【摘 要】
：
针对制造行业中广泛存在的一类复杂零等待流水线调度问题,即带序相关设置时间和释放时间的零等待流水线调度问题(NFSSP SDSTs RTs),建立问题的排序模型并提出一种混合交叉熵算法(HCEA)进行求解,优化目标为最小化总提前和延迟时间.首先,设计了一种基于问题性质的快速评价方法,有效降低评价解的计算复杂度.其次,采用交叉熵算法学习并积累优质解的结构特征,建立概率模型对优质解的工件块分布进行有效地估计.通过合理的采样和更新方法,实现对解空间中优质区域的全局搜索.然后,为提高算法搜索效率,设计带两种搜索策略
【机 构】
：
昆明理工大学机电工程学院,云南昆明650500;昆明理工大学信息工程与自动化学院,云南昆明650500;昆明理工大学信息工程与自动化学院,云南昆明650500
论文部分内容阅读
针对制造行业中广泛存在的一类复杂零等待流水线调度问题,即带序相关设置时间和释放时间的零等待流水线调度问题(NFSSP SDSTs RTs),建立问题的排序模型并提出一种混合交叉熵算法(HCEA)进行求解,优化目标为最小化总提前和延迟时间.首先,设计了一种基于问题性质的快速评价方法,有效降低评价解的计算复杂度.其次,采用交叉熵算法学习并积累优质解的结构特征,建立概率模型对优质解的工件块分布进行有效地估计.通过合理的采样和更新方法,实现对解空间中优质区域的全局搜索.然后,为提高算法搜索效率,设计带两种搜索策略的快速局部搜索方法,对全局搜索发现的优质区域进行细致且深入的搜索.最后,仿真实验与算法对比验证了HCEA可有效求解NFSSP SDSTs RTs.
其他文献
自抗扰控制技术应用已日渐成熟,但当系统中存在高频非平稳噪声信号时,线性自抗扰控制(LADRC)存在难以选取合适的观测器带宽的问题:当带宽较小时,线性扩张状态观测器(LESO)难以实现对总扰动的实时观测,会造成时滞;当带宽较大时,LESO又会放大噪声对系统的影响,从而造成总扰动观测失真.为了解决这一问题,将小波降噪环节加入LADRC中,通过设计基于滑动窗实时小波降噪的LESO,对含噪输出信号进行实时降噪.使用Simu-link搭建系统模型,分别在输出信号中加入高斯白噪声或谐波等不同类型的高频非平稳噪声进行仿
本文以随机自动机为模型,研究分布式随机离散事件系统的模式故障预测问题.首先根据分布式随机离散事件系统的分布特性对模式故障协同可预测性概念进行形式化,并通过构造模式故障识别器来识别系统中发生的模式故障.然后,构造一个模式故障协同预测器,提出一种基于协同预测器的具有多项式复杂度的算法,得到关于分布式随机离散事件系统模式故障协同可预测性的充分必要条件,实现对分布式随机离散事件系统的模式故障预测.
为提高士官人才培养质量、提升士官教育专业组训课程的教学效果,针对目前士官专业组训课程中存在问题,将任务驱动教学法引入士官专业组训课程中.首先从科学设计任务主线、任务设计贴近实训、优化考核评价方式和扩展教学模式四个方面设计了专业组训课程教学过程;然后给出了任务驱动教学法的实施方法.教学实践表明,课程考核成绩在优秀率、良好率上均有明显提高,学员对课程的满意度均达到85.0％以上.
针对具有时变通信受限的一类非线性信息物理系统,本文采用网络化预测控制策略,对于时变通信时延和数据丢失,不是使用常规的被动方式抑制,而是进行主动补偿.为了使补偿时变通信受限的方式简单、主动和通用,提出了一种新颖的网络化非线性预测控制方法.所设计的网络化非线性预测控制器能达到具有与无网络的本地闭环控制系统完全相同的期望控制性能.同时,经系统稳定性分析,给出了闭环网络化非线性预测控制系统稳定的充要条件.数值算例说明了所提网络化非线性预测控制器设计方法对信息物理系统中时变通信延时实现了完全补偿.
本文研究了具有时滞脉冲的线性随机时滞系统的稳定性问题,基于Lyapunov函数和Razumikhin技巧,针对具有镇定型脉冲和反镇定型脉冲的线性随机时滞系统分别建立了系统均方指数稳定的充分条件,最后给出两个数值例子论证结果的有效性.
针对机械臂在高维关节空间下路径规划效率低的问题,本文提出了一种基于低差异序列与快速扩展随机树融合的路径规划算法.该方法首次使用Sobol序列代替快速扩展随机树中的伪随机序列,从而生成均匀差异采样点,且在采样过程中通过建立采样池对采样点进行优选,提高了采样点质量和采样效率.在此基础上,为使规划的路径变得光滑,本文采用基于最小二乘法的多项式拟合方法对各关节角的离散点进行后处理.实验部分首先在二维空间中进行算法性能分析,证明了本文改进的算法能够快速稳定的避开障碍物到达目标点;最后以AUBO–i5机械臂为原型开展
为了避免空间机器人双臂捕获卫星操作过程中关节被冲击载荷破坏,在电机与机械臂之间加入了一种弹簧阻尼装置(SDD).该装置不仅能够吸收、消耗冲击能量,还能配合所设计的缓冲柔顺策略将冲击力矩限在安全范围内.首先,针对捕获前的双臂空间机器人开环系统与目标卫星系统,分别利用耗散力Lagrange方程法与Newton–Euler法建立了其动力学模型.然后,结合动量定理、速度约束、闭链几何约束及牛顿第三定律,导出了捕获后的闭链混合体系统动力学模型.针对混合体系统的缓冲柔顺控制问题,提出一种基于模糊小波神经网络的强化学习
提出一种密度敏感模糊核最大熵聚类算法.该算法首先通过核函数将原始非线性非高斯的数据集转化为核空间数据集,然后利用核函数的相似性抵消不属于该聚类的样本数据在聚类过程中对聚类中心求解的干扰,消除正则化系数对聚类结果的影响,进而抑制传统最大熵聚类算法的趋同性.最后通过引入相对密度项,解决因样本数据在特征空间的分布差异而导致的聚类中心求解偏差问题,从而提高聚类结果的准确性.实验部分,本文讨论了算法参数间的关系以及对聚类结果的影响.通过与传统模糊C均值聚类算法、核模糊C均值聚类算法、最大熵聚类算法、最大熵规范化权重
本文针对现有滚动轴承智能故障诊断方法在面向大噪声背景下鲁棒性能差的问题.基于混沌理论,提出采用相空间重构方法还原并丰富轴承振动的动力学特性,通过卷积神经网络(CNN)提取混沌序列中的高级抽象特征,又考虑故障信号具有长程相关性,将低维抽象故障特征引入长短期记忆网络(LSTM),以灰狼算法优化的支持向量机(OSVM)作为分类器,提出CCNN(Chaotic CNN)–LSTM–OSVM智能故障诊断方法.试验结果表明,在处理信噪比为?6 dB信号时,该方法仍具有89.96％的准确率,相比以Softmax作为分类
针对部分系统存在输入约束和不可测状态的最优控制问题,本文将强化学习中基于执行–评价结构的近似最优算法与反步法相结合,提出了一种最优跟踪控制策略.首先,利用神经网络构造非线性观测器估计系统的不可测状态.然后,设计一种非二次型效用函数解决系统的输入约束问题.相比现有的最优方法,本文提出的最优跟踪控制方法不仅具有反步法在处理n阶系统跟踪问题上的优势,而且保证了所有虚拟控制器均为最优,同时,该方法可以简化控制器设计过程.最后,基于李雅普诺夫稳定性理论,证明了闭环系统中的所有信号一致最终有界.通过仿真结果验证该方法