废旧汽车零部件拆卸回收信息模型的研究

为了缓解资源短缺与资源浪费的矛盾,减少大量报废汽车产品对环境的危害,最大限度地利用废旧汽车中的零部件,必须着力于废旧汽车零部件的拆卸回收研究。鉴于此,废旧汽车的回收再生技术因其节约资源、降低成本,减少废弃物生成、保护环境多种优势而备受关注,并值得推广。     

求解拆卸线平衡问题的改进人工蜂群算法

大规模拆卸线平衡问题（disassembly line balancing problem,DLBP）是NP完全问题。为克服传统算法求解DLBP搜索过于随机、易于早熟,且求解难度随任务规模的增加呈指数级增长等不足,构建了基于最小化工作站、均衡负荷、尽早拆卸有危害和高需求零部件的DLBP多目标优化模型,在此基础上,提出了改进人工蜂群算法。该算法包括以下4个阶段:在初始解生成阶段,引入危害指标和需求指标,提升算法收敛性能;在雇佣蜂搜索阶段,采取可变步长搜索策略,增加对较优解的搜索深度,加速淘汰劣解;在观察蜂搜索阶段,采用常规搜索与蠕动搜索相结合的混合搜索策略;在侦察蜂搜索阶段,构造了基于分布估计的搜索策略,引导搜索过程。应用本文算法对70个测试问题进行求解,其中65个求得了最优解,寻优率为92.86%;对10个任务实例求得最优解的需求指标为9730个,比蚁群算法减少了360个;52个任务实例的开启工作站数目、平滑率和拆卸成本3项指标均取得了更优的结果,求解较大规模问题的性能显著提升。      

多目标U型拆卸线平衡问题的Pareto蚁群遗传算法

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.      

基于蚂蚁算法的拆卸序列优化

描述了蚂蚁算法的基本原理，并针对拆卸的特点提出了一套基于蚂蚁算法的拆卸／装配序列优化的方案．该方案运用了拆卸矩阵作为蚂蚁初始解的搜索空间，综合考虑拆卸零件重定位和拆卸工具的改变次数，将其作为拆卸／装配序列质量的评价标准，自动生成优化的拆卸／装配序列．最后，通过实例验证了该方案的有效性．     

南京三桥D1标水上悬空拆卸移动模架施工

移动模架拆卸，特别是在水上进行拆卸，难度大，操作不便。本文通过对南京三桥D1标移动模架拆除工艺步骤，顺序及拆除过程中应注意的问题作了细致的说明．内容翔实、可供借鉴。     

免拆卸水泥复合模板-结构混凝土梁的抗弯性能研究

通过对2根梁试件（一根免拆卸模板混凝土梁,一根普通混凝土梁）的试验,研究了免拆卸模板混凝土受弯梁在单调荷载作用下的基本力学性能,包括荷载挠度变化规律、跨中混凝土应变、受力钢筋应变、正截面承载力、破坏形态等,对免拆卸模板一结构混凝土梁与普通混凝土梁的受力性能进行了对比。实验结果表明：采用现行规范计算免拆卸模板一结构混凝土梁的抗弯承载力具有较高的安全性能;免拆卸模板一结构混凝土梁能够满足挠度限值的要求;免拆卸模板．结构混凝土梁具有与常规混凝土梁相近的抗弯性能。     

机械产品虚拟现实展示技术研究

以齿轮油泵为例,介绍构造机械产品虚拟现实模型的方法及实现机械产品虚拟装配、拆卸的关键技术.     

柴油机咬缸后活塞、缸套组件拆卸技术研究

为了顺利的拉出咬缸后的活塞、缸套组件,制定了三套不同的方案:利用起吊活塞的专用工具在吊起活塞的同时一起拉出缸套;煤油浸泡法;化学反应水垢结合热胀冷缩再利用自制工具向上顶压缸套的方法。事实证明,第三套方案能够在不损伤机体的情况下拆卸缸套和活塞。     

特大断面TBM拆卸洞室钻劈法施工关键技术

由于隧道断面大,支护结构在开挖过程中承受的围岩压力较大,为确保隧道施工的安全,四川都四山地轨道交通项目紫荆隧道特大TBM拆卸洞室采用钻劈法开挖。介绍了液压劈裂技术的工作原理、工作参数的确定,拆卸洞开挖支护关键技术。实践证明：在Ⅲ级及以上围岩的硬质岩中采用潜孔钻施作周边眼+掌子面劈裂相结合的形式开挖效果显著,安全、环保、可控性强。液压劈裂技术在不能进行爆破施工的隧道中具有广阔的推广前景。     

基于改进蚁群算法的分动器装配顺序优化设计

为减少分动器生产成本,提高其装配效率,提出一种基于改进蚁群算法的分动器装配顺序优化方法。以某款SUV汽车用分动器为研究对象,分别建立分动器工具信息矩阵、优先关系矩阵和拆卸关系矩阵,对蚁群算法的装配序列评价函数、信息素更新规则、选择概率及参数等方面进行改进。基于Matlab软件开发分动器装配序列算法程序,得出分动器装配序列的优化结果,并验证优化结果的正确性。该方法在分动器实际装配生产过程中具有重要的指导意义。     

某商用车动力总成悬置系统多目标优化

为解决某商用车动力总成悬置系统怠速抖动问题,提出了考虑悬置系统结构阻尼的动反力频响特性计算方法。基于NSGA-Ⅱ算法对解耦指标、动反力及各频率间隔之和进行了多目标优化,优化后动力总成悬置系统解耦率明显提高,系统动反力下降了4.91%。通过整车动力总成隔振试验,对比原始状态与优化状态在怠速工况下的综合隔振率,证明了该优化方法的正确性,为动力总成悬置系统设计提供了指导意义。     

An Improved Model for Computing-Intensive Tasks on Heterogeneous Workstations

IntroductionIt is well known that many concurrent- com-puting tasks,which consume time badly,can besolved on a massive parallel system using parallelcomputing in order to acquire less execution time.Generally a massive parallel system is very expen-sive a…     

非支配排序遗传算法的动压轴承形状多目标优化

为了克服以偏心率为初始参数的轴承优化模型优化结果局限于原始形状的缺点,提出用傅里叶级数表示通用膜厚方程,建立了多目标形状优化设计数学模型.应用基于非支配排序遗传算法,以最小功耗和最小侧漏流速为目标、最小油膜厚度和最小承载力为限制条件,以通用膜厚方程系数为设计变量,进行了轴承形状的多目标优化设计,并用Matlab偏微分方程工具箱求解基于通用膜厚的控制方程.实例分析结果表明:基于通用膜厚方程的多目标优化后的轴承形状不受固有型线的限制;在保证最大承载力的基础上,优化后的非圆轴承与仅以最大承载力为单目标优化的结果相比,最小功耗下降了80.8%,最小侧漏流速比优化前下降了3个数量级,并得出了Pareto最优解集.     

基于免疫优化的单目标多模态期望值规划

为了求解未知随机变量分布下单目标多模态期望值规划,通过引入检测候选解是否为局部最优解的随机函数,将该期望值规划问题转化为多目标期望值规划问题,并进一步探寻问题的转化关系,获得在一定条件下有效解是最优解的结论;根据样本平均近似化思想,将多目标规划转化为非恒定样本采样的近似化模型,并基于克隆选择和免疫记忆的机理,通过设计递归非支配分层、样本自适应采样和自适应繁殖与变异方案,引导进化种群往优质个体所在区域转移,提出了求解该近似化模型的免疫优化算法.仿真结果表明:与参与比较的多目标优化算法相比,该算法搜索多个最优解方面有明显优势,搜索效果稳定,噪声抑制能力强;求解低、高维标准测试问题获得最优解的数量分别平均提高了20%和70%.      

Large Thinned Array Design Based on Multi-objective Cross Entropy Algorithm

To consider multi-objective optimization problem with the number of feed array elements and sidelobe level of large antenna array, multi-objective cross entropy(CE) algorithm is proposed by combining fuzzy c-mean clustering algorithm with traditional cross entropy algorithm, and specific program flow of the algorithm is given.Using the algorithm, large thinned array(200 elements) given sidelobe level(-10,-19 and-30 d B) problem is solved successfully. Compared with the traditional statistical algorithms, the optimization results of the algorithm validate that the number of feed array elements reduces by 51%, 11% and 6% respectively. In addition, compared with the particle swarm optimization(PSO) algorithm, the number of feed array elements from the algorithm is more similar, but the algorithm is more efficient.     

铁水运输调度双层多目标约束优化模型

为实现铁水运输作业排程与资源分配的协同优化，基于约束程序累积调度和字典序多目标优化理论，研究了铁水运输调度双层多目标约束优化方法.首先，基于铁水罐周转率最高和作业效率最高2个字典序优化目标，考虑作业时序、作业实施逻辑、铁水温降时限、铁水罐作业次数限制、资源容量限制和铁水罐资源池等约束条件，建立了上层的铁水运输作业排程约束优化模型；其次，以资源利用均衡度最高为目标，将作业实施唯一性和资源容量限制作为约束条件，建立了下层的铁水运输资源分配约束优化模型；最后，通过约束传播与多点构建性搜索的混合算法迭代求解整个模型.通过实例验证表明：设计的混合算法求得的铁水罐周转率目标和运输作业效率目标，比基本深度优先回溯算法分别提高了14.29%和60.53%；字典序多目标模型比加权和单目标模型求解效率和求解质量分别提高了20.3%和11.11%.     

A Discrete Bat Algorithm for Disassembly Sequence Planning

Based on the bat algorithm (BA), this paper proposes a discrete BA (DBA) approach to optimize the disassembly sequence planning (DSP) problem, for the purpose of obtaining an optimum disassembly sequence (ODS) of a product with a high degree of automation and guiding maintenance operation. The BA for solving continuous problems is introduced, and combining with mathematical formulations, the BA is reformed to be the DBA for DSP problems. The fitness function model (FFM) is built to evaluate the quality of disassembly sequences. The optimization performance of the DBA is tested and verified by an application case, and the DBA is compared with the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and differential mutation BA (DMBA). Numerical experiments show that the proposed DBA has a better optimization capability and provides more accurate solutions than the other three algorithms.     

Robust Optimization of Hub-and-Spoke Airline Network Design Based on Multi-Objective Genetic Algorithm

In the process of designing hub network, the selection of hub airports is influenced by the change of the demand and cost. Under the condition of changing in demand, this may lead to large minimum cost deviation between the designed optimal network and real optimal network, respectively. To reduce the risk caused by the uncertainty in network optimization and get the optimal robust solution of hub network under the multi-possible conditions of demand and cost, a method based on multi-objective optimization genetic algorithm is proposed in this paper. The convergence of the algorithm has been proved, and the experimental results demonstrate the availability of the algorithm. First, multiple objective functions needing to be optimized simultaneously are formulated from different conditions of needs and cost, then a genetic algorithm is used to provide all possible routes of the network hub structure, and robust optimal network solution for multi-objective optimization is searched. The convergence of the search algorithms is proved to be effective by the numerical results.