摘要：近年来,可见光通信(VLC)技术得到飞速发展,该技术兼具室内低功耗照明和宽带信号高速接入的双重功能,因此在室内大数据通信领域具有较高的应用价值。多输入多输出(MIMO)作为一种在VLC系统中能实现信道容量倍增的技术正日益引起业界关注,但多信道具有强相关性容易导致用户间信息串扰,而在发射机中应用若干预编码技术可在一定程度上避免用户间信息干扰,且可以较低成本实现系统收发质量的提升。文章综述了MIMO-VLC系统中预编码技术的应用背景和基本原理,总结了典型线性及非线性预编码技术的研究进展,讨论并分析了该类技术的应用优势、发展趋势和面临的挑战。

摘要：为了预测15-5PH合金粉末激光熔覆层稀释率进而改善熔覆层性能,提出一种基于粒子群算法(PSO)优化支持向量回归(SVR)的15-5PH激光熔覆层稀释率预测方法。以15-5PH为熔覆材料,45钢为基体进行激光熔覆实验;基于实验结果建立了工艺参数与15-5PH熔覆层稀释率间的SVR模型;优选SVR模型的核函数并运用PSO优化SVR模型的参数。结果表明:PSO-SVR模型选择高斯核函数时预测性能最好;与SVR模型和BP神经网络模型的预测结果相比,PSO-SVR模型对15-5PH熔覆层稀释率的预测结果更准确,模型的决定系数为0.9647,均方误差为0.0003,平均相对误差为3.6%。

摘要：在分析机床再制造产业面临的挑战与现有“事后”型再制造模式不足的基础上,提出数字孪生驱动的机床预测性再制造新模式。将故障预测与健康管理(PHM)融入再制造,提出并详细阐述了数字孪生驱动的机床预测性再制造新模式的关键技术体系与实现框架,包括机床数字孪生体构建、机床运行状态监测与诊断、机床故障预测与健康管理、机床再制造时机决策、机床再设计与再制造等。通过上述体系架构及关键技术实施,构建了一种多状态监测与诊断、数字孪生全过程驱动、再制造时机智能判断的在役机床“事前”预测性再制造运行机制,可有效减少突发性故障及停工损失并保障企业的制造能力。

摘要：无绝缘轨道电路的故障具有复杂性与随机性,采用单一的模型进行故障诊断,其性能评价指标难以提高。而采用集成学习方式,则存在各基学习器结构、参数设计盲目,集成模型中各基学习器组合权重难以分配的问题。针对以上问题,提出一种改进麻雀算法和Q-Learning优化集成学习的轨道电路故障诊断新方法,该方法有机地将集成学习与计算智能和强化学习相结合,充分挖掘轨道电路故障特征,提高性能评价指标。首先,使用卷积神经网络、长短期记忆网络和多层感知器深度学习模型,以及支持向量机和随机森林传统机器学习模型,共同构成集成学习基学习器,解决单一学习模型的不足,不同基学习器的使用保证集成学习的多样性。从自动化机器学习角度出发,采用改进麻雀算法优化该集成学习模型的结构和参数,克服其结构和参数难以确定的问题。在此之上,引入强化学习Q-learning对集成模型中各基学习器组合权重进行优化,智能地确定集成学习各基学习器的组合权重。最后,将集成学习模型的预测结果与真实结果比较后得到误差,再采用BP神经网络对预测结果进行补偿修正,进一步提高轨道电路的故障诊断性能评价指标。仿真结果表明,利用所提方法进一步改善了轨道电路故障诊断的准确度、精确度、召回率和F1值等性能评价指标。

摘要：针对生鲜商品多中心共同配送优化研究在资源共享和温度控制有效结合方面存在的不足,提出研究集成资源共享和温度控制的生鲜商品多中心车辆路径优化问题。首先,结合生鲜商品的易腐性和配送过程的及时性特征,构建了包含生鲜商品多中心间的运输成本、配送成本、车辆温控成本、违反时间窗惩罚成本、生鲜商品价值损失和车辆租赁成本的物流运营成本最小和配送车辆使用数最小的双目标优化模型。然后,设计了结合生鲜需求客户地理位置、需求商品温控区间和时间窗约束的K-means多维聚类算法,进而提出一种TS-NSGA-II算法,该算法设计了禁忌搜索算法(TS)和非支配排序遗传算法(NSGA-II)间有效的选择性赋予机制,进而增强了解空间的搜索和寻优能力,并通过与MOGEA和MOPSO算法的对比分析,进一步验证了模型和TS-NSGA-II算法的有效性。最后,通过实例分析探讨了不同资源共享模式和温控区间的多中心车辆路径优化方案,研究结果可为生鲜商品物流配送企业进行资源共享模式选择和温控区间设计提供方法支撑和决策支持。

摘要：在利用深度学习实现列车智能驾驶时,神经网络架构和参数的选择过于依赖人工经验,现有梯度下降法在参数优化时易陷入局部最优,且学习任务单一。针对上述问题,提出一种自适应多种群链式多智能体算法(AMPCMA)优化LSTM网络的列车智能驾驶新方法,该方法有机地将计算智能与深度学习结合,能充分挖掘优秀驾驶员数据。其具体实现过程为:首先,从自动化深度学习角度出发,采用遗传算法(GA)优化深度网络结构,克服了其结构难以确定的问题,并在此基础上分粗、细学习2个阶段对整个网络的参数进行优化。在粗学习阶段,采用AMPCMA算法对LSTM参数预置初值,有效地学习多个任务的共性。该算法能在进化过程中动态调整小种群链表规模,具有较好的灵活性和自适应性。接着在细学习阶段,基于上述多任务共性学习所得到的LSTM参数,再用Adam算法分别对单个任务上的参数精细优化,以实现任务的个性学习;其次,有效地设计了多任务之间的信息共享机制,且任务共性和个性学习有机结合,使得整个网络泛化能力强,较好地改善了列车档位、档位操纵时间和列车速度的多任务决策效果;最后,通过仿真实验验证了所提出的AMPCMA-LSTM模型较传统机器学习方法更优越,提高了列车操控与预测精度,并能在多种操控序列下表现出较强的鲁棒性。

摘要：通过查阅长江上游宜宾至重庆段的航道图,统计枯水位条件下顺直边滩的高度、滩宽与河道宽之比等形态参数,设计两种临水面坡度不同(α=0.167和0.200)的滩体,利用概化模型试验,研究其在不同水力条件下主要断面的水深和流速变化规律。结果发现:水深是影响主要断面同一测点水深变化和流速变化的的主要因素,即距离滩头越近壅水现象越明显,当流量等水力条件相同时,水深增加,紊动作用减弱,同一测点水深变化量越小,沿程断面的垂向平均流速、近底平均流速和断面平均流速的变化均相应减小。研究成果将为交错边滩的水流特性及演变机理提供参考。

摘要：全程保鲜和货架服务是改善生鲜农产品供应链绩效的有效途径,但需要权衡与其关联的成本投入和收益产出。本文基于市场需求是保鲜投入水平和货架服务水平联合函数的假设,研究生鲜农产品供应链全局最优决策及其系统协调问题。研究显示,全局最优保鲜投入水平和货架服务水平存在且唯一,但各参与企业从自身利润最优角度出发均有积极性偏离全局最优决策。为此,本文设计一个兼具收益共享和成本共担属性的协调性契约,在此契约激励下,企业的决策行为趋同供应链全局最优决策,且每个企业均实现帕累托改进。最优利润的参数灵敏性分析显示,供应链全局最优利润与价格敏感系数、价格零售价格、自然衰减系数和提前期呈负相关性,而与新鲜度敏感系数及货架服务敏感系数呈正相关性。这表明,适度地降低价格或者诱导消费者降低价格敏感度是提高系统利润的途径;同时,提高生鲜农产品在物流系统中转运速度也有益于改善整体利润。研究结果为降低生鲜农产品产后环节耗损和提高供应链系统利润提供参考依据。

摘要：针对多中心共同配送开闭混合式车辆路径优化研究在资源集成共享和合作收益分配机制设计结合方面存在的不足,提出研究多中心共同配送开闭混合式的车辆路径优化问题。首先,构建了包含运输成本、惩罚成本、租赁成本和配送成本等物流运营总成本最小的优化模型。其次,根据模型特征设计了考虑客户点地理位置和时间窗约束的三维K-means聚类算法,进而提出了遗传-粒子群混合优化算法求解模型。该混合算法设计了遗传算法和粒子群算法间的选择性赋予机制,提高了种群的多样性和获取优化解的收敛性,并增强了混合算法的局部和全局搜索能力。再次,应用成本差值分配方法进行多中心共同配送的收益分配优化研究,进而应用严格单调路径原则研究了联盟合作序列选择问题,并进行了多中心共同配送的联盟稳定性检验研究。最后,通过算法比较分析和实例数据对所提出模型及算法进行了验证研究,并比较分析了不同配送模式下多中心共同配送优化方案各指标的差异,进而验证了所提方法的有效性和适用性。研究成果可为多级多中心共同配送的网络优化问题研究提供方法参考和决策支持。

摘要：非负矩阵三因子分解是潜在因子模型中的重要组成部分,由于能将原始数据矩阵分解为三个相互约束的潜因子矩阵,被广泛应用于推荐系统、迁移学习等研究领域,但目前还没有非负矩阵三因子分解的可解释性方面的研究工作。鉴于此,将用户评论文本信息当作先验知识,设计了一种基于先验知识的非负矩阵半可解释三因子分解(PE-NMTF)算法。首先利用情感分析技术提取用户评论文本信息的情感极性偏好;然后更改了非负矩阵三因子分解算法的目标函数和更新公式,巧妙地将先验知识嵌入到算法中;最后在推荐系统冷启动任务的Yelp和Amazon数据集以及图像零次识别任务的AwA和CUB数据集上与非负矩阵分解、非负矩阵三因子分解算法做了大量对比实验,实验结果表明所提算法在均方根误差(RMSE)、归一化折损累计增益(NDCG)、归一化互信息(NMI)和准确率(ACC)上都表现优异,且利用先验知识进行非负矩阵三因子分解的解释具有可行性和有效性。