软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自...软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自适应惯性权重粒子群(genetic algorithm-adaptive particle swarm optimization,GA-APSO)混合优化算法的水闸底板脱空动力学反演方法,用于检测软基水闸底板脱空。首先,构建表征软基水闸底板脱空参数和水闸结构模态参数之间非线性关系的GPR代理模型;其次,基于GPR代理模型与水闸实测模态参数建立脱空反演的最优化数学模型,将反演问题转化为目标函数最优化求解问题;最后,为提高算法寻优计算的精度,提出一种GA-APSO混合优化算法对目标函数进行脱空反演计算,并提出一种更合理判断反演脱空区域面积和实际脱空区域面积相对误差的指标—面积不重合度。为验证所提方法性能,以一室内软基水闸物理模型为例,对两种不同脱空工况开展研究分析,结果表明,反演脱空区域面积和模型实际设置脱空区域面积的相对误差分别为8.47%和10.77%,相对误差值较小,证明所提方法能有效反演出水闸底板脱空情况,可成为软基水闸底板脱空反演检测的一种新方法。展开更多
修理级别分析(level of repair analysis,LORA)是装备综合保障性工程中的一项重要内容,针对现有关于LORA问题研究的不完善之处,以舰载装备维修保障为背景,综合考虑维修费用和维修效果,建立LORA协同规划数学模型。根据模糊优选理论,给出...修理级别分析(level of repair analysis,LORA)是装备综合保障性工程中的一项重要内容,针对现有关于LORA问题研究的不完善之处,以舰载装备维修保障为背景,综合考虑维修费用和维修效果,建立LORA协同规划数学模型。根据模糊优选理论,给出基于正负理想方案的多指标LORA决策隶属度优化目标函数,运用自适应粒子群算法对LORA模型进行求解,通过算例给出了优化结果,分析LORA决策的一般规律,证明方法的合理性及LORA模型的正确性。提出的LORA决策模型是现有研究基础上的重要补充,对于完善装备维修保障决策理论具有重要意义,为装备维修保障工作的开展提供决策支持。展开更多
为了提升轻工装备制造业在绿色发展过程中的可持续竞争力,在关键质量特性概念的基础上提出关键绿色质量特性(critical to green quality characteristics,CTGQs),建立CTGQs提取模型,识别出对环境影响最大的工艺过程参数,实现轻工装备在...为了提升轻工装备制造业在绿色发展过程中的可持续竞争力,在关键质量特性概念的基础上提出关键绿色质量特性(critical to green quality characteristics,CTGQs),建立CTGQs提取模型,识别出对环境影响最大的工艺过程参数,实现轻工装备在制造阶段的关键绿色质量特性提取,为实现绿色制造提供了理论基础。为更好地消除提取过程中的冗余数据,将改进ReliefF算法与自适应粒子群(adaptive particle swarm optimization,APSO)算法相结合,提高CTGQs提取准确性。最后以啤酒发酵罐为例,验证了该模型的有效性。展开更多
文摘修理级别分析(level of repair analysis,LORA)是装备综合保障性工程中的一项重要内容,针对现有关于LORA问题研究的不完善之处,以舰载装备维修保障为背景,综合考虑维修费用和维修效果,建立LORA协同规划数学模型。根据模糊优选理论,给出基于正负理想方案的多指标LORA决策隶属度优化目标函数,运用自适应粒子群算法对LORA模型进行求解,通过算例给出了优化结果,分析LORA决策的一般规律,证明方法的合理性及LORA模型的正确性。提出的LORA决策模型是现有研究基础上的重要补充,对于完善装备维修保障决策理论具有重要意义,为装备维修保障工作的开展提供决策支持。
文摘为了提升轻工装备制造业在绿色发展过程中的可持续竞争力,在关键质量特性概念的基础上提出关键绿色质量特性(critical to green quality characteristics,CTGQs),建立CTGQs提取模型,识别出对环境影响最大的工艺过程参数,实现轻工装备在制造阶段的关键绿色质量特性提取,为实现绿色制造提供了理论基础。为更好地消除提取过程中的冗余数据,将改进ReliefF算法与自适应粒子群(adaptive particle swarm optimization,APSO)算法相结合,提高CTGQs提取准确性。最后以啤酒发酵罐为例,验证了该模型的有效性。
