基于改进遗传算法的船体分段车间零部件配送优化研究

船体分段制造车间的物资配送问题是典型的车辆路径问题。现阶段利用传统遗传算法规划配送路线已经不能满足日益繁重的物流任务。为满足车间对物资配送准时化的要求,需要对传统遗传算法进行改进,添加时间窗对物资配送时间进行约束。利用改进遗传算法,可以更好地提高物资配送效率。     

悬臂式多自由度喷涂机器人在船舶分段涂装中的使用可行性分析

针对船舶分段涂装目标对象、产品及实施区域,提出悬臂式多自由度喷涂机器人使用方案,结合深中通道涂装机器人方案,从方案整体、目标工件、工作模式等角度对比分析其可行性,为提升船舶分段涂装作业自动化,实现“机器代人”提供解决方案。     

基于Plant Simulation的船厂平直车间作业仿真与优化

船体分段的制造在整个船舶生产过程中占据了大量时间,因此,缩短分段制造时间是缩短船舶建造周期、降低建造成本、提高船厂生产效率的关键所在。以船厂平直车间为研究对象、以缩短车间生产平面分段的最大流程时间为目标,使用Plant Simulation对平面分段的生产制造流程进行模拟仿真,并基于仿真结果使用内置遗传算法功能模块对分段生产顺序进行优化处理,以达到缩短最大流程时间的目的,对分段车间的生产排程具有实际意义。     

基于L-M算法的BP神经网络预测艉轴管圆柱度误差

为优化艉轴管镗孔的镗削工艺,研究镗削用量和加工过程中各影响因素对艉轴管尺寸误差的影响,采用基于L-M算法的BP神经网络对影响艉轴管镗孔的各因素进行分析,得到艉轴管镗孔误差与各因素之间的非线性关系.建立多输入单输出的BP神经网络模型,并应用镗孔的实际数据对其进行训练.采用正交试验法得到相应的加工数据,对预测模型的有效性进行验证,结果表明,采用基于L-M算法的BP神经网络建立的艉轴管镗孔误差预测模型,能对艉轴管的镗孔误差进行较为准确的预测.