基于OHF Elman-AdaBoost算法的滚动轴承故障多时期诊断方法

针对随机噪声下滚动轴承多时期(初期、中期、晚期)故障诊断需求,提出OHF Elman-AdaBoost(output hidden feedback Elman-adaptive boosting)算法,以实现滚动轴承的精确故障诊断。采用集合经验模态分解(ensemble empirical mode decomposition,EEMD)对原始信号进行分解、降噪、信号重构。设计OHF Elman方法在Elman神经网络的基础上增加输出层对隐含层的反馈,提高了其对动态数据的记忆功能。选择OHF Elman神经网络作为弱回归器,结合AdaBoost算法集成出一种新的强回归器:OHF Elman-AdaBoost算法。实验结果表明,该算法不仅对滚动轴承不同故障时期具有很好的诊断效果,而且提高了对全样本数据的诊断准确度,为滚动轴承故障诊断提供了新型工具和有效方案。     

可回收垃圾库存管理和车辆调度联合优化研究

研究了“两网融合”下社区可回收物回收清运系统中的回收点库存管理和清运车辆联合调度优化问题。以回收物流失和运输成本最小化为目标，建立了混合整数规划模型。设计了内外层嵌套优化算法进行模型求解。外层使用遗传算法来决策回收点库存管理清运线，内层设计了启发式算法，针对每周期清运计划规划车辆路径，从而获得外层算法所需要的适应度值，内外层算法交替迭代，从而得到合理的清运线和路径规划决策。基于实际案例和数据，设计了多种规模算例进行对比验证，证明了所提算法性能优于Gurobi。与现行回收策略相比，所提算法最高能减少48%以上的回收成本，有利于“两网融合”回收系统的长期高效运行。     

基于选择性深度神经网络集成的涡扇发动机剩余寿命预测

大样本高维度状态监测数据对剩余使用寿命（RUL）精准预测有着技术性挑战,为了提高以航空涡轮风扇发动机为代表的复杂装备的预测精度和收敛效率,提出一种两阶段的选择性深度神经网络集成方法. 第1阶段为多方法联合扰动下的候选集生成方案,通过采用异质神经网络结构、多时间尺度设计和算法参数随机化消除模型内部耦合关系,强化候选深度神经网络集多样性;第2阶段利用遗传算法集成修剪冗余模型,有效剔除性能不佳的冗余学习器,以获取多样化最优候选子集,并按平均集成输出预测结果. 与个体模型的数据实验对比表明,所提方法通过同步增强集成模型准确性和多样性,提升了近20%的RUL预测精度,可为运维决策提供有力支撑.     

环境友好的农村污水治理网络优化设计

针对产量小且布局分散的农村生活污水,与污水的收集和处理相对应,建立一个基于聚类和双目标混合整数规划(BOMIP)的环境友好型决策框架,运用改进的非支配排序遗传算法(NSGA-Ⅱ)求解模型,得到处理厂选址与管网铺设的相关决策。以长三角某典型村庄的基础数据为例的计算结果表明,改进算法和常规约束法的求解质量相近,但求解速度显著加快。提出的框架及算法能帮助决策者构建经济有效且环境友好的农村污水治理网络。     

考虑顾客满意度的冷链水果路径优化

针对冷链水果需求的迅速扩大及顾客满意度重要性的不断提升,提出以成本与满意度为双目标的冷链水果运输模型. 为了准确描述顾客满意度水平,提高冷链水果运输服务的响应能力,提出改进的满意度模型;引入灰度白化权函数构造顾客满意度不同等级阶段,设置不同等级分数将影响满意度感知的因素划分成不同等级,利用调研数据支撑顾客真实满意度感知. 提出改进的遗传算法（IGA）求解该冷链水果运输模型. 此遗传算法通过对“超级个体”引入模拟退火的Metropolis准则,随机选择3种邻域搜索之一定期更新染色体群,来避免传统遗传算法的快速收敛问题以及减轻优质种群被破坏程度. 基于实例的对比分析表明,改进遗传算法的求解效果优于传统遗传（GA）、遗传模拟退火算法（GA-SA）,且随着顾客人数增加,改进遗传算法优势更明显.