考虑并行制造的云服务外购件供应商组合优选

云制造环境下,为解决并行结构下外购件供应商组合优选难的问题,在考虑并行制造的前提下,课题组以时间、成本、可靠性和灵活性为优化目标,构建了云服务多目标组合优选模型。提出了一种改进的非支配排序遗传算法(NSGA-Ⅲ-TS)对模型进行求解,该算法采用反向学习策略提高初始解的质量;而后使用融合邻域搜索(采用交换、反转和插入3种方式)和禁忌搜索算法的策略加强局部搜索,提高算法后期局部寻优能力;对得到的一系列优选供应商组合综合评价,在考虑实际需求的基础上为需求方选出了最优供应商组合及备选方案。通过实际案例验证了该模型的有效性和算法的可行性。

任务驱动式教学方法在“食品无损检测技术”课程中的实践与探讨

伴随国家对应用型人才需求的增加,高校课程均应围绕培养具备创新能力的工程技术人才设置。任务驱动式教学方法可以充分提升学生学习兴趣。"食品无损检测技术"是高校工程装备及食品机械方向的基础课程,同时也是体现实践能力的课程,非常适合任务驱动式教学模式的开展。从课程内容和特点出发,探索了任务驱动式教学方法在教学中的具体实施及要点,并通过反馈进行教学评估及分析总结。任务驱动式教学方法的探索,为推动高校基础课程教学模式改革、培养学生创新能力提供思路。

基于自校准机制的时空采样图卷积行为识别模型

针对现有行为识别算法忽视时空信息上下文的依赖关系和缺乏多层次感受野的特征提取问题,本文提出一种基于自校准机制的时空采样图卷积网络行为识别模型.首先,介绍ST-GCN和3D-GCN、Transformer和自注意力机制的工作原理,并分析了3D-GCN和Transformer不能有效进行时空上下文建模;其次,为有效进行时空上下文建模而提出了一种时空采样图卷积网络,其以时序连续多帧作为时空采样将全局动作分为多个子动作,通过非局部网络计算单一节点与采样频率帧内所有节点的相关性来建立局部跨时空依赖关系,并通过结合非局部网络和时域卷积计算单个采样子动作与全局子动作的相关性以此来建立全局跨时空依赖关系;然后,为了有效地增强多层次的感受野来捕获更具判别力的时域特征,提出了一种时域自校准卷积网络在两个不同的尺度时空中分别进行卷积并特征融合:一种是原始比例尺度的时空,另一种是使用下采样具有较小比例尺度的潜在时空;再者,结合时空采样图卷积网络和时域自校准网络构建基于自校准机制的时空采样图卷积网络行为识别模型,在多流网络下进行端到端的训练.最后,基于NTU-RGB+D和NTU-RGB+D120骨架动作数据集开展了骨架行为识别的相关实验研究,研究结果表明该行为识别模型具有高效的时空特征提取能力以及优秀的性能.

多约束下矩形件排样问题的混合求解算法研究

针对板材和玻璃下料过程中存在的矩形件排样问题,提出了一种基于分割匹配算法与改进蚁群算法的混合算法进行求解。建立了以最大化均方利用率和剩余加工时间为目标的排样优化模型;利用蚁群算法作为排样顺序算法确定部分零件的排样顺序以满足零件的加工时间限制,为了提高蚁群算法搜索效率,提出了自适应信息素更新策略,引入基于遗传变异和2-opt变异的混合变异策略来增强局部搜索能力。针对于零件在毛坯上位置的排布问题,为提高毛坯的均方利用率同时又满足一刀切约束条件,提出分割匹配算法进行矩形件排布优化。将改后的算法与其他优化算法用国际标准测试案例和企业实际案例进行对比分析,验证了所提混合算法的有效性。

基于海鸥优化算法的分布式柔性车间调度研究

基于分布式柔性作业车间问题特点,构建了以最小化最大完工时间、工厂总能耗和设备总负载为目标函数的数学模型,并对3个目标函数采用线性加权和法进行归一化。在传统的海鸥优化算法基础上,改进了自适应附加变量更新策略,提高算法后期的局部寻优能力和收敛精度。融合麻雀算法中的飞行机制,扩大个体局部寻优范围,进一步提高寻优精度。引入针对关键工厂的变邻域搜索算法,拓展了邻域搜索范围,增强了算法的局部搜索能力。通过标准算例和工厂实际算例的验证,证明了改进海鸥优化算法(Improve Seagull Optimization Algorithm,ISOA)在求解多目标分布式柔性作业车间问题上的有效性和可行性。

Al-Zn体系高压扭转过程中的相变机理

本工作对常温不互溶的Al-Zn体系进行了高压扭转下的机械合金化研究。将0.03 mm厚的纯Al和纯Zn交替堆叠,在3 GPa的压力下进行50圈的高压扭转处理。结果表明,高压扭转处理的Al-Zn合金中产生两种类型的相变,即晶体到非晶的相变,以及密排六方到面心立方的相变。局部高密度位错可能是Al-Zn合金从晶态转变到非晶态的主要原因,而HCP→FCC相变则归因为密排面原子沿晶界产生的Shockley不全位错的滑动。此外,本工作为深入研究Al-Zn合金的固态相变提供了一种新的途径,为提高铝锌合金的力学性能提供了新的思路。

异常事件驱动的离散制造车间重调度决策

针对车间生产重调度问题,结合离散车间制造过程透明化的现状,提出了异常事件驱动的离散制造车间重调度决策方法。在物联网驱动的离散制造车间环境下,利用复杂事件处理技术分析并处理制造过程的实时信息。通过定义重调度的判定方案、驱动机制和性能评价指标,提出了面向成本的离散车间重调度决策方法,并借助模拟退火遗传算法对最优重调度方案进行求解。通过对经过事件处理后获得的离散车间异常事件的案例分析,验证了该重调度决策方法的有效性。

基于企业亲密度的云制造服务优选方法研究

针对企业云制造服务优选问题,提出一种充分利用历史数据、主客观综合赋权的优选方法。从企业资源计划(Enterprise Resource Planning,ERP)全面获取服务过程数据,建立包含企业亲密度模型的、指标全面量化的评价体系。采用相邻目标优属度法,由用户确定指标间重要性,计算一级指标权重;基于极大熵准则,结合专家意见,用目标规划法确定二级指标权重;另外,对于冷启动问题,通过余弦相似性原理计算企业背景相似度评估新企业QoS评分。结合某汽车检测装备制造企业案例,验证了方法的实用性,该方法能快速辅助选择适合企业情况的服务提供商。

FP-Growth-DW算法在离散车间的数据挖掘分析

针对离散车间生产能耗数据多源异构,干扰因素间关联关系不易分析的问题,根据离散制造能耗机理分析结果构建多源能耗数据挖掘模型(Multi-source Energy-consumption Data-mining Model,MEDM),提出一种面向离散车间的频繁模式增长(Frequent Pattern Growth for Discrete Workshop,FP-Growth-DW)算法。首先,应用关联视图、分箱处理和多源异构统一编码方法,对离散车间多源异构海量数据进行预处理;然后,采用分区并行策略和3种剪枝技术优化候选项集以构建频繁模式树(FP-Tree),并提取强关联规则合并存储到规则库中。最后实例验证表明,该算法在离散车间多源异构数据挖掘分析上具有可行性和有效性,算法效率提升了68.8%。

基于时空特征增强图卷积网络的骨架行为识别

针对骨架行为识别不能充分挖掘时空特征的问题,该文提出一种基于时空特征增强的图卷积行为识别模型(STFE-GCN)。首先,介绍表征人体拓扑结构邻接矩阵的定义及双流自适应图卷积网络模型的结构,其次,采用空域上的图注意力机制,根据邻居节点的重要性程度分配不同的权重系数,生成可充分挖掘空域结构特征的注意力系数矩阵,并结合非局部网络生成的全局邻接矩阵,提出一种新的空域自适应邻接矩阵,以期增强对人体空域结构特征的提取;然后,时域上采用混合池化模型以提取时域关键动作特征和全局上下文特征,并结合时域卷积提取的特征,以期增强对行为信息中时域特征的提取。再者,在模型中引入改进通道注意力网络(ECA-Net)进行通道注意力增强,更有利于模型提取样本的时空特征,同时结合空域特征增强、时域特征增强和通道注意力,构建时空特征增强图卷积网络模型在多流网络下实现端到端的训练,以期实现时空特征的充分挖掘。最后,在NTU-RGB+D和NTU-RGB+D120两个大型数据集上开展骨架行为识别研究,实验结果表明该模型具有优秀的识别准确率和泛化能力,也进一步验证了该模型充分挖掘时空特征的有效性。

基于改进GADF-SeResNet滚动轴承故障诊断方法

针对传统故障诊断方法对滚动轴承进行故障诊断准确率较低且时效性较差的问题,提出了一种基于格拉姆角场(Gramian Angular Field,GAF)编码技术与改进SeResNet50模型对滚动轴承的故障诊断方法。采用格拉姆角场技术将一维振动信号重编码为二维特征图像,将二维特征图像作为模型的输入,结合ResNet算法在图像特征提取和分类识别方面的优势,实现自动特征提取与故障诊断,最终达成对不同故障类型的分类。为验证方法的有效性,选用凯西斯储大学的滚动轴承数据进行验证,并与其他常用智能算法进行对比,结果表明,所提方法较其他智能算法分类准确率更高且时效性较好。

结合支配强度的NSGA-Ⅱ的柔性车间低碳调度

针对加工辅助环节对传统柔性车间低碳调度的影响这一问题,以最大完工时间、碳排放及机器负载为目标,建立考虑机床上下料调整状态的柔性车间低碳调度模型,利用加权归一法进行量纲的统一;针对非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)在解决高维多变量、复杂Pareto边界及复杂非线性多目标问题时存在无法识别非支配解、拥挤度公式不合理、计算效率低下及解集质量较差等问题,提出一种基于支配强度的改进NSGA-Ⅱ算法(Improved NSGA-Ⅱ algorithm based on Dominant Strength, INSGA-Ⅱ-DS)对该模型进行求解:将支配强度引入非支配排序,采用新型拥挤度算子与基于外部档案集的自适应精英保留策略;设计了一种变邻域搜索策略,扩大了邻域搜索范围,增强了算法的局部搜索能力。并运用实例数据对INSGA-Ⅱ-DS性能进行验证,结果表明,改进算法求解效率更高,解集质量更优。

基于电子鼻气味检测的苹果微波干燥方案优选

微波干燥中,过程参数设置不当会引起物料结构破坏和表面焦糊,期间往往伴随着特征气味的散发。该文以苹果为对象,采用60、70、80℃恒温、模糊逻辑控制和线性温度控制5种干燥方案,通过电子鼻采集的气味图谱,研究特征气味的散发规律,及优化干燥方案。根据恒温方案气味图谱中苹果风味峰和焦糊峰的变化规律,确定的模糊逻辑控制方案,可实现在线调节磁控管功率,保留风味、减少焦糊。将模糊逻辑控制方案中实测物料温度曲线进行优化,确定的线性温度控制方案,省去电子鼻检测环节,更适合工业应用。通过比较不同微波干燥方案下的产品品质,线性温度控制方案下干燥产品的品质高、耗时合理、干燥能力强,为优先方案。该研究为气味检测技术应用于苹果干燥提供了技术依据。

排湿压力对微波干燥过程的影响

研究了排湿压力对苹果微波干燥过程中干燥速率和干后制品品质的影响,通过分析微波干燥速率曲线,发现排湿压力决定干燥速率的峰值,对干燥时间与能耗的影响较小,而对干后制品品质的影响较大。其中,在70℃、排湿压力34.47 k Pa时,苹果干后制品品质最好,这将为提高苹果干制品品质提供重要参考。

基于电子鼻的白酒品质检测

为了改进传统基于人工感官的白酒品质评价,利用z NoseTM电子鼻结合感官评价检测同一企业不同品质等级的白酒样品。分析电子鼻指纹图谱各特征峰,发现指纹图谱中获得的"峰面积总和"参数,与感官评价对白酒质量等级的排序一致,可以成为确定品质级别的参数。分别对指纹图谱采用典型判别分析和主成分分析方法,结果表明:典型判别分析对6种不同等级酒样的区分度更大,准确区分率可达100%。因此,文中提出的基于电子鼻的白酒品质检测方法研究,能快速、准确表达出白酒的品质及风格特点,在白酒生产中通过气味在线检测来改进工艺。

苹果控制排湿压力微波干燥模型研究

利用定温微波干燥装置探讨排湿压力对干燥水分比的影响。对常见8钟食品薄层干燥模型进行试验数据的非线性拟合,通过比较评价决定系数R^2、卡方χ~2和标准误差e_(RMSE)以及验证试验。结果表明:Page模型是描述苹果微波干燥过程的最优模型。对不同排湿压力下有效水分扩散系数D_(eff)求解,D_(eff)随排湿压力增大而变大。苹果不同排湿压力微波干燥过程模型的研究为苹果干燥生产提供了理论依据。

基于三维图卷积与注意力增强的行为识别模型

针对当前行为识别方法无法有效提取非欧式3维骨架序列的时空信息与缺乏针对特定关节关注的问题,该文提出了一种基于3维图卷积与注意力增强的行为识别模型。首先,介绍了3维卷积与图卷积的具体工作原理;其次,基于图卷积中可处理变长邻居节点的图卷积核,引入3维卷积的3维采样空间将2维图卷积核改进为具有3维采样空间的3维图卷积核,提出一种3维图卷积方法。针对3维采样空间内的邻居节点,通过3维图卷积核,实现了对骨架序列中时空信息的有效提取;然后,为增强对于特定关节的关注,聚焦重要的动作信息,设计了一种注意力增强结构;再者,结合3维图卷积方法与注意力增强结构,构建了基于3维图卷积与注意力增强的行为识别模型;最后,基于NTU-RGBD和MSR Action 3D骨架动作数据集开展了骨架行为识别的研究。研究结果进一步验证了基于3维图卷积与注意力增强的行为识别模型针对时空信息的有效提取能力及识别准确率。

基于遗传算法的变掌机械手结构优化

针对机械手工作范围有限的问题,提出一种基于对称双五杆滑块并联机构的变掌机械手,安装有一个固定手指、两个动手指,可实现两个动手指相同的变位及转位运动,并起到夹持作用。根据实际应用中对工作空间和均布抓取性能的要求提出性能指标,通过性能指标及约束条件建立多目标优化模型,利用多目标遗传算法优化目标尺寸。结果表明曲柄的长度对机械手抓取范围影响最大,并确认了机构死点位置。

一种软轴传动柔性手指欠驱动机械手设计及其动态抓取过程分析

欠驱动机械手因其高负载能力、抓取范围广泛、控制方法简单等特点,成为末端抓持器领域的研究热点。目前欠驱动机械手大多采用连杆传动、腱传动方式,负载能力、抓取范围受到了一定的限制,同时也使得抓取模式比较单一,抓取过程无法细化控制。介绍了一种采用软轴传动的柔性手指的欠驱动机械手,配合柔性手指的指面转位、扭弹簧预紧角调节装置,扩展了欠驱动机械手的抓取空间,并保证抓取过程各个状态独立可控;同时基于MATLAB的简化结构模型碰撞逻辑对抓取过程与接触状态进行的一系列分析——状态划分、状态判断、抓取规划,通过ADAMS仿真实验证实状态划分的可行性,并通过角度读取状态的可靠性及该动态抓取规划的操控性。

基于改进的Faster R-CNN的齿轮外观缺陷识别研究

为了实现齿轮外观缺陷自动化识别,提高齿轮产品的合格率。针对传统缺陷识别算法泛化差,人工提取特征耗时,提出了一种改进的较快的基于区域卷积神经网络(FasterR-CNN)的齿轮缺陷识别模型。设计出VGG-2CF网络,提高识别较小目标的能力;引入AM-Softmax损失函数,以减小类内特征的差异性,进一步增大类之间差异性;结合机器学习算法中的F度量值(F-measure),提出一种AMF-Softmax损失函数,解决数据不平衡的问题。实验结果表明,提出的改进模型具有较高的识别率,适用于齿轮外观的自动化检测。