船厂钢板堆场管理的数字化仿真

为进一步提高我国船厂堆场管理信息化水平，对钢板堆场管理的数字化进行了研究。首先分析船厂钢板堆场的系统结构特征及其堆放规则，从静态和动态两方面研究堆场钢板堆放过程，应用数据库和计算机仿真技术建立堆场数字化仿真模型，并在此基础上编制了钢板堆场管理系统仿真软件。仿真结果表明，该模型能有效描述堆场堆放的动态过程，可产生满足堆场管理需要的仿真数据，是实现堆场科学管理的有效工具。     

装配式混凝土结构施工风险管控机制

通过实地调研与会议座谈,对装配式混凝土结构的施工安全风险进行识别,并运用贝叶斯网络对其进行定量评价.研究结果发现,构件吊装时失稳发生的概率最高,其次是预制构件堆放时的倾倒,发生概率最低的是吊装时构件剧烈晃动.针对装配式混凝土的施工安全问题,分别从微观的施工现场、项目设计与施工协同角度和宏观产业发展环境角度提出具体的风险管控措施,构建了多角度、多阶段的施工风险综合防控机制,为装配式混凝土结构的施工安全管理提供了参考与借鉴.     

海外项目汽包吊装方案优化

作为一个海外工程项目在对大件设备的吊装方面需要考虑许多方面，在保证设备的安全可靠吊装的基础上，同时也需要考虑工程项目的成本，因此本文就在对棉兰项目汽包吊装上做了详细的策划，全面考虑了各个因素之后进行了系统的优化，该方案可以作为以后海外工程类似大件设备吊装的很好的参考，可以节省较多的成本。     

基于差分算法的装配式构件生产成本控制

为有效控制装配式构件生产成本,进而降低装配式建筑建造总成本,分析了预制构件生产特点,建立了以最小化生产成本为目标的预制构件生产调度优化模型,设计了求解该模型的改进差分进化算法。通过实例应用验证了模型可行性,并将其运行性能与遗传算法进行对比,验证了该算法有效性。由此可见,通过优化构件生产调度,可有效降低构件生产成本及建造总成本。     

集装箱堆场收发箱管理Multi-Agent系统研究

考虑集装箱码头堆场管理的动态性、复杂性和分布式特点,在对集装箱堆场作业工艺分析的基础上,建立了堆场收发箱管理Multi-Agent系统模型,系统地分析了Agent基本结构和功能,分别基于两级调度策略和翻箱期望最小设计了收、发箱箱位优化Agent,提出了Agent间的通信和协作机制.算例仿真表明该系统能有效改进收发箱管理性能.     

采用物联网技术的港口信息化系统

设计一个基于物联网技术的港口信息化系统,研究其集装箱自动堆放算法和拖车自动排载算法.集装箱的自动堆放运用射频识别(RFID)及电子标签技术感知,通过3G网络进行堆场内控制信息的实时交互;拖车自动排载业务通过全球卫星定位系统(GPS)和3G网络和多码流视频技术实现,使堆场管理调度中心可以随时掌握拖车的具体位置信息,并通过第3方地理信息系统(GIS)技术进行计算与任务调度管理.     

装配式混凝土梁桥的架设施工

装配式混凝土梁桥由于施工速度快，机具设备使用方便，可以很好的提高施工效率，在桥梁建设中具有重要的地位。本文对装配式混凝土梁桥的构件预制、移运、堆放和吊装做了技术分析，并以桥梁上部结构的吊装施工为例，简要介绍了施工流程和注意事项。     

基于事故分析的装配式建筑施工安全管理研究

对装配式建筑施工安全管理进行了研究。基于装配式建筑和一般建筑项目的安全事故统计数据,分析了装配式建筑施工过程中常见安全事故的类型和成因;并根据装配式建筑施工特点与施工工艺,提出通过临边、高处作业安全管理、吊装安全管理、构件堆放安全管理、临时支撑布置安全管理等管理措施来保证装配式建筑施工的安全。     

凝汽器模块化组合

核电站凝汽器设备大、工期长，现场安装受吊装机械、场地环境制约，施工难度大。采用模块化施工能减轻现场施工工程量和缺陷处理量，对提高核电安全性和经济性具有促进作用。红沿河核电站1000MW机组凝汽器每台分14个模块到货，现场在正式基础上按照从下到上顺序吊装引入后焊接组合。此方案在吸收岭澳核电站经验基础上对吊装、组合进行了优化，节约了大量人力、工期。     

基于差分进化算法的智能化预制厂房设备资源配置优化

优化设备资源配置,有利于提高设备利用率,减少智能化预制厂房建造成本,进而提高企业效益。本文以大型混凝土构件智能化预制厂房为研究对象,基于智能优化算法,根据预制构件生产流程特点,考虑工人的工作时间及各工序的连续性,构建设备资源配置最优化模型,并在双变异策略的基础上结合自适应变异算子的差分进化算法对模型进行求解,从而得到混凝土构件智能化预制厂房设备资源配置的最佳方案。     

遗传算法在箱装军用物资垛位优化中应用

垛位优化是仓库管理中的一项重要工作。文章首先建立了基于总搬运距离和同一性原则的多目标优化模型——箱装军用物资垛位优化数学模型;然后采用了并列选择法的遗传算法来解决该优化问题,并给出了求解的具体步骤和操作过程;最后结合一实例对该方法的有效性进行了验证。     

预制混凝土构件生产物料重调配路径规划方法

分析预制混凝土构件生产中物料重调配路径规划问题的优化目标和限制条件,建立载具路径规划模型(vehicle routing model for redispatching parts of precast components,VRM-RPP)及其求解方法.该方法通过优化分配和利用载具资源,合理规划行进路径,以提高重调配工作效率,确保车间尽早开工.算例验证结果表明,该方法可用于优化预制生产中物料重调配路径.     

星状集输管网拓扑结构的整体优化

针对星状集输管网结构特点,建立以管网建设总投资为目标函数,以系统中节点连接关系、站点位置、管线参数为优化变量的星状油气集输管网拓扑结构优化模型。将蚁群算法与遗传算法相结合对模型进行整体优化求解。在蚁群算法中,将节点连接关系的确定转化为路径选择问题,将启发因子表示为管段建设成本的函数,用路径方案对应的管网建设总成本计算信息素的积累量。在遗传算法中,以格雷码形式将站址信息储存于染色体上,用蚁群算法求得每种站址分布方案下最优井组和管径,并用其计算各染色体的适应度,从而同步求得最佳站址、最佳井组划分和管线参数。结果表明,所设计算法优化质量高于分级优化,且鲁棒性强,不受计算初始值影响。     

U型渡槽参数化有限元建模与智能优化设计研究

为推动U型渡槽的结构优化设计更好地向智能化、自动化发展,建立了一套结合参数化有限元分析程序及智能优化算法程序的结构优化设计系统。基于自主研发的大型有限元通用程序HSNAP,开发了参数化建模程序模块,实现了渡槽三维设计模型的参数化描述;结合多核并行技术,编制了并行化鲸鱼优化算法程序进行优化计算。结合某灌区U型渡槽工程,以混凝土用量最低为优化目标,采用所提出的结构优化设计系统对渡槽结构尺寸参数进行优化,分析结果表明,与原设计方案相比,优化方案能够满足结构的安全要求,并具有显著的经济效益。     

基于知识推理和二阶振荡粒子群算法的桩基础优化设计

为辅助设计者准确高效地完成桩基础设计工作,降低工程造价,基于知识推理和二阶振荡粒子群算法开发出一套桩基础优化设计系统.系统通过结合C#语言和CLIPS推理机实现桩基础埋深推理功能,进而求出当前场地条件下的最优桩长.选择以工程造价为目标函数设计优化数学模型,根据已知的最优桩长简化优化变量.选用二阶振荡粒子群算法作为优化算法,结合桩基础规范设计约束条件,编制出桩基础优化程序.最后以某十层实验教学楼为例进行分析,证明了本优化算法的可行性.     

基于模拟退火Memetic算法的复合材料层合板铺层顺序优化

应用基于模拟退火局部寻优的Memetic算法对复合材料层合板的铺层顺序进行优化设计,以层合板的面内几何因子和弯曲因子为优化对象,建立Memetic算法的优化模型。通过遗传操作,搜索问题的最优解,借助于模拟退火进行局部寻优,扩大了算法的寻优范围,加速了算法的收敛速度。数值算例中给定了层合板的面内几何因子和弯曲因子,应用Memetic算法求解层合板的最佳铺层顺序。并应用标准遗传算法和基于模拟退火局部寻优Memetic算法的结果进行比较,然后用有限元进行模拟分析,证明了本文中优化模型的有效性和基于模拟退火Memetic算法的优越性。     

城区物流配送中心选址优化系统设计与实现

为了提高城区物流配送中心选址效率,克服传统方法须依靠人工计算的弊端,提出利用在线地图获取路径距离信息的方法。基于配送中心的实际建设和运营情况,确定配送中心选址问题的成本影响因素,设计选址优化系统框架,构建以总成本最小化的数学模型,采用基于整数编码的遗传算法对其进行求解。利用C#语言实现系统架构,并进行计算测试。测试发现:所构建系统能够自动获取城区各节点距离信息,较之传统手段减少了规划人员的工作量,围绕2类算例实施优化选址,均在较短时间内获得了切实可行的选址方案。结果表明,所提出的系统架构具有有效性和适用性,能够有效帮助规划人员实施物流节点选择。     

基于改进多目标粒子群优化算法的配电网削峰填谷优化

电力系统削峰填谷优化作为负荷管理的重要手段,而储能系统在削峰填谷的功能显得尤为突出,以负荷峰谷差为目标的单目标优化已经无法全面评价储能系统在削峰填谷上的优势,为更好地体现储能系统在负荷管理上的优势,考虑以经济效益为调度目标的多目标优化问题(multi-objective optimization problem,MOP)显得尤为重要。基于此以负荷峰谷标准差和分时电价构建了配电网削峰填谷的多目标优化模型进行研究。提出基于拥挤距离排序的改进多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法,为改善算法陷入局部最优提出了变异机制的二次寻优,通过设置一定容量的外部档案存储非支配的帕累托(Pareto)最优解,最终获得Pareto最优前沿面。最后通过采用模糊隶属度法求解折中最优解,算例分析验证了本文所提模型的实用性和改进算法的有效性。     

Combinatorial Optimization Based Analog Circuit Fault Diagnosis with Back Propagation Neural Network

Electronic components＇ reliability has become the key of the complex system mission execution. Analog circuit is an important part of electronic components. Its fault diagnosis is far more challenging than that of digital circuit. Simulations and applications have shown that the methods based on BP neural network are effective in analog circuit fault diagnosis. Aiming at the tolerance of analog circuit,a combinatorial optimization diagnosis scheme was proposed with back propagation（ BP） neural network（ BPNN）.The main contributions of this scheme included two parts：（ 1） the random tolerance samples were added into the nominal training samples to establish new training samples,which were used to train the BP neural network based diagnosis model;（ 2） the initial weights of the BP neural network were optimized by genetic algorithm（ GA） to avoid local minima,and the BP neural network was tuned with Levenberg-Marquardt algorithm（ LMA） in the local solution space to look for the optimum solution or approximate optimal solutions. The experimental results show preliminarily that the scheme substantially improves the whole learning process approximation and generalization ability,and effectively promotes analog circuit fault diagnosis performance based on BPNN.