由于传统的调度方法在求解大规模柔性作业车间调度问题中存在短视性、计算时间过长和算法参数难以确定等问题,因此提出了一种有效求解大规模柔性作业车间调度问题的深度强化学习方法.首先,将柔性作业车间调度问题转化为一个多智能体马尔科夫决策过程.然后,构建一个用于求解柔性作业车间调度问题的演员评论家模型,演员网络根据状态输出调度规则,智能体根据调度规则选择合适的工序,评论家网络根据状态和奖励对演员网络的动作进行评估.最后,采用不同规模的柔性作业车间调度问题实例验证该方法的性能.实验结果表明,该方法的求解质量优于启发式调度规则,求解效率优于元启发式算法.

针对故障诊断中存在的由于特征提取单一或特征提取缺失导致的诊断准确率较低这一问题,提出一种基于多特征的Res-BiLSTM滚动轴承故障诊断方法.首先通过时域分析法和残差网络对时域特征值和空间特征进行提取并进行特征融合,其次将融合的特征值输入双向长短期记忆网络进行时序特征提取,最后利用Softmax进行分类.实验结果表明,该故障诊断方法增强了故障诊断网络的特征提取能力,进而提高了诊断准确率.

This paper focuses on the multi-objective flexible job-shop scheduling problem.Because in the actual production process,the scheduling results from completion time,the machine load,cost control,resource consumption and other factors influence,so this paper puts forward a kind of improved genetic algorithm based on multi-objective optimization,to minimize the maximum completion time,minimize the machine load and minimize resource consumption three objective function optimization,combined with the improved Pareto multi-objective optimization method,the shortest processing time variation method and the neighborhood variation method,the optimization ability of the algorithm is improved.Finally,the experimental results show that the proposed algorithm is suitable for solving multiobjective flexible job-shop scheduling problem.

针对车间生产过程中加工机器的生产时间分配不均导致的机器负载过大、机器闲置等问题,建立了一个包含均衡化机器使用率的多目标柔性作业车间调度模型,设计了一种改进遗传算法,使用了POX交叉算子和多点交叉法,采用了基于邻域的变异算子.最后通过实验结果验证了该算法适用于求解该类多目标柔性作业车间调度问题,改进的算法也优于其他对比算法.

针对具有能量收集能力的移动边缘计算系统的计算资源分配问题,提出一种基于李雅普诺夫贪婪优化算法.构建在设备电池电量逐渐收敛下,移动设备时延与能耗联合成本的动态最小化优化问题.利用李雅普诺夫动态优化理论,将优化问题分解成每个时隙最佳本地执行、卸载执行和能量收集3个子问题,通过线性规划获得子问题最优解.通过在本地执行、卸载执行和任务丢弃之间选择执行模式,获得设备的时延与能耗联合成本最小结果.利用键值对设计贪婪策略程序,以适应多用户多服务器系统.仿真结果证实,在保证所有设备电池电量都在规定操作水平附近稳定情况下,卸载率可达99.9％以上,并能有效降低服务延时和系统能耗.

由于服装的面料组成具有复杂性,企业在不同时间对不同规格型号面料需求量不一致,传统的人工预测及单维度智能预测模型难以解决问题.针对服装企业面料需求非确定性、预测难的痛点,提出基于关联规则及组合模型的面料需求预测方法.首先构建Apriori面料型号关联模型,挖掘多批多类面料间的型号关联规则;然后构建Prophet时间序列模型与长短期记忆神经网络(long short-term memory,LSTM)的组合预测模型Prophet-LSTM,结合其在解决面料需求预测问题上的优势;最后将挖掘出的高关联面料型号历史需求数据作为输入,采用量子粒子群算法(quantum particle swarm optimization,QPSO)优化组合模型权值系数,进行关联面料需求量预测.使用均方根误差(root mean squared error,RMSE)及平均绝对误差(mean abso-lute error,MAE)作为评价指标设计对比实验,实验结果表明:采用量子粒子群优化的QPSOProphet-LSTM面料需求预测模型RMSE较Prophet降低5.464,较LSTM降低1.184;MAE较Prophet降低4.261,较LSTM降低0.819,需求预测精度更高,支持服装企业面料柔性生产.

针对大部分服装企业生产流水线存在依靠主观决策,导致生产效率低、在制库存高、制造周期不稳定等问题,梳理了服装生产车间的排产逻辑,分析了影响作业车间工单排产的重要因素.首先,采用灰色关联分析法构建工单优先级评价模型;其次,以瓶颈工序等待时间最小化、完工时间最小化和提高生产效率为原则,建立了瓶颈工序影响下的订单动态优先级排产计划模型;最后提出一种以"瓶颈工序等待时间最短"为主的车间调度智能优化算法.以某服装厂实际生产数据为例,结合订单动态优先级排产计划模型对服装订单进行排产,将排产结果与依靠人工经验编制的排产计划相比,新方法使得工单生产周期缩短、在制库存下降,验证了该模型的有效性,为服装厂生产车间排产提供了一种全新的可行方案.

针对服装生产车间中工件工艺流程具有复杂偏序关系的调度问题,分析了该类问题的特点和难点,采用改进算术优化算法求解以最小化最大完工时间为优化目标的偏序柔性车间调度模型.在算法中充分考虑解码的多约束性并通过工件前继工序和机器可用时间段确定后继工序的最优加工时间,在勘探阶段设计了基于适应度和工序完工差异度的二维聚类,并通过类间交叉和有效变异策略扩大种群多样性,在开发阶段针对瓶颈工单和瓶颈机器设计了一种等级邻域策略增强算法的局部搜索能力.通过仿真实验,采用扩展基准算例在算法比较结果和运行时间上验证了基于等级邻域策略的改进算术优化算法应用在偏序柔性车间调度的优越性.

永磁同步电机无传感器控制方法由于具有降低成本、减小系统体积和提高可靠性等优势,广泛应用于军工和民用等各个领域.本文介绍了用于零和低速下的永磁同步电机无传感器控制技术.针对传统的脉振高频信号注入法转子初始位置估计不准确的问题,提出一种基于磁极饱和凸机性的方法来正确判断磁极极性.并通过数学算法将滤波环节进行简化,减少低通滤波器的使用.通过仿真分析,验证了所设计的脉振高频电压注入法在零和低速段的可行性.

为适应目前变流产品高频化、高效率化的发展趋势,该文提出一种高效率的LLC?Buck级联谐振变换器.该文分析了全桥LLC谐振变换器的工作原理和特点,推导其直流增益公式,设计主电路的谐振网络参数.前端电路采用LLC谐振变换器,后端电路采用基于lm20343的buck变换器.该电路保留了LLC谐振电路软开关的特性,降低了后端输入电压的电磁干扰.LLC?Buck级联变换器的两个输出中的一个是LLC谐振变换器的输出,另一个是LLC谐振变换器,变换器是输入经Buck变换器降压后的输出.最后,搭建1台250～420 V输入,24 V/10 A,12 V/3 A输出的实验样机,实验结果验证了理论分析的正确性.

目的 针对目前包装产业存在的产业链长、数据大而散、包装领域知识信息检索不精准等问题,设计一个基于知识图谱的包装领域智能问答系统.方法 采用知识图谱、智能问答、自然语言处理、深度学习和个性化推荐等技术,对互联网上各类包装领域数据进行采集汇聚、抽取知识、融合计算,最终形成一个包装领域混合型智能问答系统.结果 系统主要功能包括知识图谱、文本相似匹配、图像识别和自动问答,实现了包装领域大数据的知识卡片、语义搜索和沉浸问答.结论 该系统使用方便,通过问答方式,一站式快速按需获取多视图、多维度包装领域数据,提升了行业的数字化、信息化和智能化水平.

为了获得精度更高的服装销量预测结果,提出一种基于LSTM神经网络的服装销量预测方法.LSTM神经网络具有较好的非线性和自适应特性,可以更好地挖掘时序数据中的时序特征和非线性特征,从而获得更加符合实际的预测结果值.使用某服装企业的服装销量时间序列数据集训练LSTM模型,设计与经典时间序列预测模型ARIMA的对比实验.实验结果表明,该模型能够有效提升服装销量预测任务的精度.

为解决基于传统K均值聚类算法的滚轴故障预测中随机选取初始聚类中心导致预测效果不佳的问题,提出一种基于蚁群优化K均值聚类算法的滚轴故障预测方法.采用小波包分解得到滚轴振动数据的特征向量并归一化作为聚类算法的输入,采用蚁群优化算法选择最佳初始聚类中心,基于K均值聚类算法建立滚轴故障预测模型.实验结果表明,与传统K均值聚类算法相比,该方法有效规避了易陷入局部最优解的问题,得到了更稳定和更准确的预测结果.

电价预测中常选择负荷与电价作为输入特征,由于输入信息量少,难以得到较好的预测效果.为准确捕捉短期电价变化规律,提出基于实时电价原理进行电价特征提取,从电价形成机制的角度对电价波动原因进行分析,筛选出用于短期电价预测的实时电价特征.并使用擅于捕捉电价预测数据规律的Seq2Seq-Attention网络进行预测.通过美国PJM电力市场公开数据进行验证,证明了该方法的有效性.

传统的故障预测方法难以对不同工况下的滚动轴承故障进行有效预测,为此,提出了一种基于BP神经网络和DS证据理论的滚动轴承故障预测方法.首先采用擅长于处理非平稳信号的小波包分解对多个传感器采集的原始振动数据进行特征分析,然后对BP神经网络的结构和参数进行优化设置并使用多个BP神经网络分别进行故障预测模型训练,最后利用DS证据理论将多个神经网络得到的预测结果进行融合并输出最终预测结果.实验结果表明,该方法能对不同工况下的滚动轴承故障进行有效预测,故障预测平均准确率达96.37％;且与相关文献提出的方法相比,所提出的方法得到的滚动轴承故障预测准确率有所提升.

针对永磁同步电机运行过程中气隙磁场畸变和逆变器非线性因素导致的永磁电机电磁转矩脉动问题,提出了一种基于谐振调节器和谐波注入抑制永磁电机转矩脉动的方法.分析了永磁电机在运行过程中产生的谐波数学模型,设计了基于谐振调节器的前馈控制环节、 谐波提取算法和谐波电压注入算法.最后在Simulink仿真实验平台上进行了仿真分析,成功的抑制了电机中的电流谐波含量,减小了电流的失真度,改善了电机输出转矩的平滑性,验证了谐振调节器前馈控制和谐波注入抑制算法的正确性和可行性.

端子箱是室外一次与二次设备连接的通道,对室内计量、通信、保护等一系列设备的正常稳定工作起着重要作用.端子箱受潮将引起二次设备绝缘水平降低,导致二次系统故障,进而对电网的安全稳定运行构成威胁.现通过分析变电站室外端子箱箱体潮湿的原因,设计出一款新的端子箱,以应对复杂的室外环境,改造后的变电站户外端子箱箱体内相对湿度成功控制在80％以内.

The mode selection and resource allocation are important issues in device-to-device (D2D) communication. There are very little research works considering the joint problem of base station selection and load balance of base station with mode selection and base station selection in multiple BSs cellular systems or heterogeneous cellular systems, which is a challenging issue. In this paper, the joint problem of D2D User Equipments (DUEs) mode selection, base station selection, channel allocation and power allocation is investigated. A mode selection, base station selection and resource allocation problem is formulated. The goal is to maximize the system energy efficiency. We consider the DUEs multiplex the cellular user uplink resource. Meanwhile, the total transmission power constraint of the DUEs, and the load balancing constraint of the BSs are considered. The formulated problem is NP problem, which is hard to solve. In order to solve the formulated problem effectively, a joint mode selection, base station selection and resource allocation algorithm based on particle swarm optimization (PSO) is proposed. Numerical results demonstrate that the proposed algorithm can effectively improve the system energy efficiency.

针对目前传统的直流系统(绝缘)监测方式的误报和漏报等缺陷,提出了一种新型的直流系统绝缘监测解决方案,即间接零点漂移消除法。该方法通过快速地多次换极投切采样电阻,获得短时的多组数据。利用传感器基准零漂、温漂漏电流的瞬态变化可忽略的特性来获得系统漏电流的准确值,消除了传感器自身因环境变化带来的基电流变化,从而准确地计算出系统绝缘电阻的真实值。间接零点漂移消除法克服了因传感器的零点漂移、温度漂移导致的计算绝缘电阻值失真的问题,解决了由此带来的系统漏报、误报,以及传统检测方式存在的检测盲点和误差较大的问题,提高了系统运行的可靠性与准确性。通过仿真试验搭建相关电路,获得了与实际情况相符合的结果,验证了该方式的可行性和安全性。

文章介绍了激光冲击强化技术的基本原理与特点;总结了激光冲击强化技术的国内外发展现状与成果;并对激光冲击强化技术未来发展趋势进行了展望.