关键词： 激光星间链路   GNSS   混合星间链路   遗传算法   粒子群优化  

摘要： 随着星间链路技术的发展，激光星间链路以其独特的优势得到了广泛的关注。相比现有的全球导航卫星系统（GNSS）采用的微波星间链路，无论在测距精度还是通信带宽上，以激光为媒介的星间通信更具优势。因此，在下一代GNSS建设中，系统组网方式将从全微波星间链路转变为以激光星间链路为主。然而，在系统过度阶段，即“局部激光+微波”，局部高速激光节点的部署是亟需解决的关键技术问题。为了解决上述问题，提出了一种提出了一种基于带精英策略的非支配排序遗传算法的多目标离散二进制选择算法（M-DBSA）来选择高速激光节点。首先，基于星间几何约束和天线俯仰角约束分析，建立了一个高中低星间可视性模型。其次，为了提升混合体制GNSS星间链路通信能力，采用M-DBSA得到优化的联合策略。最后，相比于所对比的算法，实验结果表明所提出的算法能进一步提升激光骨干节点对低轨卫星的覆盖性，缩短高速激光骨干节点对低轨卫星的重访时间约49%，并且保持了较好通信跳数分布。

关键词： 深度学习   计算机视觉   智能安防   系统架构   公共安全  

摘要： 在智能化发展浪潮下，深度学习与计算机视觉技术为智能安防提供了新方向。文章首先阐述了深度学习核心算法与计算机视觉关键技术，然后设计了智能安防系统架构，最后探讨了其在公共安全、智慧园区与社区安防场景中的应用。通过研究，旨在挖掘深度学习与计算机视觉技术在智能安防领域的潜力，提升安防系统的智能化水平与安全性。

关键词： 人工智能   高职计算机   教育改革  

摘要： 人工智能时代的到来引发了计算机实践教育领域的一系列挑战和机遇。本论文旨在探讨人工智能时代下高职计算机实践教育所面临的挑战，并分析其中蕴含的机遇。首先，我们讨论了传统计算机实践教育所面临的挑战，包括教育内容的滞后、教学方法的单一以及学生能力培养的不足等问题。其次，我们分析了人工智能时代对计算机实践教育的新需求和挑战，如人工智能技术的广泛应用和快速发展，对实践能力和创新能力的要求提高。然后，我们探讨了高职计算机实践教育在人工智能时代下所面临的机遇，包括利用人工智能技术提升教育质量和效果，推动教育改革和创新，以及培养学生适应人工智能时代需求的能力。最后，我们提出了针对挑战的策略和方法，包括整合人工智能技术的教育策略和教师培训与发展的重要性。通过某高职院校的案例分析，我们展示了人工智能时代下的计算机实践教育模型，并讨论了其实施结果和效果。本研究的目的是为高职计算机实践教育提供一定的启示和指导，同时对未来研究方向进行展望。

关键词： 人工智能   CAD   优化设计   实际应用  

摘要： 随着人工智能（Artificial Intelligence,AI）技术的快速发展，计算机辅助设计（Computer Aided Design,CAD）软件逐渐引入了AI的相关理论和方法，以提高设计的效率和质量。文章概述了CAD技术的基本原理及其在工程领域的应用背景，并详细介绍了AI在CAD中的辅助功能、智能优化和自动化设计等方面的实际应用。

关键词： 神经网络结构搜索   触觉识别   强化学习   遗传算法   卷积神经网络和循环神经网络串联模型   触觉传感器   卷积神经网络与循环神经网络串联模型   层间残差连接循环神经网络模型  

摘要： 针对手工设计神经网络需要耗费一定时间和精力的问题，本文提出了一种基于自学习遗传算法的两级式神经结构搜索算法，并应用于触觉识别领域。设计了一种自学习遗传算法，利用强化学习优化遗传算法的选择、交叉和变异算子，以求遗传算法加速收敛，并在陷入局部最优时跳出局部最优；基于自学习遗传算法，提出了两级式神经网络结构搜索算法，用于搜索适合处理触觉时序数据的卷积神经网络和循环神经网络串联模型，且为卷积神经网络和循环神经网络模块引入了层间残差连接以解决网络退化问题，并使用公开触觉数据集对算法进行了实验验证。自建包含22类实验样品的触觉数据集，基于数据集进行了搜索算法实验，并对搜索得到的最优网络进行了分类识别测试，识别准确率为96.81%,与长短期记忆网络、门控循环单元网络和卷积神经网络与长短记忆网络串联模型进行对比，对比结果显示：本文搜索算法搜索出的网络性能更加优异，识别率更高，进一步证明了算法的有效性。

关键词： 智能化技术   船舶电子设备   故障诊断   专家系统   人工神经网络  

摘要： 随着船舶电子设备的复杂性和功能集成度不断提高，其故障诊断与维护面临着严峻挑战。传统的故障诊断方法难以满足复杂多样的故障模式的诊断需求，因此，引入智能化技术成为提高诊断效率和准确性的关键路径。本文分析了船舶通用电子设备的主要故障特征，结合专家系统、人工神经网络和模糊逻辑理论等智能化技术，设计了一套系统化的故障诊断框架。通过数据采集、故障特征提取及智能诊断引擎的构建，形成完整的诊断流程，以期为船舶电子设备的高效诊断和运维提供技术参考。

关键词： 通识课人工智能+X   个性化   跨专业人才培养   双导师制度  

摘要： 针对高等院校“人工智能+X”复合型专业人才的培养中存在的问题，本研究提出了一种基于“通识课人工智能+X”的复合型创新人才培养模式，并以人工神经网络与深度学习基础课程为例，探究培养模式的可行性。课程从课程影响面的分析、零基础个性化人才培养方案、定制化双导师制度、依托海洋大数据的科研平台建设、人工智能附能课程思政教育等几个方面实探索跨专业人才培养。研究发现，经过9轮打磨优化，课程得到了学生和专家的一致认可，展示了“通识课人工智能+X”培养模式的优越性和可行性，新的培养模式确实可以弥补目前复合型人才培养模式的一些不足。

关键词： 控制技术优化   遗传算法   粒子群优化  

摘要： 阐述自动化机械系统中的反馈控制、前馈控制和比例-积分-微分（PID）控制中的关键控制技术。分析优化算法中的遗传算法、粒子群优化和模拟退火，以及其在自动化机械系统中的优化应用，包括参数优化、轨迹优化和系统优化。这些技术能够微调系统性能、优化轨迹并提升系统整体效率。

关键词： 电力现货市场   光储联合   双层优化   主从博弈   遗传算法  

摘要： 为解决入市新能源场站配储系统容量最优求解问题。首先基于市场历史数据利用k-means聚类方法实现典型日的提取，生成符合数据分布规律的样本数据，作为生产模拟数据的输入；然后建立主从博弈模型，内层模型以储能系统收益目标最大化输出各场景下储能的交易策略，并将结果反馈至外层；外层以全寿命周期下的联合系统年成本最小化为目标，利用减少光伏系统考核费用以及增加储能现货市场收益，优化储能系统容量。通过Python构建双层优化模型，完成储能系统的全寿命周期仿真计算，并以全寿命周期净收益评价配置结果。最后通过山西某新能源场站为例进行仿真分析，考虑新能源场站考核费用后储能系统净收益为769.9万元，降低考核费用为531.6万元，验证所提方法的合理性和有效性。

关键词： 冷轧   轧制力模型   遗传算法   FGC   带钢头部   厚度超差   成材率  

摘要： 冷轧设定轧制力不准确时易引发动态变规格(FGC)后带钢头部厚度超差长度过大，导致轧后带钢成材率偏低。采用遗传算法对轧制力模型中的摩擦因数模型及变形抗力模型进行串联优化，模型计算结果表明：各机架设定轧制力与实际值偏差不超过4.82%,证明优化后的轧制力模型具有较高的计算精度。现场实验表明：轧制力优化后带钢头部厚度超差长度小于20 m的比例，从优化前的38.8%提高至55.8%,有效提高了冷轧产品成材率。