一种基于混沌神经网络的作业车间调度算法

采用基于退火策略的混沌神经网络求解作业车间调度问题(JSP).通过在Hopfield神经网络(HNN)中引入混沌机制,并结合退火策略控制混沌动态,有效避免了传统HNN极易陷入局部极小的缺陷;同时改进了表示JSP的换位矩阵,给出了包含目标函数的能量函数,保证了网络的稳态输出为全局可行解.与基于模拟退火的HNN和暂态混沌神经网络算法比较表明,该算法在收敛速度和求解准确性上有了很大改进.     

基于递阶优化的电器装配线作业调度研究和应用

针对电器装配车间的特点,将装配线的作业调度分为车间管理决策层和车间装配单元执行层,建立了基于递阶优化理论的装配线作业调度模型.模型上层为车间管理层,以控制成本最低为决策目标;下层为N个平行的装配单元,以在满足车间层设备能力和资源配置约束的基础上,以完工时间最短为目标进行优化.并引入遗传算法对模型进行求解,通过实例验证了该模型的有效性和可行性,解决了车间管理层与车间层之间成本和能力利用平衡问题,实现了电器装配车间作业调度的自动化与优化.     

基于带精英策略的NSGA-Ⅱ遗传算法的车间作业调度研究

研究了带精英策略的非劣前沿分级遗传算法，优化了算法终止条件。针对多目标车间作业调度优化无法找到唯一最优解的问题，提出了基于带精英策略的非劣前沿分级遗传算法的多目标车间作业调度的优化策略和实现方案。仿真结果表明，基于带精英策略的非劣前沿分级遗传算法是求解多目标车间作业调度问题的有效算法。     

基于离散多元宇宙算法的柔性作业车间调度北大核心

针对柔性作业车间调度问题计算复杂度高,求解困难的难题,提出了一种离散多元宇宙优化算法。首先,建立起以最大完工时间为目标的柔性作业车间调度模型,使用两段式整数编码和贪婪插入解码建立算法与调度问题之间的联系;其次,设计宇宙种群初始化方法,以确保初始调度解的质量和多样性;然后,在基本多元宇宙算法的基础上,设计新的白洞选择,黑洞白洞传输和向最优宇宙移动机制,提高了算法求解柔性作业车间调度问题的性能。通过基准算例与其他智能算法比较,实验表明,所提算法可以有效的求解柔性作业车间调度问题。     

基于自适应遗传算法的模具制造动态调度研究

模具生产工艺复杂,生产过程动态多变,为有效求解模具制造动态调度问题,设计动态调度算法。文章首先建立简化模具企业车间作业调度问题模型,利用自适应遗传算法确定模具各工件各工序的加工方案。其次,考虑模具生产中的不确定因素,提出了局部更新和全局更新相结合的、基于滚动窗口技术的动态调度方法。最后,将算法用于求解实际模具企业车间作业调度问题,结果表明,该算法通用性强,可行性高。     

基于遗传算法的柔性作业车间调度优化

针对经典作业车间调度问题的局限性,结合实际生产情况,提出了具有路径柔性的作业车间调度模型,给出了求解模型的遗传算法的具体实现过程.针对模型的特殊性,提出了染色体两层编码结构,将AOV、AOE网络图分别应用到解码和适应度函数的计算中,并给出了相应的选择、交叉、变异操作设计.最后通过一个8×6调度问题的测试例子,表明了此算法的有效性.     

柔性作业车间鲁棒调度与预防性维护集成优化

对柔性作业车间生产过程中预防性维护难以有效避免机器故障的发生,并且还存在各种无法预测的随机事件的问题进行了研究。为了有效应对这种情况,提出了多目标柔性作业车间鲁棒性调度与预防性维护的集成优化模型和在空闲时间进行预防性维护的策略,同时优化加工周期、机器可用性和调度方案的鲁棒性。应用多目标遗传算法NRGA对模型求解,并针对柔性作业车间调度问题的特点,采用三层编码方法。采用有效的交叉和变异操作避免产生非法解。最后通过模拟随机事件的发生进行仿真实验,结果表明提出的模型、维护策略和求解算法能够有效地提高生产效率、维护机器可用性、避免实际调度性能的恶化。     

考虑低碳的柔性作业车间调度问题研究

针对面向绿色制造的车间调度问题,将低碳因素作为影响因子考虑到模型中,构建低碳生产下的多目标柔性作业车间调度模型,并提出改进的免疫遗传算法求解模型。算法改进初始种群的形成机制,以提高收敛速度和改善求解质量,采用合理的选择策略机制、交叉和变异方式,结合记忆库设计熵值移除法筛选Pareto解集,以提高算法的搜索能力和避免算法陷入早熟。运用MATLAB编程运算实例,实验结果表明,该方法能够有效地解决了绿色制造中低碳的多目标调度优化问题。     

改进蚁群算法的柔性作业车间调度问题研究北大核心

为提高传统蚁群算法求解柔性作业车间调度问题的效率,提出了一种改进蚁群算法。首先,均匀分布蚂蚁的初始位置;其次,多种方法结合进行机器选择,并按照改进的工序选择方式选择下一步即将遍历的工序;最后,采用带精英策略的蚁群算法结合最大最小蚂蚁系统的信息素更新方式,既赋予较优路径以额外的信息素,同时又对路径上的信息素进行限定、从而避免算法“早熟”,进而提高解的质量。通过三个柔性作业车间调度实例进行仿真分析和与其他算法的对比,结果表明改进蚁群算法在求解柔性作业车间调度问题具有较好的优化效果和求解效率。     

改进遗传算法求解低碳约束的柔性车间调度问题

考虑了实际生产的碳排放问题,提出低碳排放约束下的柔性作业车间调度问题,以最大完工时间最小和碳排放最小为目标。采用改进的遗传算法求解低碳约束下的柔性作业车间调度问题,采用分步求解,先以最大完工时间最小进行调度方案的优化,再以碳排放指标进行调度方案的选取。在低碳约束下,同时考虑机器加工运转和空闲运转,设计不同机器间的碳排放模型。通过使用改进的遗传算法求解仿真案例得到不同的调度方案,根据预设碳排放模型比较分析得出调度方案的优劣。最后通过对企业生产实例的计算,并对不同调度方案进行总碳排放的对比,验证所建立的碳排放模型的有效性。     

基于Hopfield神经网络的腐蚀失效模式识别

Hopfield神经网络是具有记忆功能的反馈型神经网络，但存储记忆的能力受到神经元数量的限制。本文根据Hopfield神经网络的特点，采用多模块分级识别的方法，研究开发适用于腐蚀失效模式识别的学习、推理机模型。在此基础上，运用面向对象的编程技术及数据库技术，实现能够学习、识别腐蚀失效模式的软件系统。     

基于趋化算法的动态神经网络辨识的研究

本文提出一种基于Hopfield的动态神经网络,以具有非线性时变特性的电液伺服速度系统为对象,采用趋化算法训练网络,进行辨识。辨识结构经过再输入正弦信号考察,结果表明,采用本文提出的方法是可行的和有效的,可以获得较好的效果。     

A Neural Gripper for Arbitrary Object Grasping

This paper presents a two-stage neural system to determine the contact points between a three-fingered gripper and an object of arbitrary shape. In the first stage, a CCD camera captures the image of the object and such an image is transformed into a two-dimensional outline through a nearest neighbour algorithm. In the second phase, two neural networks, functioning in cascade, select three contact points in the outline. A competitive Hopfield neural network defines an approximate polygon considering a reduced number of boundary points of the original outline. Then, a supervised neural network, either a multi-layer perceptron or a radial basis function (RBF) network, find the contact points. The experiments suggest that the RBF network trained by the global ridge regression method is suitable for on-line applications and presents the best overall performance in terms of accuracy and robustness to noise. Moreover, this method is able to find correctly the contact points for objects of arbitrary shapes.     

Hopfield网络在热轧带钢精轧机组能耗分配法中的应用

本文提出了一种利用 TH神经网络进行轧制过程负荷分配优化的新方法。从“等功率余量”的观点出发 ,得到优化的目标函数 ,即 TH网络能量函数。以轧制过程的负荷分配问题为实例进行仿真计算 ,计算结果表明该方法行之有效。     

基于模拟退火遗传算法优化BP网络的数控机床温度布点优化及热误差建模

在热误差建模中,温度测点的优化选择至关重要。提出了运用相关性方法,分析测点温度与主轴热漂移之间的关系,找到相关性较高的测点位置,实现温度布点的优化选择。在此基础上采用模拟退火遗传算法（ GSA）优化BP神经网络的方法建立热误差模型,并通过实验验证。结果表明：优化的热误差模型能够跳出局部最优而达到全局最优解,得到的误差模型拟合值更加接近实测误差值;基于GSA优化的BP网络模型较传统的神经网络模型有较高的精度及更强鲁棒性。     

基于信号特征提取的电阻点焊质量在线评判

以焊点接头强度作为焊点质量评判的指标,通过对点焊过程焊接电流、动态电阻、电极位移信号的同步采集和特征分析,提取若干特征参量监测点焊过程,依据特征参量与焊点接头抗剪强度间的相关分析结果,选取来自不同监测信号的7个特征参量建立了表征点焊过程的特征模式,并将此转化为计算机可以识别的模式矩阵,同时以焊接电流参数为模式分类的依据,建立不同模式矩阵类别和焊点接头抗剪强度之间的映射,将模式矩阵作为Hopfield神经网络的记忆样本存储于网络,利用网络联想记忆的功能实现对未知样本点焊过程的模式识别,进而实现点焊质量的评判。网络测试结果表明,利用Hopfield网络进行焊点质量在线评判可以得到满意的效果。     

交互式挤压模具智能优化设计系统研究

在高效无敏度智能优化算法及挤压成型过程数值模拟的基础上,结合刚—黏塑性有限元模拟、神经网络、遗传算法,提出一种交互式挤压模具智能优化设计方法。并利用面向对象编程技术C++语言,在VC++6.0程序开发器上开发出了界面友好、自动化程度高、模块通用性好的交互式挤压模具优化设计系统,实现了挤压过程中模具设计多种目标的优化控制,并详细阐述了系统的结构功能、关键技术及应用实例。由于数值模拟、人工神经网络和遗传算法属于非耦合算法,通用性较强,该系统适用于金属塑性成形各种领域的优化设计。     

Quality evaluation in small-scale resistance spot welding by electrode voltage recognition

This study focuses on weld quality evaluation by electrode voltage in small-scale resistance spot welding of titanium alloy. Voltage curve could be divided into four stages based on the variation characteristic. The single voltage peak was detected as combined effects of increasing bulk material resistivity and nugget size. Variations of voltage curve shape, voltage peak and failure load were more sensitive to welding current than electrode force. A generalised regression neural network was proposed to evaluate weld quality using features extracted from voltage signal. A discrete Hopfield neural network was also applied for electrode voltage recognition. The recognised voltage patterns were found effective in identifying different quality levels. A real-time and on-line quality monitoring system could be developed.     

基于动态惯性权重粒子群算法的磨削低能耗加工方法

利用三层误差反向传播(back propagation, BP)神经网络建立磨削能耗预测模型,以砂轮线速度、进给速度和磨削深度为影响因素设计125组全因子试验,并取其中的75组试验数据作为该预测模型的训练样本与测试样本。采用动态惯性权重改进粒子群算法(adaption particle swarm optimization, APSO),以BP神经网络的预测作为适应度函数,以最小能耗为目标进行迭代寻优获取最优工艺参数。结果表明:模型预测结果较为准确,采用优化后的工艺参数能够有效降低磨削能耗。      

一种基于Hopfield神经网络的系统辨识方法及其在舰炮随动系统辨识中的应用

给出了一种将Hopfield神经网络运用于线性系统辨识问题的方法。通过测量输入、状态变量和状态变量的微分，构造Hopfield网络神经元之间的权重和各神经元的偏流。网络神经元的状态将收敛到被辨识系统的参数的值。使用Hopfield神经网络辨识舰炮液压伺服系统的三阶模型，仿真结果表明用这种系统辨识方法辨识时变和时不变系统是可行的。