基于激光跟踪仪最佳站位的飞机数字化自动测量

在飞机数字化测量过程中,由于飞机尺寸大、结构复杂、水平测量点分散等特点,只使用单个测量站位很难完成全部测量任务,通常采用多个测量站位协同完成测量任务。每个测量站位下测量光路的可达性决定了测量任务实现的完整度,测量光路的可达性主要由测量仪器的有效测量范围和测量光路的遮挡共同约束。因此,需要合理规划测量站位,在满足约束条件的情况下,同时使有效测量范围最大化。首先,基于GJK碰撞检测算法解算测量光路和障碍物的明可夫斯基差,进行测量光路遮挡判定,并结合激光跟踪仪的有效测量范围综合分析测量光路的可达性。然后,以测量光路的可达性为主要目标,采用下一最佳观测方位搜寻较优测量站位替代无效测量站位;最后,引入改进混合灰狼算法实现最佳测量站位的高效搜索,完成激光跟踪仪的测量站位。

考虑能耗的海铁联运集装箱码头多设备协同调度

随着多式联运和绿色港口的发展,提高海铁联运效率和降低能源消耗成为码头亟需解决的问题。针对集装箱码头铁路作业区与码头作业区共堆场布局下设备利用率低与作业能耗高的问题,构建混合装卸作业下轨道吊、自动导向车(AGV)及场桥的协同调度优化模型,旨在实现作业完工时间最短、轨道吊和AGV的作业能耗最优,以及提高轨道吊协同作业的利用率。该模型综合考虑轨道吊间相互干涉、AGV伴侣容量限制以及AGV和轨道吊装卸过程中的重载、空载与等待状态下的不同能耗等约束,并针对轨道吊的干涉约束引入轨道吊任务分配策略。同时,采用改进的混合灰狼遗传算法对模型进行求解,具体改进策略包括引入灰狼算法位置更新策略优化遗传算法的交叉方式以提高最优解搜索效率,以及在遗传算法的选择步骤前引入基于奖励机制的评估器增强算法的局部搜索能力。实验结果表明,与轨道吊作业范围已知相比,考虑轨道吊任务分配使轨道吊的平均利用率提升了3%~8%。与自适应混沌遗传算法、遗传算法相比,改进混合灰狼遗传算法能在较短的作业完工时间内节约更多的能耗。

基于相似日聚类和IHGWO-WNN-AdaBoost模型的短期光伏功率预测

为进一步提升光伏输出功率短期预测的准确性和稳定性,提出一种基于相似日聚类的小波神经网络(wavelet neural network,WNN)和AdaBoost的混合预测模型。首先利用模糊C均值聚类(fuzzy C-means algorithm,FCM)算法将初始数据集按照不同的季节和天气类型进行划分;其次选用WNN作为改进AdaBoost算法的基学习器,构建WNN-AdaBoost模型,并使用改进混合灰狼优化(improved hybridizing grey wolf optimization,IHGWO)算法优化WNN的小波因子和权值;最后选用我国中部地区某光伏电站实采的输出功率数据进行算例分析,通过与其他模型的对比,验证了所提模型的预测效果。实验结果表明:在不同季节和天气类型下,所提模型均能得到较好的预测结果,在有效提升光伏短期输出功率预测精度的同时,兼备了较强的适应性和鲁棒性。