-
题名基于改进蚁群算法的智慧物流调度规划
被引量:3
- 1
-
-
作者
叶杭璐
何利力
-
机构
浙江理工大学信息学院
-
出处
《计算机系统应用》
2021年第1期207-213,共7页
-
基金
国家重点研发计划(2018YFB1700702)。
-
文摘
随着物流业的大力发展,通过发展智慧仓储物流,可以极大降低物流成本,加快产业的发展.本文提出了一种在智慧仓储中的AGV车辆系统避碰路径规划,首先利用带时间窗的栅格方法模拟了AGV的制造车间工作环境,提出一种改进蚁群算法,通过改进概率转换公式和信息素更新规则,最后仿真结果验证了该算法可以解决多个AGV的避障路径规划问题,进而实现智慧仓储物流.
-
关键词
智慧仓储物流
AGV
时间窗建模
改进蚁群算法
避障路径规划
-
Keywords
intelligent warehouse logistics
AGV
time window modeling
improved ant colony algorithm
collision avoidance path planning
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
F252
[经济管理—国民经济]
-
-
题名基于数字载体的柔性智慧物流平台研究
被引量:2
- 2
-
-
作者
叶杭璐
何利力
-
机构
浙江理工大学信息学院
-
出处
《电子科技》
2021年第11期21-25,共5页
-
基金
国家重点研发计划(2018YFB1700702)。
-
文摘
物联网技术的高速发展为实现仓储管理的自动化和智能化奠定了基础,而数字载体技术则是建立智慧仓储物流平台的核心。针对传统仓储管理中人工数据采集效率低且准确率不高的问题,文中以生产制造车间的仓储入库作业为对象,设计了包括管理层、中间层和物理层的基于RFID的仓储管理系统。该系统可对传统入库环节流程进行优化,动态智能地感知管理对象,实现对仓储管理的有效管理和监控。文中通过Flexsim软件建立仿真模型模拟入库流程,在较短时间条件下对模型实体进行仿真模拟,分析出各设备的利用率情况,为平台设计提出改进方案,也为决策提供了参考依据。
-
关键词
智慧仓储
制造车间
数字载体
RFID
入库作业
仓储管理系统
Flexsim仿真
设备利用率
-
Keywords
smart storage
manufacturing plant
digital carrier
RFID
warehousing operations
warehouse management system
Flexsim simulation
equipment utilization
-
分类号
TP29
[自动化与计算机技术—检测技术与自动化装置]
TN99
[电子电信—信号与信息处理]
-
-
题名轨道交通涡流探伤仪的设计与实现
- 3
-
-
作者
叶杭璐
王超
吴杨娜
程菊花
刘半藤
-
机构
浙江树人大学信息科技学院
-
出处
《浙江树人大学学报(自然科学版)》
2016年第3期7-11,共5页
-
基金
2015年度浙江省大学生科技创新项目(2015R421015)
2016年度国家级大学生创新创业训练计划项目(201611842002)
2014年度浙江树人大学校级科研项目(2014A11001)
-
文摘
针对超声波检测存在的表面盲区检测问题,文章设计基于涡流的无损探伤仪,用于钢轨踏面和近踏面损伤的检测,以避免因钢轨接触疲劳导致的钢轨内部断裂事故的发生.系统设计嵌入式电路,产生频率可控的正弦激励信号,探头在激励信号的作用下,通过在被测钢轨表面进行扫描,产生涡流信号,对其进行放大、滤波等信号预处理过程,传输给单片机,程序识别是否存在损伤并显示结果.实验表明,该系统能检测出缺陷信号,可达到基于涡流的无损探伤要求.
-
关键词
涡流检测
表面盲区
嵌入式电路
滚动接触疲劳损伤
-
Keywords
eddy current testing
surface blind area
embedded circuit
rolling contact fatigue damage
-
分类号
U216.3
[交通运输工程—道路与铁道工程]
-
-
题名基于多特征优化的超声波缺陷分类识别方法研究
被引量:2
- 4
-
-
作者
王丽莎
李梦洁
汪路明
叶杭璐
刘半藤
王章权
-
机构
浙江树人大学信息科技学院
-
出处
《浙江树人大学学报(自然科学版)》
2017年第3期12-16,共5页
-
基金
2016年度国家级大学生创新创业训练计划项目(201611842002)
2014年度浙江树人大学校级科研项目(2014A11001)
2017年度浙江省大学生科技创新项目(2017R421028)
-
文摘
超声波检测的脉冲回波信号在时频域中含有丰富信息,为有效提取缺陷特征相关的信息并对缺陷进行分类,文章提出一种Jmax-Fisher多特征优选的方法.首先对超声波脉冲回波信号在时域、频域及小波域中提取多维特征构成多特征提取技术框架;然后计算单维特征Fisher判据函数以获得不同特征维数下的最优特征组合;再进行Fisher降维,采用离散距离比作为指标获得最优特征维数,确定最优特征组合进行缺陷分类.实验证明,同常规的方法相比,该方法在缺陷分类识别上具有更高的准确率.
-
关键词
神经网络
超声检测
特征优化
缺陷分类识别
-
Keywords
neural network
ultrasonic detection
feature optimization
defect classification and recognition
-
分类号
TB559
[理学—声学]
-