自动导向小车路径规划问题的一种神经网络方法

以自动导向小车系统在柔性制造系统中的应用为背景，论述如何在调节时间间隔内处理同时发生的多个运送请求的情况，分析了自动导向小车系统规划的特征及相应对策，提出了相应数学模型，阐述了Kohonen自组织网络解决方法。     

汽车综合性能分布式计算机网络自动测控系统

在分析传统的汽车安全性能自动测控系统各种控制方案优缺点的基础上,采用分布式计算机网络控制方式,实现了对汽车综合性能的自动检测与控制。同时对该系统的整体结构、基本工作原理、控制流程及软件设计方法进行了论述。结果表明,分布式计算机网络控制方式是一种解决汽车综合性能自动检测与控制问题的有效方法,能够更好地满足汽车综合性能检测的实际需要。     

GPS车载导航定位服务系统的实现

阐述了GPS导航定位服务系统的基本组成模块、工作原理。对导航服务中存在的问题提出了解决的途径，并介绍了伪距差分技术和地图匹配方法。     

基于联邦滤波算法的无人机集群分层协同导航

为了解决传统单主从式无人机(unmanned aerial vehicle,UAV)相对导航结构因长机故障导致导航精度发散以及全连通协同导航算法计算量和通信负担较重的问题,提高集群导航稳定性以及导航信息的利用率,基于联邦滤波算法,提出了一种分层协同导航算法,并且根据导航精度将UAV集群分为长机层与僚机层,建立了UAV集...     

混合禁忌搜索算法的邮政运输车辆调度问题研究

在邮政企业中,运输网络是整个系统得以顺利运行的基础,邮政企业如何充分发挥自身优势、整合资源以改善运输网络是市场竞争愈发激烈情况下面临的重大问题,尤其是邮路规划问题。为提高邮政运输网络的整体运行效率,在同时考虑往返货物归集、车载量限制、最短路径和最少车辆数等一系列约束条件情况下,建立了送取货一体化的多中心邮政运输车辆调度的数学模型;针对该模型设计了禁忌搜索算法与C-W节约里程算法相结合的求解优化算法。最后,通过贵州省邮政企业实际生产数据对模型和算法进行仿真验证,并对优化后的调度方案进行了结果和效果分析。实验结果表明,优化后求得的配送策略在优化邮运成本上效果明显。     

自动导引车系统关键技术的研究

提出了一种改进型电磁导引技术方案，该方案使自动导引系统的核心部分－路径规划算法及程序得以实现，分析及实验结果证明，该项技术是可行的，并且具有极高的经济性。     

车辆工程专业学生创新实践能力培养--基于大学生方程式汽车大赛

中国大学生方程式汽车大赛是培养学生创新应用能力、设计制造能力和动手实践能力的平台。以此大赛为契机,紧扣车辆工程专业课程教学内容,阐述了赛车的总布置、动力系统和底盘系统等,在设计、制作和装配过程中的注意事项和要领,运用启发式和讨论式等教学手段,积极鼓励学生多方案多思路解决问题和克服困难,培养学习能力和独立思考能力,同时也丰富课程教学内容。参与该大赛一年多来的实践证明,构建注重学生创新实践素质模式的平台,对培养具有工程实践能力的人才效果显著,可以满足汽车及零部件产业对该类精于专业理论、长于实践应用人才的需求。     

基于响应面和NSGA-II的AGV系统多目标优化配置

AGV（automated guided vehicle）系统对于制造系统的生产柔性和生产效率具有重要作用,由于AGV系统具有许多的变量且有动态性、随机性特点,其优化配置比较复杂。提出了一种将系统仿真、数学解析和多目标优化相结合的方法,对AGV系统进行了优化配置;运用离散事件仿真模拟AGV系统运行,利用敏感性分析分离设计变量,采用析因试验和响应面方法拟合多目标优化数学模型,基于非支配解排序多目标遗传算法求解多目标优化解。通过AGV系统实例,证明了该方法的有效性,可为制造系统和物流仓储领域中AGV系统的优化配置提供一种有效的系统性分析方法。     

基于预知信息的占线Nomadic TSP问题

自然灾害的频繁发生使得应急减灾倍受关注, 尤其有效的应急救援车辆调度对应急减灾非常重要. 针对受灾点被提前获知但是不能立即接受救援服务的情形, 通过将受灾点(需求)的揭露时间和释放时间引入Nomadic TSP模型中构建了预知信息的占线Nomadic TSP问题, 并分别给出了问题的下界, 直线网络结构下的ENO-dd算法, 和一般网络结构下的GTR-dd算法, 并对算法进行了竞争性能分析. 结果表明两个算法随着预知信息的增多会有明显改进. 更为一般的预知信息结构以及最优的算法设计是下一步研究的方向.     

城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先,为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次,为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后,为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明,所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。