关键词： 锂电池   故障诊断   遗传算法   支持向量机  

摘要： 为了缓解石油资源过度使用产生的影响,世界各国都在大力发展新能源汽车产业,伴随着锂电池技术的突破发展,新能源汽车开始逐步取代燃油汽车。同时,各种动力电池事故频发,电池安全性引发了大众的关注,为保证车辆行车安全,动力电池的故障诊断显得非常重要。目前,电池故障诊断以阈值检测法和数据驱动检测法为主,本文在此基础上结合多种算法的优势,提出了一种基于支持向量机和遗传算法的电池组故障诊断方法,首先介绍了支持向量机算法的基本流程,进而介绍了利用遗传算法进行参数寻优的流程。故障诊断准确率可达到95%以上,并与相关算法进行对比分析,在诊断准确率上领先同类型算法。

关键词： 脉冲功率   PFN-Marx   遗传算法   电感调节   波形优化  

摘要： 脉冲功率驱动源是高功率微波技术的关键部分,其输出波形质量直接影响高功率微波器件的输出,针对脉冲功率驱动源输出波形平顶存在的振荡问题,设计并研制了一套基于PFN-Marx的紧凑化脉冲功率驱动源并进行波形优化,通过PSpice仿真分析了不同结构的PFN-Marx发生器的参数,从而确定了PFN-Marx发生器的节数与级数;将输出波形存在的振荡问题转化为波形平顶区域各极值点距离基准值的偏移程度,以平顶纹波误差最小为目标,以均方根误差构建目标函数,在Simulink中建立电路模型,结合MATLAB遗传算法,对PFN的电感进行不断迭代优化,最后确定一组最优值,重新设计电感结构,使其可以方便快捷调整电感值,以此实现波形优化。优化后的单级PFN在10Ω负载上输出波形前沿24.4 ns,脉宽93.6 ns,其平顶性能良好。装配完成的7级PFN-Marx发生器在充电电压53.8kV、负载阻抗75Ω条件下,输出准方波波形的峰值为189.2kV,脉宽93.2ns,前沿8.4ns,后沿33.6ns,纹波系数为3.5%。

关键词： 计算机视觉   智慧农业   樱桃   改进型智能剪刀算法   果实图像投影面积   颜色提取   采收成熟度  

摘要： 基于果实大小和颜色指标评估果实成熟度,为樱桃储运中的最佳采收时间提供数值化判断依据。利用改进型智能剪刀算法,从光照背景中分割不同时期果实特征区域;计算特征区域的图像投影面积,图像在HSV颜色空间模型下H分量的方差和均值;根据获取的果实面积和颜色指标数据,采用加权评估法计算不同时期果实成熟度。果实发育过程各指标动态变化,当果实面积达到190000像素,果皮颜色为紫红色时,成熟度达最大值。实时获取樱桃果实成熟度双重评估的指标,有效实现了对果实成熟度的数字化评估。

关键词： 人工智能   中职教育   计算机教育   个性化学习   教育改革  

摘要： 随着人工智能技术的迅猛进步,教育领域正积极探寻如何借助AI技术来优化教学质量与增强学习效果。特别是在中职计算机教育中,人工智能的融入为个性化学习开辟了全新路径。本文深入探讨了人工智能在中职计算机教育中的应用实践,特别是在个性化学习路径规划、教学内容动态调整、即时学习反馈等方面的创新尝试。通过对人工智能基本概念及其在中职计算机教育中具体应用的剖析,本文提出了一系列具有针对性的优化策略,诸如构建智能化教学平台、实施大数据驱动的学习路径设计等。结果 显示,人工智能不仅能有效激发学生的学习兴趣,还能依据学生的个体差异提供量身定制的学习方案,进而实现教育公平与教学质量的双重飞跃。

关键词： 遗传算法   照明设备   自动化管控   远程监控   智能调控   多阶节点部署  

摘要： 针对照明设备自动化控制节点独立设置导致频率下降的问题,对基于遗传算法的照明设备自动化控制技术进行研究。通过多阶节点部署、数据采集与适应度计算,构建自动化模型,以实现高效控制。测试结果表明,设计的遗传算法照明设备自动化控制技术最终得出的自动化控制频率较高,证明在遗传算法的辅助下,该照明设备自动化控制结构更加稳定、可靠,而且其覆盖控制范围得到了进一步扩展延伸,控制效率得到了显著提升,具有实际的控制强化价值。

关键词： 尾流影响边界   风电机组   排布规律   遗传算法  

摘要： 针对风电场规划中忽略尾流影响导致的发电量低下问题,提出了考虑尾流影响边界的风电机组排布优化方法。基于尾流模型确定初始尾流影响半径,并结合动量理论计算下游风速分布;以风电场项目成本最低和年发电量最大为目标,构建了优化部署模型,并采用遗传算法进行求解,获取了优化部署方案,提高了发电量。以银星能源太阳山风电场为例,应用该方法对现有机组进行优化部署,实验结果显示,优化后的部署方案中风电场的年发电量最高可达9800 kW·h,有效提高了风电场的年发电量,证明了所提方法的有效性和优越性。

关键词： 运动能耗估测   深度森林   遗传算法   特征筛选  

摘要： 针对运动能耗(EE)精确测量存在专业设备成本高、操作难度大的问题,因此利用多类型微型传感器集成的可穿戴设备采集运动相关数据,并利用机器学习模型对EE进行连续估测,是较为便利的替代方案。本文创新性地探究了深度森林(DF)算法在运动量估计方面的可行性。同时,为了进一步降低估计模型复杂度,以适用于算力有限的可穿戴设备,对于DF算法的输入特征集进行了基于遗传算法(GA)的特征优选。在公开数据集上的测试结果表明:本文所提出的基于特征优化的DF运动量估测方案性能优于传统机器学习算法;并且在降低模型复杂度和算力要求的同时,进一步提升了EE的估测精度。

关键词： MR阻尼器   现象学模型   遗传算法   参数敏感性   OAAT法   参数识别  

摘要： 由于磁流变阻尼器(MRD)的力学特性,其模型中的某些参数必然与电流相关,且参数众多、耦合复杂,难以精准识别。为解决此问题,提出分步渐进式参数识别法,通过逐步识别和优化参数,提高电流相关参数的识别精度。在采用遗传算法识别磁流变阻尼器模型参数的基础上,进一步利用单变量敏感性分析法(OAAT)进行敏感性分析。通过评估各参数的敏感性和物理意义,依次优化模型参数,采用多项式回归方法拟合参数与电流的关系,并利用决定系数R 2来评估回归模型的拟合效果。结果表明,采用分步渐进式识别法得到的参数R 2值均超过98%,显著提高了参数识别精度。对参数识别的最终结果进行数值仿真,并与随机激励试验结果进行对比,以验证识别结果的准确性。结果表明,采用分步渐进式识别法得到的现象学模型仿真结果与试验数据高度吻合(fitnessall=0.0015),为类似研究提供了参考和借鉴。

关键词： 分布式能源系统   遗传算法   自适应多代理系统   Q-learning  

摘要： 随着全球能源需求的不断增长和环境问题的日益严重,分布式能源系统因其高效、灵活和环保的特性,逐渐成为现代电力系统的重要组成部分。本文提出了一种基于遗传算法和自适应多代理系统的分布式能源优化调度方法。首先,通过遗传算法优化火力发电、可再生能源和电池储能的使用比例,以实现系统成本的最小化。其次,利用Q-learning算法实现各能源代理的自主学习和优化调度,提高系统的稳定性和鲁棒性。仿真结果表明,该方法能够有效地应对系统中的动态变化和不确定性,提高分布式能源系统的运行效率和可靠性。

关键词： 诺贝尔物理学奖   加拿大科学家   人工智能   机器学习   人工神经网络   电路计算   霍普菲尔德   杰弗里  

摘要： 2024年诺贝尔物理学奖揭晓,美国科学家约翰·霍普菲尔德(John ***)和加拿大科学家杰弗里·辛顿(Geoffrey ***)因“基于人工神经网络实现机器学习的基础性发现和发明”而获奖。这一消息迅速引发广泛关注,成为热点话题。那么,人工智能(机器学习)和物理学有何渊源?