关键词： 化工装置   结构-设备耦合体系   遗传算法   协同减震  

摘要： 大型化工装置结构-设备耦合体系地震响应规律复杂,仅依靠提高化工装置结构本身抵抗地震能力的方法难以满足生产工艺需求。为了减小化工装置结构-设备耦合体系的地震响应,以地震时结构和设备的振动同时得到控制为优化目标,研究了化工装置结构-设备耦合体系阻尼装置多目标优化减震控制策略,对化工装置结构-设备耦合体系进行了地震响应控制分析。结果表明:以结构层间位移和设备加速度形成的优化性能指标及构建的目标函数,能够较好地解决阻尼器在装置结构中的优化布置问题。单目标优化时,工况一(设备为等效荷载)与工况二(设备为实体模型)层间位移的平均减震率分别为37.78%和32.83%,设备位移和加速度的最大减震率分别为18.73%和17.13%;多目标优化时,其层间位移的平均减震率为31.17%,设备位移和加速度的最大减震率分别为24.16%和25.07%。这些研究结果可为保障此类装置的安全可靠性提供技术支持。

关键词： 数字孪生技术   流体仿真   特征提取   人工神经网络   高斯空间插值  

摘要： 本文提出了一种基于数值仿真与特征提取的数字孪生技术,并以水泥行业的分解炉为例进行了验证。针对工业设备在恶劣工作条件下传感器监测困难的问题,本文结合CFD(计算流体动力学)仿真与降阶模型技术,提出了一种基于POD(Proper Orthogonal Decomposition)流场特征提取与人工神经网络代理模型的数字孪生体构建方法。通过参数组设计与高精度仿真获取设备物理场数据,利用POD方法对高维数据降维,并通过ANN建立参数组与POD基模态系数的映射关系,实现了高效、准确的流场预测,预测误差低于4%。此外,采用高斯空间插值算法对网格数据进行降分辨率处理,实现模型轻量化,便于数字孪生体的快速部署。研究表明,该方法具有高可用性和扩展性,可广泛应用于复杂工业设备的运行状态监测、故障诊断和寿命预测,为工业设备的精细化管理和物联网应用提供了技术支撑。

关键词： 大众   主体性   阿多诺   文化工业   批判理论  

摘要： 阿多诺考察当代发达工业社会,从大众主体性缺失的角度审视和批判了资本主义文化工业。他认为文化工业具有同一性、欺骗性、反启蒙性的特点,泯灭了大众的个性、抹杀了大众的反抗精神、消解了大众的创造力。然而,他站在精英主义的文化立场上又否定大众的自主性,对工具理性持悲观态度,事实上未能真正找到走出资本逻辑困境的正确道路。与阿多诺消解大众主体性的批判路径不同,中国文化产业的发展始终坚持以人民为中心的创作原则,深入挖掘科学技术的“人的尺度”属性,辩证地看待文化产业的意识形态功能,提供了重构大众主体性的新向度。

关键词： 动态微波消解   电耦合等离子体原子发射光谱(ICP-AES)   土壤   重金属  

摘要： 为提高土壤中Cu、Mn、Zn、Pb四种重金属测定数据的准确性和可靠性,采用动态微波消解方法处理土壤样品,结合电耦合等离子体原子发射光谱(Inductively Coupled Plasma-Atomic Emission Spectrometry,ICP-AES)法测定重金属元素,并与国标法进行对比。研究表明,该方法在复杂土壤样品中表现出较高的准确度,能够满足土壤重金属元素分析需求。

关键词： 机器学习   多源数据   岩性识别   随机森林   人工神经网络  

摘要： 东天山地区矿产资源丰富,构造演化复杂,出露大面积的中-酸性侵入岩,它们主要形成于晚古生代,与区域构造演化和内生金属矿床成矿关系十分密切,对区域构造环境和成矿规律的认识具有重要意义。然而,由于覆盖层的遮蔽作用,覆盖区内中-酸性侵入岩的地质填图信息是不完整或完全缺失的,这在一定程度上制约了东天山区域构造与成矿规律的认识。近年来,基于大数据研究新范式发展起来的融合地球物理、地球化学、遥感图像等多源探测数据进行间接岩性填图的方法,为解决这一难题提供了有效途径。机器学习算法被诸多实例证明是数据融合的有力工具,它对复杂非线性地学数据的分类和判别等问题具有较强的适用性。为此,本文提出利用机器学习方法融合重力、航磁、地球化学、遥感影像数据,快速、经济、更准确地进行东天山地区中-酸性侵入岩的填图工作。对研究区内出露的中-酸性侵入岩进行类别标定并将其作为目标变量,将布格重力、航磁、水系沉积物地球化学和Landsat卫星多波段遥感影像数据作为预测变量,采用合成少数类过采样技术,解决岩性样本数据分布不均衡问题。基于随机森林和人工神经网络算法,对超参数进行网格搜索得到最优预测模型,分别对东天山地区覆盖区内隐伏中-酸性岩体的空间分布和岩性进行预测,并对预测结果进行对比分析和讨论。准确率、召回率和F 1得分都表明随机森林模型优于人工神经网络模型,故最终选取随机森林模型的预测结果作为东天山覆盖区的中-酸性侵入岩岩性填图的最终结果,进一步讨论了中-酸性侵入岩的空间分布对区域构造和成矿作用的控制规律。相比于传统的人工地质填图方式,基于机器学习和多源数据融合的间接岩性填图方法具有效率高、成本较低廉和不受地质地理景观条件制约等优点。

关键词： 有轨电车   车辆悬挂参数   多目标优化   车轨动力作用   神经网络   遗传算法  

摘要： 为提高有轨电车通过S型小半径曲线线路时的安全性及平稳性,提出车辆悬挂参数合理优化的建议。以广州某有轨电车S型小半径曲线线路为工程背景,基于多体动力学及有限元理论建立车辆-轨道耦合系统动力学模型,探究车辆悬挂参数对其平稳性指标、轮轨力、脱轨系数、轮重减载率等运行评价指标的影响规律,基于最优拉丁超立方采样技术、BP神经网络及多目标遗传算法,研究并获得有轨电车车辆悬挂参数多目标优化建议值。研究结果表明:车辆悬挂参数优化后,其运行评价指标得到显著改善,与优化前相比,车辆脱轨系数的降幅达10%以上。研究结果可为有轨电车悬挂参数的优化设计提供理论支撑。

关键词： 近红外光谱   小波   神经网络   遗传算法   分类识别   纯牛奶  

摘要： 为了克服从视觉上无法区分纯牛奶种类和无损化检测纯牛奶的困难,本文提出一种改进遗传算法优化小波神经网络的纯牛奶识别算法,该算法可以有效提升传统小波神经网络识别算法的准确率和识别效率。首先,在传统小波神经网络识别算法基础上添加遗传算法,并利用该遗传算法对小波神经网络中权值、阈值以及小波基函数平移和收缩因子参数进行调优以提升识别算法的准确率。另外,在算法中添加了循环扰动策略,大大减少了最优效果的迭代次数,从而提升算法的识别效率。本文在算法实验部分选取同一品牌不同种类的纯牛奶共200组样品作为实验样本,并采用近红外光谱技术获取了波长范围4000~10000 cm^(-1)波段内的所有牛奶样品的吸光度数据。随后,为了提升牛奶数据的训练效率,采用主成分分析算法分别提取了累计贡献率较大的特征数据,并通过所提算法对提取的主成分特征数据进行初步训练和测试。实验结果表明,添加遗传算法可以将准确率从97.5%提升至100%,增加了循环扰动策略后,可以大大降低训练迭代次数,大大提升算法收敛速度。因此,本文提出的纯牛奶识别算法能够有效无损地实现纯牛奶区分。

关键词： 河流   水质预测   溶解氧   变分模态分解   遗传算法   双向长短期记忆神经网络(BiLSTM)  

摘要： 溶解氧(DO)是河流水质监测的关键指标之一,为了精准预测河流水体中DO浓度,融合变分模态分解(VMD)、遗传算法(GA)和双向长短期记忆神经网络(BiLSTM),构建了VMD-GA-BiLSTM深度学习组合模型,对邢台市艾辛庄断面2020—2023年的DO浓度数据进行了训练与测试,并与多个经典的深度学习模型(BiLSTM、GA-BiLSTM、EMD-GA-BiLSTM)预测结果进行对比。结果表明:VMD-GA-BiLSTM模型在测试集上的均方根误差(RMSE)、平均绝对误差(MAE)、决定系数(R^(2))分别为0.149、0.135和0.974,相较于BiLSTM、GA-BiLSTM、EMD-GA-BiLSTM模型,RMSE分别降低0.464、0.307、0.290,MAE分别降低0.413、0.173、0.239,R^(2)分别提升了0.216、0.133、0.088,表明构建的模型预测精度最高。将构建模型应用于邢台市后西吴桥断面对pH、DO和氨氮3项水质指标进行验证,与其他经典模型相比,VMD-GA-BiLSTM模型的RMSE、MAE最小且R²最大,可见其在水质时间序列数据预测方面具高度的通用性和稳定性。VMD-GA-BiLSTM模型能够准确预测DO浓度以及其他水质指标浓度,为水资源的可持续利用和水环境保护提供科学依据。

关键词： ART-2人工神经网络   煤矿应急管理能力   类别样本矢量集   网络层级   警戒数值  

摘要： 在评价煤矿应急管理能力时,为指标分配权重的过程易产生数据缺失值,导致指标计算精度较差,影响了评价结果的准确性。为此,构建基于ART-2人工神经网络算法的煤矿应急管理能力综合评价模型,以提升评价的客观性与准确性。首先,依据煤矿应急管理体系结构,对打分数值进行规范化处理,将其转化为类别样本矢量集,为后续利用ART-2人工神经网络算法进行指标筛选提供标准化的数据输入。其次,运用ART-2人工神经网络算法对煤矿管理能力指标进行筛选。再次,组合网络层级中的元素,构建评价指标间相互影响的未加权矩阵。该矩阵全面反映了各评价指标之间的关联关系,为后续的权重分配提供依据。在目标层神经元节点处设置警戒数值,通过ART-2人工神经网络对未加权矩阵进行训练和优化。在此过程中,算法能够自动调整和修正指标权重,降低权重分配的主观性和模糊性。最后,根据修正后的权值,重新对各层神经元节点处的指标评分进行计算,得出最终的评价结果。研究结论表明,基于ART-2人工神经网络算法的煤矿应急管理能力评价模型,在解决传统评价方法中权重分配主观性强、数据易缺失等问题上具有显著优势,能够为煤矿应急管理决策提供更科学、合理的依据,有助于煤矿企业更好地评估和提升应急管理能力,从而保障煤矿的安全生产。

关键词： 神经网络   遗传算法   正向预测   逆向优化   滤波天线   S参数  

摘要： 在滤波天线单元的设计中,由于涉及多维参数优化,传统的电磁仿真方法不仅求解速度较慢,而且难以在复杂的参数空间中快速找到全局最优解,这在一定程度上限制了设计的精度和性能提升。为解决这些问题,文中提出一种结合正向预测与逆向优化设计的方法。该方法利用神经网络对天线单元的性能进行预测,并结合遗传算法在多参数空间中对滤波天线单元进行全局优化。仿真计算结果显示,优化后单元S21参数在通带11.5~16.5 GHz的平均值提高了82.65%,并具有均匀的带内响应。此外,S21在中心频率14 GHz的传输幅值的平均值优化后提升了87.5%,显著提升了传输幅度,并使传输相移更加线性。优化后仿真结果表明,这些改进显著提升了天线的整体性能,尤其是在传输效率、频率响应方面的改善,为滤波天线的进一步发展提供了有价值的参考和借鉴。