关键词： 移动机器人   路径规划   改进遗传算法   平滑路径   种群初始化  

摘要： 针对传统遗传算法在移动机器人路径规划中存在路径不平滑、容易早熟等问题,提出了一种改进遗传算法。首先,采用基于终点距离和夹角的种群初始化方法以提高初始种群质量;其次,根据路径长度和转向角度设计了新的适应度函数以提高路径平滑度,采用保留较差解的改进锦标赛选择策略以增加种群多样性;最后,设计了基于节点数量筛选交叉个体的交叉算子,加快收敛速度并减少无效交叉,同时采用了多种变异策略以增加算法后期的搜索能力。对比仿真实验表明,本研究所提出的改进遗传算法能较好地避免早熟,所得路径更平滑,收敛速度更快,综合性能相对更优。

关键词： 社区微网   深度学习算法   遗传算法   家庭用电模式  

摘要： 随着能源消费的升级以及控制系统的进步,微网系统逐渐步入了人们的视野,改变了传统的电力供应模式。本文从社区微网入手,首先结合小波分解和CNN-Attention-BiLSTM深度学习算法模型,对光伏发电功率进行了预测;接着使用了遗传算法的优化手段,对电器的启停时段进行了优化;最后提出了三种典型的家庭用电模式,并进行建模与仿真,为后续进行社区微网家庭的用电研究提供了理论基础。

关键词： 冷连轧   厚度精度   带钢全长厚度   预测   随机森林   特征选取   深度神经网络   遗传算法  

摘要： 在冷连轧生产过程中,带钢厚度精度是衡量产品质量和下游企业最为关心的重要指标之一。现有冷连轧带钢厚度精度预测方法主要关注带钢头部厚度命中率,不能反映整卷带钢的厚度精度和波动情况,为此,提出了一种基于深度学习算法的冷连轧带钢全长厚度连续预测模型,实现了从冷连轧工业生产数据到带钢全长厚度的映射。以某厂五机架冷连轧生产线的实际数据为数据集,首先使用随机森林法进行特征选取,以精简输入特征,然后采用遗传算法对DNN模型的初始权重和阈值进行优化,进一步提升模型性能。结果表明:此模型可较为准确和直观地反映整卷带钢厚度精度和波动随轧制时间变化的情况。在加减速和稳定轧制阶段,预测结果的相对误差均控制在±0.5%和±0.1%以内,精度满足实际生产要求。应用此模型,控制系统可以提升预设定精度,并在相应时刻进行预调节,从而达到提高带钢厚度精度的目的。

关键词： 基层政府负担   复杂适应系统   观念   轴心辐射式治理  

摘要： 破解基层政府负担过重问题,是提升基层政府治理能力的关键。基层政府负担过重的实质是环境变化下的组织适应性不足。借鉴复杂适应系统理论,观念与结构交互分析框架可以有效解释这一现象。观念现代化变迁诱发民众治理诉求增多,现代化的国家治理目标赋予民众诉求强标识,使其转化为政府治理的强刺激。面对基层治理任务增多,职责同构与科层制的交织使资源不完全下沉成为主要适应性策略,但它并未有效改变基层治理的资源配置状况,反而一定程度上带来考核过度、过程监管冗繁、执行灵活性压缩、台账管理异化等问题。因此,消解基层政府负担的关键在于突围职责同构与科层制的交织,使基层政府的法定治理资源可匹配治理任务。相应的治理路径是构建轴心辐射式治理,它通过法治化授权机制促进治理资源匹配性下沉,进而带动结构重构,强化“块”的统合能力,使基层政府成为名实相符的区域治理中心。

关键词： 创新思维   策略性知识   产生式系统   元认知监控   新质生产力  

摘要： 策略性知识是创新思维培养的关键要素:一方面策略性知识为个体凭借知识经验对客观事物进行创新性认知加工提供策略支持;另一方面策略性知识控制着行动过程中反思和创造力的发挥。策略性知识一旦转化为思维能力,就有可能激发创新思维。基于已有关于知识和创造力关系的研究,静态策略性知识的有效组织为激发创新思维提供知识引擎,动态策略性知识的交互作用为培养创新思维提供发展契机,策略性知识赋能学生创新思维培养的内在机理指向隐性知识内化于心、显性知识外显于行,两种知识互嵌共生以实现转知成智和转智成慧的应然样态。由此,策略性知识的提升应将积极打造创造性学习环境,深化对策略性知识意义的理解;筛选有利于迁移应用的问题情境,细化策略性知识的概念联结;辅以必要的元认知训练,强化对策略性加工的监控调节三个方面作为关键抓手赋能学生创新思维的培养。

关键词： 泵作透平   人工神经网络   鲸群优化算法   随机森林   性能预测  

摘要： 泵作透平的性能预测对于小微型水电站的建设和余压能量回收具有重要意义。该文提出了一种基于多策略改进的鲸群优化算法(Whale Optimization Algorithm,WOA)的人工神经网络(BPNN)模型。该模型在原有WOA的基础上,引入了基于随机森林的权重归一化等多种策略,旨在提高离心泵作透平性能预测的精度和效率。该文采用改进型WOA-BPNN模型对泵作透平数据集进行训练,并与多种优化算法的预测结果对比分析,研究结果表明:改进型WOA-BPNN模型在训练过程中损失函数快速下降,均方误差值达到较低水平,且训练集与测试集R2值均能达到0.975以上,预测相对误差较小。在30次重复实验中,验证集的扬程和效率预测相对误差均保持在较低水平,满足工程实践需求。特别是在非高效工况下,改进型WOA-BPNN模型的预测相对误差显著优于其他模型,证明了其在离心泵作透平性能预测方面的可靠性和准确性。

关键词： 主船体分舱   多目标优化   拓扑几何   网络科学   概率破舱   遗传算法  

摘要： [目的]为降低船舶概念设计对于设计经验和母型船资料的依赖,并提高设计效率和设计质量,提出一种主船体分舱智能优化方法。[方法]首先,对船舶舱室设备间的相互影响关系进行梳理分析,提出影响关系拓扑表征模型和自动辨识方法;结合设计经验和统计规律,构建有利影响拓扑目标函数和空间利用率几何目标函数,并依据设计规范提出概率破舱约束模型。然后,基于多目标遗传算法实现优化求解,从而形成一套主船体分舱智能优化方法。[结果]以“大洋”号综合资源科考船为对象,开展主船体分舱优化设计测试,得到的帕累托前沿解集具有良好的多样性,且与母型分舱方案相比,最优分舱方案有利影响提升13.717 0,水密舱段数量减少1个。[结论]测试结果表明该方法具有一定的合理性。

关键词： 土石方调配   线性规划   遗传算法   禁忌搜索算法   全局最优  

摘要： 为解决传统土石方调配模型未考虑分配点间隔序列和算法易陷入局部最优的问题,本文构建以土石方调配费用最低为目标函数的数学模型,结合遗传算法(GA)的全局搜索优势和禁忌搜索算法(TS)的局部搜索优势对目标函数进行求解,得到土石方调配平衡匹配方案和运转过程中的最优运输路径,并结合实际案例对提出的模型算法进行验证和对比分析。研究结果表明,与遗传算法相比,混合算法能够有效降低土石方调配成本,提高转运效率、减少转运量,为土石方调度方案优化提供有力的方法支撑和实践参考。

关键词： 氟啶虫胺腈   茶叶   残留消解动态   安全性评估  

摘要： 【目的】为明确氟啶虫胺腈在茶叶中的残留消解动态及安全性。【方法】应用气相色谱检测氟啶虫胺腈在茶叶中的残留量和消解率,并从药剂理化性质、毒性和膳食暴露风险方面综合评估该药剂的使用安全性。【结果】氟啶虫胺腈2种施用剂量在茶叶中的残留量均较低,且随时间的推移呈负指数函数递减,残留消解动态均符合一级动力学方程,药后16 d的消解率均在79.00%以上,药后32 d残留量最高也仅0.089 mg/kg,其施用剂量的残留半衰期为8.66~9.76 d;氟啶虫胺腈在理化性质和毒性方面的累计安全性评价值为11,2种施用剂量的膳食暴露风险商值(RQ)为0.004和0.006。【结论】综上,氟啶虫胺腈在茶叶中属于易消解农药,残留量和膳食暴露风险低,可在茶园推广使用,研究结果可为该药剂在茶叶上合理使用和最大允许残留限量(MRL)的制定提供参考。

关键词： 土壤   微塑料   密度分离   氧化消解   前处理   优化  

摘要： 针对土壤微塑料检测前处理方法存在难以分离,导致样品提取效率低、提取不准确的问题,建立了基于密度分离-消解法的前处理方法,并对步骤参数进行了比较测试。通过不同浮选液、超声搅拌时间、浮选静置时间、干燥温度的试验分析,结果表明:30 min~40 min左右的超声洗脱时间最佳;NaCl和NaI的双密度浮选法,相比单独使用NaCl浮选液,双密度法对PE、PVC和PET的回收率分别提高了2.43个百分点、69.10个百分点和59.82个百分点。此外,为避免微塑料的热损伤,本研究确定干燥温度应在50℃~60℃之间;选用30%的H_(2)O_(2)进行24 h的氧化消解以去除有机杂质;不少于24 h的静置时间以确保土壤杂质与微塑料有效分离。本研究建立的密度分离-消解法前处理方法,操作简便、回收率高,可为研究各类微塑料在土壤中的分解和检测提供一定技术支持。