针对降低物流配送过程中产生的配送总成本和碳排放量这一研究目标,在带软时间窗和容量限制的车辆路径优化问题上,综合考虑了车辆载重、行驶速度和行驶距离等因素,提出了一种以配送总成本最低、碳排放量最少的多目标车辆路径优化模型。并对该模型设计了改进蚁群算法来求解,算法首先在初始信息素的生成和路径转移规则等环节进行了改进,然后引入新的信息素更新公式和混沌扰动机制来更新路径上的信息素,最后利用研究算例对模型和算法进行测试,结果表明多目标模型能更好的兼顾物流配送中的配送总成本和碳排放量,与经典蚁群算法相比,改进蚁群算法在配送总成本上平均节省了6.5%、碳排放量上平均节省了3.5%,验证了所提方法的有效性。

针对变分模式分解(Variational Mode Decomposition,VMD)算法在微弱特征分量按需提取方面存在的不足,提出采用广义变分模式分解(Generalized Variational Mode Decomposition,GVMD)算法提取滚动轴承故障微弱特征。GVMD算法具有优良的频域多尺度定频分解性能,算法频谱分解位置和频域分解尺度可由先验中心频率和尺度参数灵活控制,实现按需分解。仿真和实验分析结果表明,与VMD算法相比,GVMD算法能够充分利用轴承故障频率信息和带宽信息,按需准确提取轴承故障微弱特征分量;且具有较强的噪声鲁棒性。