ITMA ASIA+CITME2022上新一代信息技术应用浅析

探讨ITMA ASIA+CITME2022上众多新一代信息技术的应用情况。从车间物流数字孪生、原棉精细化管理、细纱机单锭监测、设备远程运维等不同角度,梳理了展会上新一代信息技术应用场景及解决方案。指出:纺机企业研发方向主要面向高效节能、高附加值纺织品的数字化、自动化和智能化生产与质量管控;新一代信息技术使得纺织产业数字化升级更加快速和高效,纺织生产整体智能化水平明显提升;基于工业互联网的纺织产业新生态正在加快形成。认为:新一代信息技术与纺织产业的融合应用,推动了产品研发、制造、服务等环节的协同创新,助力企业实现提质增效与高质量发展的战略目标。

基于动力性模糊控制拖拉机遥控换挡设计研究

为实现拖拉机遥控换挡,基于动力性模糊控制换挡设计了电控液压换挡系统,并在AMEsim中搭建仿真模型。根据发动机的调速特性,以油门开度、当前的车速和挡位为输入参数建立动力性换挡模型,并根据驾驶员意图和拖拉机状态建立二级模糊控制器对动力性换挡策略进行修正。同时,设置工况,在MatLab/Simulink中建立拖拉机传动系统模型,利用AMEsim-Simulink进行联合仿真,得到液压缸活塞杆位移曲线,对可行性进行了验证。对比传统换挡与动力性模糊控制换挡,以离合器冲击度、滑摩功等为控制目标进行仿真分析。结果表明:与传统换挡系统相比所设计的系统控制效果较优,满足拖拉机动力性适应性要求。

基于GB 18401要求的进口纺织服装产品风险评价模型研究

本文基于国家强制性标准规定的纺织产品的基本质量安全指标,研究建立了对进口纺织服装产品质量安全风险进行量化分析的数学模型。通过实验室数据计算结果分析表明,单项目不合格因子(SIF)和综合质量安全风险值(CRV)两个指标,能够从产品本身质量方面比较客观准确地反映产品的质量安全风险问题,为国家相关部门开展对进口纺织服装产品的监管和风险监测提供可靠的决策参考数据。

多台四向车实时交通调度方法研究

针对密集仓储系统中多台四向车作业时行进路径存在潜在交叉重叠,从而可能发生碰撞的问题,提出一种基于实时路况信息的交通调度方法。建立以“等”“绕”“躲”调度策略为主的调度框架,设计交通调度算法,实时扫描路况信息,识别两车之间交通冲突依赖关系并根据调度策略进行调整;构建多台四向车冲突有向图模型以表征多台四向车的交通冲突关系,基于冲突有向图实时控制四向车启动或停止,从而实现实时避碰。随机任务试验结果表明,多台四向车同时作业时均能实现实时避碰。所提的交通调度方法能有效解决多台四向车之间的交通冲突问题,为实现安全高效的自动化仓储提供一定的技术基础。

基于粗糙集与支持向量机的加工过程异常检测

为提高加工过程异常模式检测的自动化程度,在建立控制图数学描述的基础上,利用蒙特卡洛法构建了控制图数据集,研究了基于邻域粗糙集的控制图时域特征约简方法,提出了基于支持向量机的控制图异常模式识别模型。通过仿真实验,使用遗传算法优化了异常识别模型的主要参数,并对不同核函数、不同分类模型的识别精度进行了分析与对比。通过实际生产数据测试验证了所构建模型的有效性与可用性。

基于支持向量机的纱线质量预测

针对现有的优化纺纱工艺过程质量预测模型尚无法满足实际生产需要的问题,提出了纱线质量预测的支持向量机方法,并利用网格搜索对该模型的参数进行优化。经毛纱工艺实践表明,在小样本和"噪声"数据环境下,支持向量机模型仍能保持一定的预测精度,同人工神经网络模型相比,更适用于真实纺纱生产过程中的工艺控制。

纺织品智能工艺设计与质量预测系统

分析了纺织品智能工艺设计与质量预测系统的多层架构,阐述了系统的主要功能,提出了基于实例的纺织工艺推理模型和基于人工神经网络的工艺质量预测模型,从工程应用的角度展示了信息技术和人工智能技术在纺织企业的应用与实现情况。

资源约束项目的改进差分进化参数控制及双向调度算法

针对资源约束项目调度组合优化难题,提出一种改进的动态差分进化参数控制及双向调度算法.通过参数时变衰减与个体优劣评价,自适应控制个体进化参数,提高算法的收敛性能、勘探与开发最优解的能力;基于动态差分进化(Dynamic differential evolution, DDE),提出一种双向调度算法,使用满足任务时序约束的优先数编码、交替正向反向调度,结合标准化编码调整与精英保留的种群随机重建策略,建立了一种高效稳健的双向编码调整机制.通过著名的项目调度问题库(Project scheduling problem library, PSPLIB)中实例集测试,并与其他文献算法比较最优解平均偏差率,验证了所提算法的有效性与优越性.

响应动态约束条件的多目标货位优化算法研究

针对自动化立库货位决策与优化问题,考虑到优化目标多样、托盘使用状态及可分配货位动态变化等因素,提出了一种响应动态约束条件的多目标货位优化算法。以巷道作业均衡、货架重心稳定及作业路径最短建立多目标优化模型,基于变异系数自适应差分进化算法,使用货位随机数编码,根据实时货位可行域进行个体解码,以响应动态货位约束条件。提出了基于层次分析的Pareto解评价方法,从而获得多批作业货位持续优化的目标权重,为仓储货位决策提供合理方案。多批作业算法实验结果表明:所提算法效果显著优于多目标简单加权算法,能够有效应用于动态货位决策与优化。

试论大学生的体育能力及其培养

培养大学生的体育能力是高校体育教育的一项重要内容 ,也是关系到大学生身心成长的关键。高等院校体育教育必须突出对学生体育能力的培养。就此 ,对体育能力的内涵、大学生体育能力的培养途径与方法等进行分析论述。旨在大学生形成终身体育行为和习惯奠定基础 ,以使高校体育教育在培养现代新型人才及接受现代社会的挑战中 ,发挥其独特作用。

树立大学生终身体育教育的理念与方法

随着我国全民健身计划的颁布和实施以及新时期全面建设和谐社会的要求,高等学校体育教育的地位将更加重要。文章采用文献综述方法对大学生进行终身体育教育进行研究,提出了大学生终身体育教育具体的实施途径和方法。

我国北方体育院系健美操专修学生运动损伤状况的调查研究

目的,为了了解运动损伤在我国北方体育院系健美操专修学生群体中的发生情况。方法,笔者对哈尔滨体育学院、哈尔滨师范大学体育学院、哈尔滨学院体育系的100名健美操专修学生进行了问卷调查。结果,所得数据显示:在该学生群体中运动损伤的发生率高达82%,并且运动损伤的发生时间多集中于1-3月份和10-12月份,而损伤程度多为中、轻程度的急性运动损伤。结论,造成我国北方体育院系健美操专修学生运动损伤的直接原因是以下6方面的因素:准备活动不当;训练前伴有运动性疲劳;技术动作不合理;场地因素;季节因素;心理因素。我国北方体育院系健美操专修学生运动损伤的发生率较高,应适当采取措施,避免学生在训练过程中运动损伤的发生,以保证正常的教学、训练活动。

关于发展我国大众体育的策略

大众体育是体育事业的有机组成部分,是反映一个国家体育水平的基础,我国大众体育发展历程较短,存在的问题很多,所以我们要在发展赛程中采取有效措施面对挑战。文章通过分析大众体育的功能,针对当前制约大众参与社会体育的主要因素,提出发展策略。

面向用户的CAPP系统开发技术研究与实践

分析了面向用户的ＣＡＰＰ系统开发需求，提出了基于工艺卡片模板和工艺信息对象模型的工艺文件数据结构，阐述了实现信息集成的系统功能，给出了实用化工艺设计方法，论述了基于ＡｃｔｉｖｅＸ的软件开发技术。基于上述研究开发的面向用户的ＣＡＰＰ系统已投入实际应用，并取得了良好效果。

基于二进制粒群的拣选作业优化

目的提高电子标签拣选系统中拣选作业的效率与货位占有率。方法以某电子拣选库为研究对象,提出以订单完成度、货位占有率以及货位聚集度为目标的拣选优化模型。设计基于二进制粒子群算法(BPSO)和遗传算法(GA)的模型求解仿生算法。结果试验及优化结果表明,基于BPSO的电子拣选库订单的完成度、货位占有率以及货位聚集度较遗传算法更高。结论基于二进制粒子群算法求解的优化模型较符合实际的电子拣选库人工拣选作业,同时仓储作业货位的利用率及拣选效率得到了提高。

论体育舞蹈的锻炼价值及在黑龙江省高校的开展情况

体育舞蹈是一种时尚的体育活动,它是集娱乐、健身、艺术于一体,本文重点阐述体育舞蹈的健身功能及在黑龙江省高校的开展情况,以促进高校体育舞蹈课的健康发展、推动体育舞蹈在黑龙江省的普及。

心理技能训练在青少年跨栏训练中的作用

在跨栏比赛中,心理素质水平的高低对比赛成绩的作用和地位尤为突出。本文是通过分析心理技能训练的作用和意义、跨栏运动比赛的心理特征以及影响心理变化的因素,为青少年跨栏训练提出具有建设性的意见,促进青少年跨栏运动员身心得到全面发展。

基于支持向量机的纺纱质量预测模型研究

纱线的生产是一个多环节的复杂工业过程,其质量控制大多需要依赖领域专家的个人经验,为此提出一种基于支持向量机的纱线质量预测模型.探讨了模型选择与验证问题,并利用“网格搜索”法对模型参数进行了优化.试验结果表明,在小样本和“噪音”数据环境下,支持向量机模型仍能保持一定的预测精度,与人工神经网络模型相比,更适应于真实纺纱生产过程.

基于GA-SVM的质量预测系统设计和实现

针对支持向量机(SVM)参数大多凭经验选择的费时问题,提出基于遗传算法(GA)的SVM参数选取方法和基于组件对象模型(COM)技术实现Visual C#与Matlab的混合编程方法。以质量预测系统中GA-SVM预测模型建模和程序实现为例给出2种方法的具体实现。结果表明,使用GA优化SVM参数能充分发挥GA算法特性,降低参数选择的时间;使用COM技术的混合编程能提高程序开发和运行的效率。

基于遗传神经网络的纱线质量预测

针对基于单一BP神经网络的纱线质量预测模型的不足,提出了一种基于遗传算法优化的神经网络的纱线质量预测模型,采用遗传算法完成对神经网络权值和阈值空间的寻优搜索,以提高神经网络的收敛速度和获得全局最优解的能力.通过试验表明,基于遗传算法优化的神经网络可以提高纱线质量预测模型的精度和稳定性,其性能优于基于单一BP神经网络模型的纱线质量预测.