基于三级养护标准的沥青路面预养护方案多目标加权灰靶决策

针对沥青路面最佳预防性养护策略选择问题,结合关于沥青路面预防性养护指标及规范标准,建立了基于判断性指标、综合性指标和控制性指标的三级预防性养护判断标准。在此标准下,以多年度项目级养护规划为研究对象,结合GM(1,1)预测模型确定预防性养护时段,并引入多目标智能加权灰靶决策模型对适用性预防性养护方案进行优化决策。在此过程中,确定了养护费用、耐久性等8个养护目标并利用博弈论组合赋权法确定权重,选取G30连霍高速甘肃省境内某路段进行决策分析。结果表明:该路段最早需要开展预防性养护的时间为第3年,在第6年底之后不宜再实施预防性养护,在该预防性养护时段内,方案4的综合效益值最大,其值为0.735 8,即应在第4年采取超薄层罩面预养护措施。该方法简单实用,可成为沥青路面预防性养护策略选择的一种新方法。

考虑韧性提升的输电网灾前预防检修多目标多阶段优化

极端气象灾害易使输电网发生大面积故障。输电网设备的健康程度影响着输电网抵御极端气象灾害物理层面的能力。为进一步提升输电网抗灾能力,减轻经济损失,从输电网韧性提升的角度出发,对输电网灾前预防检修策略进行研究。首先提出将灾害风险抵御力作为输电网灾时韧性评价指标,同时针对极端灾害的时空特性,采用场景分析法来计算韧性指标。根据输电网灾前预防检修的韧性提升、检修风险、经济性的要求,提出输电网灾前预防检修多目标多阶段优化模型,并采用NSGA-II算法与数学规划求解器结合的方法求解。采用IEEE RTS-79算例对优化模型的有效性进行了仿真验证。算例结果表明,文章所提优化模型能得出Pareto前沿以及最优折衷解,并以此得到最优灾前预防检修计划,在提升灾时韧性的同时控制灾前预防检修的风险与费用,从而帮助电网运行人员做出科学决策,具有较好的应用价值。

基于强化学习的晶圆炉管区设备维护调度联合优化方法

针对晶圆炉管区加工过程中晶圆动态到达、不同工艺类型晶圆不相容和设备预测性维护等问题,以最小化最大完工时间和总拖期为目标,考虑炉管区组批、设备维护选择和批次排序,构建炉管区设备维护-调度联合优化的数学模型。提出基于多目标近端策略优化(MPPO)强化学习的实时调度优化方法。设计组批智能体,根据动态到达的晶圆信息,实现相同工艺类型晶圆的组批;设计设备智能体,根据设备的预维护区间,提出一种预维护区间维护调度联合优化策略,依据该优化策略维护设备并确定维护开始时间;设计排序智能体,根据批次的紧急程度和晶圆不同层尽量在同一设备加工的约束,进行批次排序加工决策。引入长短期记忆网络(LSTM)对炉管区调度信息进行记忆和预测,排序智能体进行排序时,读取组批和设备智能体的决策,并将晶圆加工结束时间反馈给组批和设备智能体,实现智能体之间的交互。根据企业实际生产情况进行案例设计,并与其他算法进行比较,验证了所提MPPO算法的有效性,其具有良好的综合调度性能。

考虑运输时间和机器预维护的柔性作业车间绿色调度

针对柔性作业车间调度问题,在同时考虑运输时间、机器预维护和能耗等约束的情况下,建立了最小化完工时间和总能耗的混合整数规划模型,并提出一种多目标离散Jaya算法进行求解。根据问题的特点,设计了基于工序和机器的双层编码方式,并采用均衡加工时间和能耗的种群初始化方法产生高质量的初始种群。为了将解转化为可行有效的调度方案,设计了带有预维护动态调整策略和考虑运输时间的贪婪插入解码方法。根据解的不同情况,采用不同的方式更新个体。将本文设计的算法与常用的多目标优化算法在18组不同规模的测试算例下进行对比分析,验证了所提算法的有效性。实验结果表明,所提算法能够有效解决考虑运输时间和机器预维护的柔性作业车间绿色调度问题。

基于注意力机制的YOLOv5路面裂缝检测与识别

【目的】针对传统路面裂缝检测实时性差、准确率低的问题。【方法】利用深度学习网络在目标检测方面的优势,提出一种改进的YOLOv5算法,称为YOLOv5s-attention,以实现路面裂缝自动化检测与识别。首先,对采集到的裂缝图片用LabelImg标注软件进行手工标记,然后通过改进YOLOv5网络训练得到网络模型参数。最后,利用所建立的模型对裂缝进行验证和预测。除此之外,采用综合评价指标(F1-measure,F_(1))和平均精度均值(mean average precision,mAP)这两个指标来比较原YO-LOv5s、YOLOv5s-attention模型在路面裂缝上检测与识别的性能。【结果】经YOLOv5s与YOLOv5s-attention比较发现,YO-LOv5s-attention检测准确率(Precision)提高1.0%,F1提高0.9%,mAP提高了1.8%。【结论】由此可知,该网络在实现道路裂缝自动化识别上具有一定的现实意义。

人群跳跃荷载时变协同性因子研究

协同性因子是跳跃人群中各单人间动作一致程度的度量指标,是人致结构振动分析中人群跳跃荷载建模的关键参数。现有协同性因子大都是定义在较长时段内的均值参数,其计算依据也是实验室条件下才能获取的地反力或特征点轨迹等,不能准确反映跳跃者个体差异的时变特性,也难以直接应用于实际场景下结构的振动监测。对此,提出了人群跳跃荷载的时变协同性因子,采用计算机视觉中的多目标跟踪技术对跳跃人群进行实时监测,并计算协同性因子。开展了佩戴无线测力鞋垫的多人跳跃实验,通过与实验结果的对比,验证了时变协同性因子的合理性以及多目标跟踪技术的有效性,可用于工程结构的安全运维、人致结构振动分析和人群跳跃时变荷载的模拟。

考虑群组预维修的多目标柔性作业车间调度

柔性作业车间系统能满足社会对个性化、小批量及定制化产品的需求,该车间系统具有设备众多、工艺路线复杂、故障频次多等特点,但目前只是采取单机预防性维修策略来避免设备故障,势必会增加维修次数和维修成本,影响生产活动。针对传统单机预防性维修带来的问题,提出将群组预防性维修策略应用于柔性作业车间系统,并建立了群组预防性维修和多目标柔性作业车间联合优化模型。为了克服传统算法局部搜索能力不足的问题,设计了一种新的多目标进化算法求解多目标柔性作业车间调度问题,并展示了如何在柔性作业车间系统应用群组预防性维修。实验结果表明:所设计多目标进化算法能求出更多的最优解,具有更快的收敛速度,且能收敛到更优目标值;群组预防性维修比单机预防性维修的维修次数更少,维修成本更低,对生产活动影响更小,算例结果显示群组预防性维修相比于单机预防性维修在维修次数和维修成本方面均降低了150%;对将群组预防性维修策略应用于半导体代工厂生产设备的维修进行了展望。

维持性血液透析继发性甲旁亢患者的舌象改变与客观指标相关分析

目的:探讨维持性血液透析(maintenance hemodialysis,MHD)继发性甲旁亢(secondary hyperparathyroidism,SHPT)患者舌象分布规律的相关性,旨在从中医学角度认识、治疗本病提供新的参考依据。方法:选取2020年06月—2022年06月上海健康医学院附属金山区中心医院血液透析中心SHPT患者89例,收集患者基本临床资料及生化指标,记录患者舌象,分析SHPT患者舌象分布规律的相关性。结果:(1)SHPT患者舌象分布舌质颜色以淡白舌出现的比例最高,其次是红舌、青紫舌及淡红舌,舌体形态方面以齿痕舌和裂纹舌的比例最高,舌苔特征方面苔色以白苔居多,薄苔为主。(2)SHPT患者的舌质颜色与患者总胆固醇和低密度脂蛋白差异有统计学意义(P<0.05)。(3)SHPT患者的舌苔与患者血红蛋白、红细胞、红细胞比容、Kt/V、URR差异有统计学意义(P<0.05)。结论:SHPT患者舌象分布舌质颜色可作为判断病情变化的一项参考依据。

伴随维修资源配置与任务调度的多目标联合优化

现代战争作战节奏快、横跨地域广,对伴随维修保障模式提出了更高的要求。如何在复杂战场中实现资源配置与任务调度的流程整合,充分发挥伴随维修系统效能,已经成为当今装备维修保障的迫切需求与发展方向。综合考虑多中心、开放式、多修复状态、时间窗、非遍历、容量限制等因素,首次提出随时补货的思路,将地区危险系数与维修组当前成本相结合,以维修组创造维修效益最大化、承担风险成本最小化为目标,建立更完善的数学模型。针对上述问题进行相应的编码,改进多目标人工蜂群(Multi Objective Artificial Bee Colony,MOABC)算法,提出求解质量、收敛速度良好的多目标人工蜂群-多记忆蜜源(Multi Objective Artificial Bee Colony for Memorizing Multiple Honey Sources per Bee,MOABC-MMHS)算法;针对小部分极端值影响均值的问题改进覆盖率(Coverage,C)指标的使用方式,以频率的方式对其进行展示;通过仿真实验与多指标评价验证模型和算法的科学性,实现了伴随维修资源配置与任务调度的联合优化。研究结果表明,上述模型与算法能够为伴随维修保障提供相应的辅助决策。

视听觉协同的电网目标检测网络

随着电网规模的不断扩大和日益复杂,发展智能运维技术是提升运维效率的必由之路。为实现变电站目标的主动感知,基于小样本学习框架提出一种视听觉协同的目标检测网络(visual and auditory fusion detection network, VAFDNet),利用小样本量级数据融合视听觉信息,实现低数据集成本的模型扩展。VAFDNet由作为基础网络的Faster R-CNN和声云信息引导模块构成。声云信息引导模块包括声学特征引导分支和全局特征引导分支,并通过引入声云信息引导机制实现视听觉特征的融合与增强。VAFDNet的训练利用2阶段训练微调方法,提升了网络的泛化性能,可以有效应对变电站目标视听觉协同样本稀缺的问题。在含有3类目标的视听觉协同样本集上进行测试,VAFDNet整体识别精度达到52.623%,各类视听觉协同目标的检测精度均有大幅提升,对数据量极小的主变压器、套管的识别效果也得到明显改善。

基于无人机视频的公路桥梁边坡异常检测

对无人机巡查相应的软硬件系统进行开发,实现了对公路桥梁边坡中常见的边坡坡面冲刷,桥梁地基冲刷以及桥下空间违规停放车辆、违章建筑、堆积物等异常隐患的高精度自动化检测。首先搭建了高精度无人机控制系统、地面工作站和数据管理中心,用于自动化采集桥梁边坡影像;然后构建桥梁边坡常见异常隐患数据集,并基于深度学习的目标检测技术实现了桥梁边坡常见异常隐患自动检测系统;最后将自动检测系统应用于测试集,可达到0.8492的平均精确率。实验和真实场景测试证明,与传统人工巡检方式相比,该系统具有高效性、全面性和安全性,可为公路中桥梁边坡的巡检节省大量的人力物力。

异物隐患对输电线路安全运行的影响及管控措施

介绍异物隐患的基本情况及其分类,研究分析在不同因素下各种异物对输电线路的影响,从而制定合理的运维管控措施,帮助运维人员有效提高工作效率,保障电网安全稳定运行。

基于OBE与系统韧性分析的城市管理专业建设研究

城市管理的客体是“物理+人理+事理”巨系统,具有综合性、专业性、复杂性和动态性特点。本文在充分分析城市的系统特征基础上,深度剖析多技术环节与多场景组合的城市常态监管与应急管理多维度内涵,以新时代城市管理的要求倒推对应的专业建设要求,一是应用OBE思路建立三层级城市管理专业教育教学目标体系。二是引入生态系统韧性保持的思路,结合城市管理技术复合型特点,提出并设计了包含辨识、预测、控制与评估等四环节以及工程、信息、安全与应急等四模块的专业建设框架,并对框架内部逻辑关系进行了阐释。三是应用课程地图方法,以城市安全与应急为典型建立了能力模型,并在此基础上提出了对应的多映射课程框架。

滚动轴承多目标维修决策优化研究

为体现合理的维修时机在决定轴承使用效率与经济效益方面的重要作用,以滚动轴承为研究对象,基于威布尔比例风险模型,分别建立单一可用度决策模型,单一维修费用决策模型,综合利用可用度、维修费用、可靠性指标建立的模糊多目标规划维修决策模型,用层次分析法中的比例标度对模糊多目标规划模型约束条件进行改进,实现对滚动轴承的维修决策的优化,对比3种模型的计算结果。通过试验数据验证表明,改进的模糊多目标优化决策模型比单一目标模型更具优越性。

离散流水线车间内交货期与鲁棒性及能耗成本的集成优化

当今车间管理者不仅需要在最小化制造工期的同时尽可能应对设备随机故障等因素引起的不稳定性,更需要节省分时电价模式下的能耗成本以提高产品价格竞争力。本研究以考虑设备随机故障的流水线车间为研究对象,以工件交货期、系统鲁棒性、能耗成本为目标,建立了涉及生产调度、设备维护、能量分配三个维度的模型。首先,以代理指标方法结合蒙特卡洛仿真验证解决了不确定环境下的可行解评估问题;其次以NSGA-II框架为基础结合启发式解码方法以搜索此多目标问题的帕累托曲线。数值实验验证了所提目标评估方法的有效性以及集成方案相较于传统规则的优越性;在各工序间插入合适的缓冲时间,既可以吸收故障冲击以提高系统鲁棒性,又可以调整设备开机时段以降低总能耗成本。

基于资源约束的地铁运营施工任务调度研究

针对地铁运营施工资源有限、时间严格、任务繁重等特点,本文以地铁运营施工任务调度为研究对象,建立运营施工调度优化模型与算法。模型以任务优先级、施工人员和施工工区限制等为约束条件,以完工时间最小化、施工人员工作负荷均衡化为目标;设计一种联合线性规划与资源交叉(CPLEX-ROC)的混合求解算法;通过对某实际地铁运营线路展开案例研究,验证模型和算法的可行性与先进性。案例研究结果表明:相较于人工调度、遗传算法(GA)、教学优化算法(TLBO)方法,最大完工时间分别降低32.90%、15.11%和10.75%;施工人员工作负荷均衡指标相较GA、TLBO分别优化了15.44%和10.62%。计算结果验证了本模型能够提升地铁运营施工任务整体作业效率,同时实现施工人员工作负荷均衡。

广域分布式军事信息系统智能运维管理架构

军事信息系统广域分布和规模使用特点迫切需要具有智能特征的运维管理。为了指导该类系统的设计和建设,提出了运维对象、运维事项和运维体系等基本概念,从运维能力和运维理念而非功能角度提出了一种智能运维管理架构,并细化提出了6类13项智能运维能力特征。

基于机器视觉的电力运维数据提取与分析方法研究

针对电力运维数据审计过程中存在实际检修人员与计划统计不一致的问题,文中基于机器视觉技术提出了一种改进的YOLOv4模型。其通过对原始模型中主干和颈部网络的模块、结构加以修改,并使用GIoU损失函数完成对信息机房视频帧图像的提取与识别,从而准确地对检修人员进行检测,实现了智能审计。在公开数据集CrowdHuman上进行的实验测试结果表明,改进后模型的准确率达到87.9%,每秒帧率FPS值为73。与其他主流模型相比,所提方法的图像处理速度更快,还可以有效提高电力运维数据审计的准确性。

基于多目标遗传算法的电梯维保路径规划方法研究

针对现有电梯维修保养(维保)方案无法适应维保人员短缺及无法保障维保成本的问题,从考虑平衡员工工作负荷的角度出发,提出了一种基于多目标遗传算法的电梯维保路径规划方案。首先,在考虑任务优先级和多维保站点调度的基础上,建立多目标优化模型;其次,对传统编码方式和遗传算子进行修改,并利用多目标遗传算法对模型进行求解;最后,采用实例对方案进行验证,并对比分解法和全局法两种方案在实例中的应用结果。结果表明,当算法迭代次数相同时,分解法展现出更为出色的性能。相比于全局法,分解法节约了17.3%的成本,减少了49.7%的员工工作时长标准差,节约了26.6%的人力资源。该方法可为电梯维保路径规划提供有益参考。

基于通道权重分配的铁路物资仓储库区物体分类识别方法

铁路物资仓库中货物种类广、数量多,人工搬运困难,急需建设无人仓库以提升物资管理水平。但是,铁路物资仓库常有紧急抢修任务,货物动态性高,人机混合,工人与货物、车体之间相互遮挡,对物体识别造成较大影响。因此,如何准确识别仓库中常见物体并及时做出任务调整,成为了铁路仓库智能化运行中亟待改善的问题。在YOLOv8模型的基础上,在主干网络部分加入SE(Squeeze-and-Excitation)注意力模块,对损失函数进行优化,提出了YOLOv8-S铁路检修仓储库区物体识别模型。通过引入SE模块,YOLOv8网络可以通过在不同通道间分配权重达到主次优先的目的,提高模型对特征的关注力,进一步提高模型分类的能力,优化后的损失函数通过最小化预测边界框和真值边界框之间的点距离来计算IoU,简化了计算过程。采集铁路检修仓库中出现频率较高的叉车、货物、工作人员与货架4类物体图像作为数据集,为保证数据集质量,采用MSE均方误差去除冗余图像,共得到1000幅图像。对4类物体进行标注并送入训练模型。测试结果表明,模型召回率为83.7%,平均均值精度达到87.6%,与原始YOLOv8相比,YOLOv8-S的召回率提高了3.8%,平均均值精度提高了4.3%。结果表明,YOLOv8-S网络可以准确地实现铁路检修仓库中常见物体的识别。