关键词： 智能控制   计算机机箱组装   模糊控制   人工神经网络   遗传算法  

摘要： 机箱组装质量直接影响计算机制造企业的产品性能和市场竞争力。传统组装方式难以满足装配精度、生产效率和生产线柔性等复杂要求。智能控制算法凭借自适应和自优化能力,帮助用户提升生产质量与效率,解决传统装配方式的局限问题。针对计算机机箱组装过程中存在的装配精度低、生产效率不高及生产线缺乏柔性等问题,引入模糊控制算法,提高装配精度,采用人工神经网络算法,优化装配流程和参数设置,提升生产效率。利用遗传算法,优化生产调度和资源配置,增强生产线的柔性,为未来进一步的智能化装配探索可行路径。

关键词： 参芎黄连解毒颗粒   提取工艺   AHP-CRITIC混合加权法   正交试验   灰色关联度分析法   反向传播人工神经网络  

摘要： 通过比较层次分析(AHP)法、基于指标相关性的权重确定(CRITIC)法及AHP-CRITIC混合加权法以确定各评价指标权重系数,进行综合评分比较。随后采用灰色关联度法对混合加权法计算结果进行分析,而后通过构建反向传播人工神经网络(BP-ANN)模型,对提取工艺参数进行预测,优选参芎黄连解毒颗粒的提取工艺。在提取工艺中设计L9(3~4)正交试验,对提取次数、加水量及提取时间3因素3水平进行优选,选取栀子苷、小檗碱、人参皂苷Rg1+Re、人参皂苷Rb1、阿魏酸和出膏率为评价指标。最后对比正交试验法、灰色关联度法和BP-ANN法得到的最佳提取工艺结果,进行验证试验。结果显示最佳提取工艺:水提取2次,每次1 h,第一次加10倍量水,第二次加8倍量水。验证试验中各指标成分含量均值均高于正交试验均值,且综合评分较高。优选出的提取工艺参数可靠、稳定,可应用于后续的制备工艺研究。

关键词： 改进遗传算法   集装箱制造生产线   生产线布局优化  

摘要： 面对市场需求不断变化的现状,提出一种基于改进遗传算法的集装箱制造生产线布局自动优化方法。该方法以最小化物流强度和最大化生产线平衡率为优化目标,提升整体生产效益。引入自适应交叉和变异概率,增强遗传算法的全局搜索能力。通过编码的方式将生产线布局方案转化为遗传算法可处理的个体,并根据目标函数设计适应度函数,评估个体的优劣。最后在遗传算法的迭代过程中,求取最优解。实验结果表明,设计方法优化后的布局方案的物流强度相对更低、生产线平衡率相对更高,说明该布局方案更加合理。

关键词： 网络泛娱乐化   大学生   主体意识  

摘要： 网络泛娱乐化发展迅速,作为主要参与者、传播者、接受者的大学生群体“愚乐”而不自知,其在网络空间内的主体意识不断面临着挑战,主要表现为主体地位的冲击、主体选择的被动、主体判断的怀疑、主体认知的削弱。从网络泛娱乐化的作用机理出发,廓清其资本运作逻辑、信息抵达逻辑、现实呈现逻辑、价值传播逻辑,以此澄清网络泛娱乐化与大学生主体意识之间相对的立场。在网络泛娱乐化的幻象解蔽中通过个体认知的培育、数智技术的应用、网络环境的建构,呼唤“现实的人”的复归,探析网络泛娱乐化背景下大学生主体意识重塑的基本路径。

关键词： 改进遗传算法(IGA)   计算机   数学建模  

摘要： 遗传算法(genetic algorithm,GA)作为智能优化算法的重要分支,在解决复杂优化问题中展现出巨大潜力。本研究旨在探讨GA的改进方法及其在计算机数学建模中的应用。首先,从GA的基本原理和计算机数学建模的概况入手进行概述;其次,针对传统GA存在的易早熟、收敛慢等不足,提出包括选择机制改进、交叉与变异算子优化以及种群多样性保持在内的改进方法,并对改进后的遗传算法(improved genetic algorithms,IGA)进行性能评估;再次,通过线性规划问题、非线性优化问题和动态系统建模等具体案例,将IGA应用于计算机数学建模中,验证其有效性;最后,通过相关实验对改进算法的性能进行验证,研究结果表明:IGA调度方案比传统GA减少了约12%的总加工时间,比启发式方法提高了约8%的效率,并且与商业调度软件相比,虽然初始设置和调优过程更为复杂,但最终方案在成本节约上具有竞争力,证明了IGA在实际工业优化问题中的应用潜力和价值。

关键词： 协同调度   遗传算法   编排计划   装焊计划   柔性流水线车间调度  

摘要： 柔性流水生产是一种普遍存在的生产组织方式,针对甲板片体混合生产线协同调度的具体需求和甲板片体生产线智能化实现技术的应用,对其协同调度技术进行研究。从生产线相关参数、优化目标函数、生产约束条件及假设3方面进行论述,建立甲板片体生产线协同调度模型;提出一种基于改进遗传算法进行求解,采用多层编码方式,保证种群多样性,避免算法早熟;设计以最小化最大完工时间为约束的单目标改进算法,减少计算量;通过实例仿真实验,与传统人工编排进行对比,验证算法的有效性和优越性;最后利用标准生产过程信息,编制装焊计划。

关键词： 模拟退火   遗传算法   舰船编队网络   优化调度   适应性   应变能力  

摘要： 舰船编队网络是一个复杂的通信系统,为减少通信延迟,确保信息的及时传递,提高整个编队的反应速度和作战效能,提出基于模拟退火遗传算法的舰船编队网络优化调度方法。以最小通信总延迟与总能耗为目标函数,通过设置约束条件,建立舰船编队网络优化调度模型。利用模拟退火遗传算法求解调度模型,实现最小通信总延迟与总能耗的舰船编队网络优化调度。实验结果表明,应用本文方法后,舰船编队网络的通信总延迟在0~80 ms之间,能耗保持在580 kWh以下。说明本文方法可以有效提升舰船编队网络通信的稳定性和效率,显著增强了编队的作战适应性和应变能力,为海军作战和海上安全提供更为可靠的支撑。

关键词： Parameter estimation  

摘要： A kinematics calibration method of parallel mechanism based on adaptive genetic algorithm is proposed, and the 3-PURU/S parallel stabilized platform is used as the research object. The forward kinematics model of the mechanism was established by using the finite-step-integration method. The geometric error model of the mechanism was established by using the closed-loop vector equation. The error sensitivity index was established based on the error mapping matrix. The DETMAX algorithm optimized by tabu search algorithm is used to find a set of optimal pose. Using adaptive genetic algorithm as error parameter identification algorithm, the numerical simulation of the mechanism is carried out. It is found that the average error is reduced by more than 80% after kinematic calibration. Finally, the prototype of the mechanism is made for experimental verification. The results of simulation and calibration experiments show that the error calibration algorithm of parallel mechanism proposed is effective, and the error of moving platform is greatly reduced after calibration, which provides a reference for the kinematics calibration research of parallel mechanism. © 2025 Chinese Mechanical Engineering Society. All rights reserved.

关键词： LNG冷能   液化空气储能   回热式有机朗肯循环   火用）分析   经济性分析   遗传算法  

摘要： 摘 要：为了提高液化天然气(LNG)冷能利用效率以及应对常规液化空气储能(LAES)系统循环效率、发电量、使用价值低以及LNG再气化过程的持续运行与能量存储过程的高峰操作不一致的问题，构建了耦合LAES的LNG冷能集成发电系统，并对系统进行了热力学性能与经济可行性的评估。研究结果表明：以Ethane和Propane作为回热式有机朗肯循环(RORC)的循环工质可显著提升系统性能；液态空气泵出口压力、液态空气储存压力、RORC中工质气化压力、RORC1冷凝器出口LNG温度和液化空气流量对系统性能有较大影响；基于遗传算法(GA)与非支配排序遗传算法(NSGA-Ⅱ)对系统性能进行单目标与多目标优化并对多目标优化结果进行决策，优化后系统的综合性能优于近年相关研究的系统；通过净现值(NPV)分析方法证明系统具有一定的经济可行性，系统净现值可达$13.77 M，系统的初始投资成本能够在12.55年得到回收。研究成果为LNG冷能驱动的LAES集成发电系统的模型设计和高效运行提供了参考依据。

关键词： 遗传算法   堆叠算法   集成算法   负荷预测   泛化能力  

摘要： 提升建筑负荷预测模型的准确性和泛化能力，对于优化暖通空调系统运行策略、降低建筑能耗具有重要的指导作用。精准预测建筑热负荷已成为建筑节能研究中的核心问题之一。本研究提出了一种基于遗传算法（GA）与堆叠算法（Stacking）的集成算法的建筑热负荷预测方法，根据现场调研数据和模拟仿真结果建立数据集，利用最大相关最小冗余（MRMR）与主成分分析（PCA）算法确定输入参数并验证其有效性。该数据处理流程为后续建模与分析提供了可靠的数据支持。在此基础上，本研究分析了12种经典单一模型的负荷预测精度和拟合度，提出了一种基于GA-Stacking集成算法的建筑热负荷预测方法。其中，GA算法用于优化模型选择和参数调整，Stacking算法则通过结合多个基模型的输出提升预测性能。利用该集成算法对天津市某图书馆的采暖季热负荷进行了预测，并与实测数据进行了对比。结果表明，相较于12种单一模型，GA-Stacking模型的建筑热负荷预测结果的平均绝对误差（MAE）值降低了52.52，均方误差（MSE）值下降了21807.19，均方根误差变异系数(CV（RMSE）)值降低了6.98%，决定系数(R2)提高了4.2%；相较于Stacking模型，MAE值降低了13.11，MSE值减少了3525.62，CV（RMSE）值降低了1.57%，R2提升了0.68%。经过模型筛选后的集成算法在预测精度、泛化能力和稳定性方面均表现更优。