论文部分内容阅读
随着工业化与信息化的进一步深度融合,工业生产设备逐渐向着集成复杂化和大型智能化方向发展,因此设备巡检成为保证设备安全生产必不可少的一项工作。当前巡检工作中存在执行效率较低和人为参与过多等众多问题,其中巡检路径的不合理是导致这些问题的重要因素之一。因此,需要结合巡检工作的实际情况,对巡检路径进行科学合理的规划,即利用智能算法来优化路径,这对企业高效稳定生产具有重要的实用价值。本文以设备巡检现状为研究背景,将巡检路径问题分为不考虑设备状态和考虑设备状态两种情况,研究基于改进遗传算法的设备巡检路径优化。首先,分析当前工业设备巡检的具体情况和存在问题,综述了巡检路径的相关问题和优化原则,为论文的研究工作奠定理论基础。其次,结合巡检工作的实际情况,分析研究巡检路径问题,并建立其数学模型。分析遗传算法解决路径优化问题的优缺点,提出基于多种策略改进的遗传算法求解巡检路径问题模型,采用邻域法生成初始种群,引入精英个体保留策略和进化逆转操作来提高算法性能。通过仿真比较,结果表明了改进算法计算效率较高,能够求得最优路径。再次,分析设备状态等级对巡检路径规划的影响,选出影响设备运行状态的主要因素,建立基于遗传算法优化的BP神经网络设备状态分类模型,并通过MATLAB进行建模分析和评估,验证了模型具有较好的分类效果。对路径优化问题进行分析,构建同时考虑巡检路径长度与设备状态优劣的优化目标,结合改进遗传算法进行求解。将BP神经网络的分类结果应用到路径优化算法中,MATLAB仿真结果满足了考虑设备状态巡检的路径规划。最后,分析某防爆检测中心巡检工作的实际业务需求,以软件分层式架构设计实现服务器端的巡检管理系统,将改进遗传算法融入系统,并对系统主要功能的实现进行了说明。从实际效果看,该系统操作简单、界面清晰,可以为巡检工作提供辅助决策支持。