政府和企业联盟是协作配送低碳减排的主要参与者,研究政企之间的利益关系对于促进减排具有重要意义。在我国环境规制政策的背景下,借助演化博弈理论探讨了政府监管决策对企业联盟协作配送策略选择的演化过程,建立了政府监管和企业联盟协作低碳配送的演化博弈模型。随后进行数值仿真,模拟政府和企业联盟的动态演化过程,得到4种稳定均衡策略。研究结果表明,政府初始监管比例越大,企业联盟趋向于稳定策略的速度越快。政府应提高监管意愿,设置高于阈值的环境税率,引导企业联盟协作低碳配送,从而达到低碳减排的目的。

为了提高汽车制造企业配送的智能化水平、解决混流装配线齐套物料人工拣选效率低、成本高的问题,引入基于齐套物料配送策略的机器人人工拣选模式,通过优化自动拣选机器人、工人的配置数量及配送周期,使包含机器人使用成本、劳动力成本和在制品库存成本在内的总成本最小。为求解该配送优化问题,提出了改进量子蚁群算法,利用量子比特的叠加性增加种群多样性,避免算法陷入局部最优,同时设计了改进量子旋转门更新机制和基于差分进化操作的非最优个体优化策略,提高了算法收敛速度和寻优质量。最后,通过算例分析验证了模型的正确性与算法的有效性,并分析了拣选批量对总成本的影响。

碳配额是碳交易的基础,有效的碳配额不是为了抑制生产,而是驱动企业实施低碳技术。针对碳配额有效性设定问题,设计优化了驱动企业降低单位产品的碳排放水平的碳配额机制,得到了碳配额机制有效区间,重点分析了影响碳配额有效性的关键因素。碳配额有效性表明,单位产品初始碳排放量和减排成本系数均是影响碳配额机制有效性的关键因素,合理降低碳交易价格、提高非减排成本和价格敏感性能增大产量碳配额机制的有效性。当减排技术得到改进与提升后,减排成本系数减小,政府单位产品免费碳配额量紧缩,但制造商和零售商利润都降低,此时政府应积极引导消费者购买低碳产品,提高市场需求量。

制造商利用区块链技术记录和传递产品碳减排信息将提升消费者对低碳产品的信任和消费偏好。因此,将区块链的技术效应特征嵌入低碳供应链决策模型,研究零售商提供的不同激励契约下制造商实施区块链对碳减排、定价策略及企业利润的影响。研究表明：制造商实施区块链后的产品批发价格在无激励契约和成本分担契约下大于未实施区块链情形,但在收益共享契约下小于未实施区块链情形。制造商实施区块链后的产品零售价格在不同激励契约下均大于未实施区块链情形。无论制造商是否实施区块链,单位产品碳减排量在收益共享契约下最大,而产品批发价格和零售价格在收益共享契约下最小。仅当区块链应用成本小于一定阈值时,制造商实施区块链才能够提升单位产品碳减排量和自身利润。制造商实施区块链的成本条件阈值在收益共享契约下最大,在无激励契约下最小。制造商实施区块链若能改善自身利润,则一定能够改善零售商利润。消费者低碳偏好与价格敏感程度之间的关系影响供应链碳减排、定价策略以及制造商实施区块链的成本条件。

共享单车库存路径问题是一种受商品总量约束且需求周期性波动的库存路径问题,其优化过程需综合考虑资源利用率和调度成本,在求解大规模算例时难以同时保证求解效率和质量。针对上述挑战,将问题形式化为多目标序列化决策的马尔可夫过程,建立了时间序列混合整数规划模型并提出了一种全局持续自学习算法。算法由离线学习、在线规划和持续学习三阶段构成。离线学习阶段设计了基于随机策略的多智能体协同算法以获取配送载具时空分布和需求点需求模式的定量化描述;在线规划阶段根据历史订单数据,对各时间步中的需求模式进行预测以确定最优的库存分配数量,并利用离线学习阶段的定量信息对供应商配送载具进行调度;持续学习阶段于每个处理周期结束后使用记录的订单数据对周期内调度结果进行持续评估和改进。基于企业真实数据的实验表明,在需求预测模型复杂程度、求解质量、调度载具总数量、总调度距离和站点改善程度等的综合评价指标上,所提算法优于对比方法。此外,通过对多种策略进行对比分析,总结出了库存问题的成本变化规律,并验证了算法在大规模算例下的有效性。

为提高单悬臂场桥与自动导引车(AGV)协同作业效率,针对双单悬臂场桥调度和AGV路径规划问题,构建两阶段优化模型。第一阶段以最大完工时间最少为优化目标建立模型,优化AGV停车位和双单悬臂场桥调度,设计遗传模拟退火算法求解;第二阶段根据第一阶段得到的AGV停车位置及时间信息,首先在不考虑AGV冲突的情况下采用改进的Dijkstra算法求解AGV初始路径,然后采用混合冲突解决策略解决箱区内AGV冲突问题。以上海洋山四期自动化码头为背景设计算例,用CPLEX验证模型准确性,通过与其他算法的比较验证了算法的有效性。结果表明,所建模型和提出的策略能有效提高单悬臂场桥和AGV的工作效率。

在自动分拣仓库中,多载量自动导引小车(AGV)具有强运输能力,但其多载量特征也增加了调度与路径规划的复杂性。针对多载量AGV调度与路径规划的协同优化问题,以最小化最大搬运完成时间为目标,建立了该问题的混合整数线性规划模型,并提出一种聚类协同优化算法。算法首先定义了包裹相似度,设计聚类算法划分包裹组,使每个包裹组可由多载量AGV在一次作业中完成分拣;进而针对问题的多决策特征,设计协同进化遗传算法对包裹组进行指派和排序,并将无冲突路径规划算法引入到协同进化遗传算法的解码方案中,用以搜索最优路径并解决多AGV路径冲突,从而实现了多载量AGV调度与路径规划的协同优化。通过不同问题规模的仿真实验验证了所提算法的高效性和稳定性。

利润最大化（P策略）和收入最大化（R策略）是两种常见的经营目标策略。为了研究在消费者对新产品和再制造品支付意愿不一致情况下,原始设备制造商（OEMs）和再制造商（IRs）在长期动态的竞争环境中如何选择经营目标策略的问题,构建了OEMs和IRs组成的双群体演化博弈模型。研究发现,OEMs和IRs对经营目标策略的选择主要取决于消费者最大支付意愿以及新产品和再制造品成本比值,而消费者对再制造品支付意愿的折扣系数对OEMs和IRs的经营目标的演化稳定策略也产生了重要的影响。

精准识别产品创新机会对制造商规避盲目创新风险,持续获取竞争优势至关重要。针对现有产品创新机会识别研究中因视角单一致使制造商价值创造的效率难以最大化,以及识别的创新机会聚焦度不清晰等诸多问题,基于用户偏好制造商偏好双重视阈构建了产品创新机会识别路径。首先,运用结构主题模型从用户在线评论和产品描述文本中分别提取用户偏好及制造商偏好的产品属性主题;其次,基于两类主题之间的相似度进行主题分类以获取具象产品的创新需求;再次,从现有相关专利中提取创新要素并依托多维技术创新地图识别产品创新机会;最后,以老年智能手环靶向开展产品创新机会识别为例,验证了所提路径的可行性。应用结果表明,构建的用户偏好制造商偏好双重视阈下的产品创新机会识别路径能够为制造商高效开展产品创新活动提供可资借鉴的决策理论支持。

针对制造业生产设备能源消耗大、产品质量低、维护成本高等问题,提出了考虑能源效率的设备预防性维护决策模型。考虑到实际情况中,预防性维护成本和设备的运行能耗都与设备的退化密切相关,首先对设备的故障率进行建模,得到变动预防性维护成本以及变动能耗,并利用质量损失成本对产品质量进行约束,同时考虑次品的回收问题。然后以维护成本最小和能效最大为优化目标,构建综合成本能效的多目标决策模型,利用改进的非支配排序算法（NSGAII）和模糊集理论,得到预防性维护阈值以及维护次数的组合。最后通过与单目标维护策略进行比较,验证了模型的有效性和实用性。

针对滚动轴承在噪声干扰下故障特征难以提取的问题,提出一种改进变分模态分解(VMD)和复合缩放排列熵(CZPE)的特征提取新方法,并利用优化堆叠降噪自编码器(SDAE)进行故障分类。首先,提出由“余弦相似度—峭度—包络熵”新综合评价指标自适应优化分解参数的改进VMD方法,并通过该指标筛选分解后的本征模态函数 (IMF) 分量;然后,为提取更全面的故障特征,引入新的复合缩放排列熵对各有效IMF的故障特征进行量化;最后,提出一种基于鼠群优化算法(RSO)与麻雀搜索算法(SSA)的混合算法优化SDAE网络超参数,将故障特征输入优化后SDAE网络中得到分类结果。采用美国CWRU轴承数据集进行验证,实验结果表明该方法能全面稳定地提取背景噪声下的故障特征,且与其他方法相比具有更好的抗噪性能和更高的故障诊断准确率。

机械剩余使用寿命预测模型依据设备状态监测数据样本进行寿命预测,当样本模式发生变化时,基于原模式样本训练好的模型在新模式样本上的预测表现往往较差。为使模型保留对原模式样本的处理能力,同时拓展出针对新模式样本的处理能力,提出了3种增量学习方法：第一种方法使用新模式样本与原模式样本的标签值构建损失函数;第二种方法在第一种方法基础上增加了模型参数初始化步骤;第三种方法在第一种方法的损失函数中增加了表示当前模型与原模型参数分布差异的正则化项。在涡扇发动机数据集上进行了不同学习方法的对比实验,结果表明所提方法实现了增量学习的目标,其中第三种方法在模型预测准确度和模型训练时长两方面取得了最优的综合表现。

推荐系统中用户项目之间的交互及其他信息可以构成一个异构信息网络(HIN)。传统基于HIN的推荐算法往往直接构建用户项目间的异构信息网络,忽略了用户用户以及项目项目本身具有的相似性,所构建的网络不够完整,并且在计算节点关联性时鲜有考虑不同搜索路径下的不同关联性。为解决上述问题,提出一种考虑用户及项目本身相似性的HIN推荐算法。通过查找用户与项目之间更多的搜索路径,并考虑不同的搜索路径,引入深度学习中的随机游走(RW)来度量用户项目节点之间的关联度,从而实现更加精确的推荐。将所提算法在公开的Movie Lens数据集上进行了实验,实验结果表明：相较于传统的协同过滤推荐算法以及基于HIN的推荐算法,基于不同搜索路径下成对随机游走的算法具有更高的推荐性能。

针对云制造环境下功能匹配过程中属性权重需提前确定,进而影响匹配精度的问题,提出了一种基于本体相似度的双前沿面数据包络分析（DEA）匹配方法,该方法根据总体几何平均相似度进行服务排序,并自动生成属性权重。首先,为了提高匹配效率,从基本信息、类型、状态及功能四方面对云制造服务与需求进行描述;然后,引入信息量并改进相似度计算方法,提出基于概念语义距离、信息量和概念层次顺序的本体概念综合语义相似度计算方法;在此基础上,运用双前沿面DEA模型衡量总体效率,以此进行服务排序;最后通过算例证明了该方法的可行性。所提方法为改善云制造服务功能匹配效果提供了参考。

针对制造业众包平台中服务资源的特征构建缺乏规范、聚合匹配不准确的问题,提出了基于双向编码表示（BERT）模型的特征构建方法和基于多粒度特征交互的聚合匹配模型（MFIM）。前者改进了经典的BERT模型,采用停止符掩码操作和基于分类任务的学习策略,实现了服务资源所具有的语义特征建模,精准衡量了平台商所具有的服务资源能力水平,为大规模的语义特征体系的构建提供了有力支撑。后者针对服务资源的语义粒度差异较大的问题,采用了多层次的扩张卷积结构,并构建了跨粒度信息交互的关联矩阵。这有效解决了服务资源的聚合匹配及语义辨识问题。实验表明,所提出的一系列研究方法能够有效地建模服务资源文本,为服务资源的深入挖掘和精准的匹配检索提供了一种新的思路和手段。

为解决传统A*算法和动态窗口法在移动机器人路径规划中出现的问题,提出了两种算法的优化方案和优化算法的融合方案。首先,针对传统A*算法中路线对称性强、冗余点多的问题,在启发函数中引入父节点信息,重新构建了可动态调节启发函数权重的代价函数,设计了关建点提取策略。其次,针对传统动态窗口法路线冗长的问题,改进了障碍物距离评价子函数,提出了动态窗口法的自适应环境改进策略。然后,针对改进动态窗口法存在目标点不可达和优化A*算法安全性低的问题,融合了优化A*算法和改进动态窗口法,设计了新的全局路径评价子函数。最后,通过仿真和实验结果对比,验证了融合算法在规划效率、安全性和路径平滑性等方面有很大提升,更符合移动机器人的运动特性。

为了满足多楼层生产车间之间的物料运输需求,同时减少企业成本,自动存取系统的设计问题变得愈发重要。带有多层级货架的自动小车存取系统因其优秀的吞吐能力和柔性,具有很好的应用前景。为了分析多层车间中带有多层级货架自动小车存取系统并行作业的性能,在分析自动导引小车（AGV）和电梯、伸缩臂作业方式的基础上,构建了半开排队网络模型,并设计了基于近似均值分析法的近似求解算法。该方法首先将半开排队网内部网络分为不同的单独网络模型,并分别重构为等效的闭排队网络模型。这些网络模型最终被聚合成一个节点,与外部的同步节点联合构建闭排队网络模型求解吞吐率。最后,针对内部网络的单独节点进行分析计算,得到其他系统性能指标。通过设计仿真实验,验证了所提方法的有效性和准确性。

结合电火花线切割加工绿色、精密、高效的发展趋势,提出面向加工性能与放电能耗的电火花线切割加工工艺建模与多目标优化方法。针对电火花线切割加工GH4169高温合金材料开展正交试验设计,以脉冲宽度、放电间隙、管数、加工限速为输入,以放电能耗EEV、表面粗糙度Ra和材料去除率MRR为输出,构建了电火花线切割加工性能与放电能耗多目标优化响应面模型,并采用改进的狼群算法对模型进行优化求解。优化结果与实验结果对比表明,Ra、EEV和MRR的平均误差均不高于10%,且随机优化实验结果优于75%以上的正交试验设计的实验结果,验证了优化模型及求解方法的有效性。

针对现有伪彩色方法在高灰阶图像增强中存在灰阶损失严重问题,提出一种适用于超8位高灰阶图像伪彩色增强算法,并改进了传统JET、HSV、Rainbow编码。首先,对高位灰度图像进行位深量化;其次,利用构造的高灰阶增强算法实现色彩增强;另外,引入一个后增强系数,保证在不损失较多图像信息的同时改善处理后色彩图像的视觉观感,以保留图像细节信息、增强颜色对比度;最后,为了验证所提方法的有效性,将其应用在低对比度、缺陷信息模糊的石油管道X射线底片的焊缝视觉增强上。实验结果表明,所提方法对高位灰度图像的伪彩色增强效果是非常有效的,相对于现有算法各项指标均有较大的提升,灰阶损失相对于现有方法从93.774%降低至68.75%,时间开销也降低了至少80%,发色数指标提升了至少3.4倍。

为了提高机械加工过程中小样本刀具磨损量监测的准确性,提出一种基于Pearson+GBDT特征提取、Tent混沌映射和原子搜索算法（ASO）优化BP神经网络（Tent-ASO-BP）的刀具磨损量预测模型。针对BP神经网络特征选择及参数选择难题,提出了基于Pearson+GBDT的双层过滤式特征筛选方式求取网络输入特征,并使用Tent混沌映射改进原子搜索算法（ASO）对BP神经网络最优权值和阈值进行求解。通过实验证明：Tent混沌映射改善了ASO,避免ASO陷入局部极值和过早收敛,即通过交叉验证证明Tent-ASO优化BP神经网络训练模型精度较ASO高。同时,验证了梯度提升决策树（GBDT）能够筛选出用于刀具磨损值映射的一组特征,且特征筛选能力强于同类算法LightGBM、Catboost、决策树、随机森林。

针对不同刀具的性能衰退规律呈现出多种趋势,单一固定的全局模型难以对不同性能衰退规律的刀具进行准确剩余寿命预测的问题,提出一种基于u-shapelets聚类与长短时记忆网络(LSTM)模型相结合的刀具剩余寿命预测方法。首先,对刀具加工过程监控信号提取u-shapelets集合,并计算各u-shapelet与时间序列的距离得到距离矩阵;其次,通过基于密度聚类方法对距离矩阵进行聚类,得到聚类结果;最后,根据聚类结果基于各类别数据分别训练长短时记忆网络模型进行刀具剩余寿命的预测。以轮槽铣刀加工过程监控数据进行验证,并与K-means聚类、谱聚类、层次聚类、DBSCAN聚类方法进行比较,验证了所提方法的有效性。

为解决LED芯片检测与分选中的漏扫、匹配错误等关键问题,提出自适应变步长扫描方法。该方法对当前局域分布特性进行分析,利用晶圆片局部形变的连续性与保持性对邻近区域芯片分布进行预测,实施步长调整。在检测端,提出基于8邻域位置模型的区域芯片分布特征表征与描述方法,确立自适应步长调整策略,建立物理地址映射视图以及归一化逻辑视图。在分选端,利用已知物理地址映射图和归一化逻辑视图,对扫描区域、步长与路径进行规划,在遍历芯片的同时,实现芯片匹配。实测表明,相比冗余方法,该方法能够以低于4%的冗余率,实现漏扫率低于0.5%,提升扫描效率近23%。由于只针对有意义的芯片进行查找,可实现接近100%的匹配率,显著改善了算法效率和抗干扰能力。

为了提高航空发动机叶片装配执行过程的作业智能化程度,本文提出一种航空发动机叶片装配执行过程智能检测及AR引导方法,该方法包括叶片编码识别、物料AR出入库和齐套摆放过程状态检测3个环节。针对航空发动机叶片物料缺乏自动化识别和智能化纠错的问题,搭建基于编码识别的叶片物料管理架构,提出基于图像处理的叶片编码图像前处理增强操作,并利用贝叶斯纠错对识别结果进行正误判断和纠错校正的后处理操作,提高了叶片编码识别准确率;在物料人工出入库环节,利用AR增强可视化信息辅助用户快速执行作业任务,降低了叶片物料选取作业的时间;针对叶片物料齐套准备过程,构建了基于检测比对的防错纠错系统,避免发生人为错误。所提叶片装配执行过程智能检测及AR增强辅助引导方法可以有效减少人力物力和时间消耗,在推动航空发动机迈向智能化和自动化生产上起到技术支撑作用。

针对航天复杂系统型号较多,传统测试流程与调度设计只能人工定制化排布,效率较低且未有效优化,同时,考虑到航天复杂系统快速测试的迫切需求,提出一种基于多目标遗传算法的航天测试流程自动生成方法。该方法在测试项集合明确的前提下,将测试项抽象为离散事件,以测试总时间和测试资源均衡度为优化目标,充分考虑航天器测试的诸多约束,将其作为遗传算法执行过程中交叉或变异的禁忌项。在初始种群确定后,对测试流程和调度方案进行自动生成和优化。对算例的仿真结果表明,该方法相对于同实验条件下的传统半串行测试方法和单目标优化方法,测试总时间或资源均衡度得到了较大提升。在进一步扩展优化目标和约束项后,该方法可有效提高航天复杂系统测试过程的快速响应能力和可靠性。

在智能制造背景下,物联网等信息技术为制造系统积累了大量数据,同时人工智能等先进方法为车间数据分析和实时控制提供了有效手段。因此,针对不相关并行机混合流水车间调度问题,提出了一种基于生产数据的动态调度方法,以实现订单完工时间最小化。首先以高质量调度方案为基础,从中提取生产特征和调度规则完成样本构建。其次使用ReliefF算法过滤冗余生产特征,获得用于训练和预测的调度样本。然后采用融合鲸鱼优化算法的概率神经网络作为调度模型,实现基于调度样本的训练和预测过程。最后,实验结果表明,所提方法具有良好的特征选择能力和较高的预测精度,与其他实时调度方法相比具有更加优越的性能,可以有效地根据车间实时状态指导制造执行过程。

无缓冲异步流水线由多台加工周期不同的机器串联组成,广泛应用于汽车、航空发动机等制造领域。无缓冲与异步两大特征直接影响系统状态空间刻画,进而影响产线性能建模。面向无缓冲异步流水线,分析机器随机故障、节拍差异等因素对产线性能的影响,开展产线建模与性能分析研究。从机器维和工件维等两个维度出发,利用活动网络图描述了流水线中工件在机器上的活动状态,刻画了工件保持时间、机器饥饿时间、机器阻塞时间等随机变量与工件完工时间的函数关系,建立了产线性能分析的解析模型。在此基础上,定量分析了系统性能指标与工件保持时间等随机变量之间的关联关系,采用迭代算法求解了生产率、饥饿率和阻塞率等系统性能指标,并通过仿真实验验证了解析模型的有效性。

为了尽可能避免因车轮形成中央凹陷踏面磨耗而使铝合金车体产生振动疲劳问题,有必要以有效的有限元模型修正技术来合理构建高铁车辆的刚柔耦合关系。针对德国ICE3原型及一次蛇行现象,提出一种高速转向架动态设计方法,以整车稳定性态分析图来明确自适应改进方向,即λeN≥λemin而λemin=（0.03-0.05）。借用（半）主动车间减振技术,跨越不同速度等级的铁路专线运行亦可实现对中央凹陷踏面磨耗的自清理。拖车TC02/07刚柔耦合仿真与两次跟踪试验在抖车形成机制上得到了具有一致性的分析结论：牵引变流器产生主频约9.2/9.3 Hz的横向耦合共振,对车顶的横向角焊缝造成了严重疲劳损伤,但是只要牵引变流器横移模态频率>12 Hz,最好14 Hz,转向架振动报警的安全阈值则可适度提高。

代理模型辅助进化算法广泛用于昂贵的复杂工程系统优化设计,能够加速找到问题的最优解集。然而,单个模型预测性能依赖于具体问题,并且随着目标个数的增加,预测性能的不确定性将随之增加。因此,提出一种基于组合模型的复杂系统超多目标优化算法。首先,建立组合代理模型并结合随机参考向量替代机制,以更好地搜索超多目标问题的非支配解集。其次,基于改进的统计下限最小值（LCB）准则及自适应个体选择策略选择优秀个体进行真实评估,以更新组合代理模型,使其能更好地辅助算法找到最优解集。最后,通过所提算法与已有代理模型进化算法在一系列测试函数和工程优化实例上的对比结果表明,所提算法具有良好的性能和潜力。

虚实融合是数字孪生技术的典型特征,数字孪生的虚拟场景大多通过几何建模技术来实现。为解决场景几何建模的自动化程度较低。过于依赖人工,导致成本高昂且效率低下的问题,提出一种数字孪生几何场景构建方法。引入神经渲染技术采集物理实体的点云数据,然后设计一种基于深度学习的点云模型与3D CAD模型语义映射的方法,用于基于数字孪生几何模型资产库的3D CAD模型检索。最后建立训练数据集并构建数字孪生几何模型资产库进行实验验证。通过对比实验和退役电池拆解案例验证：与其他的数字孪生场景几何建模方法相比,该方法具有更低的成本和更高的效率。

增材制造以其全数字化加工方式可为数字孪生模型提供可靠的数据支撑;数字孪生有助于增材制造在设计、制造、服务等过程中充分发挥其不同于传统制造的优势,二者的结合在工业制造领域受到广泛关注。以总结数字孪生在增材制造中的实施方法为目的,介绍了数字孪生的概念和发展历程,分析了增材制造中实施数字孪生的关键技术;基于数字孪生对于增材制造全生命周期过程的应用潜力,从设计、制造、质量检测以及服务4个阶段阐述了国内外相关研究的方法和侧重点。展望了粘结剂喷射工艺中实施数字孪生的挑战,并提出了针对其的一种数字孪生技术路线。最后总结了增材制造中实现数字孪生存在的难题以及未来的发展方向。