考虑不确定性的飞机大修拆卸序列优化方法

针对飞机大修过程中不确定因素使得大修拆卸时间及拆卸总工时存在较大不确定性的问题,提出一种基于概率分析量化不确定性的飞机大修可行拆卸序列评估和基于改进帝国竞争算法的飞机大修拆卸序列优化方法。首先对飞机大修拆卸的不确定性进行了分析,主要考虑了基本拆卸时间、拆卸方向和拆卸工具的不确定性,将飞机大修拆卸总工时最小作为拆卸序列优化的目标,构建了考虑不确定性的飞机大修拆卸序列优化模型;然后基于蒙特卡洛方法进行可行拆卸序列的量化评估,并基于帝国竞争算法进行拆卸序列优化;最后,以飞机起落架为实例,验证了所提出的考虑不确定性的飞机大修拆卸序列优化方法的有效性。

基于聚类分区混合代理模型的多目标序列优化

针对具有显式约束的昂贵多目标优化问题,提出了一种基于聚类分区混合代理模型(CPEM)的多目标序列优化方法(MOSOM-CPEM).在MOSOM-CPEM中引入了约束域最优拉丁超立方设计(CDOLHD),使其能够在边界形状复杂的可行域内构造样本点.多区域混合代理模型(EM-MROWF)中的可行域划分方法在分割非矩形域时将导致部分区域样本点数量较少从而影响该区域混合代理模型的预测精度.为了解决这一缺陷,在CPEM中提出了一种基于K-means聚类的可行域分区方法和相应的边界光滑方法.CPEM与多项式响应面(PRS)、径向基函数(RBF)、克里金(KRG)模型和两种混合代理模型(GOEL和ACAR)在10个测试函数上进行了拟合精度比较.结果表明,CPEM的整体拟合精度优于对比的代理模型,证实了所提出的可行域分区方法的有效性.MOSOM-CPEM在CEC2021中的6个工程约束多目标优化问题上与其他基于代理模型的优化方法进行了比较.结果表明,在使用相同的样本点数量的前提下,MOSOM-CPEM获得的Pareto前沿收敛性和分布性更好.MOSOM-CPEM应用于履带式起重机超长桁架臂的腰绳结构优化问题,结果证实了其优势,表明MOSOM-CPEM具有较高的工程应用价值.

基于布谷鸟算法的风电机组装配序列优化

装配序列规划(ASP)是风电机组制造的重要技术。ASP是一个组合优化问题,风电机组最优装配序列的搜索空间和计算量均很大。提出基于布谷鸟算法的风电机组装配序列优化方法。首先,从三维装配体模型中提取多种装配约束信息并表示成装配约束矩阵,以降低最优装配序列的搜索空间;继而构造装配序列目标函数,建立装配序列规划模型,方便算法计算出最优装配序列;对离散布谷鸟算法(DCA)改进,求解ASP模型,获得风电机组产品的最优装配序列。最后通过实验验证了ASP模型的有效性和DCA的优良性能。

用于测试序列优化的DPSO-WAO*算法研究

针对现有测试序列优化算法所存在的计算效率及优化性能间的矛盾,在DPSO-AO*算法基础上,采用基于加权Huffman编码的启发式评估函数实现对测试成本的评估,形成了DPSO-WAO*算法;实例证明,基于加权Huffman编码的启发式评估函数更为准确地评估了全局测试成本,使DPSO-WAO*算法优化性能较DPSO-AO*算法提升10%以上,趋近传统AO*算法,并通过取消成本回溯有效降低了传统AO*算法的计算复杂度,对于运载火箭等大型系统的测试序列设计、故障诊断等具有重要意义。

基于时间序列优化估计算法的散货码头船舶停留轨迹规划方法

为了降低船舶总停留时间,提升散货码头运营效率,提出基于时间序列优化估计算法的船舶停留轨迹规划方法。通过引入时间序列分析方法,构建船舶停留时间预测模型。在此基础上,以最小化船舶总停留时间为目标,构造船舶停留轨迹规划的目标函数,并确定约束条件。选取遗传算法求解目标函数,通过其迭代优化过程,获取最优的船舶停留轨迹规划方案,从而实现船舶停留轨迹的有效规划。试验结果显示:应用时间序列优化估计算法获得的船舶停留轨迹规划模型求解迭代次数最小值为7次,船舶总停留时间降低至28 min。以上结果表明,该方法的船舶停留轨迹规划合理,提升了散货码头运营效率。

基于虚拟现实和仿生算法的装配序列优化

针对自动装配规划和交互式规划都存在不足,将虚拟现实和仿生算法结合起来,提出一种生成优化装配序列的新方法。建立基于几何约束的虚拟装配环境,在该环境中根据经验和知识进行交互式拆卸,定义优先约束表来表达零件间的优先约束关系。应用蚁群算法规划出初始优化的装配顺序,再在虚拟环境下进行仿真、评价和优化,考虑装配位置可达性和工具操作等因素,识别新的优先约束和评价准则,重新规划出更优的装配顺序,不断反复和完善,直到得到满意的最佳装配顺序为止。通过实例验证该方法有效性。

基于相关向量机的双变量施肥控制序列优化

提高变量施肥精度和均匀性的关键在于减小变量机构的响应时间,选择最佳控制参数。提出了一种基于相关向量机的开度转速双变量施肥控制序列决策方法。首先考虑了施肥处方中前、中、后相邻3次施肥量的相互影响,综合了开度和转速的响应时间和工作死区等特性,利用非线性规划方法实现最佳控制参数的决策,避免了小施肥量下的大开度、小转速现象,减小了对外槽轮脉动性的影响。为了协调车载计算机运算能力与控制响应的矛盾,利用相关向量机实现了施肥控制序列的近优实时计算。室内试验结果表明,平均施肥误差比原方法减小了4%,同时该方法有效地避免了极端情况下电动机无法驱动排肥转轴的情况。田间作业试验证明,使用该方法的施肥机指令响应及时,施肥均匀、准确,证明了方法的实用性。

基于萤火虫算法的管路系统布局序列优化技术

针对复杂机电产品中的多根管路布局设计与优化问题,提出一种基于萤火虫算法的管路布局序列优化方法。该方法以长度、折弯数和流阻为综合优化目标,结合布局过程的约束条件建立了优化模型;对萤火虫算法进行离散化,重新定义萤火虫的间距和个体更新机制,使其适用于序列规划问题的求解;提出一种确定性和随机性相结合的方法生成初始种群,以含免疫记忆的A*算法求得路径,同时采用混合种群迭代更新策略,通过更新精英解集获得全局最优解。设计并开发了原型系统,以旅行商问题为例对算法效率进行了测试,并将所提方法应用到某产品的液压管路布局上,验证了所提方法的可行性。

基于改进自适应和声遗传算法的装配序列优化研究

在考虑装配工具及零件装配方向改变对装配成本影响的同时,增加装配体约束稳定性影响作为装配序列优化评价要素,构建装配成本模型。基于装配体几何约束关系,建立装配方向约束矩阵和连接关系矩阵,并依据专家知识得到零件所对应工具的映射表,通过矩阵扫描得到装配成本惩罚次数,并与惩罚系数加权得到装配成本函数值。在和声算法中引入自适应的参数调节方式及遗传算子,使和声算法能够解决离散型数学问题,并较好地改善了和声算法方向性差的缺点,通过求解惩罚函数最小值,得到其所对应的最优装配序列解,最后结合实例对比,验证了该方法有的效性。

γ辐照装置运行模拟和辐照货物序列优化

本文通过状态转移方法模拟γ辐照装置的运行,包括上货、下货和辐照等动态过程,研究货物辐照序列和放射源剂量率对整个辐照过程时间的影响。为增加辐照利用率,缩短批次到货货物的辐照时间,通过动态GA-TSP算法(Genetic algorithm-traveling salesman problem)对货物辐照顺序进行排序优化。结果表明:程序能够充分模拟辐照货物的整个过程,放射源剂量率的提高能够有效缩短辐照时间,合理的辐照序列能够明显降低辐照时间。在辐照源剂量率为12 Gy/min时,对实际10个批次来货的情况进行模拟,共触发6次辐照序列的动态优化,相比按照到货顺序辐照的13193 min用时,优化后降低到12137 min,缩短约8%,明显提高放射源的利用率和客户满意度。

基于序列优化的T2-mapping定量成像技术评价踝关节距骨骨软骨损伤

背景:目前科研、临床常用软骨功能成像序列有DWI、DTI、T1-mapping、T2-mapping、T2*-mapping等,其中T2-mapping常用于软骨定量分析中,然而因其扫描时间过长、受检者体验差导致常规开展该技术明显受限。目的:应用序列优化的磁共振T2-mapping定量成像技术评价慢性外侧踝关节不稳患者的距骨软骨损伤程度。方法:纳入于内蒙古医科大学第二附属医院就诊的53例慢性外侧踝关节不稳患者(病例组),同时纳入46例非慢性外侧踝关节不稳患者作为对照,均行磁共振常规扫描和优化的T2-mapping定量成像扫描,将距骨软骨分为内侧前、中、后部及外侧前、中、后部共计6个分区,每个分区取1个T2值,内、外侧分区共计6个T2值。试验获得内蒙古医科大学伦理委员会审核批准。结果与结论:病例组的内侧前部、内侧中部、内侧后部软骨区域的平均T2值均高于对照组(P<0.05),外侧区前、中、后部软骨区域的平均T2值与对照组比较差异无显著性意义(P>0.05)。结果表明,慢性外侧踝关节不稳患者的距骨软骨损伤主要发生于距骨内侧,磁共振T2-mapping成像技术能够定量测定软骨损伤程度,优化后的T2-mapping功能成像常规扫描成为可能。

基于一种树模型的装配序列优化生成的研究

分析了装配序列评价的特点,提出了一种用于表达装配序列的树模型及其生成算法。阐述了装配序列二级分层综合评价与优化的方法,提出了利用熵权法来确定各评价指标的权重,利用模糊综合评价方法对该装配序列树模型中每层关系节点A或节点AP下的各数据子节点进行装配顺序的优化,最终生成优化的装配序列。该方法缩小了装配序列解空间,提高了装配序列的评价效率,并以齿轮减速器为例进行了验证。

多目标拆卸序列优化问题的分散搜索算法

针对拆卸序列优化问题以最小拆卸时间和最大拆卸收益为优化目标建立了多目标优化数学模型.应用线性加权方法将多目标优化问题转换为单目标优化问题,并提出了一种改进的分散搜索优化算法.算法采用保持优先关系的交叉过程(PPX)作为子集解的组合算子,通过局域搜索算子改进组合算子产生的新解.引用数值算例对模型和算法进行了验证,结果表明该模型及算法求解多目标拆卸序列优化问题有效.

基于蚁群算法的多值属性系统测试序列优化

针对系统故障诊断中的多值属性系统测试序列优化问题,该文提出一种改进的蚁群算法,将成功运用在二值属性系统中的蚁群算法扩展到多值属性系统中,根据多值属性系统特点,设计相应的状态转移规则和信息素更新机制,并采用蚁群算法和遗传算法相融合的联合优化策略,解决了多值属性系统的序列优化问题,为多值属性系统的测试优化问题提供了一条新的解决途径。

基于收益概率的不确定环境下的产品拆卸序列优化

为了研究拆卸过程中存在的许多不确定因素对拆卸收益产生的影响,利用拆卸网络图得到目标零部件的可行拆卸序列,综合考虑拆卸时间随机、零部件质量不确定等因素,提出拆卸收益的计算方法;基于拆卸收益概率,建立了不确定环境下产品拆卸序列优化模型,并设计了基于随机模拟的求解方法。结合实例进行分析,验证了所提模型的可行性和方法的有效性,通过改变参数比较优化结果说明了参数变化对拆卸序列优化的影响。

办公楼变频空气源热泵序列优化控制

为了满足公共建筑中空调系统部分负荷下的节能运行调节需求,制冷机房经常配置多台冷水机组。空调系统中冷水机组能耗占比较高,而机组序列控制在系统满足室内负荷需求与节能中运行起关键作用。为了提高热泵机组的运行能效,本文提出一种空气源热泵机组的序列优化控制方法。首先建立变频空气源热泵机组模型,然后建立多台同型号机组序列优化控制目标函数,同时给出实时建筑负荷下求解机组最佳运行序列组合的算法与步骤。以某工程为例,利用e QUEST软件分析了办公楼全年的空调负荷变化,并在夏季、冬季典型日负荷基础上,对比分析了热泵机组序列优化控制策略与传统策略。结果表明:与传统策略相比,在10%~100%的系统部分负荷范围内,采用序列优化控制策略的机组能耗平均降低13.4%。在夏季典型日,热泵机组能耗降低14.5%;在冬季典型日,热泵机组能耗降低12.3%;在过渡季典型日,热泵机组能耗降低3.3%。在供冷季,采用机组序列优化控制策略能耗降低14.1%;在供热季能耗降低9.0%。热泵机组的序列优化控制策略具有明显的节能效果。

多目标选择性拆卸序列优化问题的分散搜索算法

针对多资源约束下顺序依赖的选择性拆卸序列优化问题,建立以最大拆卸收益和最小拆卸时间为优化目标的多目标数学模型,提出了一种多目标分散搜索优化算法进行求解.该算法针对本文问题的特点设计了一种保持足够多样性的初始解生成方法,满足拆卸优先关系的交叉组合算子以及改进的参考集更新策略.为了进一步提高解的质量设计了一种局域搜索策略,并利用外部存档方法存放pareto解集.应用多组实例进行计算实验,并与其他求解该问题的算法进行比较,实验结果表明本文算法优于对比算法,证明本文模型和算法求解本类问题有效.

毕赤酵母表达系统外源基因表达序列优化的软件设计

作为真核生物表达系统,毕赤酵母已成功表达了包括病毒、细菌和真核生物在内的多种外源蛋白。但并非所有的外源序列在毕赤酵母中都能得以高表达,外源序列含有毕赤酵母中低频密码子或是序列中A+T含量不合理是限制高表达的重要原因。根据毕赤酵母密码子使用的有关特性,利用遗传算法,建立外源基因表达序列优化的数学模型,并依此设计一套毕赤酵母外源基因表达序列的优化软件。

基于改进蚁群的测试序列优化算法

针对故障诊断中的测试序列优化问题,提出一种改进蚁群算法的解决方法。该方法根据二值属性系统的特点,定义状态集向量及测试向量,将故障测试隔离过程转化为向量的位运算过程,将序列优化问题转化为一种最小代价的动态树构造问题,设计灵活的状态转移规则,并根据动态树的分层结构特点,提出一种分层加权和遗传变异相结合的信息素更新策略,解决这种动态树结构的寻优问题。仿真结果表明:该算法以较高的效率收敛到已知最优解,高效实用,为大规模复杂系统的测试优化问题提供了一条新的解决途径,具有一定的工程应用价值。

重型自动机械变速车辆换挡序列优化

重型车辆在动力性和燃油经济性上有较大的提升空间。分析了配备自动机械变速器(AMT)的重型车辆换挡动力中断特性,在此基础上建立了AMT重型车辆整车模型,并利用动态规划(DP)求解出重型车辆在确定道路下的最优综合性能换挡序列。计算对比原有换挡规律和DP决策下的车辆运行性能,仿真结果表明,通过调整运行耗时和燃油消耗量的加权因子,可以获得兼备动力性和燃油经济性的综合性能最优换挡序列,在保证AMT重型车辆动力性的前提下改善了燃油经济性,对AMT重型车辆的自动控制具有指导意义。