度不高的问题,提出了基于灰色马尔可夫误差反推模型的绝缘状态参数准确预测的方法,结合模糊隶属函数和证据合成算法计算了电缆的绝缘状态,运用灰色理论预测了电缆绝缘状态在线监测数据的未来数据,计算了该预测值与原始数据之间的相对误差,基于该相对误差,采用马尔可夫误差模型推算了未来某一时刻灰色预测值与原始数据之间的误差,通过误差公式反推得到了准确的绝缘状态预测数据;同时运用证据合成算法和模糊隶属函数对电缆绝缘状态进行了计算;通过某条110 k V交联聚乙烯单芯电缆的绝缘数据验证了所提出模型的有效性,将模型与传统方法进行了对比。研究结果表明:该模型对数据量需求不大,具有比其他方法更加精确的预测结果。     

快速运动模糊图像盲解卷积算法

针对快速运动形成的图像模糊,提出了一种运动模糊图像盲解卷积算法.首先,对被噪声污染的频谱图像进行脊波增强;然后,采用一种新的基于Radon变换的鲁棒算法来确定模糊核函数,该算法在小模糊长度和低信噪比的条件下仍能准确地估计模糊核参数;确定模糊核函数后,采用基于hyper-laplacian先验的快速非盲解卷积算法来恢复模糊图像.实验结果证明,与基于机器学习的R.Fergus的算法相比较,本文算法在获得相近效果的前提下,计算时间从近30 min下降到40 s左右.该算法对合成运动模糊图像和实际相机运动的自然模糊图像都具有较好的恢复效果.