无人机调度算法研究与管控平台设计

这是一篇关于无人机,调度算法,改进蚁群算法,管控平台,SSM框架的论文, 主要内容为无人机调度是多无人机执行任务的关键环节,合理的安排无人机调度方案以使得无人机系统收益最大、代价最小具有重要的意义。同时,一个可管控多架无人机的管控平台也逐渐成为研究的热点,它的研究对整个无人机系统的实际应用有着重要的意义。本课题在无人机调度算法研究的基础上,完成了无人机管控平台的设计。在无人机调度算法方面,首先明确了无人机调度的相关概念,讨论了调度的约束条件及目标函数,并为其建立数学模型,在理论上对无人机调度进行了研究并选定了蚁群算法来解决无人机调度问题。详细介绍了蚁群算法的原理,同时对基本蚁群算法的优缺点及参数进行了分析,针对蚁群算法收敛速度较慢且易收敛于局部最优解的缺陷,在算法前期利用K-means与细菌觅食算法相结合的聚类技术动态调整蚁群算法的参数,算法后期利用遗传算法进行改进使其跳出局部最优,并将改进的蚁群算法应用到无人机调度中验证了算法的有效性。对改进的蚁群算法进行了仿真测试,结果表明该算法不仅提高了无人机调度效率,而且使无人机资源得到了更充分的利用,更好的发挥了无人机的优势。在无人机管控平台方面,首先进行了需求分析,然后介绍了平台涉及的相关技术与理论,最后完成了管控平台的设计实现。平台基于SSM(Spring MVC+Spring+Mybatis)框架,采用 B/S 架构,利用 Java、html、JavaScript 等语言,使用SQL Server数据库等进行开发设计,可同时管控多架无人机,主要实现了用户登录、无人机管理、硬盘录像机管理、视频管理、航线管理、指令控制及飞行数据显示等功能,并将无人机调度算法求得的调度方案应用于航线管理模块。测试表明,无人机管控平台,其能够稳定、准确地实现对无人机的管理与控制,实时地发送任务指令并接收、显示无人机数据,可靠性高、通信实时性强。

CN云仓共同配送绿色车辆路径优化研究

这是一篇关于云仓储,共同配送,绿色车辆,路径规划,改进蚁群算法的论文, 主要内容为在电商平台开始纵向发展进入到物流配送行业后,通过大数据能力赋能掀起了“云仓模式”的热潮,云仓配送成为物流企业与电商平台提升竞争力的着力点,“极速达”“准时宝”等云仓配送项目如雨后春笋般出现,随之而来的是高昂的云仓仓库建设成本与配送运营成本,选择合适的云仓配送模式对云仓企业十分重要。在“碳达峰”、“碳中和”背景下,云仓配送企业面临着传统燃油车切换到新能源绿色车辆的挑战,由于传统燃油车与新能源绿色车辆不同的车辆属性,使得物流配送企业在新能源绿色车辆的应用上有诸多不适应,比如,出现司机的“里程焦虑”、充电策略不合理以及客户满意度低等问题。首先,本文根据CN云仓配送现状以及存在的问题,结合共同配送模式与绿色车辆应用优势,确定了基于部分充电策略的CN云仓共同配送绿色车辆模式。其次,分析了CN云仓共同配送绿色车辆路径优化中车辆、道路、客户、配送中心等影响因素,考虑了多种车型、车辆动态载荷、充电策略以及客户满意度,以发车成本、车辆维护成本、充电成本、时间惩罚成本在内的综合配送成本最优为目标,构建了CN云仓共同配送绿色车辆路径优化模型。再次,根据模型多配送中心、动态性的特点重新设计求解流程以及改进蚁群算法,通过预分配客户点、时间轴处理的方法,引入三维信息素矩阵、自适应调整策略、2-OPT算子、Logistics混沌映射系统,设计了2-LACO改进蚁群算法,并对算法有效性进行了检验。最后,以CN云仓实际配送数据为样本运用数学仿真的方法在Matlab矩阵实验室进行仿真实验,结果表明CN云仓共同配送绿色车辆路径优化模型的综合配送成本更优。本文通过研究得出,CN云仓基于部分充电策略的共同配送绿色车辆模式优化效果最优,并能够更好应对配送过程中的突发情况。提出的CN云仓共同配送绿色车辆路径优化模型对于其他云仓企业配送管理也有一定借鉴与指导作用。

基于工程规则的船舶机舱管路自动布置方法研究

这是一篇关于机舱管路布置,工程规则,改进蚁群算法,协同进化算法,可视化的论文, 主要内容为船舶管路系统设计作为船舶详细设计过程中的重要组成部分,占据了超过50%的设计工时。传统依靠设计人员的经验知识设计管路系统会导致设计效率低下,且布置质量难以保证。基于工程规则的船舶机舱管路自动布置的实现可以有效的提高船舶机舱管路设计效率,对船舶制造业竞争力的提高具有重要的工程意义。以TRIBON为代表的造船设计软件在辅助设计方面取得了良好的效果,但在管路设计领域,仍未实现真正的管路自动布置。针对以上需求,本文围绕建立工程规则知识库与机舱环境建模、两点间的管路布置、机舱多管路布置以及船舶机舱管路辅助设计系统搭建等方面展开研究,主要工作如下:首先,建立工程规则知识库、构建船舶机舱环境三维仿真模型。通过研究船舶机舱管路布置的设计规范、标准以及专家经验,将自然语言描述的工程规则转化为计算机语言描述,并建立工程规则知识库。根据船舶机舱环境的特点,利用“精简-包围盒处理”的技术路线构建简化机舱模型,并基于栅格法表达布局空间,构建机舱环境三维实体仿真模型。然后,提出改进蚁群算法和协同进化算法,解决了船舶机舱多管路布置问题。用改进蚁群算法完成单管路布置。基于方向信息素、改进启发因子、信息素更新策略、信息素摆脱机制和去折线平滑处理对蚁群算法进行改进。仿真试验验证了所提出算法的有效性。针对机舱多管路布置问题,在协同进化算法框架下,提出“管路种群划分-种群内部拆解-种群内部布置-各个管路系统种群协同布置”的技术路线完成机舱多管路布置,提出了分支管路布置方法、种群划分与进化机制。通过算例仿真验证了算法的有效性。最后,搭建了船舶管路布置辅助设计系统,并进行应用实例验证。在3DMaxs软件中加载虚拟机舱三维模型,MAXScript完成模型空间信息的提取和数字管路的可视化,MATLAB算法程序模块实现路径搜索和输出,得到了满足工程要求的管路布局结果。应用实例验证了所提出的船舶管路布局方法的可行性和有效性,以及对工程实际的指导意义。论文以船舶设计、制造中的工程规则知识库为基础,利用改进蚁群算法、协同进化算法,在简化三维机舱环境中实现了静态场景的多管路自动布置,对船舶设计智能化具有重要意义。

储能微电网及云储能技术在电网中的应用研究

这是一篇关于储能电池,现货市场调度,微电网,云储能系统,改进蚁群算法的论文, 主要内容为电力电量波动的处理是电力调度中的重要一环,清洁能源如风力发电受天气影响很大,具有较强的不可控性,如何解决供电侧和用户侧可能出现的电力电量偏差,提高能源的利用率成为了一个重要的研究课题。电力系统内部清洁能源渗透率的不断增加使得具有“亦源亦荷”属性的储能系统受到了更多专家和学者的关注。储能技术的合理使用可以保障大量可再生能源的消纳,并可以与建筑、交通等相关基础设施充分结合,在满足能源供应的基础上减少碳排放。本文从供电侧和用户侧两方面讨论利用储能系统对电力电量波动进行有效处理的方式。首先,对储能电池的分类及其在电力系统中的应用优势进行阐述,结合美国等电力体制相对成熟国家的研究现状,明确储能系统的应用前景及价值;其次,对博弈论的基本概念及相关博弈模型进行介绍,博弈模型的合理使用可以为不同主体在市场中的决策方式进行科学指导;依托电力现货机制逐步完善的背景,阐述博弈论在明确不同主体购售电策略及成本分配中的使用价值,并对电力现货调度过程中,发电侧、售电侧和用户侧的收益划分进行分析,以售电公司主体为代表,介绍两种不同竞价机制下的博弈策略模型。针对发电侧存在清洁能源发电导致的电力电量波动问题,本文提出利用含有储能系统的微电网运营商进行平抑的策略。以风力发电为例,构建考虑不平衡电量考核和可再生能源配额考核的风电商与微电网运营商联合调度模型。提出的调度过程处在现货市场出清后,获取到清洁能源主体和微电网运营商的购电量和市场出清价格后,通过在平衡市场的调度优化,以各自的经营成本、偏差电量考核成本最小为目标,得到实现风电商和微电网运营商自身利益最大化的决策模型。然后,对比风电商单独上网、风电商与微电网运营商进行合作时两种不同交易方式的交易策略模型,验证本文所提模型在最大化不同主体自身收益上的作用,实现对发电侧的清洁能源及微电网运营商上网策略的指导;在用户侧,本文提出云储能(CES)的调度服务用以满足用户储能需求的方式,利用规模经济效应及消费者的协同互补性,以购买云储能服务的方式降低用户存储能源的成本。由于云储能可以满足用户对储能容量的共享使用,利用用户自身规模经济可以降低云储能运营商的经营成本,并为小体量用电消费者提供存储服务,实现用户自身利益的最大化。在分析得出传统用户侧能量存储模型存在一定不足的结论后,本文构建采用云储能系统后的用户策略模型,并以古诺模型和研究讨价还价过程的鲁宾斯坦模型为基础,构建古诺-鲁宾斯坦博弈模型,利用改进的蚁群算法对模型进行求解。云储能系统的合理使用可以满足用户侧对储能的需求,规避原有用户自建储能存在的投入高、效率低等问题。

面向机动性的跨域业务可靠路由规划子系统设计与实现

这是一篇关于机动性网络,聚合拓扑,路由规划,改进蚁群算法的论文, 主要内容为随着现代信息技术的快速发展,业务通信系统在各行各业有着越来越深入的应用,各色各样的网络类型层出不穷,业务场景也因此越来越多样化。机动性网络就是为了保障某群体在机动中与其他单位进行信息传递而建立的网络,是一种特殊的通信手段,被广泛用于抢险救灾、大型活动保障等场景。由于此种网络具有机动性,跨域业务通信的高可靠性就成为有效通信必要的保障,因此在机动性网络中可靠跨域业务路由规划的研究是非常必要的。针对机动性网络中跨域业务的特点,需要保障跨域业务路由的可靠性,现有的研究成果中对于这种机动性强的跨域网络进行业务路由规划的研究比较少,难以满足此种情况下的需求,所以本文针对上述问题设计并实现了面向机动性的跨域业务可靠路由规划子系统,该系统基于B/S架构为用户进行跨域业务的路由规划,在保证用户所要求的业务时延、带宽条件下,提升最终规划的跨域业务路由的可靠性。本文对面向机动性的跨域业务可靠路由规划子系统的核心功能——创建业务时的路由规划进行了详细的设计实现,首先针对跨域信息交互提出了多域协同的交互机制,利用聚合拓扑算法进行拓扑交流形成全局视图,在此基础上提出了基于改进蚁群算法的链式业务可靠路由规划算法,在改进蚁群算法中引入链路失效因子,在全局信息素更新策略中引入次优路径的更新和基于粒子群算法的寻参蚂蚁,该算法将时延、带宽和链路失效因素进行综合考量,在保证跨域业务时延、带宽的情况下,提高了跨域业务路由的可靠性,最后通过实验仿真验证了本文提出的算法是有效且符合预期的。本文对面向机动性的跨域业务可靠路由规划子系统进行了详细的需求分析,并根据需求进行了系统的详细设计,最后基于SpringBoot框架进行了编码实现,并对系统的主要功能进行了测试,测试结果证明本系统的功能符合预期,可以为机动性网络中的用户提供可靠服务。

CN云仓共同配送绿色车辆路径优化研究

这是一篇关于云仓储,共同配送,绿色车辆,路径规划,改进蚁群算法的论文, 主要内容为在电商平台开始纵向发展进入到物流配送行业后,通过大数据能力赋能掀起了“云仓模式”的热潮,云仓配送成为物流企业与电商平台提升竞争力的着力点,“极速达”“准时宝”等云仓配送项目如雨后春笋般出现,随之而来的是高昂的云仓仓库建设成本与配送运营成本,选择合适的云仓配送模式对云仓企业十分重要。在“碳达峰”、“碳中和”背景下,云仓配送企业面临着传统燃油车切换到新能源绿色车辆的挑战,由于传统燃油车与新能源绿色车辆不同的车辆属性,使得物流配送企业在新能源绿色车辆的应用上有诸多不适应,比如,出现司机的“里程焦虑”、充电策略不合理以及客户满意度低等问题。首先,本文根据CN云仓配送现状以及存在的问题,结合共同配送模式与绿色车辆应用优势,确定了基于部分充电策略的CN云仓共同配送绿色车辆模式。其次,分析了CN云仓共同配送绿色车辆路径优化中车辆、道路、客户、配送中心等影响因素,考虑了多种车型、车辆动态载荷、充电策略以及客户满意度,以发车成本、车辆维护成本、充电成本、时间惩罚成本在内的综合配送成本最优为目标,构建了CN云仓共同配送绿色车辆路径优化模型。再次,根据模型多配送中心、动态性的特点重新设计求解流程以及改进蚁群算法,通过预分配客户点、时间轴处理的方法,引入三维信息素矩阵、自适应调整策略、2-OPT算子、Logistics混沌映射系统,设计了2-LACO改进蚁群算法,并对算法有效性进行了检验。最后,以CN云仓实际配送数据为样本运用数学仿真的方法在Matlab矩阵实验室进行仿真实验,结果表明CN云仓共同配送绿色车辆路径优化模型的综合配送成本更优。本文通过研究得出,CN云仓基于部分充电策略的共同配送绿色车辆模式优化效果最优,并能够更好应对配送过程中的突发情况。提出的CN云仓共同配送绿色车辆路径优化模型对于其他云仓企业配送管理也有一定借鉴与指导作用。

光伏发电管理系统的设计与实现

这是一篇关于光伏发电,功率预测,Docker调度,CNN-LSTM,改进蚁群算法的论文, 主要内容为太阳能的广泛利用推动了光伏发电产业的发展,传统的电能采集方法易受人为因素影响,实时性差、可靠性低。另外,传统企业将物联网设备接入独立开发的系统或第三方平台进行功能显示和管理。随着设备类型的增加,系统的兼容性、可扩展性和稳定性都很差。同时,在物联网时代,数据也变得越来越重要。因此,建立以数据为中心、高可用性的光伏发电管理系统具有实际应用价值。针对上述问题,本文通过新型的光伏设备接入协议弥补原有固化协议的不足,有效保证系统安全性;利用多种传感器上报数据解析规则改善设备不兼容问题,保证系统的稳定性;改进Docker的调度算法提升集群的资源利用率。同时对光伏发电功率进行预测,及时对异常数据告警。本文针对以上现状进行研究,主要工作包括以下三个方面:(1)本文提出将卷积神经网络与长短期记忆网络相结合的混合神经网络架构应用于实际工业场景中,以提高光伏发电功率预测准确性。通过一维卷积预处理单变量的数据,并经过两层时间卷积运算后将其转变为多维数据,增强长短期记忆网络的预测能力。同时将单步预测扩展为多步预测策略,在实际工程应用中,仅利用系统中的光伏发电历史数据,即可进行短期、中期和长期的功率预测,证明该混合模型具有很好的鲁棒性。(2)本文将改进蚁群算法应用于Docker容器调度,解决资源利用率和负载不均衡问题。所提出的改进算法考虑了历史调度,从而增强调度决策。在相同的配置下,将该算法与基本蚁群算法(ACO)和先来先服务算法(FCFS)进行比较,实验结果表明,所提出的算法在响应时间和吞吐量方面具有优势,可以提高系统的整体性能。(3)本文设计并实现了一个数据可监控、可分析、可连通的光伏发电管理系统。采用前后端分离思想,针对传统物联网架构进行优化改进,引入容器化技术、使用消息队列异步消费等,搭建集数据采集模块、管理平台模块、光伏发电功率预测模块、数据存储模块和后台服务模块于一体的完整系统,通过功能性测试和非功能性测试验证了系统的实用性,并在系统正式上线投入使用中取得预期效果。

无人机调度算法研究与管控平台设计

这是一篇关于无人机,调度算法,改进蚁群算法,管控平台,SSM框架的论文, 主要内容为无人机调度是多无人机执行任务的关键环节,合理的安排无人机调度方案以使得无人机系统收益最大、代价最小具有重要的意义。同时,一个可管控多架无人机的管控平台也逐渐成为研究的热点,它的研究对整个无人机系统的实际应用有着重要的意义。本课题在无人机调度算法研究的基础上,完成了无人机管控平台的设计。在无人机调度算法方面,首先明确了无人机调度的相关概念,讨论了调度的约束条件及目标函数,并为其建立数学模型,在理论上对无人机调度进行了研究并选定了蚁群算法来解决无人机调度问题。详细介绍了蚁群算法的原理,同时对基本蚁群算法的优缺点及参数进行了分析,针对蚁群算法收敛速度较慢且易收敛于局部最优解的缺陷,在算法前期利用K-means与细菌觅食算法相结合的聚类技术动态调整蚁群算法的参数,算法后期利用遗传算法进行改进使其跳出局部最优,并将改进的蚁群算法应用到无人机调度中验证了算法的有效性。对改进的蚁群算法进行了仿真测试,结果表明该算法不仅提高了无人机调度效率,而且使无人机资源得到了更充分的利用,更好的发挥了无人机的优势。在无人机管控平台方面,首先进行了需求分析,然后介绍了平台涉及的相关技术与理论,最后完成了管控平台的设计实现。平台基于SSM(Spring MVC+Spring+Mybatis)框架,采用 B/S 架构,利用 Java、html、JavaScript 等语言,使用SQL Server数据库等进行开发设计,可同时管控多架无人机,主要实现了用户登录、无人机管理、硬盘录像机管理、视频管理、航线管理、指令控制及飞行数据显示等功能,并将无人机调度算法求得的调度方案应用于航线管理模块。测试表明,无人机管控平台,其能够稳定、准确地实现对无人机的管理与控制,实时地发送任务指令并接收、显示无人机数据,可靠性高、通信实时性强。

基于工程规则的船舶机舱管路自动布置方法研究

这是一篇关于机舱管路布置,工程规则,改进蚁群算法,协同进化算法,可视化的论文, 主要内容为船舶管路系统设计作为船舶详细设计过程中的重要组成部分,占据了超过50%的设计工时。传统依靠设计人员的经验知识设计管路系统会导致设计效率低下,且布置质量难以保证。基于工程规则的船舶机舱管路自动布置的实现可以有效的提高船舶机舱管路设计效率,对船舶制造业竞争力的提高具有重要的工程意义。以TRIBON为代表的造船设计软件在辅助设计方面取得了良好的效果,但在管路设计领域,仍未实现真正的管路自动布置。针对以上需求,本文围绕建立工程规则知识库与机舱环境建模、两点间的管路布置、机舱多管路布置以及船舶机舱管路辅助设计系统搭建等方面展开研究,主要工作如下:首先,建立工程规则知识库、构建船舶机舱环境三维仿真模型。通过研究船舶机舱管路布置的设计规范、标准以及专家经验,将自然语言描述的工程规则转化为计算机语言描述,并建立工程规则知识库。根据船舶机舱环境的特点,利用“精简-包围盒处理”的技术路线构建简化机舱模型,并基于栅格法表达布局空间,构建机舱环境三维实体仿真模型。然后,提出改进蚁群算法和协同进化算法,解决了船舶机舱多管路布置问题。用改进蚁群算法完成单管路布置。基于方向信息素、改进启发因子、信息素更新策略、信息素摆脱机制和去折线平滑处理对蚁群算法进行改进。仿真试验验证了所提出算法的有效性。针对机舱多管路布置问题,在协同进化算法框架下,提出“管路种群划分-种群内部拆解-种群内部布置-各个管路系统种群协同布置”的技术路线完成机舱多管路布置,提出了分支管路布置方法、种群划分与进化机制。通过算例仿真验证了算法的有效性。最后,搭建了船舶管路布置辅助设计系统,并进行应用实例验证。在3DMaxs软件中加载虚拟机舱三维模型,MAXScript完成模型空间信息的提取和数字管路的可视化,MATLAB算法程序模块实现路径搜索和输出,得到了满足工程要求的管路布局结果。应用实例验证了所提出的船舶管路布局方法的可行性和有效性,以及对工程实际的指导意义。论文以船舶设计、制造中的工程规则知识库为基础,利用改进蚁群算法、协同进化算法,在简化三维机舱环境中实现了静态场景的多管路自动布置,对船舶设计智能化具有重要意义。

面向机动性的跨域业务可靠路由规划子系统设计与实现

这是一篇关于机动性网络,聚合拓扑,路由规划,改进蚁群算法的论文, 主要内容为随着现代信息技术的快速发展,业务通信系统在各行各业有着越来越深入的应用,各色各样的网络类型层出不穷,业务场景也因此越来越多样化。机动性网络就是为了保障某群体在机动中与其他单位进行信息传递而建立的网络,是一种特殊的通信手段,被广泛用于抢险救灾、大型活动保障等场景。由于此种网络具有机动性,跨域业务通信的高可靠性就成为有效通信必要的保障,因此在机动性网络中可靠跨域业务路由规划的研究是非常必要的。针对机动性网络中跨域业务的特点,需要保障跨域业务路由的可靠性,现有的研究成果中对于这种机动性强的跨域网络进行业务路由规划的研究比较少,难以满足此种情况下的需求,所以本文针对上述问题设计并实现了面向机动性的跨域业务可靠路由规划子系统,该系统基于B/S架构为用户进行跨域业务的路由规划,在保证用户所要求的业务时延、带宽条件下,提升最终规划的跨域业务路由的可靠性。本文对面向机动性的跨域业务可靠路由规划子系统的核心功能——创建业务时的路由规划进行了详细的设计实现,首先针对跨域信息交互提出了多域协同的交互机制,利用聚合拓扑算法进行拓扑交流形成全局视图,在此基础上提出了基于改进蚁群算法的链式业务可靠路由规划算法,在改进蚁群算法中引入链路失效因子,在全局信息素更新策略中引入次优路径的更新和基于粒子群算法的寻参蚂蚁,该算法将时延、带宽和链路失效因素进行综合考量,在保证跨域业务时延、带宽的情况下,提高了跨域业务路由的可靠性,最后通过实验仿真验证了本文提出的算法是有效且符合预期的。本文对面向机动性的跨域业务可靠路由规划子系统进行了详细的需求分析,并根据需求进行了系统的详细设计,最后基于SpringBoot框架进行了编码实现,并对系统的主要功能进行了测试,测试结果证明本系统的功能符合预期,可以为机动性网络中的用户提供可靠服务。