关键词： 浮标布阵   优化   遗传算法   神经网络   搜潜概率  

摘要： 声纳浮标是航空搜潜的一种最主要手段，最优的声纳浮标阵型将提高反潜机搜潜效率。传统的声纳浮标折线拦截阵存在搜索概率低、搜索效能低的问题，基于此，本文使用遗传算法优化的反向传播（Back Propagation，BP）神经网络对传统的浮标折线拦截阵进行优化。并针对BP神经网络的固有问题进行了改进：其一是用动态调整的学习率来解决固定学习率的问题，并对其损失函数进行改进；其二使用遗传算法来优化BP神经网络，解决BP神经网络初始权重和阈值随机的问题。最后，将本文方法与传统遗传算法优化浮标折线阵及传统浮标折线阵方法进行了对比，仿真结果表明本文方法不但提高搜索概率，同时规划的浮标折线拦截布阵时间大大缩减，即基于GA-BP的浮标折线拦截阵布阵规划方法可有效提高搜潜效能。

关键词： 四足机器人   八连杆腿部机构   足端最大工作空间   结构设计   尺寸优化   动力学分析   运动学分析  

摘要： 针对四足机器人运动性能与能量效率优化的问题，创新性地设计了一种八连杆腿部机构，并对其开展了系统的建模分析与优化研究。首先，基于经典机构运动学和拉格朗日动力学理论体系，构建了该腿部机构的运动学与动力学模型，为后续的结构优化设计提供了坚实的理论依据；同时，借助ADAMS多体动力学仿真平台，对理论模型进行了数值仿真与验证，通过对比仿真结果与理论计算结果，确保了模型的高置信度和可靠性；然后，基于多目标优化理论，建立了以单周期能量消耗最小化和足端工作空间最大化为目标的数学模型，并采用改进的遗传算法对机构的尺寸参数进行了优化设计，通过构建Pareto最优解集，深入探究了杆件结构参数与运动性能指标、能量效率之间的映射关系；最后，利用数值仿真实验平台，对优化前后的机构性能进行了量化评估与对比分析。研究结果表明：优化设计方案显著提升了机构的运动性能与能效特性，在单目标优化模式下，足端工作空间扩展率达4.70%，同时单周期能量消耗降低了33.27%；在多目标优化方案中，足端工作空间提升了2.30%，且能量消耗减少了20.80%；这些数据验证了该优化方法的有效性。该成果可为新型四足机器人腿部机构的设计优化提供理论支撑，也可为高性能腿式机器人的开发积累工程实践经验。

关键词： 钻进参数   层状岩体   界面识别   K-means算法   遗传算法  

摘要： 在采矿工程中，钻爆法是一种广泛应用的开挖技术，岩体的结构面直接影响着爆破应力波的传播和衰减，准确高效的岩层界面位置获取对钻爆法作业效率和安全开展具有重要意义。依托自主研发的室内数字钻进试验平台，对分层类岩石试件进行切削钻孔试验，获取钻进工作参数和振动响应信号，基于GA-K-means算法建立以层状岩体界面识别为目标的预测模型，并采用CH指数作为适应度指标，提升模型全局搜索能力。通过对比分析，钻进振动响应和钻进工作参数的累计误差最小分别2.02 mm和6.08 mm，前者较后者对岩层变化更为敏感，岩层界面识别效果更好。钻进参数因钻头破岩不均易产生较大偏差，振动响应信号受岩层强度变化影响显著，预测界面位置位于实际界面之前，揭示了其超前预测潜力。提出了一种基于特征加权和聚类分析的方法，以提高岩层界面识别的准确性和效率，与K-means算法相比，GA-K-means算法识别精度提升了31%以上。结果表明：GA-K-means岩层界面识别模型能够有效地从复杂钻进参数中提取出关键岩层信息，为地质勘探提供重要参考。

关键词： 微敞开体系   快速全消解   ICP-MS   总砷   土壤   多元素同测  

摘要： 利用本课题组研发的一种新型消化管，探索了一种土壤总砷测定的微敞开体系快速全消解前处理方法，并将该方法与传统前处理方法-王水水浴法（GB/T 22105.2-2008）进行对比.结果显示，8种国家土壤标准物质经过王水消解后提取的砷含量符合标准参考值范围，但仅为快速全消解法测定的总砷含量的31.2%-60.2%.快速全消解法测定的砷含量基本相当于王水消解后溶液的砷含量与残渣中砷含量的总和.该结果表明王水消解后仍然有大量砷残留在未完全消化的土壤残渣中，王水水浴法提取的砷并非土壤中的"总砷".通过美国土壤标准物质SRM 2710a验证，微敞开体系快速全消解法能满足土壤"总砷"日常检测需求，配合ICP-MS的使用可以实现土壤中"总砷"与其他元素一次消解同时检测.

关键词： 出砂量预测   气固两相流   人工神经网络   灰狼算法  

摘要： 随着全球石油和天然气行业的快速发展和需求增长，出砂问题对设备和管道的影响显著，导致生产效率下降和安全风险增加。为准确预测出砂量，降低油气开采风险和成本，提出一种基于灰狼优化算法（GWO）和人工神经网络（ANN）结合的出砂量预测模型。针对传统模型误差较大的问题，提出的GWO-ANN出砂量预测模型通过灰狼优化算法优化神经网络的权重和偏差，可提高模型的预测精度和鲁棒性。在实验设计部分，通过振动传感器采集气-砂两相流的出砂信号，并利用希尔伯特-黄变换（HHT）分析出砂信号的频带特征，用有限冲激响应（FIR）滤波器对噪声进行滤除。使用主成分分析（PCA）方法减少信号特征的复杂度，将主要特征输入GWO-ANN模型进行训练和预测。实验结果显示，GWO-ANN模型在测试集上最大相对误差较小，表明GWO-ANN模型能够有效地监测出砂量，具有较高的准确性和可靠性。

关键词： 神经网络   位置预测   遗传算法   颗粒流   离散单元法  

摘要： 针对离散单元法的风沙颗粒流模拟需要大量的计算成本以及无法准确捕捉多尺度颗粒动态非线性过程的问题,提出基于遗传算法改进的BP神经网络预测颗粒位置的方法。首先通过提取颗粒堆积仿真模拟的物理特征构建神经网络数据集,然后提出基于GA-BP神经网络的颗粒位置预测模型。结果表明:GA-BP神经网络在在x方向和y方向位置预测的运行时间分别为13.02 s和25.79 s,均低于DEM数值模拟运行时间9 361 s;GA-BP神经网络RRMSE值分别为0.003 2和0.004 3,RMAPE值分别为1.208 6%和0.848 0%,优于改进前的BP神经网络;GA-BP神经网络模拟的预测孔隙率与DEM差值为4.47%、0.08和1.26%,坡度预测差值为1.53%,平均绝对值误差(RMAE)为1.83%,验证了模型的精准能力。因此,GA-BP预测模型能够降低时间成本以及捕捉动态颗粒流的非线性以及多尺度过程。

关键词： 知识图谱   知识抽取   知识表示   知识推理   有色冶金  

摘要： 金属的回收和利用是冶金工业的核心活动，也是现代工业发展的关键战略资源.在冶炼过程中产生的大量数据对优化生产流程和提高资源利用率至关重要.然而，许多企业仍采用传统的关系型数据库存储这些数据，导致数据冗余和利用效率低下.与以往的综述文献相比，系统梳理了近年来冶金领域数据治理的研究进展，并以铝硅合金数据集的构建为例，探讨了知识图谱技术在冶金数据管理中的创新.在技术层面，通过知识抽取、融合和加工的三维架构，构建了面向冶金流程的领域数据集和知识体系；在应用层面，利用图数据库的关联推理能力，突破了不同部门和工序之间的信息壁垒，实现了资源共享.研究发现，冶金知识图谱的构建仍面临领域本体缺失、多源数据对齐困难等挑战.此外，现有研究多集中在单一工序环节，缺乏全产业链的知识贯通.未来的研究应着重突破动态知识更新机制，并提出基于自动化的推理模型，以推动冶金工业向认知智能阶段迈进.

关键词： 能见度   遗传算法   BP神经网络  

摘要： 由于雾霾导致的空气能见度降低,给人们的出行带来很多不便。针对这一现象,构建基于遗传神经网络算法的空气能见度预测模型。将与空气能见度相关的7种气象因子和6种污染物浓度因子经过主成份分析后作为输入数据,输出8:00能见度和14:00能见度。该模型能够克服BP神经网络易陷入平坦区域和局部最优解的问题。以西安市2013-1-1—8-16的数据训练遗传神经网络,通过使用灰色模型获得预测时间段8-17—23的输入数据,可以得到这段时间能见度的预测值。通过与BP神经网络模型的比较,发现遗传神经网络预测模型在预测结果的相关性和绝对误差方面均优于BP神经网络模型,因此,可以更准确地预测空气能见度。

关键词： 空气质量评价   评价指数   遗传算法   参数优化   Г型分布函数  

摘要： 在设定各项空气污染物的浓度“参照值”基础上，提出了一个适用于多项空气污染物的Г型分布空气质量评价普适指数公式。采用基于实数编码的遗传算法对公式中的参数优化，得出优化后适用于多项空气污染物的空气质量评价普适指数公式。公式被应用于多个实例分析计算，并与其他若干评价方法评价结果相比较，结果表明，该公式不受空气污染物种类和数目多少的限制。公式形式简单，计算快速，具有可比性、通用性和实用性。