付華偉，何小敏，許 亮,，李秀喜，黃志平

(1.廣東工業(yè)大學自動化學院，廣東 廣州 510006；2.華南理工大學化學與化工學院，廣東 廣州 510640；3.廣東振聲科技股份有限公司，廣東 梅州 514795)

基于RFID和遺傳算法的實時炸藥倉儲優(yōu)化操作*

付華偉1，何小敏1，許 亮1,3，李秀喜2，黃志平3

(1.廣東工業(yè)大學自動化學院，廣東 廣州 510006；2.華南理工大學化學與化工學院，廣東 廣州 510640；3.廣東振聲科技股份有限公司，廣東 梅州 514795)

針對炸藥倉儲過程管理的優(yōu)化問題，提出基于RFID和遺傳算法的在線炸藥倉儲優(yōu)化操作方法，使炸藥倉儲管理過程更具高效化、信息化、安全化和智能化。利用RFID技術實時獲取炸藥倉庫信息，提出了炸藥倉庫庫位分區(qū)策略。通過對炸藥倉儲工作特點及要求分析，建立炸藥倉儲的優(yōu)化數(shù)學模型，并運用遺傳算法求解模型得到優(yōu)化解。實驗仿真結果表明，該方法能夠提高倉庫的空間利用率，優(yōu)化炸藥存取過程的行走路徑，較好地解決了受炸藥有效期等約束的優(yōu)化操作問題。

炸藥倉儲；無線射頻識別技術；庫位分區(qū)；遺傳算法

1 引言

隨著我國經(jīng)濟建設的快速發(fā)展，工業(yè)炸藥的需求量大大增高，民爆行業(yè)伴隨著這種需求得到較大發(fā)展。文獻[1]指出，由于民爆行業(yè)的特殊性，出于多種因素考慮，該行業(yè)一直受到監(jiān)管部門的嚴格控制，在炸藥的倉儲管理方面更是有著嚴格要求。而在炸藥倉儲管理中貨位的分配及優(yōu)化問題一直是一個急需解決的難題。高效的貨位動態(tài)分配優(yōu)化算法將提升企業(yè)在炸藥倉儲管理方面的效率。實時貨位優(yōu)化分配對降低倉庫中貨品搬運的成本、提高倉庫的空間利用率及貨品出入庫的效率具有非常重要的現(xiàn)實意義。

炸藥作為一種特殊物品，在倉儲過程中存在一些特殊要求，目前關于炸藥倉儲研究并不多。李宇等[2]提出了RFID(Radio Frequency IDentification)技術在雷管產(chǎn)品安全管理中的應用。陳媛等[3]研究了基于RFID和GPRS( General Packet Radio Service)技術的危險品物流系統(tǒng)模型研究。炸藥的倉儲是一個復雜貨物存取過程，屬于組合優(yōu)化問題，炸藥包裝過程中不同規(guī)格炸藥裝箱質(zhì)量是相同的，同種規(guī)格炸藥存取量大，對于相同規(guī)格和相同生產(chǎn)日期的炸藥要考慮集中存放。針對上述問題，本文首先利用RFID技術獲得炸藥倉庫的實時信息；然后對倉庫進行分區(qū)處理；最后利用遺傳算法求解優(yōu)化模型，實現(xiàn)炸藥倉儲操作優(yōu)化。

2 問題提出

炸藥產(chǎn)品在生產(chǎn)、流通和使用過程中，都需要臨時存放到倉庫。炸藥產(chǎn)品進出倉庫時，同時有多種因素需要考慮：

(1)炸藥的有效性問題。在倉庫存放的炸藥時間不易太長，如果超過一定時間，此類產(chǎn)品就需要優(yōu)先出庫，即炸藥產(chǎn)品出入庫應該遵循先入先出的原則。

(2)如果生產(chǎn)的炸藥超過庫存容量，就需先把舊的炸藥產(chǎn)品出庫，然后再入庫新產(chǎn)品，這就是操作上的倒庫。

(3)為了便于取貨，把出入庫頻率高的炸藥放在距離出入庫口較近的地方。

為簡化問題，現(xiàn)在考慮一個倉庫的存儲操作，最主要的參數(shù)是炸藥的規(guī)格、入庫的時間、每種規(guī)格炸藥的出入頻率以及行走路徑長度。優(yōu)化的目標是：先入庫先出庫、出入庫頻繁的炸藥盡量靠近出入庫口，盡量縮短行走路徑。本文采用基于遺傳算法的權重系數(shù)變換法解決貨位動態(tài)分配優(yōu)化問題。

3 炸藥倉庫優(yōu)化操作計算模型

以前，工業(yè)炸藥倉庫的管理都是依賴于人工經(jīng)驗，存在工作效率低下、工人勞動強度大、倉庫資源管理沒有預見性等問題。針對這些問題，炸藥倉庫可利用RFID技術對炸藥產(chǎn)品實行跟蹤、定位，采用RFID對貨品的各種相關信息進行記錄，使倉庫管理系統(tǒng)具備了可實時查詢和定位貨品的功能，克服了出入庫管理和盤點困難的缺點。同時，由于獲得了炸藥存儲的實時信息，也為采用一些優(yōu)化策略實現(xiàn)對倉儲資源管理的優(yōu)化決策提供可能，以實現(xiàn)對庫位的優(yōu)化分配。

張海軍等[4,5]指出炸藥倉庫常用的貨位分配策略有多種，分類隨機存儲是其中的一種。該分配策略的特點是每一種貨品有固定的存放區(qū)域，但在存放區(qū)域內(nèi)貨位的分配是隨機的，優(yōu)點是提高貨位使用效率，缺點是出入庫管理和盤點困難,圖1為炸藥倉庫平面示意圖。

Figure 1 Schematic diagram of warehouse storage圖1 倉庫存儲示意圖

由文獻[6]可知，本文采用分類隨機存儲的方法，利用RFID技術獲得炸藥倉庫的實時信息，然后利用遺傳算法對這些數(shù)據(jù)信息進行處理，可以實現(xiàn)對炸藥倉庫庫位的優(yōu)化分配。

具體庫位分區(qū)策略如下：

步驟1根據(jù)炸藥的種類確定分區(qū)數(shù)目(例如有k種規(guī)格的炸藥就把倉庫分成k個區(qū))。設倉庫貨位的長寬均勻，分別用a和b表示，倉儲作業(yè)人員從原點(倉庫的出入口)到某一貨位的距離為dpq(貨位在p行、q列)，所需時間為tpq，其中p、q為貨格編碼號。設某一時間值t(t為每個庫區(qū)內(nèi)行走標準時間，t的大小與分區(qū)數(shù)目有關),v為送貨車輛行走速度，在水平方向和垂直方向相同。如果p行、q列貨位滿足下面公式(1)～公式(3)，則此貨位位于k區(qū)：

(1)

(2)

(3)

步驟2經(jīng)過步驟1得到的分區(qū)，可能各個區(qū)所包含的貨位數(shù)目不相等。如果各區(qū)的貨位數(shù)相差很大則需進行修正，修正的原則是“就近取多補少”，即如果某個區(qū)貨位數(shù)較少，則從含貨位數(shù)較多的相鄰區(qū)取貨位。

步驟3炸藥的種類等于庫區(qū)數(shù)目，計算出每種規(guī)格炸藥的出入庫頻率。

步驟4建立權值矩陣，單位時間內(nèi)送貨車輛取放某種規(guī)格炸藥的工作量與該貨物的出入庫頻率、炸藥存放的位置有關，將該貨物的出入庫頻率乘以倉儲作業(yè)人員到達存放位置所用時間作為權值因子，即：

(4)

其中，fk表示k區(qū)中的炸藥出入庫頻率(這里的出入庫頻率指的是這個區(qū)中的炸藥出入庫頻率)，sj表示倉儲作業(yè)人員從原點到j區(qū)取放的距離(sj為j區(qū)所有貨位到倉庫出入口距離之和的平均值)。

考慮到倉庫中保存時間不同的炸藥要放在不同的位置,因此還要考慮炸藥的出入庫頻率及貨物保質(zhì)期問題。我們把分成的k個區(qū)中每個區(qū)里炸藥的保存時間記為Pk，因此可以得到一個炸藥存儲過程中的綜合影響因子Wkj：

(5)

經(jīng)過以上處理，炸藥存放變?yōu)橐粋€區(qū)內(nèi)放入一類炸藥，某一類炸藥放入一個區(qū)后就不能再放入其他區(qū)，某一區(qū)放入一類炸藥后也不能再放其他類的炸藥，即變成為0-1指派問題，其數(shù)學模型如下:

目標函數(shù)：

(6)

約束條件：

(7)

(8)

其中,Xkj=1or0,k=1, 2,…,n；j=1, 2,…,n，n表示倉庫分成的分區(qū)數(shù)，Xkj=1時k區(qū)放入j 類炸藥，約束條件(7)表示一個區(qū)內(nèi)只能放一類炸藥，約束條件(68)表示一類炸藥只能放在一個區(qū)內(nèi)。

4 炸藥倉儲優(yōu)化操作算法

基于遺傳算法的炸藥倉儲優(yōu)化算法如下所示：

步驟1編碼。

由文獻[7,8]可知，遺傳算法應用的瓶頸之一是編碼問題，本方案中采用實數(shù)編碼順序表達法。如果倉庫分為15個區(qū)、存放15類規(guī)格的產(chǎn)品，采用順序表達法時的某個染色體為[3 4 2 5 1 6 10 14 12 11 9 8 7 15]，該染色體表示第1個區(qū)放第3類炸藥產(chǎn)品，第2個區(qū)放第4類炸藥產(chǎn)品，依次類推。

步驟2適應度函數(shù)。

因為目標函數(shù)值為最小化問題，文中采用“限界構造法”，用一個適當?shù)闹礳max減去目標函數(shù)值。如貨位分成n個區(qū)時， 適應度函數(shù)Fit(f(x))表示如下：

(9)

步驟3初始種群。

初始種群的產(chǎn)生和選擇機制，根據(jù)分區(qū)的數(shù)目確定染色體的長度，初始種群的大小根據(jù)分區(qū)數(shù)目大小確定一個合適的值。假如分區(qū)數(shù)為15，即染色體長度為15，則可以選取產(chǎn)生初始種群數(shù)為40。選擇過程采用轉(zhuǎn)輪選擇機制，適應度函數(shù)采用一個適當?shù)闹礳max減去目標函數(shù)值。

步驟4遺傳算子交叉。

采用基于庫區(qū)序列的編碼，若使用單點交叉、雙點交叉或多點交叉等常規(guī)方法，將會出現(xiàn)非法的染色體。為此，本文采用順序交叉構建上述編碼的交叉算子，染色體長度為15時交叉過程如下：

(1)在父代1(parent1)和父代2(parent2)中分別隨機選擇一段基因串(selectedsubsequence)，將這兩段基因串復制到父代2和父代1的前面，于是得到兩個新的染色體(parent12和parent21)。

(2)分別刪除parent12 和parent21自添加了selectedsubsequence后重復的基因，得到所需的兩個子代(offspring1和offspring2)。

步驟5變異。

變異算子主要有倒位、插入、移位、互換等。這里采用簡單的互換操作，即首先在父體中隨機地選擇兩個基因位，然后將該兩點的基因進行交換。例如，有父體(5 9 10 1 2 3 4 6 7 | 8 11 12 13 | 14 15)，染色體截斷位置如串中的‘|’所示，則將7和14交換，交換后的后代為(5 9 10 1 2 3 4 6 14 8 11 12 13 7 15)。

5 實驗及結果分析

5.1 問題描述

某乳化炸藥倉庫有8行16列10層共1 280個庫位，如圖1所示(距離裝卸口最近的為第1行，從上往下依次為1到16列)。本文對炸藥倉庫分區(qū)優(yōu)化只考慮倉庫的行和列，不考慮倉庫庫位的層數(shù)(同種規(guī)格炸藥考慮集中存放，不同規(guī)格炸藥裝箱質(zhì)量相同，因此對貨架高度影響不明顯)。然后開始對倉庫進行分區(qū)，分區(qū)時遵循上文中的一些分區(qū)原則。

假設該倉庫中存儲的乳化炸藥規(guī)格有15種，直徑分別為16mm、32mm、50mm、60mm、70mm、80mm、90mm、100mm、110mm、120mm、130mm、140mm、150mm、160mm和180mm，把這15種規(guī)格的炸藥分成15類，每種規(guī)格為一類，分別編號1～15。因此，倉庫也要分成15個區(qū)，編號1～15。由于每類炸藥的保存時間長短不同，每類炸藥的保存時間用Pk表示，單位為月。每類炸藥的出入庫頻率為fk，單位為噸(計算每天出入庫量)。各個區(qū)距離出入口的平均距離為sj，單位為米(每個分區(qū)距離出入口距離)。根據(jù)上面的步驟以及實際情況得出保存時間系數(shù)Pk、出入庫頻率fk、各庫區(qū)離出入口的距離sj；經(jīng)計算統(tǒng)計分析出Pk、fk的值如表1所示。

Table 1 Save time of different explosive Pk andthe frequency of the ins and outs fk表1 不同規(guī)格的炸藥對應的保存時間Pk以及出入庫頻率fk

sj(j=1..15)取值為14;23;28;33;36;40;43;46;49;53;56;66;67;71;80;然后，把保存時間系數(shù)Pk、出入庫頻率fk和各庫區(qū)距離出入口的距離sj代入公式(7)和公式(8)表示的式兩個約束條件中。Poon T C等[9]指出，遺傳算法最終尋優(yōu)結果和它的交叉率和變異率有著緊密的聯(lián)系，所以要采用不同交叉率、變異率組合，判斷在不同的交叉率和變異率時遺傳算法尋找到的目標函數(shù)最優(yōu)值。

5.2 實驗仿真

本文采用Matlab 7.1根據(jù)實際的情況進行四組比較：交叉率Pc=0.8，變異率Pm=0.2；交叉率Pc=0.8，變異率Pm=0.1；交叉率Pc=0.9，變異率Pm=0.2；交叉率Pc=0.9，變異率Pm=0.1。

(1)當Pc=0.8，Pm=0.2，MAXGEN=200時實驗結果如下:得出一條最優(yōu)的染色體Chrom=(15 10 12 13 14 6 8 4 9 11 2 7 1 5 3)，即15類炸藥放入15個庫區(qū)的順序是，第一個庫區(qū)放第15類炸藥，第二個庫區(qū)放第10類炸藥，以此類推。同時，可以得出一個目標函數(shù)最優(yōu)值Y=15333，如圖2所示。

Figure 2 Optimal solution of the objective function and performance tracking with Pc=0.8 and Pm=0.2圖2 Pc=0.8,Pm=0.2時目標函數(shù)最優(yōu)解及性能跟蹤

(2)當Pm=0.8,Pc=0.1,MAXGEN=200時實驗結果如下：得出一條最優(yōu)的染色體Chrom=(15 12 11 13 14 3 9 5 8 10 2 7 1 6 4),即15類炸藥放入15個庫區(qū)的順序是,第一個庫區(qū)放第15類炸藥，第二個庫區(qū)放第12類炸藥，以此類推。同時，可以得出一個目標函數(shù)最優(yōu)值Y=15329，如圖3所示。

Figure 3 Optimal solution of the objective function and performance tracking with Pc=0.8 and Pm=0.1圖3 Pc=0.8,Pm=0.1時目標函數(shù)最優(yōu)解及性能跟蹤

(3)當Pm=0.9,Pc=0.2,MAXGEN=200時實驗結果如下：得出一條最優(yōu)的染色體Chrom=(15 11 12 13 14 5 9 3 7 10 2 8 1 6 4)，即15類炸藥放入15個庫區(qū)的順序是,第一個庫區(qū)放第15類炸藥，第二個庫區(qū)放第11類炸藥，以此類推。同時，可以得出一個目標函數(shù)最優(yōu)值Y=15309，如圖4所示。

Figure 4 Optimal solution of the objective function and performance tracking with Pc=0.9 and Pm=0.2圖4 Pc=0.9,Pm=0.2時目標函數(shù)最優(yōu)解及性能跟蹤

(4)當Pm=0.9,Pc=0.1,MAXGEN=200時實驗結果如下：得出一條最優(yōu)的染色體Chrom=(15 10 11 12 14 6 9 5 7 13 1 4 2 8 3)，即15類炸藥放入15個庫區(qū)的順序是,第一個庫區(qū)放第15類炸藥，第二個庫區(qū)放第10類炸藥，以此類推。同時，可以得出一個目標函數(shù)最優(yōu)值Y=15528，如圖5所示。

Figure 5 Optimal solution of the objective function and performance tracking with Pc=0.9 and Pm=0.1圖5 Pc=0. 9,Pm=0.1時目標函數(shù)最優(yōu)解及性能跟蹤

5.3 實驗結果分析

在Matlab7.1下運行時，上面四組實驗在尋優(yōu)到最優(yōu)結果的時間都很短，可以忽略不計，所以不考慮運行時間的影響，現(xiàn)在只考慮目標函數(shù)最優(yōu)值Y。從圖2～圖5可以看出，每次進化不到200代時就可以尋優(yōu)到最優(yōu)解，把最大進化代數(shù)定為MAXGEN=200，同時選取的代溝GGAP=0.9。通過對不同的Pc、Pm取值，對目標函數(shù)值Y進行比較，比較結果如表2所示。

Table 2 Different crossing rate and mutation ratecorrespond to the objective function value表2 不同交叉率、變異率對應目標函數(shù)值

從表2可以看出，在交叉率Pc=0.9、變異率Pm=0.2的情況下，遺傳算法找到最優(yōu)解值15 309，這時對應的染色體為Chrom=(15 11 12 13 14 5 9 3 7 10 2 8 1 6 4)，即分好的15類炸藥放入對應的15個區(qū)的順序為，第一類炸藥放入第15區(qū)，第三類炸藥放入第12區(qū)，這樣以此類推，把15類炸藥放入對應的15個區(qū)中。這15類炸藥分別代表15種規(guī)格的炸藥，這樣就可以優(yōu)化出15種規(guī)格炸藥分別放入15個庫區(qū)的順序，即直徑分別為16 mm、32 mm、50 mm、60 mm、70 mm、80 mm、90 mm、100 mm、110 mm、120 mm、130 mm、140 mm、150 mm、160 mm、180 mm的炸藥分別放入15、11、12、13、14、5、9、3、7、10、2、8、1、6、4區(qū)。

根據(jù)上文中的公式(1)～公式(3)式可以確定每個分區(qū)包含的庫位在平面上所在的具體行和列，例如，圖1中距離出入口最近的為1區(qū)，距離出入口最遠的為15區(qū)，1區(qū)和15區(qū)的每個庫位在圖1中的位置用行和列標注出來，如庫位(2,1)表示第2行第1列。根據(jù)分析認為16 mm規(guī)格的炸藥放在15區(qū)，150 mm規(guī)格的炸藥放在第1區(qū)。

從實驗分析上來看，利用遺傳算法能夠為每種規(guī)格的炸藥快速地找到對應的庫位分區(qū)，使同種規(guī)格的炸藥能夠集中存儲在同一庫區(qū)，同時滿足出入庫頻率高的炸藥存儲在離倉庫口近的位置原則。

6 結束語

本文通過對炸藥倉儲工作特點及要求分析，建立了炸藥倉儲的優(yōu)化數(shù)學模型，最后以某乳化炸藥倉庫為例，運用本倉庫現(xiàn)有炸藥倉儲過程中的一些實際參數(shù)，用遺傳算法對模型進行求解。實驗仿真結果驗證該方法的可行性，能夠在一定程度上提高倉庫的空間利用率，優(yōu)化炸藥存取過程的行走路徑，較好地解決了受炸藥有效期等約束的優(yōu)化操作問題。本文研究中數(shù)據(jù)規(guī)模較小，隨著數(shù)據(jù)規(guī)模的擴大將出現(xiàn)組合爆炸，利用遺傳算法高效隨機搜索與高效并行更能體現(xiàn)優(yōu)越性。本文在考慮炸藥倉儲路徑時只考慮了一個炸藥倉庫在二維平面上的路徑，對于多倉庫三維空間炸藥倉儲優(yōu)化問題有待進一步研究。

[1] Sun Yong-bo,Zhong Feng.Current situation and development prospects of production equipment of emulsion explosives[J]Blasting,2010, 27(3):94-96.(in Chinese)

[2] Li Yu.RFID technology in detonator product safety steward of the application of the principle[D].Beijing:Beijing University of Science and Technology,2008.(in Chinese)

[3] Chen Yuan, Zhang Jing, Huang Li-feng. Study on dangerous goods logistics model based on RFID and GPRS[J]. Packaging Engineering, 2008,29(5):78-80.(in Chinese)

[4] Zhang Hai-jun,Yue Pu-xiu,Zhu Jie.A realization of optimal order-picking for irregular multi-layered warehouse[C]∥Proc of International Seminar on Business and Information, 2008:28-32.

[5] Zhang Hai-jun,Liu Bing-wu.A new genetic algorithm for order-picking of irregular warehouse[C]∥Proc of International Conference on Environmental Science and Information Application Technology, 2009:121-124.

[6] Zhang G Q, Lai K K.Combining path relinking and genetic algorithms for the multiple-level warehouse layout problem[J]. European Journal of Operational Research, 2004,29(9):413-425.

[7] Lam C H Y, Choy K L,Ho G T S.A hybrid case—GA-based decision support model for warehouse operation in fulfilling cross-border orders[J]. Expert Systems with Applications, 2012,39(8):7015-7028.

[8] Pang Long,Lu Jin-gui.Order picking optimization of automated warehouses based on the colony genetic algorithm[J].Computer Engineering & Science,2012,34(3):148-151.(in Chinese)

[9] Poon T C, Choy K L,Chan F T S, et al. A real time warehouse operation planning system for small batch replenishment problems in production environment[J].Expert Systems with Applications, 2011,38(1):8524-8537.

附中文參考文獻：

[1] 孫永波,仲峰.乳化炸藥生產(chǎn)設備現(xiàn)狀與發(fā)展方向[J].爆破,2010,27(3):94-96.

[2] 李宇.RFID技術在雷管產(chǎn)品安全管理中的應用[D].北京:北京理工大學,2008.

[3] 陳媛,張靜,黃麗豐.基于RFID和GPRS技術的危險品物流系統(tǒng)模型研究[J].包裝工程,2008,29(5),78-80.

[8] 龐龍,陸金貴.基于蟻群遺傳算法的自動化立體倉庫揀選路徑優(yōu)化[J].計算機工程與科學,2012,34(3):148-151.

FUHua-wei,born in 1987,MS candidate,his research interests include intelligent control, and information processing technology.

何小敏(1961-),女,廣東廣州人，碩士，副教授，研究方向為計算機應用和物聯(lián)網(wǎng)技術。E-mail:teacher_smc@163.com

HEXiao-min,born in 1961,MS,associate professor,her research interests include computer application, and Internet of things technology.

許亮(1971-),男,甘肅白銀人，博士，講師，研究方向為RFID及無線傳感器網(wǎng)絡。E-mail:celiangxu@gdut.edu.cn

XULiang,born in 1971,PhD,lecturer,his research interests include RFID and wireless sensor network.

李秀喜(1966-),男,湖南吉首人，博士，副研究員，研究方向為化工過程的控制與優(yōu)化。E-mail:cexxli@scut.edu.cn

LIXiu-xi,born in 1966,PhD,associate research fellow,his research interest includes chemical process control and optimization.

黃志平(1958-),男,廣東梅州人，高級工程師，研究方向為民爆器材行業(yè)信息化。E-mail:490659481@qq.com

HUANGZhi-ping,born in 1958,senior engineer,his research interest includes the industrial equipment industry informatization.

Aoptimizedreal-timeoperationforexplosivesstoragebasedonRFIDandgeneticalgorithm

FU Hua-wei1，HE Xiao-min1，XU Liang1,3，LI Xiu-xi2,HUANG Zhi-ping3

(1.Faculty of Automation,Guangdong University of Technology,Guangzhou 510006;2.School of Chemistry and Chemical Engineering,South China University of Technology,Guangzhou 510640;3.Gaungdong Zhengsheng Science and Technology Co. Ltd.,Meizhou 514795,China)

Aiming at optimization problems of management of explosive storage, an optimized on-line operation method of explosives storage based on the Radio Frequency IDentification (RFID) technology and genetic algorithm is proposed, making management of explosives storage more efficient, informatization, secure, intelligent. The information of explosives warehouse are acquired by RFID real-time technology, and an assignment strategy for location of explosive warehouse is proposed. The mathematical model of explosives storage optimization is constructed through analyzing operation characteristics of explosives storage and requirements, and the complicated model is solved by the genetic algorithm. The simulation results show that the proposed method can improve utilization rate of warehouse space, and optimize the walking path in the process of taking and putting the explosives, as well as solve the operating problems under the constraint condition, such as a validity of explosives.

explosives storage;radio frequency identification technology;storage location assignment;genetic algorithm

2012-08-13;

：2012-12-04

國家科技支撐計劃課題(2012BAK13B02)；廣東省重大科技專項(2012A080104012)；廣東省綠色化學產(chǎn)品技術重點實驗室項目

1007-130X(2014)02-0286-06

TP273.4

：A

10.3969/j.issn.1007-130X.2014.02.016

付華偉(1987-),男,河南信陽人，碩士生，研究方向為智能控制和信息處理技術。E-mail:328341683@qq.com

通信地址：510006 廣東省廣州市廣州大學城外環(huán)西路100號廣東工業(yè)大學工學二號館自動化學院309室Address:Room 309,Faculty of Automation II Pavilion,Guangdong University of Technology,100 Outer Ring Rd West,Guangzhou University City,Guangzhou 510006,Guangdong,P.R.China