摘要：随着钢铁行业的数字化发展,其订单逐渐趋于多样化和随机化,这对热轧调度模型的适应性和灵活性等提出了新的要求.针对热轧调度问题,当前的主流方法是启发式算法,但其存在两个问题:一是没有考虑数据的组织表示;二是此类算法具有很强的针对性,当问题发生很小的改变就需要进行复杂的参数调整.相比之下,机器学习具有更好的适应性和灵活性,对此,采用本体进行人机物三元数据的组织表示,提出一种指针网络+强化学习的热轧调度求解方法.采用指针网络来学习序列到序列的映射,同时为解决指针网络训练困难和性能不高等问题,通过actor-critic网络进行训练,提高模型的准确性和收敛速度.最后,通过设计相应的实验对算法的性能进行仿真并与LK-H的局部搜索算法进行对比,进一步验证了所提出方法的有效性.

摘要：为降低智能车间中动态不确定因素对生产性能的影响,提出一种基于Q学习的智能车间自适应调度方法。该方法设计基于强化学习的智能车间自适应调度框架,采用Q学习算法,通过智能体—环境交互试错机制,自主训练调度模型,并根据生产车间环境变化动态更新调度模型,以支持能够指导车间运行的最优决策轨迹的生成。所提方法在MiniFab半导体生产线模型上进行了验证,结果证明该方法能够有效应对智能车间生产环境变化,在生产全过程中能对调度决策进行实时调整,优化车间综合性能指标,同时显著降低时间与人力成本。

摘要：研究并行批处理机的组批调度问题,考虑炉容相同、功率不同的非等同并行机的总能耗约束,考虑工件尺寸和到达时间不同,以最小化最大完工时间为目标建立混合整数规划模型。并行机组批调度问题属于NP-hard问题,采用先组批后调度的两阶段方式求解。组批阶段采用基于FFLPT和BFLPT的启发式规则,调度阶段设计带邻域搜索的粒子群-遗传混合算法对模型进行求解。以轧辊生产企业并行热处理设备为研究案例进行模型和算法验证,分析不同能耗约束下最大完工时间优化值,并比较算法的优化性能。实验结果表明:本文算法提高标准遗传算法的收敛速度,且优于2种启发式算法;能耗与最大完工时间之间存在冲突关系,通过本文的模型和算法得到能耗与最大完工时间的近似Pareto前沿面,可为企业的实际生产提供指导。

摘要：色度扩展视频编码是当前视频编码领域的一个热点研究课题。该文提出基于AVS2平台的色度扩展视频帧内编码的实现方案。仿444/422编码方案通过将输入图像中的色度分量下采样后,使用原有的420方式进行编码,以实现444/422编码。进一步,该文将帧内预测及环路滤波等编码模块无缝扩展到相应的444/422格式,实现444/422帧内预测编码。实验结果表明,对444格式和422格式序列,在高码率的情况下444/422帧内预测编码与仿444/422编码相比,U/V平均BD-rate的减少分别为31.44%/31.72%和18.85%/19.3%,而Y分量平均BD-rate的增加仅为0.5%。其中422色度帧内预测过程的算法优化减少Y/U/V BD-rate最高可达5.66%。与HEVC RExt编码相比,在低码率时,444/422帧内预测编码取得了更好或相近的编码性能。

摘要：受电压矢量数目限制,引入占空比优化的有限集预测控制存在较大电流脉动,且电流预测精度对电机参数依赖性较高。运行中电机参数受磁饱和等因素的影响实时变化,电流控制精度降低。为此,提出一种基于最优虚拟矢量的改进预测电流控制策略。通过基本电压矢量合成虚拟矢量,拓展电压指令范围至六边形区域。采用无差拍控制原理计算最优虚拟矢量所处扇区,确定所需基本矢量,减少电流预测计算次数。在此基础上,设计带有预测误差反馈校正的评价函数,计算各基本矢量作用时间,构建最优虚拟矢量提升电流控制精度。所提出的改进预测电流控制策略显著降低了计算时间和电流脉动,并且具有较强的参数鲁棒性。基于两电平逆变器永磁同步电机驱动系统进行仿真和实验,结果验证了策略的有效性。

摘要：社交网络在帮助人们建立社会性网络应用服务的同时,收集了大量的用户资料和敏感数据,通过分析这些数据可能泄露潜在的隐私信息.目前差分隐私保护模型对隐私泄露风险给出了严谨、定量化的表示和证明,极大地保证了数据的可用性.设计了一个满足差分隐私保护的社交网络发布图生成模型,首先通过图模型表示社交网络结构,并将原图按照节点特征分类为多个子图;然后利用四叉树方法对子图的密集区域进行划分,在树的叶子节点添加满足差分隐私保护的噪声;通过子图重构的方式,生成待发布图.最后,利用度分布、最短路径、聚类系数等统计分析方法,实验验证了该模型的可行性和有用性.

摘要：在车间管理中,设备负荷是一个关键性能指标,负荷稳定直接影响了生产效率与生产成本,但目前鲜有研究关注如何实现设备负荷稳定的问题。为此,提出一种面向设备负荷稳定的智能车间调度方法。该方法通过一个含有深度神经网络调度模型的调度智能体,分析车间生产状态与设备负荷间的相关性,及时输出满足期望目标的调度方案。针对深度神经网络调度模型,设计了一个基于双深度Q学习网络(DDQN)的深度神经网络调度模型训练器,其利用奖惩学习免监督地形成调度样本,借此对深度神经网络调度模型进行网络参数更新,实现模型自学习。所提方法在MiniFab半导体生产车间模型中进行了验证,证明了所提调度方法能实现对智能车间设备负荷的控制,从而保证车间整体设备负荷的稳定性。

摘要：针对传统下垂并联控制法因各列车辅助逆变器线路阻抗不一致导致系统环流较大、功率分配不均及负载电压跌落问题,提出一种基于自适应虚拟阻抗的下垂并联供电控制策略。详细分析列车辅助逆变系统传统下垂并联控制策略及辅助逆变器输出阻抗对系统性能的影响,采用自适应虚拟阻抗对列车辅助逆变器并联供电系统中各模块输出线路阻抗进行调整,使其接近一致,抑制因线路阻抗差异导致的并联供电系统环流,实现功率均匀分配的有效控制。以电压跌落补偿方法解决因线路阻抗及虚拟阻抗引入导致的负载电压跌落问题,并最终设计列车辅助逆变器并联系统双闭环解耦控制结构,实现系统中电容电感元件的解耦控制。仿真和降功率实验系统测试表明,所提控制策略具有有效性与可行性。

摘要：纳米节点利用太赫兹通信能获得极高的传输速率,节点间的通信以及协调访问太赫兹信道都需要媒质接入控制(medium access control,MAC)协议.由于太赫兹信道的分子吸收噪声和纳米设备资源受限等特性,经典的MAC协议已不再适用.针对基于时域扩展开关键控(time spread on-off keying,TS-OOK)的太赫兹传感器网络的数据传输存在连续碰撞的问题以及纳米节点能量非常有限的问题,提出一种基于能量采集的分布式时分多址协议(distributed energy harvesting-based time division multiple access,DEH-TDMA).该协议引入压电式纳米能量采集系统,首先将纳米节点剩余能量和缓存区的数据包数量作为状态信息构建Markov决策过程模型,并根据节点的数据包传输量和能耗来设计收益函数,然后求解出最优策略,最终纳米节点根据自身状态和最优策略动态接入信道.仿真结果表明该协议在延长网络生命周期方面存在优势.

摘要：针对有源中点钳位(ANPC)型三电平逆变器现有容错拓扑难以对多桥臂多开关管复合开路故障进行有效容错、以及器件利用率较低的问题,提出了器件共享型ANPC三电平逆变器容错拓扑,对系统单管、相内双管以及相间多管等不同故障类型设计了容错拓扑重构方法,在不降低或少量降低系统输出性能的情况下实现对各类复合故障的有效容错。为解决传统离线容错控制算法对非预期故障容错能力较弱的问题,提出了一种基于组合逻辑的自适应容错控制算法,根据故障类型和故障位置在线求解并获得合适的容错拓扑重构开关驱动控制信息,生成有效的容错控制开关状态表,结合PWM容错控制算法,实现故障的实时容错控制。仿真和实验结果表明,器件共享型容错拓扑能够保证逆变器在容错运行时的输出性能,且器件利用率高,冗余成本较低。