考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度

针对多产品混合加工车间中有限夹具-托盘资源引发的生产力制约问题,提出了考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度方法.首先,以最小化最大完工时间为目标建立了基于设备-夹具-托盘三资源约束的混合整数规划模型.其次,设计了基于可行性修复和自学习型变邻域搜索的改良遗传算法并进行求解,提出了种群染色体初始化、交叉、变异过程中的可行性修复策略,在算法迭代中后期引入三种变邻域搜索方法并构建搜索策略知识库,自学习地求得最优解.最后,基于工业大数据生成算例,并通过数值实验证明了该算法具备求解精度和求解时间上的双重优越性,可有效解决设备-夹具-托盘约束下的柔性作业车间调度问题,为加工车间的生产排产智能化转型提供有力支持.     

面向多区域能源互联的多智能体协同AGC策略

传统强化学习无法有效解决由于大规模新能源接入所带来的强随机扰动,以至产生AGC(automatic generation control)响应速度变慢、性能变差的问题.本文以能够解决基于Q框架的强化学习算法中状态动作对的值高估问题的双层Q学习为支点,融入了一种能够在未知的搜索空间中快速搜索最优解的灰狼优化算法,提出一种面向多区域能源互联的多智能体协同AGC策略,即GWDQ(grey wolf double Q)策略,来快速获取AGC过程中多区域协同最优解.通过对包括了混合发电燃气轮机系统、冷热电联产等多种形式能源的两区域综合能源系统模型,及多区域能源互联的东北电网模型进行仿真,结果显示所提策略与传统强化学习算法相比,拥有更强的学习能力,收敛速度和控制性能明显改善,能够快速获取AGC过程中多区域协同最优解.     

工业大数据驱动的核电装备智能设计-制造-服务技术与应用

针对核电大数据集成管理缺乏适应性和应用价值有限的问题,提出了一种基于工业大数据分析架构的核电装备智能设计制造服务体系.首先,基于核电大数据的领域特性设计了核电装备全生命周期数据空间,通过业务系统数据与主数据两个层次,实现海量多源异构数据分布式存储,并提出模型驱动的核电大数据应用模式.在此基础上,基于数据空间提出了核电装备智能设计制造服务体系框架和关键技术,包括基于模型数据知识联合学习的智能协同设计、多阶段数据融合驱动的质量管控与精准追溯、高维动态边缘数据驱动的运行服务智能诊断预测等技术,为生产决策和运作管理提供依据,促进核电装备安全性、可靠性和经济性指标持续优化.最后通过核电装备典型业务场景来验证所提框架和技术的有效性,并取得了良好的应用效果,为未来核电大数据协同管理和智能应用提供参考.     

近似最优并行算法组智能汇聚构造

作为一种高性能通用并行求解器,并行算法组(parallel algorithm portfolios, PAPs)近年来在判定、计数以及连续、离散优化等问题上取得了突出的求解效果.传统人工构造PAP的方式依赖于大量领域知识,门槛极高.为了解决这一问题,本文提出了一种基于演化优化的PAP智能汇聚自动构造方法AutoPAP.整体上, AutoPAP遵循(n+1)演化优化框架,即在每一代生成n个候选算法,并保留最优算法加入到PAP中.考虑到算法配置空间往往非常巨大且涉及混合变量,本文设计了专用变异算子以提升AutoPAP的实际性能,并证明了AutoPAP在理论上可以达到(1-1/e)近似最优构造效果.最后,本文以旅行商问题(traveling salesman problems, TSP)为例,使用AutoPAP构造得到TSP＿PAP.实验结果表明,在主流TSP测试集上, TSP＿PAP的求解效率和效果均显著好于当前TSP上公认性能最佳的求解器EAX和LKH.在128个规模1000～30000的TSP测试样例上,相比于EAX和LKH, TSP＿PAP可以将平均求解时间缩短至少45.71%,并...     

单一风电场的短期负荷调度优化策略

随着并网风电场数量迅速增加,单一风电场的调度水平需要提高.如何优化一个周期内风电场机组运行的数量与启停方案,迫切需要研究.针对风电场机组数量众多,调度方案解维数过高的问题,分析风电场机组负荷特性,提取机组负荷特征矩阵,运用FCM模糊聚类算法对风电场机组群进行分类;定义风电场机组运行相对损耗指标和启停相对损耗指标,在风功率预测的基础上,根据总调度指令,应用非线性规划理论建立风电场机组组合优化模型,运用模糊聚类算法和遗传算法相结合对模型进行求解.所建立模型和相应求解方法克服了风电场机组调度解维度过高带来的困难,获得了连续时期的风电场全部机组优化调度.最后,通过算例分析计算了某45MW风电场的多目标机组优化调度,验证了所提出算法的可行性和有效性.     

基于深度强化学习的机械装备剩余使用寿命预测方法

随着机械装备发展的日益大型化和复杂化,其使用安全性和可靠性也越来越受到重视.剩余使用寿命(remaining useful life, RUL)预测技术,通过分析设备的运行数据,预测设备还能正常运行的时间,利用该技术可有效提升设备运行的安全性和可靠性,同时可为设备的后续维修决策提供关键依据.本文提出一种基于深度强化学习(deep reinforcement learning, DRL)的RUL预测方法,首先通过自编码器(autoencoder, AE)对机械装备的原始信号进行特征提取,利用提取到的特征构成强化学习的状态变量,通过设置合适的动作空间和奖励函数训练强化学习模型,使其能依据样本间的时序相关性对装备的RUL进行准确预测.与其他方法相比,强化学习方法的时序交互决策逻辑可以自然地保留样本间的时序依赖关系,降低了RUL预测的波动性.最后利用涡轮发动机数据集CMPASS对提出的方法进行实验验证,所提出的方法在RMSE和Score两项指标上均优于目前多种RUL预测方法,且所提出方法对于接近退化末期的装备预测效果有明显提升.     

电力系统能量与备用联合优化与精确调度

随着能源与环境危机日益严重,如何建立精确调度模型成为电力市场逐步完善过程中的一个迫切需要研究的课题．目前广泛采用的建模方式是将时间离散化,建立离散时间调度模型,本文首先举例说明离散时间调度模型中所定义的备用容量上、下限存在不可达的情况,即离散时间调度模型中的备用容量上、下限约束条件不严格,从而造成实际调度时存在旋转备用容量无法满足实际需求的情况．通过对机组出力方式与爬坡率关系的详细分析,证明了任意调度时段内机组精确可达的备用容量上、下限与该时段首末时刻机组输出功率相关,并给出了精确可达备用上、下限的计算方法．基于上面的分析结果,建立了能量与备用联合优化与精确调度模型,该模型将能量与备用联合精确调度这样一个连续时间最优控制问题建模成一个非线性规划问题,从而极大地降低了问题的复杂性,避免连续时间最优控制问题所存在的求解困难．应用序列二次规划法对模型进行了数值求解,并对结果进行了讨论,进而验证了模型的有效性．     

面向群体共识机制的逆强化学习辨识方法

作为新一代人工智能的重要研究领域,群体智能是解决开放不确定环境中大规模复杂问题的必由途径,对人工智能的其他研究领域有着基础性和支撑性的作用.群体智能系统中,智能体遵循共识机制进行交互演化产生群体共识,辨识共识机制是构建和理解群体智能系统的关键.传统的共识机制建模方法需要做过多简化假设,难以面对复杂多样的群体智能系统,应建立数据驱动的共识机制辨识方法.本文将共识机制的辨识问题转化为群体智能系统的逆强化学习问题,提出面向群体共识机制的逆强化学习辨识方法,并将上述辨识方法应用于集群系统,在多个场景中验证了对群体智能系统的辨识能力,实现了对群体智能系统的共识机制的反演.     

基于总量控制的流域允许取水量与允许排污量统一分配模型

为落实初始水权分配方案,实现允许取水量与允许排污量的统一分配,建立了以初始水权为允许取水量总量控制目标、水量分配仿真模型与纳污能力计算模型相耦合的流域允许取水量与允许排污量统一分配模型;针对模型的复杂性,提出了一套显著提高分配方案可操作性与求解效率的水库群优化调控新技术,该技术综合了系统仿真、轮库迭代与智能计算方法.以北江流域为背景,阐释了模型的建立、求解和应用过程;绘制了大型水库优化调度图,获得了流域水资源系统的长期运行策略,给出了任意年型允许取水量与允许排污量分配方案以及跨行政区断面流量过程,分析了模型的有效性和分配方案的合理性.     

钢铁生产流程物流-能流-环境作用机理及广义热力学优化

将有限时间热力学、构形理论和(火积)理论等现代热学理论与冶金流程工程学相结合,提出钢铁生产流程广义热力学优化理论.在搭建钢铁流程能耗排放仿真平台和建立分析与生命周期评价结合的物流-能流-环境作用评价方法的基础上,基于钢铁生产流程广义热力学优化理论对单体组件、工序模块、功能子系统和流程进行物流-能流-环境作用机理研究,并开展多学科、多目标的广义热力学优化.优化后流程和工艺的选择、物流和能流的分配、余能余热综合利用更加合理,流程系统得到集成、运行调控更加合理,物流-能流-环境得到综合协调,实现流程能源的高效配置和余能的梯级利用,系统能耗和排放显著降低.本文通过探索钢铁生产流程高效、节能、减排技术途径为钢铁联合企业能源环保中心的设计运行提供了理论支撑,也为一般物质转化过程高效节能的相关共性问题的解决提供了研究平台,奠定了科学和技术基础.     

基于策略多样性熵指标的无人机群智系统激发-汇聚程度度量方法研究

新一代无人机群系统的重要特征是具有群体智能,是一类典型的群智激发汇聚系统.目前,多智能体强化学习技术展现出较强优势,是构建新一代自主智能无人机群系统的重要方法.但多智能体强化学习的训练过程尚处于“黑盒”状态,缺乏对群体智能的激发和汇聚程度的有效度量手段.针对这一问题,从多智能体强化学习中智能体的策略出发,以策略多样性度量无人机群在多智能体强化学习的训练过程中的激发-汇聚程度.为了对策略的多样性进行度量,借鉴物种多样性和信息论中的相关概念,明确了策略多样性的内涵包括丰富和均匀程度两方面,提出了“策略距离二次熵”和“动作分布信息熵”这两种策略多样性的计算方法.设计了无人机群突防场景对本文所提出的策略多样性指标和两种计算方法的有效性和有用性进行了验证,并通过敏感程度分析对两种计算方法进行了对比.实验结果表明这两种计算方法在该场景中均能有效区分策略多样性的变化,且两种计算方法间具有一致性,从而验证了策略多样性指标及其计算方法的有效性.在有用性方面,验证了策略多样性与奖赏之间的关联关系,以及环境的动态改变与策略多样性之间的相互影响和关联关系,体现了策略多样性在认知群智系统,指导群智激发汇聚过程上...     

一类含积分约束的生产制造系统优化调度

“即时消费”类生产制造系统的优化调度具有重要学术和应用价值. 满足此类系统对产量的实时需求, 考虑调度计划的可实现性具有挑战性. 如何得到精确满足累积产量实时需求的最优调度目前尚无系统方法, 迫切需要研究. 本文建立了含积分约束的生产制造系统优化调度新模型. 通过对生产量变化率约束的深入分析, 证明了该类优化问题等价于光滑非线性规划问题. 生产设备在各时段的产量上下界可表述为时段初、末时刻瞬时生产率的二元函数, 且为精确可达的上下界. 本文结合梯度映射的单调性, 证明了上下界函数的凸性(凹性), 在生产成本为凸函数时, 进一步证明了此类优化调度问题等价于凸规划问题. 本文以上述分析为基础, 针对含积分约束的生产制造系统优化调度问题, 提出了两阶段数值求解方法, 在许多情况下可以迅速获得调度问题的全局最优解. 新模型和相应求解方法克服了生产量变化率约束带来的困难, 获得了精确满足累积产量实时需求的最优调度. 本文同时以电力生产优化调度问题为例, 进行数值求解, 并对结果进行了讨论, 验证了新模型和相应方法的有效性.     

列车通过大跨度桥梁桥塔区域过程中的风-车-桥耦合动力分析

大跨度桥梁位于强横风环境时,桥塔的遮挡作用会使列车进出桥塔区域时车体受到的风力发生变化,这种风荷载的突变效应会对车辆的动力响应造成影响,此外车辆动力响应的改变还会影响桥梁的动力响应.本文以瓯江大跨公铁两用悬索桥为工程背景,以快速谱分析模拟风场,对桥梁子系统施加抖振风力,对桥梁子系统施加稳态风力,考虑桥塔宽度与车辆长度的关系,建立风-车-桥耦合系统运动平衡方程,以全过程迭代法求解该方程,分析计算了不同车速与风速下桥塔遮风效应对车辆桥梁动力响应的影响.结果表明风速和桥塔宽度越大,车辆的动力响应越大,而桥梁动力响应受桥塔遮风效应影响很小.     

基于深度强化学习的泛在电力物联网综合能源系统的自动发电控制

包含超大规模分布式能源、负荷以及冷热电联产的泛在电力物联网的综合能源系统是未来发展趋势.由于泛在物联将给电网带来强的随机扰动问题,传统的自动发电控制(automatic generation control, AGC)方法已无法满足如此大规模复杂综合能源系统的频率稳定.机器学习是解决复杂能源系统AGC强随机扰动的一种有效方法.然而这种超大规模的泛在物联将给AGC求解带来维数灾问题.本文针对DDQN-AD(double deep Q networkaction discovery)算法中经验缓存机制构建问题,提出了一种基于比例优先级采样机制的深度强化学习算法PRDDQN-AD(prioritized replay DDQN-AD),以解决机器学习中多维状态-动作对的维数灾问题,进而解决泛在电力物联网综合能源系统模式下的随机扰动问题.对源网荷储协同的两区域综合能源系统模型和集成了大量源、网、荷、储及冷热电联产的多区域泛在电力物联网综合能源系统模型进行仿真.结果表明,与改进前的DDQNAD算法相比, PRDDQN-AD能够提升训练样本的质量,具有良好的学习效率和泛化性能,能够解决维数灾问题;与其他智能算法相比,其收敛速度和控制性能均有明显提升,可获得区域最优协同控制.     

一种具有记忆自学习能力的快速动态寻优算法及其无功优化求解

针对传统人工智能在随机复杂环境的适应及交互能力较低问题,有机地将经典强化学习Q(?)算法与多主体协同行为进行高度融合,提出了一种具有记忆自学习能力的快速动态寻优算法.该算法通过与外部环境反复的交互来进行自学习改进,并利用值函数矩阵储存状态-动作对记忆,提出了联系记忆方式,有效地对传统Q(?)算法的动作空间进行降维处理,减小了记忆矩阵的规模;基于多主体协同合作的概念,采用多个主体同时对记忆矩阵进行迭代更新,明显提高了更新速度;在预学习形成良好的记忆后,能快速地进行在线动态优化.最后,文章利用电力系统经典无功优化模型进行了算法测试,IEEE 118节点和IEEE 300节点标准算例仿真表明:本文所提算法在保证较高收敛性的同时,寻优速度能提高到遗传算法、蚁群算法、粒子群等传统人工智能方法的5~40倍,非常适用于大规模复杂电网的在线滚动无功优化.     

基于异构数据模型的电-气耦合网络状态感知方法研究

随着电力、天然气网络开放互联,多能流耦合在实现能源科学管理与优化调度的同时,彼此间能量转换使得原本独立能源网络的状态感知复杂度增加.因此,在实现快速分析及考虑耦合网络特性的基础上,本文提出一种针对多维电-气耦合网络的异构数据模型状态感知方法.首先,针对子网络交互影响以及相应检测变量变化过程,构建出刻画不同子网络时间响应特性的异构数据模型.然后将构造的模型通过归一化及函数转换得到对应的协方差矩阵提高节点数据变化灵敏度,并且将状态感知判断转化为随机矩阵谱差异值变化程度的分析.在确定网络状态改变的前提下,根据谱分布对应的最大特征向量得到发生变化的网络节点,从而完成整个耦合网络状态感知过程.最后对不同电-气耦合网络状态改变情况进行仿真,仿真结果验证了本文所提方法的可行性与有效性.     

基于ConvJANET的航空发动机剩余寿命预测及其不确定性量化

航空发动机技术是衡量一个国家科技水平和工业实力的重要标志,健康状态监测和剩余使用寿命(remaining useful life, RUL)预测技术是航空发动机安全服役、经济运行的重要保障.针对航空发动机RUL预测精度较低、不确定性难以量化的问题,本文提出了一种数据驱动的航空发动机RUL区间预测方法.首先,在ConvJANET框架下构建新的卷积-卷积循环-全连接结构的深度学习模型,逐层提取航空发动机监测数据中的退化特征;其次,利用极大似然思想指导神经网络模型的优化求解,并基于损失函数形式变化的策略训练模型,实现对航空发动机RUL的高精度预测与不确定性量化.将所提出的方法用于分析航空发动机退化数据集,结果表明,对比传统基于蒙特卡洛的方法,本文提出的方法具有更高的RUL预测准确率和更好的置信区间预测性能.     

金沙江下游梯级与三峡-葛洲坝多目标联合调度研究

溪洛渡-向家坝-三峡-葛洲坝组成的四库梯级水库群是长江上游水能开发、中下游防洪安全和供水保障体系的重要组成部分,开展四库多目标联合优化调度具有重要意义.考虑防洪、发电和供水3个目标建立多目标联合优化调度模型,采用ε约束法,以四库梯级总发电量最大作为主目标,将防洪、供水等目标作为约束条件生成非劣解集;分别选取三峡汛期最高控制水位、最小下泄流量作为防洪、供水约束的情景因子,通过多情景分析,揭示不同来水条件下各目标的置换关系及其机制.结果表明:(1)设置三峡汛期最高控制水位146.5,150,153 m三种情景,其中,相对于146.5 m情景,汛期最高控制水位每提高1 m,多年平均增发电量约7亿kW h,以丰水年增幅最大;(2)最小下泄流量增加10%,四库总发电量多年平均降低5亿kW h左右;(3)三峡水库供水保证率受最小下泄流量影响比溪洛渡水库更为敏感,各种年型下缺水主要集中在枯水期,抬高三峡汛期最高控制水位,不能缓解消落期供水与发电的矛盾.     

基于深度强化学习的不完美信息群智夺旗博弈

复杂环境中群智博弈问题是近年来的研究热点之一.为解决不完美信息条件下多智能体夺旗博弈问题,本文提出了一种基于多智能体双重决斗深度Q网络(multi-agent dueling double deep Q-network, MAD3QN)以及图注意力网络(graph attention network, GAT)的多智能体夺旗博弈深度强化学习算法(G-MAD3QN).该算法在实现多智能体在迷宫地图中路径规划的同时,建模不完美信息条件下多智能体合作与竞争关系,从而确定夺旗博弈策略.在实验中,本文基于二维迷宫环境,考虑智能体观测信息不完美条件,将G-MAD3QN算法与多智能体深度Q网络(multi-agent deep Q-network, MADQN)、MAD3QN等多智能体深度强化学习的基线算法进行对比,从而验证了在二对二夺旗博弈中本文G-MAD3QN算法的有效性.     

三维双重孔隙-裂隙介质热-水-应力-迁移耦合模型及其有限元分析

建立了一种饱和-非饱和的双重孔隙-裂隙介质热-水-应力-迁移耦合三维模型,其特点是应力场和温度场是单一的,但具有不同的孔隙渗流场、裂隙渗流场和孔隙浓度场、裂隙浓度场,以及可考虑裂隙的组数、间距、方向、连通率和刚度对本构关系的影响,并研制出相应的三维有限元程序.通过与已有算例的对比,验证了该模型和程序的可靠性.针对一个假定的高放废物地质处置库,就岩体和缓冲层均为非饱和介质和放射性核素泄漏的情况进行了数值分析,考察了岩体中的温度、负孔隙水压力、地下水流速、核素浓度和正应力的状态.结果显示,缓冲层中的温度、负孔隙水压力及核素浓度呈现非线性的变化、分布;尽管裂隙水饱和度平均仅为孔隙水饱和度的1/9,但因裂隙的渗透系数比孔隙的渗透系数大4个数量级,故裂隙中地下水的流速约是孔隙中相应值的6倍;应力分布集中的区域位于缓冲层和处置孔壁交界两侧附近.