关键词： 分布式车间   置换流水线   转运机器人   多策略融合   改进遗传算法   运输时间   等待时间  

摘要： 研究单转运系统分布式置换流水线调度问题,任一工厂内连续两台机器间有一台运输能力有限的转运机器人。基于此,提出一种多策略融合改进遗传算法以最小化最大完工时间。引入Logistic-tent混沌搜索、基于K-均值聚类的NEH算法和修正NEH算法以改善初始工厂加工序列群的质量,运用结合均匀多点交叉和互换变异的自适应交叉变异算子或工厂内/间交叉变异算子进行解的调整,设计一种基于主工厂的邻域搜索(key-factory-based local search,KFLS)和半初始化策略进行再次优化。仿真结果表明了该算法的有效性。

关键词： 建筑工程项目   人工智能技术   工程造价预测模型   人工神经网络   数据预处理  

摘要： 智能科技的迅猛发展,使人工智能技术在各个行业得到普及.在建筑行业中应用人工智能技术进行工程造价管理,技术优势日益凸显.造价预测是建筑工程造价管理中的重要环节,应用人工智能技术能够准确地进行造价预测,尤其是预测模型的应用,不仅有助于控制项目成本,还能提高项目的整体效益.人工智能技术在建筑工程造价预测模型中发挥着重要作用,可以实时采集数据信息并予以处理、提取特征数据并合理选择,进行模型训练并不断优化、实时预测且更新预测结果.本文以某大型建筑公司为例,针对人工智能的建筑工程造价预测模型展开研究,以期为相关企业提供有益参考.

关键词： 行为主义   音乐教学   音乐训练  

摘要： 20世纪初,美国心理学家华生创建了“行为主义”心理学流派,并将其定义为“S-R”(刺激-反应)理论。该理论主张,人的行为是通过一系列刺激与反应的连锁过程而形成的。在日常的音乐教学中,行为主义理论的应用主要体现在对音乐技能和知识的训练上。具体而言,教师通过提供如音符、节奏、织体等特定的刺激,随后要求学生做出诸如模仿、记忆、演奏等相应的反应,以此来进行有效的学习。然而,该理论在音乐教学中的局限性也不容忽视。因此,笔者将从音乐学习角度出发,对行为主义理论进行阐述,并基于该理论研究,指出其在音乐教学中存在的弊端。

关键词： 氯噻啉   甘蓝   三重四极杆液相色谱串联质谱仪   膳食风险评估  

摘要： 了解氯噻啉在甘蓝上的残留行为,并进行膳食风险评估评价。设计田间试验方案,收集田间样品,提取甘蓝中的氯噻啉并使用三重四极杆液相色谱串联质谱仪对样品进行检测。田间试验消解动态结果表明,氯噻啉的半衰期为1.9~5.6 d,易降解。根据施药剂量及安全间隔期采收样品的检测结果对氯噻啉进行膳食风险评估,得到普通人群对氯噻啉的国家估算每日摄入量为0.12 mg,长期摄入量风险RQ值为7.6%。说明甘蓝中残留的氯噻啉不会对一般人群健康产生不可接受的风险。

关键词： 遗传算法   神经网络   光纤激光网络   回波信号增强   信噪噪声抑制  

摘要： 光纤激光网络中的回波信号会受到光衰减、色散等因素的影响,导致回波信号特征变得复杂多样,降低了信号增强的效果,因此,提出基于遗传神经网络的光纤激光网络回波信号增强方法。使用经验模式分解法,将原始回波信号分解为若干本征模态函数,并用粗糙惩罚函数进行平滑处理,抑制信号噪声。基于高斯函数拟合方法,提取与去噪后回波信号函数规则一致的特征。根据回波信号特征提取结果,基于遗传算法优化神经网络的权重和门限,多次训练运算,输出最优解序列,即回波信号增强结果,避免回波信号特征变化对增强结果的影响。实验结果表明,该方法能够有效抑制回波信号中的噪声,能够精准提取回波信号的波形变化特征,并且峰值信噪比最高达到了42.3 dB。

关键词： 隔水管下放   可靠性   蒙特卡洛   神经网络   遗传算法  

摘要： 隔水管下放是深水钻井的重要步骤,此过程中卡盘承担隔水管系统全部重量,加之复杂多变的深水环境,导致下放作业风险较大。为了确保隔水管下放作业安全,本文针对隔水管连续下放工况,构建环境载荷参数联合分布模型,确定基于IAGA-BRNN的结构响应智能预测模型,结合蒙特卡洛方法形成隔水管下放作业可靠性评估方法并开展应用实例研究。结果表明:环境载荷参数联合分布模型中大部分参数符合Weibull分布和Beta分布;提出的预测模型在所有指标上均保持较好的水平,且较常规预测模型最多提高了76.77%;隔水管等效应力和最大轴向力是影响下放作业安全的首要和次要限制因素,且随着悬挂隔水管根数增加,结构可靠度呈下降趋势,将波高作为限制条件可有效提高作业可靠性。

关键词： 应急监测   化学需氧量(COD)   快速消解分光光度法   可行性  

摘要： 化学需氧量(Chemical Oxygen Demand,COD)是应急监测中经常涉及的监测项目,实验室一般采用重铬酸盐法测定COD,存在分析时间长的问题。快速消解分光光度法采用消解器快速消解水样,通过便携式分光光度计测定标准样品和实际样品中的COD。基于此,以应急监测为例,分析快速消解分光光度法用于测定水质COD的可行性,并与重铬酸盐法的测定结果进行对比分析。试验结果表明,快速消解分光光度法测定水质COD的相对标准偏差为1.0%~7.1%,相对误差为-1.9%~2.5%,与重铬酸盐法相比无显著性差异。该方法操作简单快捷、准确可靠,可用于快速测定水环境应急监测中的COD。

关键词： TBM   BIM Revit   智慧施工管理系统   遗传算法   模拟退火算法  

摘要： 为实现地铁TBM施工项目工期、成本、质量等多目标的优化管理,基于BIM Revit平台,将遗传算法(GA)和模拟退火算法(SA)引入到施工方案的模拟和寻优中,构建基于BIM+GA+SA的地铁智慧施工管理系统。结果表明,系统自带的遗传算法(GA)+模拟退火算法(SA)可以避免陷入局部最优解困局,具有较强的局部搜索能力、收敛性和稳定性;系统在广州地铁3号线某盾构区间段获得了较好的应用成果,从768种施工组织方案中优选了13种施工方案,系统对这13种施工方案进行了工期、成本和质量的对比,为项目部提供了最佳的施工方案,能够确保地铁TBM工程施工在工期-成本-质量方面达到综合效益最佳的效果。

关键词： 安全工程   A^(*)算法   启发式搜索   动态规划   火灾场景  

摘要： 传统A^(*)算法被广泛应用于路径规划研究中,但该算法在处理复杂环境时存在搜索效率低和寻优路径质量不高的问题。为克服这些问题,提出了一种改进A^(*)算法,该算法结合了启发式搜索与实时动态规划的思想,能在保留A^(*)算法优势的同时显著提升其搜索效率和路径质量。在改进算法中,设计了一种新型启发式函数,该函数不仅考虑了火灾场景下的危险因素,还引入了实时动态规划策略以引导搜索过程,从而生成更高效的疏散路径。将改进算法与原始算法进行性能对比测试以及建筑火灾模拟疏散仿真对比试验,以验证改进算法的寻优性能。对比测试和试验结果表明,改进A^(*)算法在提高路径规划效率方面具有显著优势。与传统A^(*)算法相比,改进A^(*)算法生成的应急疏散路径中拐点数量少,扩展节点的数量减少96.49%,路径计算速度提升95.68%。验证了改进A^(*)算法在复杂场景下的优越性能,表明改进A^(*)算法在实际应用中具有广阔的前景。

关键词： coupling simulation   parameter optimization   ensemble machine learning   response surface  

摘要： Optimizing parameters is a crucial step in designing mechanical structures and a primary means of raising equipment efficiency. This paper proposes a multi-parameter optimization technique that combines an improved genetic algorithm (IGA) and ensemble machine learning (EML) to optimize a licorice harvester's work and structure parameters. The EML model is trained using a small sample dataset built on the coupled DEMMBD (Multi-body Dynamics Coupled Discrete Element Method) simulation model. The impact of base learner diversity and quantity on the model's prediction accuracy is investigated. Using EML and IGA, the parameters of a licorice harvester are optimized. It is also contrasted with conventional response surface model (RSM) parameter optimization techniques. The study results show that the EML with KNN +lightGBM + catBoost as the base learner and linear as the meta-learner has an R2 of 0.959, MAE of 0.048, and RMSE of 0.06. In comparison to the RSM, EML-IGA reduces resistance by 18.16% and specific power consumption by 21.33%;in comparison to the EML and Pre-improvement genetic algorithm(PIGA), it reduces resistance by 11.36% and specific power consumption by 11.19%. It provides a reference for intelligent parameter optimization methods.