摘要：【目的】湿喷机械臂为8自由度的冗余机械臂且带有移动关节,其逆运动学求解困难,因此,设计了一种改进蜂群算法。【方法】首先,利用D-H法建立机械臂运动学模型,以末端位姿误差和最佳柔顺性为优化目标,构建多约束目标函数;然后,引入混沌映射对蜜源进行初始化,再引入Levy飞行,改变雇佣蜂搜索策略,并通过自适应调整跟随蜂更新步长,提升种群多样性和算法的收敛速度;最后,利用Matlab编程进行了仿真验证。【结果】结果表明,该算法的收敛速度和求解精度都优于传统的蜂群算法、混沌蜂群算法和粒子群算法,证明了算法的可行性,为湿喷机械臂逆运动学的求解提供了一种新的途径。

摘要：针对现有并行拆卸线对各拆卸线任务定义不明确且数学模型均为概念模型,考虑站间操作者不同,构建以最小化工作站数目、机器人数量、拆卸成本和空闲时间均衡指标为优化目标的并行拆卸线平衡问题的混合整数规划模型.提出适应该问题的改进头脑风暴优化算法,该算法通过双层编码构造可行拆卸序列,离散化原始操作,设计单个个体和2个个体产生机制的变异交叉方式.为了增加种群个体的多样性,设计四点交叉的操作策略.针对优化目标的多重性,引入Pareto解集思想和拥挤距离筛选多目标非劣解.应用CPLEX和LINGO求解小规模算例精确解,与算法求解结果对比,验证了该模型的正确性与算法的有效性.应用该算法求解P25经典算例,与现有的多篇文献结果对比,验证了该算法求解性能的优越性.将所建模型和所提算法应用于电视机与电冰箱的并行拆卸线实例中,通过不同的对比实验验证了所提算法的优越性.

摘要：风荷载是起重机大车运行时的重要载荷,主梁作为起重机的主要挡风构件,针对主梁的减载设计可以有效地降低起重机运行能耗,本文以粒突箱鲀的结构为启发,探究起重机箱梁风荷载的仿生减载设计方法.首先运用灰度转换、二值图像转换及边缘检测方法提取箱鲀鱼嘴特征廓线,获得以箱梁特征高度为设计变量的仿生设计模型,然后通过箱梁迎风面附着轻质材料的方式实现传统起重机箱梁的仿生设计,并运用计算流体力学软件(FLUENT)对仿生设计进行评估.研究结果表明:以某40 t集装箱起重机箱梁为例,采用聚苯乙烯泡沫作为轻质贴附材料的仿生箱梁较传统箱梁结构风阻减小65.77%,而仿生贴附结构仅使箱梁增重2.28%;仿生箱梁的流线外型减轻了由迎风面处边界层分离带来的流场扰动,降低了结构的气动力脉动值,提高了起重机在风场中运行的平稳性.

摘要：针对存在参数不确定性和外界随机扰动的欠驱动桥门式起重机防摇摆跟踪控制问题,提出一种基于径向基函数(RBF)神经网络的直接鲁棒自适应控制器。首先利用第二类拉格朗日方程建立双摆桥门式起重机系统动力学微分方程,并针对无扰动工况设计理想控制器;随后引入RBF神经网络拟合理想控制输出,在考虑扰动项影响的情况下设计神经网络权值更新律,并证明系统的Lyapunov稳定性;最后进行仿真验证。文中所提控制器仅需要小车实时位置与速度信息作为控制输入,无需系统参数信息,控制精度取决于RBF神经网络的拟合精度。仿真结果表明,文中提出的控制器具有良好的轨迹跟踪性能与防摆效果,且鲁棒性较强。

摘要：针对双边拆卸过程中产品单一且存在的负载不均衡和环境污染等现象,以最小化工作站数、负载均衡指标、需求指标和危害指标为优化目标,建立多目标、多产品双边拆卸线数学模型。首先,结合混流拆卸问题特征,设计了一种精英差分进化算法对所提模型进行求解,该算法设计了一种新的编码-解码方式贴合实际拆卸过程;其次,结合精英策略改进自身随机过程与进化过程;最后,采用Pareto比较和NSGA-II机制筛选非劣解。通过与双边拆卸现有实例对比,验证了算法的可行性和良好的求解性能。并将所建模型与本文算法运用于混流电视机拆卸案例,求解得到多组较优方案供决策者选择。

摘要：为了结合生产中环形布局的特征分析不同交互路径对环形过道布置问题的影响,提出一种多路径交互环形过道布置问题,并构建其混合整数规划模型。设计了一种将随机行走机制与迭代机制融合的改进蚁狮算法,算法利用蚁狮衍生蚂蚁种群方式增强局部搜索能力,提高算法求解性能。通过精确求解小规模环形过道布置问题算例验证了模型的合理性与正确性。将该算法与遗传算法、禁忌搜索算法对所提问题求解的结果进行对比,表明改进蚁狮算法在求解质量与效率上更具有效性和优越性。

摘要：针对U型布局所具有的生产柔性强、效率高等优点,结合仅需考虑需求零部件和危害性零部件的实际拆卸过程,提出U型不完全拆卸线平衡问题(U-shaped partial disassembly line balance problem,UPDLBP),以最小化工作站数量、空闲时间均衡指标、拆卸深度和拆卸成本为优化目标建立数学模型.在此基础上,提出一种自适应反向学习多目标狼群算法(adaptive opposition-based learning multi-objective wolfpack algorithm,AOBL-MWPA)进行求解计算.该算法采用自适应游走行为,兼顾算法迭代前期的全局寻优性能和后期的稳定性;在满足优先关系约束前提下对召唤行为和围攻行为进行离散化;引入反向学习策略(opposition-based learning,OBL)以避免算法陷入局部最优;利用Pareto解集思想和非支配排序遗传算法Ⅱ(NSGA-Ⅱ)拥挤距离机制筛选获得多个非劣解;将所提算法应用于19个基准算例中,并与现有文献算法对比;最后,将所提模型和算法应用于某汽车U型不完全拆卸线的实例设计中.结果表明:针对工作站开启数量和空闲时间均衡指标而言所提算法能求解获得小规模问题的最优值,且在中大规模问题中所得结果优于其他算法,危害指标和需求指标均能获得最优值,寻优率为100%;实例设计获得10组可选方案,验证了所提算法的实用性和有效性.

摘要：针对基于中央回路的物料搬运系统中设施的布置,提出了双向多路径交互环形过道布置问题,其通道形状为首尾相通的封闭回路,设施之间的物料通过环形路径双向流动。针对所提问题,构建了混合整数规划模型,随后通过优化求解器进行精确求解,验证了模型的正确性。为了更快速高效地求解该问题,设计了一种混合鲸鱼算法。该算法将差分进化算法嵌入到鲸鱼算法气泡网觅食阶段,以提高算法局部搜索能力,并引入禁忌搜索机制,提高全局搜索性能。通过对标准算例进行试验,并与其他算法进行对比,验证了所提算法对解决双向环形过道布置问题的优越性。

摘要：针对现有关于通道宽度对过道布置问题影响研究的不足,以最小化物料搬运成本和通道长度为目标,提出了考虑通道宽度的双目标过道布置问题,并建立了该问题的混合整数规划模型。鉴于该问题具有的NP-hard组合优化特性,提出一种基于Pareto占优的遗传变邻域算法。引入Pareto思想、拥挤距离机制对多目标结果进行处理,设计并对比了4种新生代种群产生方式以提高算法收敛性,将寻优过程中自适应转换搜索深度和搜索广度的变邻域搜索结构嵌入到遗传算法中,在个体完成遗传算法的并行操作之后继续执行变邻域搜索。通过对比所提算法与GUROBI数学规划方法对33个测试算例的运算结果,验证了算法的有效性。最后,应用该算法求解未考虑通道宽度的双目标过道布置问题,不同算法的对比实验表明了所提算法的先进性。

摘要：同一列车重复通过同一隧道时所产生隧道压力波激扰具有形态相似、变尺度变幅值的特性.针对现有控制策略未考虑这一定形态特性的问题,提出一种基于高阶反馈遗忘迭代学习的控制方法.首先,建立高速列车车内外气压传递数学模型,并利用实测车内外压力数据进行修正与验证;其次,通过控制列车通风设备的阀门来减缓车内压力变化,提出阶反馈遗忘迭代学习控制算法,并设计变幅值和变尺度处理方法;最后,利用实测压力波生成一组定形态的随机压力波,并进行仿真分析.仿真结果表明:在重复定形态的隧道压力波激扰下,高阶反馈遗忘迭代学习控制算法能够使车内压力在第8个迭代周期后1 s变化率基本收敛到200 Pa/s以下,而且均方根误差也在第4个迭代周期后降低到15.0000%以下.