XiaoMi-AI文件搜索系统
World File Search System最优解
数据驱动的数字焊接预测性维护方法...
摘要 数字焊接机（DWM）是一种先进的材料成型工具。DWM 的寿命和健康状况与其安全性和可靠性密切相关。针对 DWM 寿命预测准确率不高的问题，提出了一种基于免疫算法（IA）和带注意机制的长短期记忆网络（LSTM）的模型。首先，评估并筛选 DWM 寿命的退化特征指标。然后，利用线性回归构建健康指数，定量反映 DWM 的寿命状态。使用优化模型预测剩余寿命，并使用 5 个指标与各种模型进行比较。最后，基于产品检验和生产调度对 DWM 进行预测性维护。得到目标函数的最优解，计算出数字焊机的最佳预测维护方法。在寿命预测过程中，优化模型与传统LSTM模型相比，均方根误差降低了20%，均方误差降低了35.8%。平均绝对误差降低了14.2%，平均绝对百分比误差更接近于0，判定系数提高了23%。结合实际的产线安排，可以在最合适的时间对DWM进行维护，以最大限度地降低维护成本。
设计运营风险和中断条件下的弹性闭环供应链网络
然后，开发了三个更重要的场景，概率分别为 0.3、0.2 和 0.5，以根据中断次数呈现不同的客户需求量和设施容量。使用 LP 度量模型解决多产品食品公司的问题表明，尽管供应链没有中断，但第一和第二个目标函数的稳健最优解分别等于 99.484 和 790.50。就制成品而言；在第一个节点中，产品 1 和 2 的数量在第一和第二种情况下没有变化，但在第三种情况下变化了 1.4 和 2.5 个单位。在第三个节点中，产品 1 的数量在第一种情况下没有变化，但在第二种和第三种情况下，它分别变化了 10.60 和 6.8。产品 2 的数量在第一种和第三种情况下没有变化，但在第二种情况下变化了 7.7。在第 10 个节点中，第二种情况下产品 1 和 2 的数量没有变化，但第一种和第三种情况下产品 1 的数量分别变化了 2.8 和 2.3。此外，第一种和第三种情况下产品 2 的数量分别变化了 10.3 和 2.8。在其他节点中，产品数量没有变化。对于不同节点中的两种产品（节点 4、6、7 和 9 中除外）以及节点 8 中的产品 1，必须解决一些问题。
智能能源枢纽系统电热响应负荷多目标优化调度
摘要 – 本研究提出了未来一天智能能源中心系统 (SEHS) 的多目标优化调度。SEHS 由互连的能源混合系统基础设施组成，例如电力、热能、风能、太阳能、天然气和其他燃料，以在双向通信平台上供应多种类型的电力和热能负荷。本文中的所有目标均被最小化，包括 1) 发电侧的运营成本和排放污染，2) 需求侧的能源供应概率损失 (LESP)，以及 3) 未来一天电力和热能负荷与最佳电力和热能水平的偏差。提出了第三个目标，即使用需求侧管理 (DSM) 通过电力和热能可转移负荷 (SL) 的最佳转移来平坦电力和热能需求曲线。此外，还通过蒙特卡洛技术对可再生能源 (RES) 和电力和热能负荷进行随机建模。利用GAMS优化软件，通过ε约束方法实现所提方法，以获得目标函数的非支配Pareto解。然后，通过决策方法，选出非支配Pareto解中的最优解。最后，通过两个案例研究和案例研究中的敏感性分析来验证所提方法的有效性。
使用整数规划进行机场服务规划中的员工排程
W.H.Ip, Nick Chung 和 George Ho 香港理工大学工业及系统工程学系，香港特别行政区红磡 通讯作者 电子邮件：mfwhip@polyu.edu.hk 摘要：飞行的可靠性和安全性是极其必要的，而这取决于采用适当的维护系统。因此，飞机维修公司必须有效地进行人力调度。本文的目标之一是提供一种整数规划方法来确定飞机维护计划和调度的最优解，从而使计划和调度过程变得更加高效和有效。另一个目标是制定一套涵盖所有定期航班的维护人力计算计划。本文提出了一种由 3 个阶段组成的顺序方法。它们是初始维护需求计划、维护配对和维护组分配。由于调度会分为不同的阶段，因此采用了不同的数学技术来满足各自的问题特点。将使用 Microsoft Excel。第一阶段和第二阶段的结果将使用 Microsoft Excel Solver 输入整数规划模型以找到最佳解决方案。此外，Microsoft Excel VBA 用于设计调度系统，以减少手动流程并提供用户友好的界面。对于结果，都可以获得最佳解决方案，并且计算时间合理且可接受。此外，还讨论了高峰时间和非高峰时间的比较。关键词：机场服务，飞机，人力调度，维护。
基于多目标优化问题的智能能源混合系统最优需求管理
摘要。本文提出了一个能源混合系统能源规划的多目标问题。该问题考虑三个主要目标：最大限度地减少发电侧的排放污染和运营成本、解决消费者对电力需求的不满以及减少未来 24 小时内与最佳水平的偏差以平缓需求曲线。为了实现这一目标，实施了需求灵活性策略，包括使用可延迟负荷对电力需求进行最佳转移。所提出的方法利用增强的 epsilon 约束方法来确定目标的帕累托解。此外，还采用 TOPSIS 决策技术从一组帕累托解中选择最优解。通过两个案例研究验证了所提出方法的有效性和稳健性。总体而言，本文强调了在混合系统的能源调度中考虑多目标的重要性，并证明了所提出的方法在实现环境、经济和消费者满意度目标之间的平衡方面的有效性。需求灵活性策略和多目标优化技术的使用可以显著改善能源系统的运行，为更高效的能源管理实践铺平道路。与没有实施需求侧管理相比，实施需求侧管理已使第一和第二个目标分别显著减少了 2.8% 和 64.9%。
独立光伏能源系统中的离子电池
摘要：独立的可再生能源系统通常采用电池来获得稳定的能源供应。目前，锂离子电池正在逐渐取代铅酸电池。实际上，在做出选择之前，并没有事先比较每种情况下的盈利能力。这项研究比较了两种电池的经济性能，研究了五个具有不同需求概况的真实案例研究。对于每种情况，都进行了两组模拟。在其中一组中，能源需求由独立光伏系统提供，在另一组中，由独立混合光伏柴油系统提供。通过优化过程，获得了经济最优解。此外，还对各种参数进行了敏感性分析，以寻找有利于一种或另一种类型电池的影响。结果表明，如果改变电池类型，为了实现经济最优，必须调整整个系统的大小。在某些情况下，锂离子电池可以达到经济最优，而铅酸电池则可达到经济最优，具体取决于需求概况。因此，两种类型的电池在独立能源系统中都是有利可图的选择，在全光伏系统中更倾向于使用铅酸电池，在混合动力系统中更倾向于使用锂离子电池。价格下降将使锂离子电池成为唯一选择，这一点是量化的。
使用新型 Bonobo 优化器对离网混合可再生能源系统进行技术和经济评估
摘要：本研究采用一种新颖的 bonobo 优化器 (BO) 技术来寻找离网混合可再生能源系统 (HRES) 的最佳设计，该系统包含柴油发电机、光伏 (PV)、风力涡轮机 (WT) 和电池作为存储系统。拟议的 HRES 旨在为沙特阿拉伯北部偏远地区提供电力，其基础是年度系统成本 (ASC) 最小化和电力系统可靠性增强。为了区分和评估性能，将 BO 与四种最近的元启发式算法进行了比较，这四种算法称为大爆炸大收缩 (BBBC)、乌鸦搜索 (CS)、遗传算法 (GA) 和蝴蝶优化算法 (BOA)，以根据捕获的最优和最差解决方案、平均值、收敛速度和标准差为拟议的离网 HRES 找到最佳设计。所得结果显示，与其他四种元启发式算法相比，BO 算法更为有效，它以最低的 ASC（149,977.2 美元）、快速的收敛时间和更少的振荡实现了所提出的离网 HRES 的最优解，其次是 BOA（150,236.4 美元）。BBBC 和 GA 算法都无法捕捉到全局解，并且收敛时间较长。此外，它们具有较高的标准差，这表明它们的解决方案更加分散，振荡明显。这些模拟结果证明了与其他四种元启发式算法相比，BO 算法的优势。
集成压缩空气和电转气储能技术的多载波微电网生态排放分析
摘要：人们对全球温室气体排放的日益关注促使电力系统利用清洁高效的资源。与此同时，可再生能源在全球能源前景中发挥着至关重要的作用。然而，这些资源的随机性增加了对储能系统的需求。另一方面，由于多能源系统比单一能源系统效率更高，因此开发基于不同类型能源载体的此类系统对公用事业公司来说更具吸引力。因此，本文对多载体微电网 (MCMG) 在存在高效技术（包括压缩空气储能 (CAES) 和电转气 (P2G) 系统）的情况下的运行进行了多目标评估。该模型的目标是最大限度地降低运营成本和环境污染。除了充电和放电模式外，CAES 还具有简单循环模式操作，从而为系统提供更大的灵活性。此外，该模型还采用了需求响应程序来缓解峰值。所提出的系统参与电力和天然气市场以满足能源需求。采用加权和方法和基于模糊的决策来折中冲突目标函数的最优解。在样本系统上检验了多目标模型，并讨论了不同情况下的结果。结果表明，耦合 CAES 和 P2G 系统可减轻风电弃风，并将成本和污染分别降至 14.2% 和 9.6%。
可再生能源义务下最大可再生能源渗透的多目标随机经济调度
本文提出了一种可再生能源义务政策框架下的随机多目标经济调度模型。该模型在可再生能源义务下最大限度地降低发电机和旋转备用的总运营成本，同时最大限度地提高可再生能源的渗透率。风电和光伏发电厂的间歇性被纳入可再生能源义务模型。为了最大限度地降低与火电增加相关的循环成本，电池储能系统单元被纳入模型以协助系统旋转备用。创建动态场景来处理可再生能源的间歇性。由于所有可能场景的计算复杂性，采用场景减少方法来减少场景数量并解决所提出的随机可再生能源义务模型。为可再生能源义务提出了帕累托最优解，并进行了进一步的决策以评估与帕累托前沿相关的权衡。为了证明所提出的随机可再生能源义务模型的有效性，使用了两个 IEEE 测试系统，即改进的 IEEE 30 总线和 IEEE 118 总线系统。在这两个测试系统中，所提出的模型都可以实现高可再生能源渗透率，同时最小化预期运营成本。在大型 IEEE 118 总线测试系统中，计算效率
材料
摘要：由于切削力过大、表面完整性低和刀具磨损，通过传统金属切削工艺加工用于骨科植入物的钛合金 (Ti6Al4V) 具有挑战性。为了克服这些困难并确保高质量的产品，各行各业都采用线切割电火花加工 (WEDM) 来精确加工形状复杂的钛合金。目标是使用 Box-Behnken 设计 (BBD) 和非支配排序遗传算法 II (NSGA II) 使 WEDM 加工参数尽可能高效地加工生物相容性合金 Ti6Al4V。创建了一个二次数学模型来表示生产率和质量因子 (MRR 和表面粗糙度)，输入参数包括不同的输入参数，例如脉冲有效 (T on) 时间、脉冲无效 (T off) 时间、峰值幅度 (A) 电流和施加的伺服 (V) 电压。建立的回归模型和相关的预测图提供了一种可靠的方法来预测工艺变量如何影响两个响应，即 MRR 和 SR。研究了四个工艺变量对两种响应的影响，结果表明脉冲持续时间和电压对材料去除率 (MRR) 有重大影响，而脉冲持续时间则影响质量 (SR)。当包含重要的工艺因素时，MRR 和 SR 之间的权衡强调了对可靠的多目标优化方法的需求。利用名为非支配排序遗传算法 II (NSGA II) 的智能元启发式优化方法提供帕累托最优解，以实现高材料去除率 (MRR) 和低表面粗糙度 (SR)。