连接器装配线平衡优化仿真研究与管理系统设计
这是一篇关于工人分配,装配线平衡,鲸鱼优化算法,多目标优化,信息管理系统的论文, 主要内容为装配是制造生产中常见的工艺环节,目前多采用流水化装配线的生产模式。对装配线进行平衡优化仿真,建立信息管理系统,能有效提高装配线生产效率、平衡率和管理效率,减少资源浪费,进而提高企业效益和竞争力。为此,查阅大量资料,了解国内外研究现状,做了如下研究工作:(1)构建了装配线平衡优化模型。首先针对装配线中的工人分配特点,定义了分配的原则和目的,提出了以学习时间为效益矩阵,最小化工人学习时间为目标,采用匈牙利算法进行求解的工人分配方法。而后建立了以节拍和平滑指数为综合优化目标,工序分配原则和节拍为约束的单目标优化模型,和以节拍、平滑指数、工人学习时间为优化目标,工序分配原则、节拍和工人分配原则为约束的多目标优化模型。(2)为求解建立的多目标优化模型,设计了多目标鲸鱼优化算法。首先提出采用鲸鱼优化算法求解装配线平衡问题,基于建立的单目标优化模型,与遗传算法和粒子群算法对比求解了经典案例,验证了鲸鱼优化算法在求解装配线平衡问题上的有效性。而后完成了多目标鲸鱼优化算法细节设计,包括设计了基于权重的鲸鱼位置编码解码方式,提出了基于鲸鱼种群层级划分、拥挤度排序和删除部分重复解的pareto解集更新机制,给出了头鲸选择方式。最后与非支配排序遗传算法和多目标粒子群算法对比求解经典案例,结果表明多目标鲸鱼优化算法所得解集性能和分布性更优。(3)针对连接器装配线实例,基于考虑工人分配的多目标优化模型,采用多目标鲸鱼优化算法求解,得到了多种装配生产方案,结果表明各目标都得到有效优化。采用Plant Simulation对其中某个方案进行了仿真验证,结果表明绝大部分工位繁忙率高达80%以上,优化效果较好。(4)基于B/S架构,设计了装配线信息管理系统,包括应用架构、功能架构和数据库设计。系统整体分为用户登录和退出、用户信息管理、装配线管理和平衡优化、个人信息管理四大模块,分析了各个模块需求。根据装配线特点,明确了数据库需要的实体、实体属性和各实体间关系,设计了相应的My SQL数据库表。(5)基于JavaWeb技术,实现了装配线信息管理系统。设计了各个模块程序流程,采用分层和面向接口的编码方式实现了模块功能,展示了部分界面。其中平衡优化功能采用Java和Matlab技术混编实现,以连接器装配线多目标平衡优化为例,阐述了实现过程。
基于ELM的电力系统短期负荷预测研究
这是一篇关于短期电力负荷预测,极限学习机,鲸鱼优化算法,相似日选取,集成组合模型的论文, 主要内容为短期负荷预测(Short-term Load Forecasting,STLF)协调市场需求、稳定民生发展,在我国电力能源经济中占据主要地位。近年来,随着产业多样化的发展,负荷已然呈现出种类多、结构杂的特点。负荷的发展特性对STLF构成了严峻的挑战,设计一种预测精度高、泛化能力强的预测方案已成为该领域的重要研究课题。本文基于极限学习机(Extreme Learning Machine,ELM)模型,根据用电区域气温的特性,分别对气象敏感性负荷较强与较弱的不同地区的电力负荷情况进行研究,深度挖掘气象信息对负荷变化趋势的影响,主要工作与创新点如下:(1)针对在气象敏感性较强地区传统方法对温湿度考虑不充分的问题,提出一种基于温度补偿方法及鲸鱼算法的短期电力负荷预测方法。首先利用最大信息准则(Maximal Information Coefficient,MIC)对气象因素进行相关性分析;然后以高相关的气象因素为基础,构建三种不同的补偿变量作为模型的输入特征;接着通过引入自适应权重、变螺旋策略及柯西逆积累分布函数对传统鲸鱼算法进行改进;最后将改进后的鲸鱼算法(Improved Whale Optimization Algorithm,IWOA)用于确定极限学习机中神经元的个数,并输出最终结果。采用澳大利亚新南威尔士州提供的负荷数据进行仿真实验分析。经实验仿真证明,所提方案相较于对比模型,具有更高的预测精度。(2)针对单一模型特征反映不充分而存在预测精度低、泛化能力弱的问题,提出了一种基于相似日选取与多集成组合的短期电力负荷预测模型。首先利用MIC选取高相关变量作为模型输入;然后综合考虑MIC与灰色关联度,对气象敏感性较弱地区的负荷进行相似日选取;最后引入集成随机子空间、自适应增强、堆叠-神经网络的框架组合多核-核极限学习机,对待预测日进行回归拟合,输出最终预测结果。采用马来西亚柔佛州供电公司提供的负荷数据进行算例分析,同样通过实验仿真验证了所提方案预测精度高、泛化能力强。(3)为了方便电力科研机构、售电公司等相关单位制定计划、分析需求,本文设计并实现预测数据可视化界面。首先通过Mongo DB数据库存储负荷预测算法中得出的预测数据,并将数据库安放在服务器端。服务器端采用Express框架,用于监听数据库请求;采用Nginx技术提供高性能的HTTP及反向代理服务。在浏览器端采用Vue框架作为整体架构,其中采用Echarts数据分析可视化工具及Element UI插件渲染显示。浏览器端包含数据显示、数据检测及对应图像保存等功能,方便使用单位研发学习。
连接器装配线平衡优化仿真研究与管理系统设计
这是一篇关于工人分配,装配线平衡,鲸鱼优化算法,多目标优化,信息管理系统的论文, 主要内容为装配是制造生产中常见的工艺环节,目前多采用流水化装配线的生产模式。对装配线进行平衡优化仿真,建立信息管理系统,能有效提高装配线生产效率、平衡率和管理效率,减少资源浪费,进而提高企业效益和竞争力。为此,查阅大量资料,了解国内外研究现状,做了如下研究工作:(1)构建了装配线平衡优化模型。首先针对装配线中的工人分配特点,定义了分配的原则和目的,提出了以学习时间为效益矩阵,最小化工人学习时间为目标,采用匈牙利算法进行求解的工人分配方法。而后建立了以节拍和平滑指数为综合优化目标,工序分配原则和节拍为约束的单目标优化模型,和以节拍、平滑指数、工人学习时间为优化目标,工序分配原则、节拍和工人分配原则为约束的多目标优化模型。(2)为求解建立的多目标优化模型,设计了多目标鲸鱼优化算法。首先提出采用鲸鱼优化算法求解装配线平衡问题,基于建立的单目标优化模型,与遗传算法和粒子群算法对比求解了经典案例,验证了鲸鱼优化算法在求解装配线平衡问题上的有效性。而后完成了多目标鲸鱼优化算法细节设计,包括设计了基于权重的鲸鱼位置编码解码方式,提出了基于鲸鱼种群层级划分、拥挤度排序和删除部分重复解的pareto解集更新机制,给出了头鲸选择方式。最后与非支配排序遗传算法和多目标粒子群算法对比求解经典案例,结果表明多目标鲸鱼优化算法所得解集性能和分布性更优。(3)针对连接器装配线实例,基于考虑工人分配的多目标优化模型,采用多目标鲸鱼优化算法求解,得到了多种装配生产方案,结果表明各目标都得到有效优化。采用Plant Simulation对其中某个方案进行了仿真验证,结果表明绝大部分工位繁忙率高达80%以上,优化效果较好。(4)基于B/S架构,设计了装配线信息管理系统,包括应用架构、功能架构和数据库设计。系统整体分为用户登录和退出、用户信息管理、装配线管理和平衡优化、个人信息管理四大模块,分析了各个模块需求。根据装配线特点,明确了数据库需要的实体、实体属性和各实体间关系,设计了相应的My SQL数据库表。(5)基于JavaWeb技术,实现了装配线信息管理系统。设计了各个模块程序流程,采用分层和面向接口的编码方式实现了模块功能,展示了部分界面。其中平衡优化功能采用Java和Matlab技术混编实现,以连接器装配线多目标平衡优化为例,阐述了实现过程。
共同研究兴趣人员推荐及其云计算下的调度算法研究
这是一篇关于推荐系统,混合推荐,云计算,任务调度,鲸鱼优化算法的论文, 主要内容为随着信息时代的到来,科学论文的数量急剧增长,如何快速找到与自己领域相关的研究人员,成为了科研工作者所关心的焦点。云计算调度下的推荐系统作为帮助科研工作者快速了解该领域研究进展以及热点问题的方法之一,其可以通过分析大数据来为用户提供所需要的项目或信息,并使用云计算技术大幅度提升任务计算速率,使得单位时间内可以处理更多的任务,从而提高推荐的准确率和用户使用体验。然而传统的推荐算法大多采用基于内容的推荐方法,但这种方式容易陷入冷启动和数据稀疏问题;此外,云计算中的任务调度策略也会直接影响推荐系统的资源使用率和运行时间,从而影响用户的使用体验。为此,本文从推荐算法和云计算任务调度两个方面进行优化,主要贡献如下:(1)本文设计了一种混合推荐算法,该算法在基于用户的协同过滤算法中引入社交网络对共同研究兴趣人员进行推荐。一方面,引入社交网络可以有效缓解冷启动和数据稀疏问题。另一方面,基于协同过滤的推荐算法只考虑用户偏好之间的相似性而忽略了用户自身的属性特点。本文设计的推荐算法将用户和自己的研究领域双向绑定,通过对用户曾经发表的论文建立学术背景模型,并生成社交信任网络,再根据信任关系的可传递性为用户推荐可能感兴趣的研究人员。该算法克服了数据稀疏对推荐性能的影响,其推荐性能和可扩展性优于传统推荐算法。(2)针对推荐算法中数据量过大等问题,本文设计实现了一种改进的鲸鱼优化算法用于云计算下的任务调度。该算法通过优化映射关系,提高了种群多样性,从而改善了传统算法中存在的局部最优问题;采用引入非线性收敛因子和增加自适应权重的方式,引导搜索代理在局部开发和全局开发之间找到理想的过渡,解决了传统算法中随机参数过多而导致的不稳定性。本文还提供了具体的证明实验以及该改进算法的详细实现方案。根据不同任务场景中的实验结果表明,与现有的元启发式算法相比,本文所提出的算法具有更快的收敛速度以及搜索最优任务调度计划的准确性。
基于ELM的电力系统短期负荷预测研究
这是一篇关于短期电力负荷预测,极限学习机,鲸鱼优化算法,相似日选取,集成组合模型的论文, 主要内容为短期负荷预测(Short-term Load Forecasting,STLF)协调市场需求、稳定民生发展,在我国电力能源经济中占据主要地位。近年来,随着产业多样化的发展,负荷已然呈现出种类多、结构杂的特点。负荷的发展特性对STLF构成了严峻的挑战,设计一种预测精度高、泛化能力强的预测方案已成为该领域的重要研究课题。本文基于极限学习机(Extreme Learning Machine,ELM)模型,根据用电区域气温的特性,分别对气象敏感性负荷较强与较弱的不同地区的电力负荷情况进行研究,深度挖掘气象信息对负荷变化趋势的影响,主要工作与创新点如下:(1)针对在气象敏感性较强地区传统方法对温湿度考虑不充分的问题,提出一种基于温度补偿方法及鲸鱼算法的短期电力负荷预测方法。首先利用最大信息准则(Maximal Information Coefficient,MIC)对气象因素进行相关性分析;然后以高相关的气象因素为基础,构建三种不同的补偿变量作为模型的输入特征;接着通过引入自适应权重、变螺旋策略及柯西逆积累分布函数对传统鲸鱼算法进行改进;最后将改进后的鲸鱼算法(Improved Whale Optimization Algorithm,IWOA)用于确定极限学习机中神经元的个数,并输出最终结果。采用澳大利亚新南威尔士州提供的负荷数据进行仿真实验分析。经实验仿真证明,所提方案相较于对比模型,具有更高的预测精度。(2)针对单一模型特征反映不充分而存在预测精度低、泛化能力弱的问题,提出了一种基于相似日选取与多集成组合的短期电力负荷预测模型。首先利用MIC选取高相关变量作为模型输入;然后综合考虑MIC与灰色关联度,对气象敏感性较弱地区的负荷进行相似日选取;最后引入集成随机子空间、自适应增强、堆叠-神经网络的框架组合多核-核极限学习机,对待预测日进行回归拟合,输出最终预测结果。采用马来西亚柔佛州供电公司提供的负荷数据进行算例分析,同样通过实验仿真验证了所提方案预测精度高、泛化能力强。(3)为了方便电力科研机构、售电公司等相关单位制定计划、分析需求,本文设计并实现预测数据可视化界面。首先通过Mongo DB数据库存储负荷预测算法中得出的预测数据,并将数据库安放在服务器端。服务器端采用Express框架,用于监听数据库请求;采用Nginx技术提供高性能的HTTP及反向代理服务。在浏览器端采用Vue框架作为整体架构,其中采用Echarts数据分析可视化工具及Element UI插件渲染显示。浏览器端包含数据显示、数据检测及对应图像保存等功能,方便使用单位研发学习。
连接器装配线平衡优化仿真研究与管理系统设计
这是一篇关于工人分配,装配线平衡,鲸鱼优化算法,多目标优化,信息管理系统的论文, 主要内容为装配是制造生产中常见的工艺环节,目前多采用流水化装配线的生产模式。对装配线进行平衡优化仿真,建立信息管理系统,能有效提高装配线生产效率、平衡率和管理效率,减少资源浪费,进而提高企业效益和竞争力。为此,查阅大量资料,了解国内外研究现状,做了如下研究工作:(1)构建了装配线平衡优化模型。首先针对装配线中的工人分配特点,定义了分配的原则和目的,提出了以学习时间为效益矩阵,最小化工人学习时间为目标,采用匈牙利算法进行求解的工人分配方法。而后建立了以节拍和平滑指数为综合优化目标,工序分配原则和节拍为约束的单目标优化模型,和以节拍、平滑指数、工人学习时间为优化目标,工序分配原则、节拍和工人分配原则为约束的多目标优化模型。(2)为求解建立的多目标优化模型,设计了多目标鲸鱼优化算法。首先提出采用鲸鱼优化算法求解装配线平衡问题,基于建立的单目标优化模型,与遗传算法和粒子群算法对比求解了经典案例,验证了鲸鱼优化算法在求解装配线平衡问题上的有效性。而后完成了多目标鲸鱼优化算法细节设计,包括设计了基于权重的鲸鱼位置编码解码方式,提出了基于鲸鱼种群层级划分、拥挤度排序和删除部分重复解的pareto解集更新机制,给出了头鲸选择方式。最后与非支配排序遗传算法和多目标粒子群算法对比求解经典案例,结果表明多目标鲸鱼优化算法所得解集性能和分布性更优。(3)针对连接器装配线实例,基于考虑工人分配的多目标优化模型,采用多目标鲸鱼优化算法求解,得到了多种装配生产方案,结果表明各目标都得到有效优化。采用Plant Simulation对其中某个方案进行了仿真验证,结果表明绝大部分工位繁忙率高达80%以上,优化效果较好。(4)基于B/S架构,设计了装配线信息管理系统,包括应用架构、功能架构和数据库设计。系统整体分为用户登录和退出、用户信息管理、装配线管理和平衡优化、个人信息管理四大模块,分析了各个模块需求。根据装配线特点,明确了数据库需要的实体、实体属性和各实体间关系,设计了相应的My SQL数据库表。(5)基于JavaWeb技术,实现了装配线信息管理系统。设计了各个模块程序流程,采用分层和面向接口的编码方式实现了模块功能,展示了部分界面。其中平衡优化功能采用Java和Matlab技术混编实现,以连接器装配线多目标平衡优化为例,阐述了实现过程。
基于声振信号分析的磁瓦内部缺陷无损检测方法研究
这是一篇关于磁瓦,内部缺陷,无损检测,群分解,鲸鱼优化算法,卷积神经网络的论文, 主要内容为永磁铁氧体材料是当代社会经济迅速发展中必不可少的基础型功能材料,全球范围的磁性材料生产基地逐渐向发展中国家转移,以至于我国正逐步成为全球磁瓦生产基地。在生产中仍然难免会出现具有缺陷的磁瓦产品,为确保永磁电机在高速运行中,不会因磁瓦的缺陷导致重大事故,实现快速而准确的缺陷检测是磁瓦制造业当今面临的最为突出的问题。声学检测相较于其他无损检测方法具有无可比拟的优势,在零部件的内部缺陷检测中应用率最高。基于此,开发两种相关信号处理方法用于磁瓦内部缺陷的声振检测,具体内容如下:(1)为了满足高性能磁瓦精细化生产时对内部缺陷检测准确率的高要求,提出一种结合群分解、鲸鱼优化算法和随机森林的信号分析方法。该方法首先根据磁瓦声振信号特点,构造反映群分解性能的适应度函数,再通过鲸鱼优化算法配合该函数对群分解参数进行优化,以此获得最佳的群分解参数;其次,群分解利用该最优分解参数将磁瓦声振信号分解为若干振荡分量,并筛选出能量最大的振荡分量并提取出反映磁瓦内部缺陷的特征信息;最后经随机森林分类器对提取的特征进行识别,以决策磁瓦是否存在内部缺陷。实验结果表明,所开发的方法能实现多类型磁瓦的内部缺陷检测,检测准确率为99.79%,单片磁瓦的检测时间低于6秒。(2)由于第一个方法在面对大批量生产的低性能磁瓦内部缺陷检测时暴露出一些低效率的问题,因此开发一种检测磁瓦内部缺陷的高效检测方法具有重要的现实意义。结合深度学习在处理复杂特征信息的优势,开发一种基于卷积神经网络的磁瓦内部缺陷声振检测方法。在该方法中,磁瓦的一维声振信号首先被转换为二维声振图像,再输入针对信号特点所设计的卷积神经网络进行学习训练,以完成从声振图像中自主学习和提取能区分内部缺陷有无的信号特征,最后由softmax完成对应特征的识别。检测实验结果表明,开发的方法可实现准确率为99.38%的磁瓦内部缺陷检测,单片磁瓦的检测时间低于0.031秒。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设客栈 ，原文地址：https://m.bishedaima.com/lunwen/52549.html
