面向绿色智能制造的高维多目标动态作业车间调度优化

在当前环境问题日益严峻情况下,绿色智能制造受到广泛关注。在动态柔性作业车间基础上考虑不同机器状态下的能耗情况、机器使用节能方法,构建以极小化总能耗、最大完工时间、机器总负荷和产品质量稳定性为目标的高维多目标绿色动态柔性作业车间调度模型,并设计改进的灰狼优化IMOGWO算法求解该问题。首先,采用反向学习初始化种群策略,以扩大种群多样性;然后,依据多目标问题和标准GWO算法的特点提出多级官员领导机制,并引入POX交叉和逆序变异算子;最后,改进精英保留策略用于多目标优化算法。为证明算法的有效性,设计两组仿真实验分别对三种算法进行比较。实验结果表明,运用本文改进的IMOGWO算法求解多目标问题有更好的收敛性和分布性。     

一种新的求解拟单调变分不等式的压缩投影算法

2020年Liu和Yang提出了求解Hilbert空间中拟单调且Lipschitz连续的变分不等式问题的投影算法,简称LYA。本文在欧氏空间中提出了一种新的求解拟单调变分不等式的压缩投影算法,简称NPCA。新算法削弱了LYA中映射的Lipschitz连续性。在映射连续、拟单调且对偶变分不等式解集非空的条件下得到了NPCA所生成点列的聚点是解的结论。当变分不等式的解集还满足一定条件时,得到了NPCA的全局收敛性。数值实验结果表明NPCA所需的迭代步数少于LYA的迭代步数,NPCA在高维拟单调例子中所需的计算机耗时也更少。     

农作物冠层光谱信息的施肥管理分区研究

随着地面遥感技术的不断发展,越来越多的农作物冠层光谱检测传感器被应用到了农业生产,其中应用较为广泛的就是Greenseeker植物光谱检测仪,利用Greenseeker植物光谱检测仪可以获取农作物冠层光谱信息归一化植被指数(NDVI)数据,从而能够进行农作物的施肥管理分区的划分,依据划分好的施肥管理分区可以实现有针对性的变量施肥。模糊c-均值(FCM)算法是划分农作物施肥管理分区常用的算法,但是模糊c-均值算法具有一定的局限性,就是在计算过程中随着NDVI数据量的增加会不断进行数据的迭代计算,从而会影响施肥管理分区划分的速度。在模糊c-均值算法的基础上提出一种基于模型的模糊c-均值(MFCM)算法,基于模型的模糊c-均值算法在划分农作物施肥管理分区过程中不必在每获取一组数据时就对全部数据进行迭代计算,可有效提高划分施肥管理分区的速度。通过搭建的农作物冠层光谱信息采集平台获取大豆和玉米的NDVI数据,利用基于模型的模糊c-均值算法划分大豆和玉米的施肥管理分区,使用分区评价指标轮廓系数(SC)和调整兰德指数(ARI)评价划分施肥管理分区的效果。结果表明,随着获取的NDVI数据量的不断增加,...     

主成分分析排序和模糊线性判别分析的生菜近红外光谱分类

贮存时间是影响生菜品质的一项重要因素,传统的贮存时间鉴别方法主要依靠人工经验,但是这种方法的准确率和可信度并不高。研究的目标是建立一种基于模糊识别的模型进行生菜光谱分析以实现生菜贮存时间的鉴别,并与其他鉴别方法作比较。为此,在当地超市购买60份新鲜生菜样品,存放于冰箱中待用。首先,通过AntarisⅡ近红外光谱检测仪采集生菜样品的近红外光谱数据,每隔12小时检测一次,每个样本检测重复三次,并取三次平均值作为实验数据。其次,利用多元散射校正(MSC)减少近红外光谱中的冗余信息。为了进一步去除近红外光谱中的无用信息以及简化随后的数据分类过程,分别运用主成分分析(PCA)和排序主成分分析(PCA Sort)。其中,PCA Sort通过改进对主成分的排序方法能提高分类准确率,同时便于模糊线性鉴别分析(FLDA)进一步提取特征。PCA和PCA Sort的计算仅运用了前15个主成分(能充分反映光谱的主要信息)。最后,利用模糊线性鉴别分析算法(FLDA)和K近邻算法(KNN)进一步分类所得的低维数据。基于PCA和KNN算法的模型鉴别准确率达到43%,而基于PCA, FLDA和KNN算法的模型鉴别准确...     

基于遗传模拟退火算法的室内照明节能控制方法研究北大核心CSCD

目前的节能照明控制算法仍有陷入局部最优的问题。为了寻求全局最优解,提高室内照明的节能效果,设计一种遗传模拟退火算法对照明系统的控制参数进行优化求解。该算法通过在遗传操作后对优秀个体进行模拟退火处理,增强了算法的局部搜索能力。根据迭代的次数和种群的适应度对遗传概率进行自适应调节,使得算法在前期丰富种群多样性,避免算法“早熟”。提出基于人工神经网络的照度模型来计算室内照度分布,对照明舒适度进行评估,为构造优化算法的适应函数提供了依据。通过仿真实验,在本文介绍的照明场景应用遗传模拟退火算法,并与传统粒子群算法和遗传算法进行比较,其照明节能性能分别高出5.30%和13.61%。     

一种基于角谱理论的改进型相位恢复迭代算法

进行星间激光通信的光学发射天线光束整形器设计时, 首要解决的问题是根据输入光场及理想的输出光场, 确定整形器的相位分布, 其核心就是相位恢复. 基于角谱传播理论, 在传统 Gerchberg-Saxton (G-S)迭代算法的基础上, 提出了一种幅度梯度加成迭代算法, 给出了算法的详细流程与分析. 与G-S相比, 新算法利用迭代过程, 构建光场幅度反馈回路, 利用梯度搜索最佳迭代路径, 两者的联合作用加速其迭代收敛进程. 数值仿真表明, 新算法的单位迭代次数所引起迭代误差下降的速度是G-S算法的1.7倍, 其收敛速度明显优于G-S算法; 对不同的随机初始相位, 新算法都能进行有效迭代, 表现出适应性强, 且收敛一致性好的优点. 幅度梯度加成迭代算法为复杂光场的高效相位恢复提供了一种新思路, 为设计各种衍射光学元件提供了技术支持. 关键词： 相位恢复 迭代算法 角谱理论 光通信     

基于瑞利-索末菲积分的大衍射角衍射光学元件设计方法

针对现有的衍射光学元件设计方法只适用于小角度衍射的情况,本文提出了一种基于瑞利-索末菲衍射积分的设计方法,可以用来设计具有大衍射角的衍射光学元件。先对目标光场进行坐标变换和强度调整,再利用改进的Gerchberg-Saxton算法优化得到衍射光学元件的相位分布。分别采用本文方法和原有的基于夫琅禾费衍射积分的方法设计衍射光学元件实现线条结构光和不同角度方框图形的光场重构,结果表明:原有的设计方法只适用于衍射角全角小于25°的情况,当衍射角大于25°时,重构光场会出现显著的枕形畸变和不均匀的强度分布。而本文方法在小角度和大角度衍射下都能重构出准确的衍射角和较为均匀的强度分布.     

基于相似测度算法的激光诱导薄膜损伤表面特征研究

鉴于薄膜激光损伤性能评价是增强抗激光红外观察窗口性能的重要保证,给出薄膜在脉冲激光诱导作用下的损伤表面特性及其机理。实验采用YAG脉冲激光器对TiO2薄膜样片进行1-on-1方式的激光诱导。通过CCD采集TiO2薄膜激光辐照前后2幅图像,将这2幅图像进行匹配,建立差异图像测度算法;实验得出TiO2薄膜样片的差异能量测度可判别出损伤情况,即测度值M＜0.1为未发生损伤,0.1＜M＜0.2为轻度损伤,0.2＜M＜0.5为中度损伤,M＞0.5为严重损伤。薄膜样片经过能量密度为0.5 J/cm2的激光辐照后粗糙度明显增大。研究结果表明,采用激光辐照前后图像匹配的测试方法可实现薄膜激光损伤与否的判别。     

高光谱成像技术的柚类品种鉴别研究

柚类种质和品种资源繁多,现有的柚类品种鉴别方法检测时间长,费用高。旨在利用高光谱成像技术探索主要柚类品种快速识别的可行性。试验选用4个具有代表性的柚类品种,利用高光谱成像技术,采集240个叶片样本(60个/品种)上表面和下表面的高光谱图像。高光谱图像标定后,提取样本感兴趣区域平均光谱信息作为样本的光谱进行分析。利用Kennard-Stone法将样本划分为校正集(192个)和验证集(48个)。采用多元散射校正(MSC)和标准正态变量变换(SNV)对原始光谱曲线进行预处理后,分别采用主成分分析 (PCA)和连续投影算法 (SPA )提取最佳主成分和有效波长,并将其作为最小二乘支持向量机(LS-SVM)的输入变量,建立基于叶片上表面和下表面光谱信息的PCA-LS-SVM和SPA-LS-SVM 模型。结果显示,基于叶片上表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM 模型对建模集样本的识别正确率分别为99.46%和98.44%,对预测集样本的识别正确率均为95.83%。基于叶片下表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM模型对建模集样本和预测集样本的识别正确率皆为100%。表明,利用高光谱成像技术结合PCA-LS-SVM和SPA-LS-SVM可实现柚类品种的快速鉴别,叶片下表面光谱信息鉴别效果优于叶片上表面。该研究为柚类的品种快速鉴别提供了一种新方法。