关键词： 人工智能   计算机教育   解决问题  

摘要： 随着人工智能(Artificial Intelligence,简称AI)技术的快速发展,高职高专计算机专业的教育面临着新的挑战和机遇.文章分析了当前教育中存在的主要问题,并提出了改革思路与具体措施,旨在培养符合人工智能时代需求的应用型技术人才,以适应技术发展新趋势.

关键词： 轴类零件   装夹位置   遗传算法   模拟退火算法   定量决策  

摘要： 【目的】 针对轴类零件装夹位置主要依赖经验判断、试切等定性方法确定，缺乏科学的定量决策手段，导致阻碍未来车间孪生模型搭建和数智化管理等问题，提出了一种基于遗传模拟退火算法的轴类零件装夹位置定量决策方法。【方法】 构建了以装夹位置为自变量、切削位置处变形量为因变量的数学模型，结合机床刚度、工件刚度和加工几何约束条件，建立以变形量最小化为目标的优化模型；通过遗传算法和模拟退火算法的融合，设计优化求解流程，获取最优装夹位置，实现装夹位置的定量优化决策。【结果】 案例研究表明，该方法能够得到装夹位置的具体数值解。在相同切削位置下加工轴类零件时，采用该方法得到的装夹位置进行装夹，不仅显著缩短了加工时间，还有效提升了工件的表面质量，相较于其他装夹位置表现更加优越。【结论】 基于遗传模拟退火算法的轴类零件装夹位置定量决策方法可以更加科学、精准地确定轴类零件的装夹位置，提高加工效率和表面精度，为数智化车间的孪生模型搭建提供了理论支持，对车间数智化管理具有重要指导意义。

关键词： 光伏阵列   故障诊断   人工神经网络   门控卷积  

摘要： 为提高光伏阵列故障诊断准确率，提出了一种改进的人工神经网络（ANN）的光伏阵列故障检测方法。在ANN中，增加门控卷积层、扁平化层和全连接层替代隐藏层，解决现有的ANN容易产生梯度消失问题;并利用Adaptive Softmax作为模型的输出层激活函数，减少由于数据集规模较大而带来的计算时间增加。利用MATLAB软件建立了光伏阵列仿真模型，获得不同状态模拟运行数据，同时利用从文献中获得光伏阵列实际不平衡运行数据集，对改进后的ANN与文献所提六种机器学习方法进行诊断性能对比分析，显示所提方法的诊断性能优势。

关键词： 网络安全   遗传算法   态势   预测   Light GBM  

摘要： 针对煤炭企业网络安全问题日益严峻的情况，此次研究结合递归特征消除交叉验证法与轻量梯度提升机搭建了煤炭企业的网络安全态势评估模型。研究首先根据煤炭企业网络环境、网络技术和网络管理的特征，设计了一个煤炭企业网络安全态势评价指标体系，并根据评价体系对各类网络数据进行了量化处理，接着利用遗传算法改进轻量梯度提升机，搭建了网络安全态势评估模型。研究结果表明，所搭建的模型在态势评估任务中的稳定性高达0.96，其运行时间仅需2.3s。综上可得，此次研究所设计的网络态势模型能够为煤炭企业的日常网络安全监测提供技术支持。

关键词： BP神经网络   遗传算法   库存控制策略   备件需求预测  

摘要： 车用动力电池库存网络属于复杂的多级库存系统，传统基于仿真的优化求解方法，一般需要完成所有策略组合的仿真，为降低时间代价，提出了一种基于BP-GA算法的求解方法。借助正交试验的设计方法，由仿真模型得到一定数量样本，分析影响目标指标的主要影响因素，对其进行样本增补，借助BP神经网络拟合反映仿真模型输入与输出关系的回归模型，以预测值代替仿真输出，利用遗传算法寻找最优解。通过对某典型车用动力电池库存备件网络进行案例验证，以约两百次仿真试验完成方法的运用，最终相对误差低至4.6%左右，证明了方法的可行性与适用性。

关键词： 仿生机器鱼   绝对节点坐标法   遗传算法   流固耦合   游动特性  

摘要： 为研究仿生机器鱼游动过程中鱼体与周围流场之间流固耦合作用机理，以游动效率最高的仿生鲔科机器鱼为研究对象，应用绝对节点坐标法建立机器鱼游动时的动力学模型，使用广义Alpha方法和遗传算法求得机器鱼最优位置函数。将理论结果代入STAR-CCM+耦合流体求解器建立鱼体的游动模型，耦合结果表明当摆动幅值为0.13倍体长，摆动频率在（1.72～2.47）Hz范围内，平均巡游速度为1.2BL/s(BL为机器鱼体长的倍数)，机器鱼最佳游动效率为0.4155。结果证实了机器鱼游动过程中通过制造沿尾部脱落的双列反卡门涡街，实现从周围流场汲取能量以维持自身高效率游动。通过分析机器鱼自主游动涡街产生过程得出流场雷诺数在（800～1200）时，机器鱼自主游动产生的反卡门涡街的结构达到最佳尺寸，可为仿生机器鱼效率的提高提供新的思路和方向。

关键词： 飞机侧杆   非线性因素   人工神经网络   PID控制  

摘要： 为进一步提高飞机侧杆的杆力、位移的控制精度，通过深入研究侧杆的关键技术，对侧杆的静态特性指标和动态特性指标进行设计计算。针对关键环节中影响侧杆控制精度的非线性因素进行了建模，以经典PID控制原理为基础，结合人工神经网络提出了一种侧杆系统的控制方案，并通过试验对系统动态、静态特性关键指标进行了验证。实验结果表明，所设计的单神经元PID控制算法在保证一定稳定性的同时，比传统PID控制算法具有更小的杆力控制误差、更好的跟随效果，为侧杆的后续研究提供了理论支持。

关键词： 凝聚层次聚类   需求侧   协同调度优化   用电负荷预测   目标函数   遗传算法  

摘要： 用电负荷提升导致电力市场需求侧用电困难，为解决该问题，提出基于凝聚层次聚类的电力市场需求侧协同调度优化方法。采用凝聚层次聚类方法对电力市场需求侧用电负荷数据进行分析，将用电负荷大数据划分为柔性用电负荷与可转移用电负荷，根据聚类用电负荷建立电力市场需求侧用电负荷预测模型，根据预测结果构建电力市场需求侧协同调度模型，采用改进的遗传算法对协同调度模型进行优化，实验结果显示该方法能够有效解决极端场景下的潮流爬坡问题解决与电压不稳定问题，具有较好的普适性与稳定性。

关键词： 四旋翼无人机   PID参数整定   遗传算法   脉冲神经膜系统   姿态控制   Simulink仿真  

摘要： 针对应用智能优化算法寻优比例积分微分（PID）控制参数的过程中存在超调量大且调节时间可缩小的问题，提出一种改进遗传算法（GA），并加入脉冲神经膜系统（SNPS）的优化算法（IGAESNP），应用于四旋翼无人机的PID控制参数整定。首先，利用拉丁超抽样法形成分布均匀的初始种群，设计动态变异率控制种群进化过程。其次，结合SNPS进化步骤，种群个体以神经元的方式组织和迭代，将PID控制参数映射为标记个体的二进制序列。最后，通过个体学习的方式调整种群输出二进制序列组的概率矩阵，得到最优PID参数组合。实验表明，IGAESNP在求解测试函数上，速度更快，精度稳定在10-6；在PID参数整定上，相比GA和经验法，IGAESNP更好的跟踪sin信号和阶跃信号，有效控制了超调量，缩短了调节时间，平衡了超调量和调节时间之间的矛盾，并且IGAESNP具有更强的稳定能力。