关键词： 联合收获机   小麦含水率   检测模型   遗传算法   BP神经网络  

摘要： 为进一步提高基于介电特性的联合收获机小麦含水率检测装置模型检测精度和适用范围,本研究以“京冬22号”、“蜀麦1958”、“涡麦33”3个品种小麦为研究对象,测量含水率范围为8.41%~21.6%,检测温度范围为5~40℃,容重范围为714.44~777.58 kg/m^(3)的小麦相对介电常数。试验结果表明,同一温度条件下,容重越大,相对介电常数越大;在同一容重条件下,相对介电常数会随温度升高而增大,也随含水率升高而变大。采用校正集样本150个,预测集样本42个,基于遗传算法优化BP神经网络(GA-BP)的方法建立了相对介电常数、温度、容重与小麦含水率的关系模型,模型采用3-5-1结构,最大迭代次数1000次,学习误差阈值1×10^(-6)。校正集R^(2)、RMSE、MAE分别为0.996、0.241%、0.189%;预测集R^(2)、RMSE、MAE分别为0.993、0.295%、0.189%,该模型具有较高的检测精度和稳定性,为不同品种小麦含水率在线检测提供了一种新的检测方法。

关键词： 机器人打磨   打磨去除量   预测模型   优化模型  

摘要： 针对材料表面余量精准去除问题,提出了一种基于遗传算法的打磨机器人去除量工艺参数优化方法。首先,以Preston方程和赫兹弹性接触理论为理论基础,建立去除量与工艺参数模型;其次,基于遗传算法以最小去除量误差值作为算法的优化目标对打磨工艺参数求最优解;最后,搭建打磨机器人系统进行优化前后的打磨对比实验验证。结果表明,在去除量值10μm~60μm范围内,该方法相较同类方法的材料去除量平均相对误差ε_(r)了降低13%左右,验证了该优化方法对材料表面余量去除的有效性。

关键词： 地铁网络   突发事件   遗传算法   韧性评估   恢复策略  

摘要： 在突发事件下,从地铁网络拓扑结构和客流量2个角度综合考虑,提出基于客流量加权的网络全局效率。基于复杂网络理论,构建地铁网络拓扑结构,对网络特征指标进行分析,并提出基于网络全局效率的地铁网络韧性评估方法和基于遗传算法的地铁网络恢复时序优化模型。以西安地铁网络为研究对象,采用5种不同恢复策略下的恢复时序方案对西安地铁网络失效站点进行修复,在此基础上提出最优修复策略。结果表明:①在2种突发事件下,基于遗传算法的恢复策略为最优恢复策略;②突发事件1(洪水倒灌)线性站点失效下的不同恢复策略对网络韧性的影响更为明显;③在相同恢复策略下,突发事件1的网络韧性均高于突发事件2(暴力事件)的网络韧性。

关键词： 沥青混合料   永久变形   遗传算法   神经网络模型   预估  

摘要： 机器学习方法是沥青混合料性能预测的新兴技术。以AC型沥青混合料永久变形黏弹性力学模型为基础,选取三轴重复荷载蠕变试验结果构建数据集,通过MatlabR2023a编程语言搭建遗传算法-反向传播(Genetic Algorithm-Backpropagation,GA-BP)神经网络,进而构建了基于GA-BP神经网络的沥青混合料永久变形预估模型,并验证模型的有效性和预测精度。结果表明,相比于BP神经网络模型,GA-BP神经网络模型的预测精度更高,误差波动更小。基于GA-BP神经网络模型的AC-13型沥青混合料永久变形预估的平均绝对误差、均方误差、均方根误差、平均绝对百分比误差,比BP神经网络模型分别降低了81.9%、96.4%、80.5%和78.2%,表明采用遗传算法优化BP神经网络模型具有较高的预测能力。

关键词： 正交时频空(OTFS)   压缩感知   导频优化   遗传算法  

摘要： 正交时频空(Orthogonal Time Frequency Space,OTFS)系统由于在面对高速移动通信场景下的时频双色散信道时的优异性能受到了广泛关注。为了准确获取信道状态信息,采用基于压缩感知的信道估计方法,并辅以特殊的导频序列完成信道估计。该文针对导频优化问题,提出了一种基于改进遗传算法的OTFS导频序列优化方法,该方法以互相关最小化为优化目标,采用遗传算法进行寻优,并能够自适应调整交叉和变异概率,在较少的迭代次数下即可实现比传统伪随机序列更优的互相关性,能够有效提高信道估计的准确性。此外,考虑到目标函数的计算量较大,该文分析了互相关的计算过程,并对其中的冗余计算进行了化简,与直接计算字典集的互相关值相比大大提高了算法的优化效率。

关键词： 遗传算法   流水车间调度问题   最大完工时间   总流动时间   邻域搜索  

摘要： 在现代制造业中,生产调度是提高生产效率和降低成本的重要环节。流水车间调度问题(FSSP)研究在有限的时间和资源条件约束下,合理安排各项任务的执行顺序,优化特定的目标,例如,使得总完工时间、总流动时间等指标达到最优。基于遗传算法求解最优调度方案。为提升调度性能,同时选择最大完工时间和总流动时间作为多目标对问题进行求解,在遗传算法中引入两种交叉操作和变异操作,以对比不同组合之间的表现,引入邻域搜索模块,提高个体质量。最后输出了增加邻域搜索模块前后的对比甘特图。实验结果表明,针对FSSP,多点交叉和标准变异组合的性能最好;增加邻域搜索模块后,单点交叉和多点变异组合的性能最好。

关键词： 视觉焦点预测   全卷积神经网络   飞行模拟座舱   遗传算法   意象仿生设计  

摘要： 座舱视域认知聚合性较低是影响飞行模拟座舱驾驶训练效率的关键问题之一,对此提出基于全卷积神经网络(Fully convolutional networks,FCN)优化遗传算法(Genetic algorithm,GA)的飞行模拟座舱意象仿生视觉焦点预测模型。首先,依据色格镶嵌的方式结合眼动仪兴趣区域确定座舱视域分区,借助眼动蜂群图及问卷法验证现有座舱认知聚合性。其次,通过数据集筛选和眼动灰度图优化形成仿生设计数据集,训练面向生物、产品、线稿图像的FCN模型。结合FCN模型预测生物外形本征视觉焦点热力图与数字矩阵,计算生物视觉认知评分并将分区按主观认知评分排序,同时建立意象仿生映射关系进行表征分区简图设计表达。最后,借助FCN模型建立适应度函数,利用GA对表征分区简图寻优,解码视觉认知与主观认知匹配最优的座舱因子编码并细化设计,验证设计方案的视觉认知。结果表明,FCN优化GA的预测模型能够提高仿生设计效率,所设计的座舱视域具有较高的认知聚合性,能够显著优化驾驶员对座舱视域主观认知与视觉认知的匹配性。

关键词： 改进免疫遗传算法   空箱调运   集装箱   Hamming距离   亲和度  

摘要： 针对空箱调运问题,在传统免疫遗传算法(Immune Genetic Algorithm,IGA)基础上,通过对Hamming距离计算方式优化与调整,获得抗体亲和度与抗体浓度的精确度量,并据此设计了改进免疫遗传算法(Improved Immune Genetic Algorithm,IIGA)。为验证该算法的有效性和优势,以兰州铁路局下辖的各集装箱办理站实际运输数据为例,分别将所提出的IIGA与传统IGA、遗传算法(Genetic Algorithm,GA)设计对比实验。结果表明:在解决空箱调运问题时,相较于传统IGA与GA,IIGA能够在相对较短的时间内,以最少的迭代次数迅速收敛至最优解。

关键词： 超级微波消解   电感耦合等离子体串联质谱法   元素   相关性分析   主成分分析  

摘要： 通过优化消解体系、消解温度、消解时间,采用题示方法测定滨海白首乌制品中Li、Be、V、Cr、Ni、As、Se、Cd、Sn、Sb、Tl、Co、Mo、Al、Mn、Cu、Ba、Zn、K、Ca、Mg、Fe、Na等23种元素的含量。取粉碎后的样品约0.3 g置于石英消解管中,加入1 mL水和2 mL硝酸,混匀后加盖升温至200℃并消解10 min,冷却后,用水将消解液稀释至25 mL,采用电感耦合等离子体串联质谱法(ICP-MS/MS)在氦气碰撞模式下测定30份样品中23种元素的含量,并采用SPSS18.0软件对30份样品中均有检出的16种元素进行相关性分析和主成分分析。结果表明,23种元素的质量浓度均在一定范围内和对应的响应强度与内标响应强度之比呈线性关系,检出限(3s)为0.0003~0.900 mg·kg^(−1),利用内标法和气体稀释降低基质效应引起的信号漂移;按照标准加入法进行回收试验,回收率为81.2%~115%,测定值的相对标准偏差(n=6)为0.53%~5.0%。样品分析结果表明,滨海白首乌制品中不同元素的含量差异明显,K、Ca、Mg、Na等常量元素含量较高,Mn、Al、Fe、Zn、Ba、Cu含量次之,Li、Be、V、Cr、Ni、As、Se、Cd、Sn、Sb、Tl、Co、Mo含量较低或未检出。相关性分析结果表明,30份滨海白首乌制品中均含有的16种元素之间存在着协同或拮抗的作用。主成分分析结果表明,Ni、Co、Mo、Mn、Cu、Zn、K、Ca、Mg、V、Al、Cr为滨海白首乌制品中的特征元素。

关键词： 热解吸   气相色谱-质谱法   手足气味特征   遗传算法   随机森林   识别  

摘要： 目的筛选人体手足气味中与性别、年龄相关的特征组分,进行不同人群性别与年龄特征刻画。方法采用热解吸-气相色谱-质谱法(thermal desorption-gas chromatography-mass spectrometry,TD-GC-MS)检测人体手足中的挥发性气味信息,利用单因素分析与多因素分析筛选出不同性别、年龄人群手足气味中的差异组分,并通过遗传算法-随机森林(genetic algorithm-random forest,GA-RF)机器学习方法预测不同性别、年龄的特征组分,并构建判别模型。结果从人体手足部位中共检测出304种挥发性物质,通过t检验和正交偏最小二乘判别分析(orthogonal partial least squares-discriminant analysis,OPLS-DA)筛选P<0.05且变量投影重要性(variable importance in projection,VIP)>1的差异组分,使用遗传算法(genetic algorithm,GA)优化随机森林(random forest,RF)算法构建判别模型,利用手足特征进行性别识别的准确率分别为92.02%和81.46%,年龄识别的准确率分别为76.13%和73.49%。结论基于统计学和GA-RF机器学习方法,筛选出人体手足气味中不同性别、年龄的差异标志物,构建判别模型,为人体气味在法庭科学领域中的应用提供新思路。