一、为何机器不能正常关机?（论文文献综述）
周益竹[1]（2021）在《移动学习环境下学习专注度影响因素获取与计算方法研究》文中研究说明随着智能移动终端的普及,移动终端学习的互动学习体验更加便利,智能移动终端与教育教学的有机结合逐渐成为新时代的主流学习方式。移动终端学习环境打破了传统课堂的界限,学习者可以不受时间地点的限制合理使用移动终端进行学习,解决了课前课后一体化问题。由于2020年新冠肺炎疫情的严重影响,导致大量学习者不能进行正常线下课程,所以通过移动终端进行线上学习变得越来越重要。通过移动终端进行学习广泛应用于学习者的日常生活中,为学习者与教学者带来了很多的便利,然而通过移动终端学习教学者无法像线下课堂一样了解学生上课时是否认真听讲以及学习专注度,移动终端在线学习无法对学生的学习行为进行监测与指导。针对这一问题,本文通过对终端学习行为的获取,实现学习者移动学习环境下学习专注度影响因素的探究及在线学习状态的监测。因此,本论文使用监听技术和事件处理技术融合深度学习算法获取三大类移动终端学习行为数据,分别为终端数据获取、触屏操作获取以及人体行为识别。首先,基于Android框架开发一款学习者行为数据获取的工具,获取学习者自主学习过程的终端数据,并以操作虚拟仿真实验为例,捕捉学习者触屏事件的发生,实现触屏操作数据的获取。其次,以终端数据获取工具中所采集的加速度传感器数据作为原始数据集,将经过预处理的加速度传感器数据导入长短期记忆网络与卷积神经网络相互融合的改进式神经网络模型（CNN-LSTM）中对数据进行人体行为识别,并通过研究与应用实验的方法,将本文提出的改进式CNN-LSTM模型与隐马尔可夫模型、机器学习算法、LSTM模型等方法进行对比。最后,通过线性回归模型拟合学习者行为数据权重,预判学习者各类学习行为数据对移动学习环境下学习专注度的影响系数。本文基于移动终端学习的应用场景获取学习行为数据,实现一个终端数据获取工具获取学习者学习状态设备感知信息、以虚拟仿真实验为基础捕捉学习者实验触屏操作以及通过改进CNN-LSTM获取学习者学习活动状态,对以上移动终端学习者学习行为数据的获取是分析学习者在线学习专注度因素影响的前提。通过对学习者在线学习行为数据权重拟合,实现对学习者在线学习行为的监测,探究学习专注度的影响因素,计算学习者移动终端学习行为对学习专注度影响系数大小。
魏宏静[2]（2020）在《数据驱动的制造车间能耗分析及节能优化》文中研究说明制造业作为我国国民经济的重要支柱产业,在我国普遍存在能耗高、能效低、碳排放大等问题。因此,我国在《中国制造2025》中明确了“创新驱动、质量为先、绿色发展、结构优化、人才为本”的战略方针,将“绿色制造工程”列为重点实施的五大工程之一,强调把可持续发展作为制造强国的重要着力点,走生态文明、环境友好的发展道路,全面推行绿色制造,努力构建高效、清洁、低碳的绿色制造体系。本文关键科学问题:制造车间是一种由机床设备、各种辅助设施构成的典型制造系统,其能耗总量大、结构及特征复杂、影响因素众多,存在很大的节能空间。如何实现流水车间、作业车间和柔性流水车间的节能是我国制造业在全球低碳发展的形势下迫切需要解决的关键科学问题之一。为有效推进相关问题的解决,论文依托工信部智能制造综合标准化和新模式应用项目“精密电子元器件智能制造新模式应用”（工信部联装[2016]213号）,以流水车间、作业车间和柔性流水车间三种典型制造车间的能耗分析及节能优化问题为研究对象,以车间生产节能策略、智能优化算法和调度方法为技术手段,针对流水车间、作业车间和柔性流水车间展开了能耗分析、数学建模和节能优化等方面的研究,主要研究内容如下:（1）基于HGSA的流水车间节能优化方法。针对流水车间生产过程中,机器等待工件到达时间段内产生大量的能耗问题,提出改进的混合遗传模拟退火算法（Hybrid Genetic Simulated Annealing Algorithm,HGSA）。首先将一种启发式算法MME用于初始种群生成,在交叉变异阶段,设计随机选择交叉和变异算子的操作,并在交叉变异操作完成后,执行基于激素调节机制模拟退火操作,以避免算法陷入局部最优。将所提算法与MA、G-RIS、HGA、DSOMA、IIGA 5种算法进行比较,证明了所提算法能够更好地接近基准算例的理论最优完工时间。在工件数量为500,机器数量为20的基准算例中,与MA、G-RIS、HGA、DSOMA和IIGA五种算法相比,HGSA的完工时间分别降低了31.7%、30.5%、80.6%、36.1%和71.9%。最后,通过节能效果分析说明了减少机器空闲等待的时间,可以降低车间能耗。（2）基于U-NSGA-III方法的多目标作业车间节能优化方法。针对作业车间生产中,由于机床未得到充分利用而浪费了大量能耗的问题,提出机器状态切换节能框架和数学模型,并基于数学模型分析了作业车间调度的最小化完工时间、非加工能耗和总加权延迟与提前三个优化模型。采用结合MME的统一非支配排序遗传算法（U-NSGA-III）求解该问题。在扩展的Taillard基准算例中进行了三组数值实验,以验证三目标模型（完工时间、非加工能耗和总加权延迟与提前）和多目标优化算法的有效性。结果表明,与NSGA-II和NSGA-III相比,U-NSGA-III在大多数测试问题实例中均获得了更好的Pareto解。本文提出的面向能源效率的多目标作业调度算法可实现显着的节能效果,其中非处理能耗最多可节省69%。（3）基于IMVO的柔性流水车间节能优化方法。针对柔性流水车间节能问题,建立了基于混合整数非线性规划的最小化最大完工时间和能耗的多目标优化模型,提出了一种改进多元宇宙优化算法（IMVO）。首先,采用随机生成初始种群的方式以保证初始种群中个体的多样性;利用矩阵编码表示工件各个工序的机器分配情况;引入了一种自适应因子改进了宇宙个体移动公式和WEP参数更新方式,使算法早期的优化速度加快,同时在优化后期提高了本地搜索的准确性;最终,算法结果与文献中的MBO算法进行了对比,实验结果表明本文的IMVO算法能够很好的解决柔性流水车间多目标节能问题。（4）数据驱动的制造车间能耗分析与节能优化原型系统。开发了一个数据驱动的制造车间能耗分析与节能原型系统,系统主要包括用户管理、订单管理、工艺管理、设备管理、调度管理和项目管理六个模块,其中调度管理模块中主要展示流水车间、作业车间和柔性流水车间的生产调度方案和节能效果。论文将车间生产节能策略、智能优化算法和调度方法相结合,形成了车间节能调度智能优化方法,缓解了流水车间、作业车间和柔性流水车间三种典型制造车间生产中存在的能耗高、能效低等问题。结果表明,论文提出的车间节能调度智能优化方法能够提升制造车间生产效率、降低制造过程能耗、提高能量利用率。
张晨曦[3]（2020）在《针对航天测控任务动力系统数据的特征建模和态势评估》文中提出在火箭飞行任务中,动力系统的工作状态对飞行成败至关重要,需要实时评估其运行态势。在发射场现有的评估方法中,能够用于实时评估的红线法对数据噪音敏感,实际应用中往往漏报率和误报率较高;专家系统维护成本过高,适用于成熟稳定的发动机型号,且一般用在事后的分析处理。研究人员曾经将机器学习方法应用到发动机试车和仿真数据中,但历次航天任务存留的实战数据尚被束之高阁,而与试车和仿真数据相比,实战数据具有更真实复杂的优势;机器学习方法在面对样本较少的数据集时,往往很难训练精确的模型,可以使用迁移学习的方法解决新研发动机数据量少的问题。着眼应用到发射场实时评估和事后分析的目标,首先收集发射场的多种型号发动机的近五年任务数据,去除野值,设计学习数据库结构,将数据样本按照发动机类型、不同运行阶段等存储到数据库中,以对各发动机的各阶段进行参数异常检测、系统故障诊断建模。通过DTW-AGNES聚类得到参数变化趋势的七种异常情况,然后针对不同发动机不同工作阶段的各类参数,构建特征工程得到合适的特征向量,使用不同的机器学习分类模型,对各发动机各工作阶段各参数进行训练和测试,并与传统方法中的包络法进行对比,得到与该参数相适合的模型。对序列模式挖掘的GSP算法进行了改进,得到了发动机各阶段中所有参数的始变时刻顺序;为解决带时间间隔的序列模式分析,提出了 TEAX和TEAF两种方法进行第一种故障的聚类挖掘和分类诊断。基于已得到的事件序列模式,使用关联分析的方法,从数据中挖掘参数间的强相互关系,并分析故障模式,以进行第二种故障的诊断。针对小样本领域的机器学习表现不佳,尝试使用迁移学习策略,解决目标领域样本规模不足给模型训练带来的制约。分别设计了参数异常检测软件PADS和系统故障诊断软件EFDS,并在2020年CZ-7A和CZ-3B两次任务中检测到了参数异常和系统故障,且实时性较好。
顾丰丰[4]（2020）在《考虑学习效应的多目标柔性作业车间调度问题研究》文中研究指明全球化制造的大环境让世界各国的制造业拥有丰富的发展机遇,但也面临着各种挑战和困难。车间调度是一种适应于企业发展需求的生产管理方式,在满足各种约束条件下通过科学合理的调度,充分配置各种有限资源,达到提高生产效率、降低生产成本的目的。本文在充分调研国内外关于柔性作业车间调度相关研究现状的前提下,针对当今研究存在的不足之处,考虑工人学习效应、能耗优化、动态事件等因素,研究了多目标柔性作业车间调度问题。具体研究内容如下:（1）首先,分析了柔性作业车间调度的问题特征,提出了本文的性能指标体系;针对车间能耗因素进行分类研究,建立了车间能耗计算模型,并提出了两种能耗优化方法;考虑车间调度中的工人因素,将学习效应理论引入到柔性作业车间调度问题中。（2）其次,研究了多目标柔性作业车间调度问题建模及求解。描述了基本问题,建立了以最大完工时间、加工成本、加工能耗最小化为目标的多目标优化模型;设计了改进的NSGA-Ⅱ算法,采用双层编码方式,将插入式贪婪解码算子引入到解码过程中获取主动调度解;为使算法具备更好的局部和全局搜索能力,设计了自适应动态交叉和变异概率,并在变异后期设计了适应度比较策略,对种群个体进行更好的寻优,避免其陷入局部解;利用常见算例验证改进的NSGA-Ⅱ算法的有效性,并结合生产案例进行了模型和算法的应用研究;从不同角度构造了四种调度方案,分析得出节能型方案实现了良好的能耗优化。（3）再次,研究了考虑学习效应的双柔性作业车间调度问题建模及求解。考虑车间中工人学习能力造成的技能水平等级,构建了考虑工人学习效应的多目标双柔性作业车间调度优化模型;因问题的复杂性,设计了混合NSGA-Ⅱ算法,采用三层染色体编码方式;在第三章改进的NSGA-Ⅱ算法基础上,算法中引入邻域搜索算子,更好地进行种群搜索优化,并结合具体算例进行了应用研究,分析得出考虑工人柔性的调度方案更加均衡各生产指标。（4）最后,研究了考虑学习效应的双柔性作业车间动态调度问题。针对常见的动态事件进行了分类研究,提出了基于事件和周期驱动的混合重调度策略和滚动窗口技术的研究方法,解决随机发生的动态事件和周期性重调度问题,并分析了动态调度中的问题信息更新;以一个具体算例研究了考虑机器故障、工人休假、新工件到达的动态调度和周期性重调度,分析结果表明了动态调度方案能够较好的维持生产系统的稳定性。
张钰[5]（2020）在《分布式环境下的车载娱乐系统设计与实现》文中进行了进一步梳理随着国内汽车行业竞争加剧,并伴随互联网浪潮,车载娱乐系统从原先附加值不高的边缘零部件,逐渐成为车辆的卖点和营销重点,受到各汽车企业的日益重视和大力投入。为了在激烈的市场竞争中实现差异化,各汽车企业纷纷进行不同的尝试。本项目在车厂自有系统的基础上,深入挖掘现有功能,提出创新点,以便向用户提供更好的服务。本系统基于原先的单机系统的基础上进行尝试,扩展成分布式系统。与传统方式不同,分布式车载系统在车内部署多块独立的显示屏,支持前座和后座的多位乘客同时独立使用。其优点是,可以同时服务于驾驶者和乘客的不同需求,如驾驶者使用导航和蓝牙电话的同时,乘客可以观看视频、使用其他应用程序。作为一种较新的应用场景,本课题讨论了该系统的设计和实现方法。本课题的研究目标包括三个方面。第一个研究目标是分布式系统不同模块间的协作方式。系统功能由分布在多台机器上的多个模块协作完成,由于每台机器的职责定位不同,需要对各模块进行合理的功能划分,并考虑模块之间的信息共享,以及发生冲突时的协调和仲裁机制。其中,要解决的关键问题包括如何实现稳定高效的跨机通信,以及符合分布式系统架构的软件设计方法。第二个研究目标是如何在多块不同显示屏之间进行媒体文件共享,可共享的媒体文件来源包括USB、iPod等外接设备,以及手机蓝牙音乐。需要解决的问题包括设备管理和内容检索,播放控制,会话管理以及主从节点的控制策略等。与消费类电子不同,车载系统的性能要求十分苛刻,包括系统启动性能以及跨模块通信性能。因此如何设计出满足车载性能要求的系统方案,成为了本课题的第三个研究目标。针对第一个研究目标,在对消息队列和远程过程调用等分布式相关技术进行分析和对比后,本系统根据应用场景选择了ZeroMQ和CORBA作为基础组件和框架。在此框架基础上,本文围绕项目的功能性需求及非功能性需求,对系统的逻辑架构、通信架构、以及系统组网策略进行了阐述,并对系统重要功能进行设计实现。重点功能包括:系统电源状态管理,音频仲裁和声音通道管理,Media播放控制,Media多屏同步管理,车载性能优化等。车载电源状态作为整个系统运行的基石,将对系统的所有功能产生影响。本文详细探讨了电源状态的设计因素,并基于这些因素定义并实现了11种电源状态,状态之间的转换关系,以及每种状态下的功能约束。整车音频通道属于竞争性资源。系统存在多种使用车载音频的场景,如蓝牙通话、音乐播放、消息提醒、导航提示、语音识别等,当这些场景并发时会产生冲突。本文对音频通道进行了整体规划,建立并实现了音频通道的仲裁规则及切换机制。针对第二个研究目标,利用第三方播放引擎,本文设计并实现了分布式Media播放方案。一台机器负责设备管理和内容检索,另一台机器负责播放控制。其中,Bluetooth Audio和其他Media的播放机制不同,需要分别处理。除了单独的Media播放,本文还对Media多屏同步的场景进行设计和实现。所谓多屏同步,是指在多个独立HMI模块之间共享内容,主要涉及到会话的建立和主从节点的管理。针对第三个研究目标,作为分布式系统,针对启动速度以及跨机通信效率这两方面,本文综合软件架构、通信架构、系统组网等多方面因素,对系统优化方案进行了探讨。系统通过多轮测试对软件质量进行保证,包括单元测试、集成测试以及多轮验收测试。本文对测试用例设计、defect记录、测试情况与验收结果进行了阐述。经过充分测试和验证,系统最终成功上线。最后本文对车载娱乐系统的未来发展趋势进行了展望。
杨喜娟[6]（2020）在《带随机特性和有限缓存的生产系统性能建模研究》文中研究说明生产系统在现代制造业中占有重要的地位。在“中国制造2025”的部署下,制造业的生产方式和产业形态均发生了转变。为了估计和保持其在行业内的竞争力,企业的生产系统性能设计和控制方式变得越来越灵活,且需要较全面的系统性能评价指标,以对自身生产系统的系统性能和响应市场需求的能力做出科学的分析和合理的评价。实际中的生产系统存在有限缓存和工件的到达、生产准备时间、设备的可靠性、不同生产阶段机器的服务速率等诸多随机特性,从而增加了性能分析和控制的复杂性。而现有研究对很多特点和需求条件下的系统性能还没有深入研究,且性能指标的求解相对比较单一。因此,本文从具有随机特性的生产系统的性能分析和优化控制出发,对系统性能建立理论分析模型,多方面的拓展系统性能指标并进行科学的性能分析,以期为企业管理者的决策提供理论支持。本文研究的对象是一个具有随机特性的单机器生产系统,这台机器在生产某种产品之前有生产准备时间。同时,产品有属于自己的有限缓存区,机器采用先来先服务的调度策略来协调产品的生产。从这台机器是否具有柔性着手,将此生产系统分为多产品生产系统和单产品生产系统。在多产品生产系统中,分别考虑了带有状态相关生产准备时间、机器在生产准备期有服务速率和缓存区可故障三种生产环境下系统的性能评价;在单产品生产系统中,针对机器的可变服务速率,分别考虑了机器在待机休眠期和故障期有服务速率的可修复生产环境下的系统性能特征。主要研究工作包括:（1）针对采用一维马尔科夫模型引起的状态空间呈指数级增长的问题,提出了一种有限状态拟生灭过程模型,对带状态相关生产准备时间和有限缓存的多产品生产系统进行性能分析。首先分析机器轮流加工生产的过程,将多产品生产系统分解为单产品子系统模型,并定义机器不加工当前产品类型时,则对于当前产品类型而言,机器处于休假期;然后对机器休假期的长度、机器生产完当前产品类型进入空闲期及和其他类型产品的生产准备期的概率进行估计,以缓存区中产品个数和机器状态两个维度定义系统的二维连续时间Markov链;之后,通过分析二维Markov链的平稳方程,将最小生成元进行分块三角化表示,构建出系统的有限状态拟生灭过程模型。最后,运用矩阵几何方法求解有限状态拟生灭过程模型,并推导出生产方差、区间估计、稳态可用度、系统生产率及其系统满足顾客订单的概率等多项性能指标的解析式,并给出详细的求解步骤。所提有限状态拟生灭过程模型有效地拓展了多产品生产系统的性能指标,改善了一维马尔科夫模型在处理机器可生产产品类型较多或缓存区容量较大时状态空间过大和建模分析复杂等方面的不足,具有较为广阔的应用前景。（2）考虑到生产准备过程中的外部生产准备是在不停机的情况下完成的,提出了一种有限状态拟生灭过程模型,对机器在生产准备阶段有服务速率的多产品生产系统进行性能分析。根据机器在生产准备是否需要停机,将生产准备分为内部生产准备和外部生产准备,鉴于外部生产准备的特殊性,在多产品生产系统中,引入可变服务速率随机特性。通过以缓存区中产品个数和机器状态两个维度定义系统的二维连续时间Markov链并将其最小生成元进行分块三角化表示,构建出系统的有限状态拟生灭过程模型。利用矩阵几何解方法对模型进行求解,给出系统生产率的计算过程,并在两种产品的简化情况下求出系统生产率的解析解。同时,通过求导计算精确地呈现了系统生产率关于各系统参数的渐近线和单调性等系统性质,为提高生产效率给出理论支撑,为系统的最优化控制提供参考。（3）考虑到缓存区在生产过程中的可靠性及对机器的影响,提出了一种离散时间Markov链模型,对缓存区可故障、机器加工时间服从一般分布的多产品生产系统进行性能分析。通过构建系统的离散时间Markov链,求解每个状态的稳态概率,并依据系统中机器加工的产品类型、缓存区有无故障、各缓存区中产品的个数对系统状态分四种情况计算每个状态对系统生产周期的贡献,得到系统的平均生产周期,求解出系统生产率的解析式,并给出参数相同的埃尔朗-2产品生产系统的状态转移概率矩阵和系统生产率的详细求解过程。通过数值分析讨论各系统参数对系统生产率的影响及其各系统参数之间的相互影响情况,为企业在实际生产过程中各参数的选择提供理论依据。（4）针对机器在待机休眠阶段可带有服务速率的情况,首次将工作休假引入单产品生产系统,提出了一种有限状态拟生灭过程模型,对带有生产准备时间和工作休假的可修复生产系统进行性能分析。从缓存区中产品个数、机器的工作状态及机器有无故障三个维度出发,建立了系统的三维Markov链并将其最小生成元进行分块三角化表示,得到系统的有限状态拟生灭过程模型。之后,运用矩阵几何方法求解有限状态拟生灭过程模型,并得到系统生产率、生产方差、系统稳态可用度、系统在时间区间内的区间估计及各项稳态概率等性能指标的解析式,然后通过数值实验总结出各项系统性能指标受系统参数的影响情况,为企业提高生产效率,增加系统可靠性提供依据。所提出的有限状态拟生灭过程模型对关于工作休假的排队理论的定性研究也很有启发性。（5）针对机器在故障阶段可带有服务速率的情况,首次将工作故障引入单产品生产系统,提出了一种有限状态拟生灭过程模型,对带有生产准备时间和工作故障的可修复生产系统进行性能分析。从缓存区中产品个数、机器的工作状态两个维度出发,建立了系统的二维Markov链并将其最小生成元进行分块三角化表示,得到系统的有限状态拟生灭过程模型。运用矩阵几何方法求解有限状态拟生灭过程模型,得到系统生产率、系统稳态可用度、系统稳态等待加工产品个数及各项稳态概率等性能指标的解析式。然后通过数值实验归纳各系统参数对各项系统性能指标的影响及带工作故障的生产系统模型的稳定性情况,为企业在生产系统的改善方面给出优化建议。所提出的有限状态拟生灭过程模型对关于工作故障的排队理论的定性研究也很有启发性。
杨嫒,钱斌,胡蓉,祝晓红,向凤红[7]（2021）在《精确动态规划算法求解绿色单机调度问题》文中研究指明针对一类生产实际中广泛存在的绿色单机调度问题,即带释放时间的低碳单机调度问题,提出一种精确动态规划算法（exact dynamic programming algorithm, EDPA）进行求解,优化的主要和次要目标分别为最小化最大延迟时间和总碳排放量.首先,建立问题的排序模型,该模型可用三元法表示为1|agr（rj, dj）|TCE/Tmax,属于NPhard问题;其次,通过分析排序模型的性质,提出基于工件排序和机器状态选择的交货期最早优先规则（earliest due date, EDD）,可确保得到问题最优解;再次,根据所提出规则构建状态递推方程,进而基于该方程设计可对问题解空间执行状态树搜索的EDPA,该算法为具有伪多项式时间的精确算法,可以获取问题的最优解;最后,通过在测试问题和企业实例上的仿真实验,验证所提出算法不仅可以最小化最大延迟时间,而且还能有效地减少总碳排放量.
杨嫒[8]（2020）在《动态规划算法求解绿色单机调度问题》文中进行了进一步梳理绿色制造是“中国制造2025”的战略任务之一,而绿色车间调度（Green shop scheduling problem,GSSP）是实现绿色制造的重要举措。常规车间调度考虑控制成本、缩短工期和减少工件延迟的经济指标,GSSP在此基础上同时考虑节能降耗的绿色指标。显然,GSSP更加复杂,也更具有理论和工程价值。近年来,GSSP已受到学术界的关注,成为当前的研究热点,但相关研究仍较为有限。因此,对此类问题开展研究具有重要意义。单机调度问题（Single machine scheduling problem,SMSP）是各类多机调度问题的雏形和基础,不仅在制造业和流程工业中广泛存在,同时也是复杂生产调度问题分解优化时常需求解的子问题。研究绿色单机调度问题不仅具有重要的学术意义还具有一定的应用价值,已引起生产调度领域学者的关注。动态规划算法（Dynamic Programming Algorithm,DPA）是一种精确算法,理论上可得到复杂优化问题的最优解。在过去的五十多年里,动态规划算法在各个领域中得到了广泛的应用。因此,本文针对三类重要的绿色单机调度问题进行基于动态规划的求解算法研究。主要工作如下:（1）针对一类生产实际中广泛存在的绿色单机调度问题,即带释放时间（Release time）和机器速度的单机绿色调度问题,以总能耗成本（total energy cost,TEC）为优化目标,提出了一种精确动态规划算法进行求解。首先综合考虑每个工件具有不同释放时间和期望完工时间的限制条件,同时考虑机器的不同转速消耗不同的能量,以及工件在不同的转速下加工时长的不同,建立问题的排序模型;然后设计了一种精确动态规划算法（exact dynamic programming algorithm,EDPA）进行求解;最后,通过仿真算例证明了所提算法的有效性。（2）针对一类生产实际中广泛存在的绿色单机调度问题,即带释放时间的低碳单机调度问题,提出一种精确动态规划算法进行求解,优化的主要和次要目标分别为最大延迟时间和总碳排放量。首先,建立问题的排序模型。该模型可用三元法表示为1|a gr（r j,d j）|TCE/Tmax,属于NP-hard问题。其次,通过分析排序模型的性质,提出基于工件排序和机器状态选择的交货期最早优先规则（Earliest due date,EDD）,可确保得到问题最优解。然后,根据所提规则构建状态递推方程,进而基于该方程设计可对问题解空间执行状态树搜索的EDPA。该算法为具有伪多项式时间的精确算法,可获取问题的最优解。最后,通过在测试问题和企业实例上的仿真实验,验证所提算法不仅可最小化最大延迟时间,也能有效地减少总碳排放量。（3）针对分批绿色单机调度问题,提出了一种精确动态规划算法进行求解,优化的主要和次要目标分别为最大完工时间和总能耗成本。首先根据工件的尺寸、加工功率、加工时间、机器的容量约束建立问题的排序模型,该问题用三参数法表示为1|B|TEC/Cmax,并结合等划分问题证明了该问题的NP-hard属性;然后提出并证明了工件分批的LPT规则,并设计了一种基于动态规划的伪多项式时间算法,最后通过仿真实验证明了所提规则与算法的有效性。
冉述[9]（2020）在《基于计算机视觉的智能车载感知系统设计实现》文中认为物质生活逐渐丰裕,汽车保有量也逐年上升,随之带来了交通安全事故数量增多,交通事故死亡人数居高不下。高级别自动驾驶技术无法立即应用到市场提高汽车行驶安全的情况下,高级辅助驾驶系统（ADAS）是目前帮助驾驶员安全驾驶的普遍选择,国外研究结果显示行车记录仪也能从约束驾驶行为角度提高驾驶安全。无论哪种电子技术方法来提高汽车行驶安全都离不开对行驶的汽车周围环境进行感知,所以视觉感知技术,成为了各零部件供应商及行业研究的热点。通过对感知系统的产品定位、应用场景和研究发展状况分析,从对驾驶员预警和提高行人闯红灯违法成本两个角度,来保护行人安全是可行的。市场上现有的ADAS行车记录仪也具备驾驶员预警功能,但存在预警准确率低的问题。所以,具体目标是设计一个包含硬件和软件的完整系统,从视觉和运动姿态等方面感知环境,实现采集并保存数据、ADAS驾驶提醒、上传数据到平台等功能,还需要达到休眠时功耗低、实时性好、鲁棒性高、方便扩展和移植等性能目标。硬件方面,电源设计为多路并行供电,保障大功率单元稳定运行,并方便控制。数据处理板卡承担图像采集、视觉检测算法运算、文件管理等任务,MCU处理部分实时性高数据密度低的传感器数据,并管理系统电源供电。为更好地检测识别环境关键元素,以YOLO V3算法为基础,结合GIo U更好地阐述边框重合度,重新设计了损失函数,利用交叉熵改善对小目标的检测问题,并在计算服务器上验证了该算法的性能。软件方面除改进算法外,还根据需要在移植操作系统过程中编写了相应驱动程序,设计了基于Qt平台的可视化程序,包括实时录制、文件管理、系统设置、视频播放、系统信息等界面,可方便查看文件、上传数据、设置功能开关等。最终通过实验室验证测试,系统硬件和软件均能正常工作。工作模式下各路电源电压误差小于50mV,休眠模式系统功率约1.2mW,在4G信号强度大于30%时数据传输延时小于2s,对驾驶环境关键元素识别Recall达81.38%,处理速度能稳定在30fps。未来会采用双目摄像头来改善距离不敏感的缺点,加入目标追踪算法,并增加检测识别的关键元素种类,使系统更加完善。
刘奕[10]（2020）在《5G网络技术对提升4G网络性能的研究》文中提出随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
二、为何机器不能正常关机?（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、为何机器不能正常关机?（论文提纲范文）
（1）移动学习环境下学习专注度影响因素获取与计算方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 终端数据获取研究现状 |
| 1.2.2 触屏操作数据获取研究现状 |
| 1.2.3 人体行为识别研究现状 |
| 1.2.4 学习专注度影响因素研究现状 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 研究方法与研究意义 |
| 1.4.1 研究方法 |
| 1.4.2 研究意义 |
| 第二章 研究基础 |
| 2.1 学习行为 |
| 2.1.1 学习行为概念 |
| 2.1.2 学习行为数据 |
| 2.2 终端数据获取 |
| 2.2.1 监听技术 |
| 2.2.2 事件处理技术 |
| 2.3 触屏操作获取 |
| 2.3.1 虚拟仿真技术概念 |
| 2.3.2 虚拟仿真实验触屏操作获取 |
| 2.4 人体行为识别技术 |
| 2.4.1 基于隐马尔可夫模型的人体行为识别 |
| 2.4.2 基于长短期记忆网络模型的人体行为识别 |
| 2.4.3 基于卷积神经网络模型的人体行为识别 |
| 第三章 学习者移动终端数据获取与处理 |
| 3.1 终端数据的获取 |
| 3.1.1 终端数据获取框架 |
| 3.1.2 终端数据获取策略与方法 |
| 3.1.3 终端数据获取开发平台与工具 |
| 3.1.4 终端数据获取实现 |
| 3.2 触屏操作数据的获取 |
| 3.2.1 触屏操作获取框架 |
| 3.2.2 触屏操作获取策略与方法 |
| 3.2.3 触屏操作获取开发平台与工具 |
| 3.2.4 触屏操作获取实现 |
| 3.3 人体行为识别 |
| 3.3.1 数据采集与预处理 |
| 3.3.2 人体行为识别模型构建 |
| 3.3.3 人体行为识别模型训练 |
| 3.3.4 实验结果与分析 |
| 第四章 移动终端学习行为对学习专注度影响系数计算 |
| 4.1 算法描述 |
| 4.2 移动终端学习行为对学习专注度影响分析 |
| 第五章 结论与展望 |
| 参考文献 |
| 致谢 |
（2）数据驱动的制造车间能耗分析及节能优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 流水车间节能方法研究现状 |
| 1.2.2 作业车间节能方法研究现状 |
| 1.2.3 柔性流水车间节能方法研究现状 |
| 1.3 研究内容与创新点 |
| 1.3.1 研究目标与内容 |
| 1.3.2 研究的创新点 |
| 1.4 论文组织结构 |
| 第2章 制造车间能耗分析及节能优化相关理论 |
| 2.1 引言 |
| 2.2 制造车间能耗分析及建模 |
| 2.2.1 机床固定和可变能耗分析及建模 |
| 2.2.2 基于机床设备状态的能耗分析及建模 |
| 2.3 制造车间调度算法 |
| 2.3.1 遗传算法 |
| 2.3.2 模拟退火算法 |
| 2.3.3 多元宇宙优化算法 |
| 2.3.4 NSGA-Ⅲ |
| 2.3.5 MME算法 |
| 2.4 流水车间、作业车间、柔性流水车间数据集 |
| 2.4.1 流水车间节能研究数据集 |
| 2.4.2 作业车间节能研究数据集 |
| 2.4.3 柔性流水车间节能研究数据集 |
| 2.5 本章小结 |
| 第3章 基于HGSA的流水车间节能优化方法 |
| 3.1 引言 |
| 3.2 流水车间调度问题描述 |
| 3.2.1 问题描述 |
| 3.2.2 FSSP的完工时间数学模型 |
| 3.3 HGSA算法 |
| 3.3.1 HGSA算法概述 |
| 3.3.2 编码方式 |
| 3.3.3 初始种群 |
| 3.3.4 交叉操作 |
| 3.3.5 变异操作 |
| 3.3.6 模拟退火操作 |
| 3.3.7 基准选择 |
| 3.4 实验结果与分析 |
| 3.4.1 完工时间结果分析 |
| 3.4.2 节能效果分析 |
| 3.5 本章小结 |
| 第4章 基于U-NSGA-Ⅲ方法的多目标作业车间节能优化方法 |
| 4.1 引言 |
| 4.2 作业车间问题描述和数学模型 |
| 4.2.1 作业车间问题描述 |
| 4.2.2 考虑节能运行策略的作业车间能耗模型 |
| 4.3 U-NSGA-Ⅲ算法 |
| 4.3.1 U-NSGA-Ⅲ算法概述 |
| 4.3.2 染色体编码方式 |
| 4.3.3 种群初始化方法 |
| 4.3.4 基于染色体编码的交叉操作 |
| 4.3.5 基于染色体编码的变异操作 |
| 4.4 实验结果与分析 |
| 4.4.1 测试实例 |
| 4.4.2 算法性能评价指标 |
| 4.4.3 结果分析 |
| 4.5 本章小结 |
| 第5章 基于IMVO的柔性流水车间节能优化方法 |
| 5.1 引言 |
| 5.2 柔性流水车间问题描述 |
| 5.2.1 FFSP问题描述 |
| 5.2.2 FFSP问题实例 |
| 5.3 柔性流水车间多目标节能优化模型 |
| 5.3.1 完工时间模型 |
| 5.3.2 能耗分析及模型 |
| 5.4 IMVO算法 |
| 5.4.1 算法概述 |
| 5.4.2 初始化 |
| 5.4.3 编码及解码 |
| 5.4.4 选择机制 |
| 5.4.5 改进的MVO的宇宙个体移动公式及WEP |
| 5.5 实验结果分析 |
| 5.6 本章小结 |
| 第6章 数据驱动的制造车间能耗分析与节能优化原型系统 |
| 6.1 系统设计原则 |
| 6.2 功能需求分析 |
| 6.3 系统设计 |
| 6.3.1 系统架构设计 |
| 6.3.2 数据库设计 |
| 6.3.3 开发和运行环境 |
| 6.4 系统实现 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录A 攻读博士学位期间发表的学术论文 |
| 附录B 攻读博士学位期间参与课题相关的科研项目 |
| 图版 |
| 图目录 |
| 表目录 |
（3）针对航天测控任务动力系统数据的特征建模和态势评估（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 运载器动力系统状态评估的重要性 |
| 1.1.1 航天任务中运载器状态评估的重要性 |
| 1.1.2 动力系统状态评估的重要性 |
| 1.2 动力系统状态评估的理论基础 |
| 1.3 本论文主要工作 |
| 第2章 动力系统状态评估的背景知识 |
| 2.1 运载器动力系统介绍 |
| 2.2 液体发动机的评估内容 |
| 2.2.1 逐级评估 |
| 2.2.2 液体发动机的工作过程 |
| 2.2.3 评估流程和要求 |
| 2.3 国内外动力系统状态评估的研究现状 |
| 2.3.1 故障模式分析 |
| 2.3.2 理论方法及相关实践 |
| 2.3.3 综合应用系统 |
| 第3章 数据预处理 |
| 3.1 液体发动机实战测量数据特点 |
| 3.1.1 遥测数据简介 |
| 3.1.2 用于评估的动力参数变化分类 |
| 3.2 数据收集与整理 |
| 3.2.1 学习数据库的建立 |
| 3.2.2 去除野值的方法 |
| 3.3 数据的工作阶段划分 |
| 3.3.1 启动阶段 |
| 3.3.2 额定工作阶段 |
| 3.3.3 关机阶段 |
| 第4章 参数层级的异常检测 |
| 4.1 聚类分析 |
| 4.1.1 相似性度量选择 |
| 4.1.2 聚类框架选择 |
| 4.1.3 实验设置及结果 |
| 4.1.4 时间复杂度分析 |
| 4.2 机器学习的应用 |
| 4.2.1 对照方法 |
| 4.2.2 数据归一化 |
| 4.2.3 特征工程 |
| 4.2.4 分类模型 |
| 4.2.5 实验设置 |
| 4.2.6 结果分析 |
| 4.2.7 时间复杂度分析 |
| 4.3 迁移学习的应用 |
| 4.3.1 领域之间的相似点 |
| 4.3.2 数据归一化 |
| 4.3.3 迁移方法 |
| 4.3.4 实验设置 |
| 4.3.5 结果分析 |
| 4.4 在实际中的应用 |
| 4.4.1 应用数据库 |
| 4.4.2 信息流程 |
| 4.4.3 功能模块 |
| 4.4.4 用户界面 |
| 第5章 系统层级的故障诊断 |
| 5.1 参数之间的关系 |
| 5.1.1 顺序关系 |
| 5.1.2 构造关系 |
| 5.1.3 基于关系的诊断流程 |
| 5.2 序列模式挖掘 |
| 5.2.1 事件序列模式挖掘算法 |
| 5.2.2 时间复杂度分析 |
| 5.3 强相互关系挖掘 |
| 5.3.1 挖掘算法 |
| 5.3.2 故障模式分析算法 |
| 5.3.3 时间复杂度分析 |
| 5.4 小样本领域的问题 |
| 5.5 在实际中的应用 |
| 5.5.1 信息流程 |
| 5.5.2 功能模块 |
| 5.5.3 用户界面 |
| 第6章 结论与展望 |
| 6.1 论文的主要工作和研究结论 |
| 6.2 本文的主要创新点 |
| 6.3 进一步工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（4）考虑学习效应的多目标柔性作业车间调度问题研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多目标柔性作业车间调度研究现状 |
| 1.2.2 考虑学习效应和工人因素的柔性作业车间调度研究现状 |
| 1.2.3 柔性作业车间调度的求解方法研究现状 |
| 1.2.4 柔性作业车间动态调度研究现状 |
| 1.3 研究存在的问题 |
| 1.4 主要研究内容与论文结构 |
| 2 柔性作业车间调度相关因素分析 |
| 2.1 FJSP特征分析及性能指标体系 |
| 2.1.1 特征分析 |
| 2.1.2 性能指标 |
| 2.2 车间能耗分析 |
| 2.2.1 车间能耗分类 |
| 2.2.2 车间能耗计算模型 |
| 2.2.3 能耗优化方法 |
| 2.3 学习效应因素分析 |
| 2.3.1 制造系统的学习效应因素 |
| 2.3.2 FJSP的学习效应 |
| 2.4 本章小结 |
| 3 多目标柔性作业车间调度问题建模及求解 |
| 3.1 问题描述 |
| 3.2 柔性作业车间多目标优化模型 |
| 3.3 改进的NSGA-Ⅱ算法 |
| 3.3.1 基本概念 |
| 3.3.2 种群初始化 |
| 3.3.3 编码与解码操作 |
| 3.3.4 Pareto排序与拥挤度计算 |
| 3.3.5 选择与交叉操作 |
| 3.3.6 变异操作 |
| 3.4 算法验证 |
| 3.5 案例应用 |
| 3.6 本章小结 |
| 4 考虑学习效应的双柔性作业车间调度问题建模及求解 |
| 4.1 问题描述与工人学习效应分析 |
| 4.1.1 问题描述 |
| 4.1.2 工人学习效应分析 |
| 4.2 双柔性作业车间多目标优化模型 |
| 4.3 混合NSGA-Ⅱ算法 |
| 4.3.1 编码与解码操作 |
| 4.3.2 Pareto排序和拥挤度计算 |
| 4.3.3 选择与交叉操作 |
| 4.3.4 变异操作 |
| 4.3.5 邻域搜索 |
| 4.4 算法验证 |
| 4.5 算例应用 |
| 4.6 本章小结 |
| 5 考虑学习效应的双柔性作业车间动态调度问题研究 |
| 5.1 问题描述 |
| 5.2 双柔性作业车间动态调度策略和方法 |
| 5.2.1 动态调度策略 |
| 5.2.2 滚动窗口技术 |
| 5.2.3 问题信息更新 |
| 5.3 算例应用 |
| 5.3.1 静态调度结果 |
| 5.3.2 动态调度结果分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 附录 A 工序编码及目标值 |
| 附录 B 各动态事件的求解结果 |
| 附录 C 混合 NSGA-Ⅱ部分代码 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）分布式环境下的车载娱乐系统设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标及内容 |
| 1.4 论文结构 |
| 2 相关技术分析 |
| 2.1 异步通信 |
| 2.1.1 消息队列 |
| 2.1.2 各种消息队列产品对比 |
| 2.1.3 消息队列ZeroMQ特点分析 |
| 2.2 远程过程调用 |
| 2.2.1 远程过程调用基本原理 |
| 2.2.2 CORBA和 Web Services对比 |
| 2.3 本章小结 |
| 3 需求分析及架构设计 |
| 3.1 系统需求 |
| 3.1.1 功能性需求 |
| 3.1.2 非功能性需求 |
| 3.2 系统架构 |
| 3.2.1 逻辑架构 |
| 3.2.2 通信架构 |
| 3.2.3 系统组网 |
| 3.3 本章小结 |
| 4 系统重要模块的设计 |
| 4.1 车载系统电源状态 |
| 4.1.1 电源状态设计因素 |
| 4.1.2 电源状态定义 |
| 4.1.3 电源状态迁移 |
| 4.2 音频仲裁和声音通道管理 |
| 4.2.1 车载音源分类 |
| 4.2.2 音频仲裁设计 |
| 4.2.3 逻辑音频通道设计 |
| 4.2.4 逻辑音频通道仲裁规则 |
| 4.3 媒体播放控制 |
| 4.3.1 CSM端设计 |
| 4.3.2 HMI端设计 |
| 4.4 媒体多屏同步管理 |
| 4.4.1 多屏同步播放 |
| 4.4.2 同步播放会话 |
| 4.4.3 码流提供端 |
| 4.4.4 码流接收端 |
| 4.4.5 当前播放的音源 |
| 4.5 车载性能优化 |
| 4.5.1 系统启动性能优化 |
| 4.5.2 系统组网与数据传输 |
| 4.6 本章小结 |
| 5 系统重要模块的实现 |
| 5.1 电源状态的实现 |
| 5.2 音频仲裁的实现 |
| 5.3 媒体播放控制的实现 |
| 5.3.1 内容检索服务 |
| 5.3.2 播放控制服务 |
| 5.4 媒体多屏同步管理的实现 |
| 5.4.1 依赖的服务 |
| 5.4.2 对外接口 |
| 5.4.3 不同屏幕的播放状态迁移 |
| 5.4.4 会话状态迁移 |
| 5.4.5 多屏同步管理流程 |
| 5.5 本章小结 |
| 6 系统测试与验证 |
| 6.1 测试用例设计 |
| 6.2 故障记录 |
| 6.3 测试情况与验收结果 |
| 6.4 产品界面原型图 |
| 6.5 本章小结 |
| 7 总结和展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（6）带随机特性和有限缓存的生产系统性能建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号索引 |
| 第1章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 带随机特性的生产系统及本文研究对象 |
| 1.2.1 带随机特性的生产系统 |
| 1.2.2 本文研究对象 |
| 1.3 国内外研究现状及存在的主要问题的分析 |
| 1.3.1 生产系统中时间随机特征的研究现状 |
| 1.3.2 生产系统中设备可靠性的研究现状 |
| 1.3.3 可变服务率及其在生产系统中应用的研究现状 |
| 1.3.4 系统性能指标的研究现状 |
| 1.4 关键技术和方法 |
| 1.4.1 轮询服务系统 |
| 1.4.2 Markov链和排队论 |
| 1.4.3 拟生灭过程及矩阵几何解 |
| 1.5 论文的研究内容和创新点 |
| 1.5.1 带生产准备时间的多产品生产系统性能分析 |
| 1.5.2 带可变服务速率的多产品生产系统性能分析 |
| 1.5.3 带缓存区故障的多产品生产系统性能分析 |
| 1.5.4 带工作休假的可修复生产系统性能分析 |
| 1.5.5 带工作故障的可修复生产系统性能分析 |
| 1.6 论文的组织结构 |
| 第2章 带生产准备时间的多产品生产系统性能分析 |
| 2.1 问题的提出 |
| 2.2 系统构建和分解方法 |
| 2.2.1 系统描述 |
| 2.2.2 单产品子系统模型 |
| 2.3 系统状态转移参数的估计 |
| 2.3.1 参数t_v~i值的估计 |
| 2.3.2 转移概率(u_i)'和(u_i)"的估计 |
| 2.4 系统的QBD过程模型表示及其计算 |
| 2.5 系统多性能指标求解 |
| 2.6 数值分析与验证 |
| 2.6.1 算法实现过程 |
| 2.6.2 参数完全相同的两产品生产系统 |
| 2.6.3 多产品生产系统 |
| 2.7 本章小结 |
| 第3章 带可变服务速率的多产品生产系统性能分析 |
| 3.1 问题的提出 |
| 3.2 系统组成及问题定义 |
| 3.3 系统的QBD过程模型表示及其计算 |
| 3.4 系统性能的计算 |
| 3.5 系统性质 |
| 3.5.1 系统生产率关于生产准备时间的单调性 |
| 3.5.2 系统生产率关于正常生产阶段服务速率的单调性 |
| 3.5.3 系统生产率关于生产准备阶段服务速率的单调性 |
| 3.5.4 缓存区容量对系统生产率的影响 |
| 3.6 本章小结 |
| 第4章 带缓存区故障的多产品生产系统性能分析 |
| 4.1 问题的提出 |
| 4.2 系统组成及问题定义 |
| 4.3 系统建模与理论求解 |
| 4.3.1 系统Markov链的构建与求解 |
| 4.3.2 系统生产率的计算 |
| 4.4 系统性能分析 |
| 4.4.1 参数相同的两产品生产系统 |
| 4.4.2 一般多产品生产系统的系统性质 |
| 4.5 本章小结 |
| 第5章 带工作休假的可修复生产系统的性能分析 |
| 5.1 问题的提出 |
| 5.2 系统组成及问题定义 |
| 5.3 系统的QBD过程模型表示和计算 |
| 5.4 系统多性能指标求解 |
| 5.5 数值分析及结论 |
| 5.5.1 算例实现过程 |
| 5.5.2 敏感性分析 |
| 5.6 本章小结 |
| 第6章 带工作故障的可修复生产系统性能分析 |
| 6.1 问题的提出 |
| 6.2 系统组成及问题定义 |
| 6.3 系统的QBD过程模型表示和计算 |
| 6.4 系统多性能指标求解及其分析 |
| 6.4.1 系统性能指标的计算 |
| 6.4.2 敏感性分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 后续研究展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
| 附录B 攻读学位期间所参与的项目目录 |
| 附录C 埃尔朗-2产品生产系统中系统生产率的计算 |
（7）精确动态规划算法求解绿色单机调度问题（论文提纲范文）
| 0引言 |
| 1 问题述 |
| 2 模型建立 |
| 2.1 总碳排放量计算模型 |
| 2.2 调度优化模型 |
| 2.3 问题复杂度讨论 |
| 3 动态规划算法及策略分析 |
| 3.1 性质分析 |
| 3.2 动态规划算法 |
| 3.3 时间复杂度分析 |
| 4 仿真实验分析 |
| 4.1 现实企业案例分析 |
| 4.2 仿真算例分析 |
| 5 结论 |
（8）动态规划算法求解绿色单机调度问题（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 多转速绿色单机调度问题的研究 |
| 1.2.1 多转速绿色单机调度问题描述 |
| 1.2.2 多转速绿色单机调度问题研究概述 |
| 1.3 考虑开关机的绿色单机调度问题研究 |
| 1.3.1 考虑开关机的绿色单机调度问题描述 |
| 1.3.2 考虑开关机的绿色单机调度问题概述 |
| 1.4 分批绿色单机调度问题研究 |
| 1.4.1 分批绿色单机调度问题描述 |
| 1.4.2 分批绿色单机调度问题研究概述 |
| 1.5 动态规划算法在生产调度领域的应用 |
| 1.5.1 动态规划算法 |
| 1.5.2 动态规划算法在生产调度领域的应用 |
| 1.6 主要研究工作 |
| 第二章 动态规划算法求解多转速绿色单机调度问题 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 模型建立 |
| 2.3.1 电量计算模型 |
| 2.3.2 调度优化模型 |
| 2.4 动态规划算法及策略分析 |
| 2.4.1 性质分析 |
| 2.4.2 动态规划算法 |
| 2.4.3 时间复杂度分析 |
| 2.5 仿真实验分析 |
| 2.6 本章小结 |
| 第三章 动态规划算法求解考虑开关机的绿色单机调度问题 |
| 3.1 引言 |
| 3.2 模型建立 |
| 3.2.1 碳排放计算模型 |
| 3.2.2 调度优化模型 |
| 3.2.3 问题复杂度讨论 |
| 3.3 动态规划算法及策略分析 |
| 3.3.1 性质分析 |
| 3.3.2 动态规划算法 |
| 3.3.3 时间复杂度分析 |
| 3.4 仿真实验分析 |
| 3.4.1 现实企业案例分析 |
| 3.4.2 仿真算例分析 |
| 3.5 本章小结 |
| 第四章 动态规划算法求解分批绿色单机调度问题 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 模型建立 |
| 4.3.1 调度优化模型 |
| 4.3.2 问题复杂度讨论 |
| 4.4 动态规划算法及策略分析 |
| 4.4.1 性质分析 |
| 4.4.2 动态规划算法 |
| 4.5 仿真实验分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 A (硕士期间学术成果) |
（9）基于计算机视觉的智能车载感知系统设计实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 行车记录仪 |
| 1.2.2 交通信号灯识别 |
| 1.2.3 行人检测 |
| 1.3 论文主要内容及章节安排 |
| 1.3.1 论文主要内容 |
| 1.3.2 论文章节安排 |
| 第2章 系统方案设计 |
| 2.1 系统需求及分析 |
| 2.1.1 功能需求 |
| 2.1.2 性能需求 |
| 2.1.3 需求分析 |
| 2.2 系统设计 |
| 2.2.1 硬件结构设计 |
| 2.2.2 关键硬件选型 |
| 2.2.3 数据板卡软件设计 |
| 2.3 本章小结 |
| 第3章 关键算法研究 |
| 3.1 目标检测算法 |
| 3.1.1 传统机器学习目标检测方法 |
| 3.1.2 基于候选区域的深度学习目标检测 |
| 3.1.3 基于一体化卷积网络的目标检测 |
| 3.2 基于YOLOv3的目标检测 |
| 3.2.1 YOLOv3网络基本结构 |
| 3.2.2 改进目标检测算法设计 |
| 3.3 本章小节 |
| 第4章 系统具体实现 |
| 4.1 硬件设计 |
| 4.1.1 电源设计 |
| 4.1.2 接口设计 |
| 4.1.3 位置传感器电路设计 |
| 4.1.4 MCU电路设计 |
| 4.1.5 硬件电路板 |
| 4.2 MCU软件实现 |
| 4.3 数据板卡软件实现 |
| 4.3.1 Linux操作系统移植 |
| 4.3.2 行人闯红灯判断 |
| 4.3.3 可视化界面程序 |
| 4.4 本章小节 |
| 第5章 验证实验及结果分析 |
| 5.1 算法验证实验 |
| 5.1.1 实验环境 |
| 5.1.2 数据集 |
| 5.1.3 实验流程 |
| 5.1.4 实验结果及分析 |
| 5.2 功能验证 |
| 5.2.1 硬件电气特性验证 |
| 5.2.2 传感器数据验证 |
| 5.2.3 目标检测验证 |
| 5.2.4 上传数据验证 |
| 5.3 性能验证 |
| 5.3.1 实时性及正确性验证 |
| 5.3.2 休眠模式低功耗测试 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（10）5G网络技术对提升4G网络性能的研究（论文提纲范文）
| 引言 |
| 1 4G网络现处理办法 |
| 2 4G网络可应用的5G关键技术 |
| 2.1 Msssive MIMO技术 |
| 2.2 极简载波技术 |
| 2.3 超密集组网 |
| 2.4 MEC技术 |
| 3 总结 |
四、为何机器不能正常关机?（论文参考文献）
- [1]移动学习环境下学习专注度影响因素获取与计算方法研究[D]. 周益竹. 东北师范大学, 2021(12)
- [2]数据驱动的制造车间能耗分析及节能优化[D]. 魏宏静. 贵州大学, 2020(12)
- [3]针对航天测控任务动力系统数据的特征建模和态势评估[D]. 张晨曦. 中国科学技术大学, 2020(01)
- [4]考虑学习效应的多目标柔性作业车间调度问题研究[D]. 顾丰丰. 北京交通大学, 2020(03)
- [5]分布式环境下的车载娱乐系统设计与实现[D]. 张钰. 上海交通大学, 2020(01)
- [6]带随机特性和有限缓存的生产系统性能建模研究[D]. 杨喜娟. 兰州理工大学, 2020(01)
- [7]精确动态规划算法求解绿色单机调度问题[J]. 杨嫒,钱斌,胡蓉,祝晓红,向凤红. 控制与决策, 2021(08)
- [8]动态规划算法求解绿色单机调度问题[D]. 杨嫒. 昆明理工大学, 2020
- [9]基于计算机视觉的智能车载感知系统设计实现[D]. 冉述. 成都理工大学, 2020(04)
- [10]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)