关键词： 大间距阵列   阵元选择   DOA估计   遗传算法   波束形成  

摘要： 随着雷达探测和无线通信技术的快速发展,阵元选择技术因其能节约阵列资源、降低运算复杂度等优势,成为阵列信号处理的重要研究方向。在复杂多变的无人机集群目标场景下,受限于固定的孔径,传统大规模半波长阵列无法满足高分辨率需求。相比之下,大间距阵列和阵元选择技术通过扩大孔径和灵活选择阵元,增强空域感知能力,为复杂环境下的目标感知提供了新方法。为准确获取集群目标的空间信息,从提高系统的感知能力和降低系统复杂度出发,本文从大间距稀布阵设计及阵元选择两个方面展开研究。通过扩大阵列孔径以提高阵列分辨能力,利用阵元选择技术在保证性能的前提下有效降低了系统复杂度,并针对无人机集群目标提出了准确、高效的阵元选择策略。本文的主要工作和创新点如下: 1.研究了大间距稀布阵列的设计方法。从分辨率角度出发,分析了集群目标场景所需的阵列分辨能力与阵列孔径的关系。围绕大间距均匀阵列的方向图存在的高栅瓣问题,研究了基于遗传算法的大间距稀布阵列设计,在保证阵列高分辨能力的前提下,优化布阵解决栅瓣问题。通过方向图仿真实验验证了所设计的大间距稀布阵列的波束性能,结果表明所设计的大间距稀布阵方向图的副瓣峰值电平控制到20d B以下。 2.研究了集群目标场景下的最优阵元选择和到达方向(Direction of Arrival,DOA)估计算法。综合考虑阵元选择及多重信号分类(Multiple Signal Classification,MUSIC)算法的优点,针对集群目标,提出了分阶段进行的最优阵元选择策略。其中初始阶段以保持阵列最大孔径和粗估计所需的最低阵元数进行快速选择获得DOA范围,主要阶段从最小化面阵克拉美-罗界(Cramér-Rao Bound,CRB)出发,采用贪婪算法进行最优选择并实现DOA精细估计。通过对比大间距均匀面阵、大间距稀布阵列和最优选取阵列的DOA估计性能,验证了阵元选择的优越性。结果表明,在10d B信噪比条件下,只需调动阵列的30%的资源可实现阵列性能的80%。 3.研究了基于阵元选择的自适应波束形成。在面阵波束形成数学模型基础上,梳理了阵元选择之后的稀疏阵波束形成输出功率最小化问题框架,并分析对比了满阵和稀疏阵的波束形成性能。结果表明,相比与满阵,稀疏阵列在干扰方向的抑制能力虽然有所下降,但仍可实现不低于33d B的零陷深度,并且阵元选择方法通过使用满阵的78%阵元也可实现期望方向正确的波束指向。

关键词： 飞机装配线平衡   飞机装配线作业调度   强化学习   遗传算法   多目标优化  

摘要： 随着航空制造产业的快速发展,移动装配线在飞机生产制造领域的应用成为必然趋势。由于飞机各部位系统的装配十分复杂,合理规划和优化飞机装配线,确保装配过程的顺畅进行,成为当前航空制造领域亟待解决的重要问题。其中,飞机装配线平衡与飞机装配线作业调度在整个飞机制造系统中扮演着不可或缺的关键角色。研究飞机装配线平衡问题和调度优化问题对提高飞机装配效率、提高移动装配线技术应用水平具有重要意义。 本文在综合考虑飞机装配过程中的任务顺序、装配空间、装配人员与资源等约束条件的基础上,旨在缩短飞机总装时间、提高装配效率、减少装配线人员投入并增强各工作站间的平滑衔接度,以确保所提出的优化方案具有实际应用价值。从而开展以下内容的研究: (1)首先,研究了飞机总装移动装配线平衡问题(Aircraft Moving Assembly Line Balancing Problem,AMALBP),建立了以最小化平滑指数和装配线节拍为目标的问题模型,提出了一种基于贝叶斯强化学习改进的NSGA-II算法(Bayesian reinforcement learning-improved NSGA-II algorithm,RLINSGA-II)来解决这一问题,对非支配排序后的种群进行层次划分,并构建不同层次个体之间的选择策略表达,通过贝叶斯强化学习公式在种群迭代过程中不断调整选择策略,从而提升交叉算子获得子代个体的质量,进而提高算法的搜索能力。最后在9个基准案例上对所提算法进行性能测试。验证了算法求解以装配线节拍和平滑度为目标的多目标装配线平衡问题的优越性,为AMALBP的研究打下了理论基础。 (2)研究了飞机总装移动装配线作业调度问题(Aircraft Moving Assembly Line Job Scheduling Problem,AMALJSP)的求解。建立了具有作业顺序约束、资源约束、空间约束等特点和以Makespan为优化目标的数学模型,将问题求解分为确定装配任务优先顺序和确定装配任务开工时间两个阶段。提出一种基于Q-learning的改进遗传算法(Q-learning-based improved genetic algorithm,QIGA),利用Q-learning动态调整算法在每一次迭代过程中的的交叉变异概率参数来提高算法的收敛速度及搜索能力。构建动态调节交叉变异概率问题的马尔可夫决策过程(Markov Decision Process,MDP)模型,提出了基于种群适应度值的状态集划分规则,将动作集设为不同区间的交叉变异概率,并设计了基于种群性能的奖励规则。最后,通过不同规模的飞机装配调度案例来验证算法的可行性与优化效果,实验结果表明,该算法与传统的元启发式算法相比,具有更好的优化效果,能够有效减少工作站内飞机装配总工期。 (3)在以上基础上,深入研究了飞机总装移动装配线集成优化问题(Aircraft Moving Assembly Line Integration Optimization Problem,AMALIOP)。为了应对前两类问题分别进行优化所造成的优化效率低与站位间平衡性较差等问题,研究了两类问题的集成策略,对两个问题的数学模型进行特点融合。建立了飞机移动装配线集成优化问题的整数线性规划模型,并针对该问题,设计了一种新的编解码方法,为了实现装配任务的人数分配,提出了符合问题特点的二维编码方法。并采用RLINSGA-II进行求解,最后设计了5种不同规模的算例,将所提出的RLINSGA-II与5种多目标优化算法进行了比较。仿真实验表明,RLINSGA-II能够高效解决飞机移动装配线集成优化问题。 (4)最后,将本文关于飞机移动装配线集成优化问题的研究成果应用于某航空制造企业的总装车间,对真实装配问题进行问题建模,将RLINSGA-II算法应用于该问题求解。结果表明,该模型与算法在实践中具有良好效果。

关键词： 钝化   教学“钝化   课堂讲授   教学风险  

摘要： 作为由传统课堂讲授诱发的一种教学风险，教学“钝化”是指课堂教学中师生双方在智力不平等的预设前提下，教师的讲授行为剥夺了学生的智力运用机会，是一种对学生智性矮化的行为，使他们在知识学习中陷入不自由、不灵活的状态。教学“钝化”由实施“钝化”教学的教师、作为智力依附者的学生以及“沉默”的教学材料等要素诱发，表现出发生的潜隐性、运转的稳定性与结果的弥散性等特征。教学“钝化”会铸造课堂的“技术牢笼”,致使教学倦怠蔓延；会唤醒教师心中的“无思之恶”,致使教师尊严降格；会指向“单向度的人”的诞生，致使学生主体性丧失。为了消解教学“钝化”风险，教师需要将平等视为教学的起点，回归“为人”的教学底色，踏上“平等”的知识探寻之旅；需要涵养“无知”的教师之美德，过一种“审视式”的教学生活；需要构建“对话式”的教学关系，营造主体间“相遇式”的教学境况；需要追求“审美式”的教学态度，创造“作品化”的教学成果。

关键词： 金属有机骨架材料   气体分离   分子模拟   遗传算法   机器学习  

摘要： 金属有机框架（Metal-Organic Framework,MOF）材料因具有高比表面积,孔径可灵活调控以及功能多样化调节等突出的结构特性,在众多领域实现了广泛应用,应用领域涵盖气体储存与分离,催化过程以及传感技术等范畴。诸多研究成果揭示,MOF材料于气体分离领域蕴含着巨大的应用潜力。然而,探索MOF材料特性的传统实验方法往往耗时耗力。随着机器学习技术的发展,使用机器学习来构建能够准确预测MOF材料性能的模型已然成为一种有效的研究方法。同时,在机器学习模型的基础上,加入遗传算法进行遗传迭代,可以探索性能更优秀的新MOF材料。本文通过机器学习和遗传算法,进行MOF材料定向筛选并且探索了逆向设计新型MOF材料的方法。主要工作如下: （1）本研究通过构建融合巨正则蒙特卡罗（GCMC）模拟与机器学习模型的新型算法框架,有效解决了传统筛选方法效率低下的瓶颈问题,揭示了高选择性材料的共性结构特征,并成功从Co RE库中筛选出兼具高甲烷（CH4）/氮气（N2）选择性与吸附容量的MOF材料。本研究针对4447个MOF材料开展了GCMC模拟分析,模拟条件为1 bar和298 K。模拟探究了MOF材料对CH4和N2等摩尔混合气的吸附分离性能。而后以模拟数据为输入构建了四类机器学习预测模型,通过分析MOF材料结构特征实现对CH4/N2选择性的有效预测。为深入解析材料结构与性能间的关联性,开展了模型特征重要性分析。结果表明,高选择性MOF材料表现出以下共性特征:孔体积（PV）低于0.17 cm3/g,最大空腔直径（LCD）介于4.5～5.7?,孔径限制直径（PLD）介于1.7～3.7?。最后,运用经过训练的机器学习模型对Co RE库中MOF材料的CH4/N2选择性进行筛选,发现了一系列CH4/N2选择性较好且吸附能力较强的高分离性能MOF材料,为后续工业应用奠定基础。 （2）本研究创新性引入拓扑描述符,一为优化算法参数,通过引入新的描述符获得具有良好预测性能的机器学习模型,以解决机器学习模型在CH4/N2分离系统中预测性能差的问题,二为逆向设计高性能MOF材料的结构,为发现优秀的CH4/N2分离材料提供指引。通过机器学习和遗传算法获得了包含金属元,有机配体和拓扑结构的高CH4/N2选择性MOF材料基因,并构建出新型高分离性能MOF材料,实现了MOF材料的逆向设计。原数据库中模拟性能最优的MOF材料CH4/N2选择性为13.3,而逆向设计出的MOF材料CH4/N2选择性达到14.2。并且在本次研究中,观察到MOF材料的拓扑结构类型是左右其选择性的关键要素,并且拓扑结构为flu或fsc的MOF材料更有可能具有CH4/N2高选择性。本研究为MOF材料的应用拓展与发展演进提供了创新策略与潜在机遇,有望推动气体分离领域的研究进展与实际应用。 （3）本研究构建了融合GCMC模拟与多维度特征优化的机器学习模型整合框架,创新性建立了丙烷（C3H8）/丙烯（C3H6）选择性与MOF材料LCD、PLD、ρ等结构参数的定量关联模型,揭示了高选择性材料的共性特征,并成功从Lan库中筛选出C3H8/C3H6选择性达3.8的高性能候选材料。本研究对1434种MOF材料开展GCMC模拟,目的在于评估这些材料在1 bar,298 K条件下,对等摩尔的C3H8与C3H6气体的吸附选择性。而后采用多维度结构特征,借助优化调参等方式探寻最为适宜的机器学习模型。经过结构-性能分析,得出高C3H8选择性MOF材料的共性特征:LCD介于5～6.5?,PLD介于4～5.5?,密度（ρ）在0.8～1.5 g/cm3范围内和体积可及表面积（v ASA）在500?3以下。在机器学习模型基础上,筛选出C3H8/C3H6选择性优秀的MOF材料,其C3H8/C3H6选择性达到3.8,为后续实验合成提供了重要参考。

关键词： 欧式期权   双Heston随机波动率   跳扩散模型   遗传算法   Monte Carlo模拟  

摘要： 欧式期权是一种常见的金融衍生工具,赋予持有人在特定到期日(而非到期日前任何时刻)按预定价格(行权价)买入或卖出标的资产的权利。作为金融学领域中基础且广泛运用的衍生品之一,欧式期权的定价一直是研究者们密切关注的主题。然而,现有文献中鲜有研究能够同时系统地考虑多个因素的波动率,尤其是那些将标的资产价格的随机利率与跳跃扩散过程相结合的复杂模型。但实际中,金融市场不仅表现出随机性特征,还普遍存在跳跃性波动。因此,本文旨在从多个角度深入分析和弥补经典B-S模型的不足,通过构建更加精确的模型来更好地反映金融市场资产价格的变化规律: 第一,基于双Heston跳跃扩散模型和随机利率,构建欧式期权定价模型。考虑到标的资产价格的随机波动率和跳扩散,以及考虑随机利率,构建了双Heston跳扩散下带随机利率的期权定价模型。首先,构建标的资产满足的微分方程;其次,应用鞅方法、Feynman-Kac定理和偏微分方程计算特征函数并运用傅里叶逆变换推导出期权的定价公式;最后,通过使用Matlab软件分析了定价公式中参数对期权价值的影响,如标的资产的波动率、执行价格、泊松强度等。 第二,采用Monte Carlo方法进行模拟分析。首先,基于跳跃扩散模型生成资产价格路径,并计算每条路径的期权收益,再将其按无风险利率贴现,最终通过所有贴现收益的平均值估算期权价格。模拟结果显示,随着模拟次数增加,价格逐渐逼近真实值。通过对比经典Heston模型和DHJD-CIR模型的股票价格路径,发现DHJD-CIR模型更接近真实值,更精确地描述了股价变化。 第三,选取上证50ETF期权的实际交易数据进行实证分析。首先,从Wind数据库中获取相关数据,并对这些数据进行描述性统计分析;其次,为确保所提模型参数估计的准确性,采用了遗传算法进行参数估计和校准;最后,通过对不同模型预测结果的误差对比,评估了各模型的定价能力。 结果表明,双Heston跳扩散下带随机利率的期权定价模型的模拟路径更接近真实路径,更有助于金融投资者的决策。

摘要： 一、车联网数据跨境流动的核心概念与场景化特征车联网数据跨境流动的规制基础，首先需锚定其区别于通用数据类型的场景化本质与技术驱动属性。车联网数据并非静态信息集合，而是车辆在动态运行中，通过传感器、控制器、通信模块实时生成并交互的多维异构数据流。其核心构成涵盖车辆本体状态数据、环境感知数据、用户交互与生物数据、服务与应用数据。同一类型数据在不同情境下可能被归入截然不同的敏感层级。例如，普通GPS（全球定位系统）坐标属于基础个人信息，但高频汇聚成区域车辆轨迹热力图则涉国家安全；车辆控制器局域网总线控制指令在维保中为技术数据，但涉及自动驾驶转向/制动信号跨境传输则危及公共安全。

关键词： 工业上楼   结构优化   柱网布置   承载能力   遗传算法  

摘要： 为了解决“工业上楼”模式下工业建筑承载能力与空间利用率不匹配的问题，本文介绍了深圳全至科技创新园的结构设计特点，分析了不同产业类型对楼面承载力和柱网布置的适配性要求，构建了以经济性、空间利用率和结构安全性为核心的多目标优化模型。采用遗传算法对柱网间距和楼面承载能力进行优化，提出了适用于不同产业特性的结构设计策略。研究结果表明，优化后的结构设计在提升承载能力和空间利用率的同时，降低了经济成本，增强了结构安全性和产业适配性，为“工业上楼”模式下的工业建筑设计提供了理论支持和工程实践经验。

关键词： 人工神经网络   微波器件   改进的足球队训练算法   优化设计   代理模型  

摘要： 移动通信技术的快速发展对微波器件性能提出更高要求,致使器件结构更加复杂、参数更多且特性变化规律难以掌握。传统电磁仿真和人工调节参数的方法在设计多参数微波器件时,存在计算成本高和设计效率低等问题。为了解决这些问题,本文将启发式算法与人工神经网络应用于微波器件的优化设计中,提出了完整的设计方法。本文开展的主要工作如下: (1)针对全波电磁仿真软件计算电磁响应时间成本过高的问题,本文提出了一种人工神经网络辅助改进足球队训练算法的天线设计方法。首先,构建人工神经网络代理模型代替全波电磁仿真软件,用于计算天线的电磁响应。其次,利用改进的足球队训练算法不断调用人工神经网络代理模型,求解满足设计要求的天线结构参数。最后,将所提出的方法运用到串馈贴片天线优化设计当中。实验结果表明,经该方法优化的串馈贴片天线在75.5-78 GHz频段内实现了反射系数小于-10 d B的性能指标。对此发现,直接调用全波电磁仿真软件进行优化需要25小时,而所提出的方法投入优化阶段仅需500秒。说明所提出的方法显著降低了计算成本,大幅缩短了优化时间。 (2)针对传统人工神经网络代理模型中,使用反向传播算法更新权值和阈值时,存在损失函数易陷入局部最小值的问题,本文提出了一种基于改进足球队训练算法优化人工神经网络的功分器设计方法。首先,利用改进的足球队训练算法对人工神经网络的权值和阈值进行优化,以提升人工神经网络的预测精度。其次,将优化后的人工神经网络作为全波电磁仿真的代理模型,用于计算功分器的电磁响应。然后,结合麻雀搜索算法不断调用人工神经网络代理模型,求解满足设计要求的功分器参数。最后,将所提出的方法运用到一分四T形结功分器优化当中。实验结果表明,在相同的数据样本下,该方法相比于传统的人工神经网络代理模型具有更高的预测精度,且优化后的一分四T形结功分器在15.1-19.1 GHz频段内实现了反射系数小于-15 d B和插入损耗小于0.5 d B的性能指标。对此发现,直接调用电磁仿真软件进行优化需要17小时,而所提出的方法在优化阶段仅需700秒,说明所提出的方法显著提升优化效率。

关键词： 矿用变频器   故障诊断   小波变换   遗传算法   粒子群算法  

摘要： 随着智能矿山的建设,矿用变频器在井下的应用非常广泛,已经成为矿山电气设备中不可或缺的关键模块。然而,在井下复杂的工作环境中,矿用变频器的故障会为企业带来巨大损失。其中大部分的故障是由变频器主电路逆变侧的IGBT元件引起的,因此研究矿用变频器主电路逆变侧IGBT的故障诊断技术具有重要的实际意义。 本文首先阐述了矿用变频器的种类,着重分析电压型交直交矿用变频器的工作原理以及调制技术,再通过分析矿用变频器的故障,确定了逆变侧IGBT断路是最常发生的主要故障。 针对矿用变频器难以采集数据,采用Mtalab-simulink来搭建矿用变频器的仿真模型,通过模拟矿用变频器主电路逆变侧的断路故障情况,得到二十二种故障分类,并采集相应的电流作为故障信号进行分析。接着利用小波变换的自适应变换性对不规则故障电流信号提取特征,先对电流信号进行小波降噪处理,去除谐波干扰,然后使用多分辨分析将信号分成不同的高低频带,采用各相低频电流信号的小波系数能量值作为特征样本数据。 对于上述的故障样本特征数据,利用神经网络强大的映射能力对其进行诊断,首先采用了标准的BP神经网络对样本数据进行训练,诊断准确度达到83.64%。由于BP神经网络具有易陷入局部最低点的局限,通过多种智能算法对BP神经网络初始权值和阈值寻优,以达到更好的诊断效果。采用遗传算法优化BP神经网络(GA-BP)、粒子群算法优化BP神经网络(PSO-BP)、遗传算法和粒子群算法联合优化BP神经网络(GA-PSO-BP)以及加入混沌初始化、莱特飞行机制和惯性权重线性递减的多策略优化GA-PSO-BP神经网络,故障准确率分别达到93.41%,95.91%,97.95%,99.55%。实验证明,基于多策略改进的GA-PSO-BP神经网络对矿用变频器逆变侧的故障诊断拥有更高的精度。

关键词： 协同演化理论   区域教研   双向赋能机制   转型策略  

摘要： 宁夏吴忠市针对基础教育“新课程、新教材”改革中区域教研的协同困境，基于协同演化理论构建“主体—资源—机制”三维分析框架，通过“政策牵引—专业内驱”双向赋能机制重构主体权责关系、优化资源配置效率、增强制度动态适配性，探索“解构—重组—进化”转型路径，显著提升了区域教研协同效能。事实表明，该策略为破解“双新”改革落地的区域教研协同困境提供了包含理论框架、实施路径、操作工具的立体化解决方案，对新时代基础教育区域教研体系改革具有实践价值。