基于改进候鸟迁徙算法的人机协作装配线平衡优化

随着员工成本的增加,协作机器人逐步应用于装配线以独立完成或者协助员工完成装配操作。针对多种机器人和并行协作的人机协作装配线平衡问题,构建了两个混合整数规划模型以优化生产节拍。模型均可实现小规模案例的精确求解,并且改进后的模型在求解时间上明显优于改进前的模型。同时,提出了改进的候鸟迁徙算法以实现大规模问题的求解。该算法采取任务分配向量和装配模式向量双层编码方式,并在解码中采取数学规划方法获得可行的调度方案。改进的候鸟迁徙算法采取改进的领鸟进化阶段和改进的个体进化阶段以加速种群的进化并防止陷入局部最优,采取重启机制增强算法的探索能力。为了测试改进算法的性能,该算法与延迟接受爬山算法、模拟退火算法、遗传算法、离散粒子群算法、原始人工蜂群算法和原始候鸟迁徙算法进行对比,测试结果表明改进算法优于对比算法,可实现人机协作装配线平衡问题的高效求解。

基于增强模拟退火算法的动车所调车作业计划多目标优化方法

尽头式动车所调车作业存在多种可选作业模式,且在调车作业时需考虑作业总时间及转线复杂度等多性能指标,合理制定综合上述情况下的动车所调车作业计划,对提高动车所检修能力具有重要意义。为此,以最小调车作业时间及转线复杂度为目标,构建带咽喉区股道约束的动车所调车作业混合整数线性规划模型,并提出一种增强多目标模拟退火算法(EMOSA)。该算法融合基于启发式规则的解码设计,以消除股道占用在时空上的冲突,面向调车作业进行股道合理分配;设计与问题规模相关的帕累托前沿解集重启机制,避免算法陷入局部最优。对不同规模的多个案例进行测试,验证了所提改进算子的有效性。最后,以某动车运用所的调车作业计划编制为例,验证了模型和算法的实用性和正确性。

基于CPM的多模式资源约束项目调度建模与复杂度分析

为有效降低多模式资源约束项目调度模型的复杂度和解空间,构建3类混合整数线性规划模型。运用紧上界TTUB缩减时间序列T的上界和关键路径法缩减各项活动结束时间的上下界,以降低模型复杂度和解空间。为验证改进模型的有效性,从MRCPSP标杆案例库中选取1106组规模不等的算例进行求解。结果表明,基于CPM的多模式资源约束项目调度模型解空间更小;决策变量同比缩小3~65倍,约束数同比缩小1~4倍;平均求解时间同比减少53%~112%,求解性能显著优于其他模型。为验证紧上界T_(TUB)的参数α性能,1106组算例结果表明,α越接近1,模型的复杂度越低,解空间越小。但随着算例规模增加,算例可行解探寻难度增加。因此,对大规模算例,α值应适当放宽。

机器故障下柔性作业车间的生产重调度方式决策模型

在机器故障后采用何种方式进行生产重调度,直接影响到柔性作业车间的生产效率和稳定性。为此,提出一种融合数据仿真、遗传优化与BP神经网络的重调度方式决策模型,以便在给定故障情形下经济、高效、快速地估计出最优重调度方式。首先,针对柔性作业车间,仿真生成不同机器故障情形下、各种重调度方式下的重调度方案,比较最大完工时间差值、工序结束时间差值和工序变动成本3个评价指标,将综合指标最小的重调度方式判定为给定情形下的最优方式,产生出带标签的大规模样本。在此基础上,构建基于遗传—神经网络的重调度方式决策模型,挖掘机器故障与重调度方式的内在联系,估计不同故障情形下的最优重调度方式。其中,遗传算法先用于确定BP神经网络结构,再用于优化权值和阈值。实验证明所提出决策模型能显著提升机器故障下柔性作业车间的决策效率与反应能力。

机器故障下加工车间优化重调度方式预测

为预知不同故障情形下的优化重调度方式,实现快速、有效的重调度决策,提出融合调度仿真与改进概率神经网络的重调度方式预测方法。考虑到现场故障样本难获得且无法涵盖全部故障情形,利用仿真实现随机故障下优化重调度样本的生成;以工序加工时间的累计变动、变动任务数、makespan改变量为决策依据,生成各样本的标签;将带标签数据样本输入到概率神经网络模型,实现优化重调度方式预测。实验结果表明:所提出的方法准确率达99.54%;在指定加工车间和生产任务的前提下,故障机序号和故障修复时间对优化重调度方式起决定性作用。

考虑多目标件的异步并行选择性拆卸序列

基于异步并行拆卸概念,提出一种考虑多目标件的异步并行选择性拆卸序列规划方法。通过对多目标件选择性拆卸问题的分析,基于优先关系获取最小拆卸零部件合集,并构建异步并行选择性拆卸序列规划的数学模型。根据所研究问题改进遗传算法,采用两段式编码与解码方法,融入路径重连思想,以快速寻得最优(近优)解。通过对汽车发动机进行案例分析,并在不同初始条件下对改进遗传算法运行结果进行分析,验证了改进遗传算法的有效性与可行性。

扰动累积下基于机器学习的重调度方式选择

针对扰动累积下重调度方案甄选问题,提出了一种基于数据学习的重调度方式选择方法。利用累积误差时间来量化隐性扰动,用数据反映实时生产加工状况;构建扰动累积下重调度模型,基于遗传仿真获取评价重调度决策的因素、决策标签。分析仿真样本特征,并基于数据特征降维映射,构建基于支持向量机的分类决策模型以学习生产状况与重调度方式的内在联系,从而帮助生产管理者快速制定决策,提高响应速度。实验验证了所建立重调度方式选择框架的合理性和有效性。

沿海GPS/GLONASS提取天顶对流层延迟方法研究

基于中国沿海GNSS观测网20个测站31d的数据,从数据处理模式、系统组合和卫星截止高度角等方面研究沿海地区GPS/GLONASS数据提取天顶对流层延迟的方法,以CODE提供的对流层产品和探空数据资料作为标准值来评价对流层延迟的精度。结果表明,截止高度角为10°时,采用双差网解GPS/GLONASS组合系统提取的天顶对流层延迟精度略优于双差网解GPS单系统和精密单点定位GPS/GLONASS组合系统,各方法提取结果不存在明显的系统偏差;截止高度角设置对天顶对流层精度影响较大,截止高度角为30°时,采用双差网解GPS单系统提取的结果精度最优,但其精度较低截止高度角时明显降低。

基于遗传模拟退火算法的自动化制造单元周期调度

鉴于有时间窗约束的单机器人单度自动化制造单元周期调度问题的可行解极少且难以找到最优解,提出一种带有不可行解修复机制的遗传模拟退火算法,以提高解的搜索效率。采用基于跨周期决策的先后次序约束修复、联动修复等机制,对不可行解进行修复,提升其逼近可行解的概率;结合遗传算法的多点初始和模拟退火的靶向搜索能力,强力筛查可能存在的可行解;根据模拟退火的降温速度,利用Metropolis准则以逐渐变小的概率接受交叉和变异后产生的劣解,促进种群跳出局部最优。实验证明所提出的算法在保证解的质量的前提下,计算时间更短,求解效率更高,可较好地满足自动化制造单元的周期调度要求。

多品种小批量生产方式的SIMIO仿真优化

当前企业产品类型繁杂和生产批量小,致使生产线中工件平均等待时间过长、在制品多、资源共享率低,亟需对该类型问题的生产方式进行研究。以某生产线为实例,提出采用SIMIO软件进行建模与仿真优化,对比分析了流水线和分割单元生产两种生产方式;在此基础上提出一种二进制排序算法进行设备单元分割,在相同环境下对各类型生产线进行分析与改进。结果表明:在设备利用率、工件平均等待时间、在制品数等指标方面,基于二进制排序算法的单元生产方式具有优越的性能。

多约束装配线平衡问题的可行解存在性分析

为了满足企业的实际需求,提出一类以加强边要求、多位置要求和消极区域要求为约束,以最小化装配线节拍和不满足弱位置要求操作项数为目标的第2类多约束装配线平衡问题;建立了其线性整数规划模型;根据各类约束的特征和相互关系,定义各操作的工位坐标,提出并证明了第2类多约束装配线平衡问题的可行解存在的充分条件。最后对实际算例进行求解,验证了所建模型和所提充分条件的有效性。

准三维机器人路径规划的改进蚁群算法

机器人在荒野物资运输和山地自由行走时,需要在山地表面规划出行走路线,为此提出改进的蚁群算法加以求解。根据坡度提出避障规则,在满足避障约束条件下,合理增加路径的多样性;根据当前节点到目标点和起点的距离,重新设计启发式函数,驱使机器人尽量沿着起点和目标点之间的最短路径行进;依据实时路径长度,动态调整挥发系数,以精炼搜索空间、提高收敛性能。将改进蚁群算法与原始算法进行比较,实验结果表明改进蚁群算法的有效性优于原始蚁群算法。

基于基因表达式编程的单AGV加工车间调度规则生成

考虑到在含AGV的加工车间中,将AGV调度独立于工件调度会使问题复杂化,详细分析了单AGV与加工车间集成的调度问题特征并提供了解决方案。由于调度规则简单、易于应用且能及时响应生产环境,以最小化完工时间为目标,基于基因表达式编程智能挖掘出适用于该问题的高效调度规则,并详细介绍了算法用于调度规则设计的编码、两阶段解码以及规则挖掘流程。一系列典型规则对比实验以及大规模标杆案例测试证明了所挖掘规则的高效性、鲁棒性。并且通过对规则分析,找出了影响该问题的属性及其内在规律。

船载水陆一体化综合测量系统研究进展

海岛、海岸带等水陆结合部一直是开展海洋测绘的困难区域。近年出现的机载激光测深技术尽管可应用于海岸带、海岛礁等区域的测量,但由于受限因素较多,未能实现我国大部分水陆地形的无缝拼接工作。船载水陆一体化综合测量技术通过多进程网络技术集成三维激光测距、多波束测深、定位定姿等技术,弥补了传统测量方式低效率、高成本、获取水陆高密度的三维空间地理信息困难等不足,作为新兴的海洋空间探测技术优势明显。本文概述了目前国内外船载水陆一体化综合测量系统的最新研究进展,并对系统组成及原理进行了介绍,同时总结了系统的数据采集、处理流程中的关键环节及存在的问题,最后展望了其未来的发展趋势。

连铸机故障时融合炉次重分配的炼钢-连铸生产重调度

在炼钢-连铸生产过程中,连铸机故障会导致当前生产计划不可行,需要为故障机上未完成炉次重新分配连铸机和浇铸顺序。现行人工重分配策略无法及时响应以保证稳定和高效的生产,因此本文提出一种基于等待时间最小化的启发式炉次重分配规则,然后在此基础上建立重调度模型,并设计改进遗传算法求解该问题。采集某炼钢厂的实际生产数据进行算法验证,结果表明本文方法在连铸机出现故障时能快速给出较优的重调度方案。

基于改进多目标灰狼算法的装配线平衡与预防维护集成优化

在传统的装配线运行管理中,装配线平衡和设备预防维护是完全分离的两部分,造成了生产的巨大损失和维护的极大不便。面向正常工作的节拍最小化和给定预防维护情形下的节拍最小化及生产调整最小化3个目标,构建装配线平衡与工位预防维护的集成优化模型,以期制定出能提供设备维护契机、保证维护时生产连续性的多套分配方案。提出了面向多目标优化的改进灰狼算法,其中基于集成问题的离散特征,设计了基于随机键的编码和解码方法;融合Pareto层级构造和拥挤距离,提出了狼群等级划分方法和更新机制,以保留并更好地探索近优解;引入了交叉算子,以提高算法在每个案例中的分布性。实验结果表明改进后灰狼算法的收敛性、分布性较好,所获得非支配解集更逼近Pareto最优前沿,且平衡与维护的有效集成可显著降低生产成本。

水下导航定位技术在大洋科考调查中的应用

水下声学定位、惯性导航定位、多普勒声纳以及组合导航定位是目前我国大洋科考调查工作中的几种主要水下导航定位技术。通过分析常规调查装备、ROV、AUV和载人潜水器等4类主要水下科考设备的导航定位系统实测数据,给出不同水下导航定位模式的现场作业精度,为我国大洋科考调查工作中水下导航定位技术的选择与应用等工作提供参考。

预防维护下装配线平衡的集成优化

在装配线生产过程中,当某个工位的设备突发故障时会导致全线停工,带来重大的经济损失,为此本文提出预防维护下的装配线平衡问题,对正常生产和设备维护两种情形下的生产负载进行集成优化。以给定工位数量下正常生产节拍、预防维护时的生产节拍以及两种模式切换时的工序调整数量的最小化为目标建立数学模型,采用遗传算法进行求解。案例分析表明,预防维护下的装配线平衡可有效实现正常生产与设备维护之间的快速切换,保证生产的高效性和稳定性。

基于改进遗传算法的异步并行拆卸序列规划

针对考虑优先关系约束和机器工作区域冲突约束的异步并行拆卸序列规划问题,提出加入路径重连策略的遗传算法。通过定义零部件之间的与或优先关系,对拆卸方向进行简化。且根据工作区域冲突约束,避免零部件拆卸过程中产生工作区域冲突。在此基础上,对种群进行编码解码,并加入路径重连算子,将遗传算法迭代得到的精英解进行路径重连以增强算法的局部搜索能力。最后通过多个实际案例证明算法的有效性。

范数最小估计的海底大地控制点精密标校方法

针对海洋测绘水下声学定位中常用的最小二乘平差法易受粗差和系统误差影响,导致解算精度和稳定性较差的问题,提出1种水下控制点解算的方法:介绍海底大地控制点标校基本原理和方法,给出全球卫星导航系统(GNSS)和水下声学定位模型;然后选用中国科学院测量与地球物理研究所(IGG)选权迭代法和一次范数最小法,用于水下声学定位数据精密标校。实验结果表明,一次范数最小法能有效抗拒异常观测扰动,抗差能力较强,能够实现浅海海底控制点厘米级定位精度。