基于无人机的高层住宅最后“一百米”配送优化

针对城市高层住宅顾客对上门配送服务的需求，借助无人机停放平台，考虑包裹异质性以及无人机在不同配送阶段的精确能耗，构建以无人机飞行成本和能耗成本最小为目标，以无人机容量、电池组容量等为约束的高层住宅无人机上门配送模型，解决“垂直位置最后一百米配送”问题。基于此模型，设计带变邻域下降(VND)搜索的混合蚁群算法(HACO-VND)，引入4个算子进行变邻域下降搜索，为了提高算法的求解性能，提出两种局部搜索算子组合，根据顾客点数量使用不同的算子组合。实验结果表明，HACO-VND算法较CPLEX在求解精度与求解时间方面更优，特别是在大中型算例中表现出较佳性能。参数分析表明，高层住宅楼层数越多，无人机单次 飞行的能耗利用率越大，无人机容量与电池组容量共同对配送方案产生影响。为以后无人机送货上门服务方面的研究提供参考和思路。     

基于多中心车辆路径问题的收益分配优化研究

针对多中心车辆路径优化过程中配送中心间合作收益分配不均衡的问题,引进物流服务提供商作为协调者促成配送中心间形成合作联盟.首先,以多中心共同配送总成本最少为目标建立数学模型;其次,应用客户点聚类方法形成初始线路,并设计了GA-PSO混合算法进行线路优化;然后,运用MCRS(Minimum Cost-Remaining Saving)法、Shapley法、比例最小核心法、弱最小核心法和最小核心法分别求解多中心收益分配模型,并应用联盟稳定性方法选择最优收益分配策略;最后,应用严格单调路径方法,以物流服务提供商收益最大化为目标,研究联盟合作序列形成过程和多个联盟的存在形式,并进行了实例验证.结果表明,本文方法有利于促进配送中心间形成联盟,并可应用到以多中心车辆路径优化为基础的物流运输网络合作联盟形成、拆分及网络优化的过程中.     

多中心共同配送与收集网络联盟优化问题研究

针对多中心共同配送与收集网络中物流合作联盟构建和收益分配机制设计方面存在的不足,提出了多中心共同配送与收集网络联盟优化策略.首先,建立了网络运营总成本最小和配送与收集车辆使用数量最少的双目标优化模型.其次,提出了结合k-means聚类算法和Im-NSGA-Ⅱ算法的混合启发式算法求解模型,该混合算法通过引入贪婪求解思想和精英保留策略,提高了算法的全局收敛性能和局部寻优能力,并与NSGA-Ⅱ和MOGA算法进行对比分析,验证了所提算法的有效性.然后,运用最小费用剩余节约方法(MCRS)研究多中心共同配送与收集网络联盟的收益分配问题,并讨论合作联盟序列选择和联盟稳定性.最后,通过实例对提出的优化模型和算法进行验证.结果 表明,该方法能够优化多中心共同配送与收集网络资源配置,降低网络运营成本,为多级共同配送与收集网络优化提供参考和方法借鉴,并为可持续的城市物流网络规划和共享物流合作联盟构建提供决策支持.     

改进A*算法的物流无人机运输路径规划

针对低空环境下物流无人机运输路径规划问题,综合考虑低空规划空域、物理性能等内外限制,设计了一种改进A~*算法用以快速解算路径。该算法以栅格法飞行区域建模为基础,为适用无人机航空物流运输,在成本函数中引入栅格危险度并增加飞行时间、能源消耗等代价,同时采用动态加权法对估计函数的权值赋值。在既定的路径规划环境及物流无人机性能约束下,仿真结果表明:该算法能快速规划出危险度小、能耗少的避障运输路径,且性能相比原算法、蚁群算法优;并得出最佳路径所对应的栅格粒度大小与代价权重值取值,验证了本算法的有效性。     

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题,采用栅格法进行环境建模,综合考虑无人机性能、任务性质和城市环境等影响要素,以航程、高度变化和危险度最小为目标函数,构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离,采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数;为提高搜索效率,引入双向搜索策略;为保证平稳飞行,采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化,具有有效性;算法与传统A*算法相比,规划时间少,规划路径航程短,高度变化少,飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5,2种距离权重系数分别为0.15和0.85时,规划路径最优.     

无人机水上遇险搜救关键技术研究

为提高水上交通安全应急处理能力,突破船艇在水上遇险搜救中存在的限制,针对基于无 人机的水上搜救关键技术进行了研究。首先,对无人机系统和性能需求进行了分析并设计了一个无人机实验平台;其次,针对目标识别与定位技术、机载甚高频无线通信技术以及基于北斗导航 系统的无人机信息传输技术进行了详细分析,以解决水上目标识别定位、水上应急通信及无人机远程巡航等关键问题,并在此基础上开发了配套的无人机水上交通安全应急处置系统,最终实现 了无人机水上遇险搜救应急处置装置的研发。最后,在东海海区的示范应用结果表明,该装置能够准确地对水上目标进行有效识别,可进一步为水上遇险搜救提供技术保障。     

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题，采用栅格法进行环境建模，综合考虑无人机性能、任务性质和城市环境等影响要素，以航程、高度变化和危险度最小为目标函数，构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离，采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数；为提高搜索效率，引入双向搜索策略；为保证平稳飞行，采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化，具有有效性；算法与传统A*算法相比，规划时间少，规划路径航程短，高度变化少，飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5，2种距离权重系数分别为0.15和0.85时，规划路径最优.     

基于顾客到达拟合的立体车库搬运器待命位设计策略

为提高立体车库服务效率，依据实际工程数据，对顾客存车到达过程与车辆库内停留时长 进行拟合，将拟合结果与存车到达优先的出库策略结合，作为预测下一任务为存车或取车可能停 放位置的判断依据；建立车库搬运设备调度及运行环境模型，利用Dijkstra算法确定搬运设备到 各可能出库位置节点的最短路径节点集合，通过确定集合分叉节点设计出库待命位置。仿真结 果表明：以顾客存取车到达拟合结果为预测的下一待命位设计，相较原地待命策略减小了顾客平 均等待时间、平均服务时间，增加了搬运器平均能耗、平均利用率，符合待命位设计原理，显著提 高了立体车库服务效率；相较以最小化至各可能出库车辆位置最短路径的出库待命位设计更优， 表现为顾客平均等待时间、搬运器平均服务时间、平均能耗及平均利用率分别减小9.2%、19.2%、 25.6%及13.5%；顾客到达率水平不同，待命位策略的适用性不同，本文设计待命位策略更适用于 顾客到达率较低水平。     

“无人机-车辆”配送路径优化模型与算法

基于城市配送的发展趋势,提出一种“无人机-车辆”联合配送模型,以无人机为主导,分3 步进行路径分配,无人机每次配送可以服务多个顾客点,车辆不用在固定点等待无人机。进行单 次路径规划时,让顾客需求点尽可能多的得到服务,最后,以总配送距离最小为目标,对整体路径 进行优化。此外,设计了3种不同的配送场景,构建的模型能同时适用于这3种场景。采用带末 端优化的模拟退火算法求解问题,结果验证了模型的可行性。考虑到未来无人机技术的进一步 提高,对无人机的最大载重量和飞行距离进行灵敏度分析。结果表明,无人机的配送能力受载重 量和飞行距离影响,增大配送能力可以使无人机服务更多的顾客需求点,均衡提升载重量和飞行 距离可以充分发挥无人机的配送能力,更好地完成农村地区的物流配送。     

计及逆变回馈装置间歇工作制的城轨供电计算

逆变回馈装置在实际运行中采用间歇工作制,当采用供电计算确定逆变回馈装置的选址和容量设计时,必须考虑逆变回馈装置的工作特性模型.为此,提出了一种考虑逆变回馈装置间歇工作制的城市轨道交直流供电计算算法.该算法基于逆变回馈装置的功率提出了逆变回馈装置负荷过程的动态调整策略,并实现其状态切换;从主变电所统计整条线路的全日能耗,...     

基于粒子群算法的城轨列车节能驾驶优化模型

为了降低城市轨道交通中列车在站间运行的能耗, 研究了列车的站间节能驾驶策略, 在考虑线路限速和坡度的情况下, 建立了时间约束下的列车节能优化模型, 采用粒子群算法优化目标速度序列得出了列车节能驾驶策略。节能驾驶优化方法通过2个阶段来实现, 第1阶段在站间运行时间不变的情况下, 采用粒子群算法优化了列车在站间的节能驾驶策略, 得到了运行时间和能耗的关系, 第2阶段在多站间总运行时间不变的前提下, 将运行时间进行重新分配, 得到了列车在全线运行的节能驾驶策略。以北京地铁亦庄线实际线路数据和车辆参数为基础, 对优化方法进行仿真验证。仿真结果表明: 经过第1阶段的优化, 列车在万源街-荣京东街的单站间运行能耗降低了6.15%, 经过第2阶段的优化, 列车在多站间总运行能耗降低了14.77%。可见, 优化模型可以有效降低列车的运行能耗, 为列车时刻表的编制提供依据。     

基于蚁群算法的植保无人机任务分配优化研究

针对植保无人机在多个小面积农产品种植区域农药喷洒任务分配优化问题,考虑农药喷洒时无人机任务分配对工作效率的影响,建立基于农药喷洒总收益最大的优化模型。采用蚁群算法求解上述模型,并设置算法中的编码、交叉和变异方式。通过算例分析,设置试验条件,试验结果表明,文中所构建的模型及算法对于无人机农药喷洒任务分配优化决策具有很好的参考价值。求解得到的植保无人机作业次序缩短了植保无人机的航行距离,提高了农药喷洒的工作效率,节省了人力物力,使喷洒作业更加方便高效。     

基于微粒群算法的多目标列车运行过程优化

为客观地描述列车的运行过程,建立了列车运行过程的多目标优化模型,并用微粒群算法求解该模型.针对多目标微粒群优化(MOPSO)算法的不足,提出了相应的改进措施和解的多样性保持策略.仿真结果表明,提出的优化列车运行过程的改进MOPSO算法可以在一次运行过程中获得多组列车操纵控制策略,清晰地显示出各性能指标随控制策略变化的趋势,控制序列转换次数大大降低,每组控制策略都可以在能耗、运行时间和停靠准确性之间获得很好的折衷效果,可以根据列车运行状况选择恰当的策略控制列车,以获得预期的结果.     

基于贪心策略下混合蚁群算法的无人机航迹规划

针对复杂环境下无人机航迹规划中航行误差的校正问题,提出一种改进的蚁群算法.该算法在蚁群算法的基础上,首先将粒子群算法中的适应度作为启发值引入信息素更新中,改进了原始的信息素更新模型;其次使用贪心策略在选择校正点时进行剪枝运算,优化了算法的选择策略;最后使用A*算法替代原始算法的随机初始化,修改了信息素的更新方式,优化了生成路径的质量.对规划路径,使用Dubins曲线对航迹进行光滑,光滑后航迹既能满足航迹约束,也能满足飞行器的性能约束.研究结果表明:在参数设置上,当蚁群数量较大时,设置较小的启发值常数能获得更好的结果;对贪心蚁群算法使用A*算法进行初始化,能有效加速蚁群算法收敛速度,提高解的质量,实验显示改进后航迹长度减少了约6％,时间减少了约25％.     

基于改进多目标差分进化算法的城轨列车速度曲线优化

城轨列车速度曲线研究对于优化列车运行过程具有重要的作用。为得到更好的城轨列车速度曲线优化效果，本文针对列车运行准时性、运行能耗和舒适度3个目标，提出一种基于改进多目标差分进化算法的速度曲线优化方法。首先，建立城轨列车运行过程的多目标优化模型；然后，通过采用精英镜像初始化策略、引入参数自适应和多变异策略，提升多目标差分进化（MODE）算法的性能，并通过与其他6种对比算法在ZDT系列测试函数上所得的反世代距离评价指标（IGD）值进行比较，验证了所提算法的优越性；最后，结合南昌地铁一号线某区间真实线路数据进行仿真。结果表明，改进的MODE算法（IMODE）相较于对比算法在综合性能方面具有一定优势，同时在列车节能优化问题中具有较强的实用性。     

面向系统级能耗优化的无线实时网络系统任务调度机制

传统的能耗优化方法通常利用CPU的DVFS协议以及射频通信休眠调度来减少耗能。却很少有工作在对系统任务负载的调度和运行模式分配的同时考虑计算/通信两个子系统对能耗的综合优化。此外,传统的能耗优化机制通常只考虑系统的总能耗最优,而忽略了系统中个别节点能源耗尽对网络连通性所产生的影响。提出一种以系统寿命最大化为目标的任务调度和工作模式分配机制。该机制根据任务的实时性约束条件和节点的剩余能量调度任务,通过控制DVFS协议给子任务设定工作频率,同时利用射频休眠调度来实现系统能耗和寿命的折中平衡。仿真实验的结果表明,任务调度与分配算法在无线嵌入式网络系统的能耗和寿命表现上优于传统的方法。     

基于多代理机制的车间作业调度算法动态混合生成策略

针对根据具体问题设计调度算法很难适应变化的生产作业调度问题,本文提出了基于多代理机制的车间作业调度算法动态混合生成策略,该策略根据具体的生产任务,判断生产类型,继而根据问题动态生成算法,对问题进行计算,形成调度序列,使得生产调度算法能够更好地适应动态变化的车间生产环境.通过仿真实验,验证了本系统的有效性.     

基于无人机的桥梁病害检测系统研究

根据无人机在桥梁检测中的优势和发展阶段,提出了一种全新的智能化无人机桥梁病害检测系统。采用TSP建模、遗传算法与路径搜索和坐标映射三个模块,使无人机能够在遍历所有区域的前提下检测的路径长度最短。通过病害图像拼接算法实现病害图像的准确拼接,采用深度学习网络对病害图像进行训练和特征提取,以提高病害自动识别准确率。无人机桥梁病害检测系统具有便捷快速、智能化、高效化和精准化等优势,能够满足现代化桥梁检测要求。     

基于多代理机制的车间作业调度算法动态混合生成策略

针对根据具体问题设计调度算法很难适应变化的生产作业调度问题,本文提出了基于多代理机制的车间作业调度算法动态混合生成策略,该策略根据具体的生产任务,判断生产类型,继而根据问题动态生成算法,对问题进行计算,形成调度序列,使得生产调度算法能够更好地适应动态变化的车间生产环境.通过仿真实验,验证了本系统的有效性.     

基于深度学习的四轴无人机飞行姿态估计方法

为解决传统无人机姿态估计过程中出现的精度低、实时性差、容易被干扰、模型复杂、计算量大、处理时间长等问题,研究基于深度学习的四轴无人机飞行姿态估计方法.结合多传感器数据融合技术,使用MARG传感器和光流传感器采集无人机飞行姿态数据,经小波阈值去噪算法和最大—最小标准化算法对采集到的数据进行去噪及归一化预处理后,基于GRU神经网络构建一个新的姿态估计模型.将预处理后传感器的数据输入模型中进行融合,通过模型训练输出重力矢量和地磁矢量,经无人机姿态角转换获取无人机飞行姿态.实验结果表明：基于深度学习的四轴无人机飞行姿态估算结果与实际值接近,且误差小、速度快,同时利用GRU神经网络可以融合多种传感器的数据,无需建立复杂的数学模型,即可实现无人机飞行姿态的高精度测量.