关键词： 变厚度天线罩   瞄准误差   插入相位延迟   遗传算法  

摘要： 变厚度设计天线罩是通信系统中保护天线在复杂电磁环境中正常工作的重要途径之一。它基于对电磁波在复杂媒质中的传播规律,通过改变天线罩的厚度分布,来降低天线罩对天线的电性能影响,从而在不干扰天线正常工作的同时起到对天线的保护作用。变厚度天线罩相较于传统天线罩,优势在于能够应对更加复杂的电磁环境,同时能根据天线的应用场景和性能侧重做出针对性的优化调整。但是,变厚度天线罩的缺点也较为突出,如:设计方法复杂且单一,难以满足日趋多样的设计要求。为此,本文结合遗传算法和波矩阵理论对变厚度天线罩设计进行了研究,提出了新的设计方法,主要内容如下: 1.简要阐述了变厚度天线罩的研究背景和应用意义,对近年来国内外的天线罩设计发展进行了调研,比较了现有技术各自的优势和缺陷,并归纳指出了变厚度天线罩设计所面临的困境。 2.结合斯奈尔定律和菲涅尔定律,通过波矩阵法研究了电磁波在复杂媒质中传播时幅度和相位的变化规律,建模并拟合出功率传输系数随复杂媒质厚度的变化曲线。 3.提出了高传输系数低瞄准误差的变厚度天线罩设计方案。研究分析了天线罩设计的重要指标和结构选型,并根据功率传输系数随厚度的变化曲线,计算得到天线在天线罩各处的入射角,进而获取高传输系数天线罩厚度变化分布曲线。在此基础上利用遗传算法优化和设计出高传输系数低瞄准误差的变厚度天线罩。 4.提出了高传输系数低插入相位延迟变厚度天线罩设计方案。分析了由天线罩引起的插入相位延迟所带来的影响和产生原因,通过对插入相位延迟随厚度的变化曲线的计算和分析,结合遗传算法对天线罩厚度进行了调整优化,得到了较为理想的变厚度天线罩结构,最终仿真结果验证了设计方法和优化算法的有效性。

关键词： 遗传算法   淬火算法   双金属团簇   基态结构  

摘要： 采用半经验的Gupta多体势函数结合遗传算法及分子动力学淬火算法,系统研究了Co_(n)Mo_(55-n)(n=0~55)与Fe_(n)Co_(55-n)(n=0~55)团簇的基态结构与能量.通过分析基态结构的相似函数、质心间距、平均键长、平均原子配位数、平均结合能、混合能与二阶差分能.探究了团簇基态的结构特征及稳定性与团簇所含元素种类及组分的关联.结果表明:对Co-Mo混合团簇,随Co原子数目增加,Co原子依次占据团簇中心与最外层顶点,混合团簇逐渐出现组分偏析与无序现象;对Fe-Co混合团簇,基态结构主体上均体现为围绕Mackay二十面体构型的结构畸变,随Fe原子含量增加,Fe原子先占据团簇外表面顶点位置直到全部包裹Co原子,逐渐形成核壳式结构;Co_(13)Mo_(42)与Fe_(42)Co_(13)是幻数结构团簇,研究发现组分效应导致的团簇高对称性相比团簇平均键长与平均原子配位数更能解释幻数结构的成因.

关键词： 挥发氨   半导体传感器阵列   传感器融合   氨气检测系统   人工神经网络  

摘要： 农田挥发氨不仅破坏生态环境,还对人们身体健康造成严重威胁,甚至危及生命。传统电化学法、密闭室抽气法和光学法等挥发氨检测方法存在受环境温湿度变化干扰大和无法低成本地获得瞬态挥发氨的问题,本文提出了一种基于半导体传感器阵列方法研制开发农田挥发氨实时快速检测系统,研制开发具有成本低、田间部署便捷、支持数据实时传输与采集,并具备较强可扩展性的检测装备。半导体传感器阵列农田挥发氨检测系统为绿色农业发展快速了解挥发氨的量提供了科学数据,对农业环境污染防治具有重要意义。论文主要研究内容如下: （1）传感器阵列采集电路与气体检测腔体一体化设计。集成5种不同型号9个半导体传感器,包括MQ系列、TGS系列、Grove多气体传感器及BME688环境温湿度传感器,通过数据融合提升半导体传感器阵列对挥发氨的选择性和灵敏度。传感器阵列与气体检测腔体一体化设计减少了挥发氨气体检测装备的体积。该检测系统采用ESP32-S3作为控制核心,提供了丰富外设资源和更快的计算能力,配备RS485通信模块,结合free RTOS任务管理机制支持远距离数据传输。 （2）基于计算流体力学的挥发氨检测腔体优化设计。论文采用计算流体力学（Computational Fluid Dynamics,CFD）对NS方程与湍流模型进行气体检测腔体的仿真分析和优化。优化的气体检测腔体采用缓冲结构和扩散板,有效消除了气流死角和湍流影响,提高了气流均匀性和气体传感器对挥发氨的覆盖度,挥发氨气流粒子最长轨迹达200 mm,气体更新速度最快可达30 s。 （3）挥发氨检测传感器阵列响应试验及分析。精确制备0.1 ppm、1 ppm及1-10 ppm范围内共12种不同浓度氨气用于试验验证,实验表明,在3 min数据采集过程中,聚酰亚胺膜（Polyimide,PI）加热器可有效维持气体检测腔体温度波动不超过1℃。对气体传感器采集的数据进行主成分分析（PCA）分析,针对10 ppm和50 ppm浓度的氨气、乙醇及其混合气体进行特征提取,主成分1（PC1）贡献率达85.72%,主成分2（PC2）贡献率为10.25%,二者累计贡献率达95.97%,表明气体传感器阵列可有效区分不同种类气体。论文结合SVM、KNN和PCA算法进行传感器暂态响应分类分析,在稳态阶段,PCA、KNN和SVM分类效果优异,其中SVM与KNN的分类准确率均达100%。在暂态阶段,PCA第一主成分贡献率最高达95.25%,KNN和SVM的验证集平均准确率分别为69.40%和68.74%。论文采用支持向量机（SVM）和人工神经网络（ANN）模型进行气体分类任务。针对10 ppm和50 ppm浓度的氨气、乙醇及其混合气体,SVM模型测试表明,使用三次多项式核函数可获得最高分类准确率98.5%。采用ANN模型用于氨气浓度分类,分类准确率最高可达99.6%。 （4）农田环境下的田间挥发氨检测试验。基于前述训练完成的SVM和ANN模型,开展田间试验,验证检测系统在实际环境中的稳定性与可靠性。启用PI加热器,腔体温度加热后仅需15分钟即可稳定在工作温度。在农田四个不同区块分别施加5 g、10 g、15 g和20 g尿素,并进行三组重复测试,每组检测5次。试验中,SVM模型分析结果显示,检测系统的相对标准偏差（RSD）在0%-22.22%之间,施肥量与挥发性氨气浓度呈显著正相关,R2=0.97392。结合ANN模型,监测农田施肥后24 h内的挥发氨气浓度变化,结果表明,施肥浇水后氨气浓度迅速达4 ppm,随后趋于平稳。最高浓度达6 ppm。氨气浓度变化趋势与温度变化高度一致,验证了温度对农田挥发氨的显著影响。

关键词： 舰船尾流   气泡幕   图像处理   边缘检测   遗传算法  

摘要： 船舶在水中航行时,由于船体与水的相对运动以及推进器的扰动,在船身后方形成尾流气泡幕。尾流气泡幕中含有大量信息,这些信息可以从各种物理特性方面进行研究,主要包括声、光、电、热、磁这几个方面。图像处理技术因其具有直观、高效等优点,能实时采集处理图像,图像数据也便于数字化处理,随着数字化技术的发展逐渐成为尾流气泡幕研究的一种重要手段。本文基于图像处理技术对尾流气泡幕进行研究。主要研究内容如下: 1)本文介绍了舰船尾流气泡幕产生的原理以及尾流气泡幕所具有的一些物理性质,主要包括气泡幕中的气泡尺寸大小,形状,以及舰船自身船型、船速与尾流气泡幕之间的关系并构建相应的模型。介绍了图像处理技术在尾流气泡幕研究中的现状,分析了尾流气泡幕研究中如何通过图像处理技术获取清晰的舰船尾流边界线,从而进一步反演出目标舰船航行方向等信息,为基于图像处理的船舶尾流边缘检测技术研究提供了理论基础。 2)本文引入遗传算法对传统Sobel边缘检测算法进行优化改进,使其成为一种可自适应获取最优阈值的边缘检测算法,目的是提高尾流图像有效信息的边缘检测提取。针对不同的图像,通过改进的算法计算出不同情况下最佳的阈值,并将获取的阈值用于边缘检测。检测结果表明,与传统的边缘检测算法相比,本文所改进的算法处理后的尾流图像边缘连续性更强,在尾流气泡幕研究中具有更好的检测效果和适用性。引入图像评价指标对本算法在处理尾流图像的效果进行定量评估,对比结果与主观对比检测结果图像得出的结论相同,说明本算法可以更准确地提取尾流的边缘,且失真较小。并应用改进算法对实验室模拟获取的模拟尾流气泡幕图像进行边缘检测,对比传统算法的边缘检测结果,改进算法处理后提取到的气泡图像边缘更清晰,连续性更好。 3)本文结合图像处理技术进行尾流波高仿真建模,揭示了船型参数对尾流波高的定量影响规律,通过整合仿真和边缘检测结果来描述尾流波形特征。通过Radon变换和Hough变换对处理后的宏观视场尾流图像进行拟合提取,提取出了尾流气泡幕的边界线,计算出了尾流的边界线夹角,并估算出舰船航行的方向。进一步为基于图像处理技术的尾流气泡幕研究反演出舰船-尾流关系模型提供了理论验证和数据支撑。

关键词： 人工神经网络   动力学系统   着陆冲击   特性反演  

摘要： 针对现实中无法用方程进行精确解析描述复杂动力学系统的问题，文章提出通过人工神经网络代替多项式作为基函数进行拟合的系统特性反演一般方法，并以梦舟号载人飞船返回舱着陆冲击动力学特性反演进行仿真验证，结果表明：基于多层感知器模型和长短期记忆网络模型的方法均可用于解决该类动力学反问题，可作为复杂动力学，尤其是航天器系统动力学反问题的解决方案。

关键词： 混凝土坝   通水冷却   迁移学习   人工神经网络   参数校准   双目标优化  

摘要： 通水冷却是大体积混凝土施工中常用的温度控制措施之一，随着我国水电工程建设的不断发展，水工程建设面临着环境更加复杂、施工进度要求更高等挑战。根据现场实际变化的气象条件和不断优化的施工组织方案快速制定合理的通水冷却等温控措施是急需突破的关键技术难题。为此，提出一种基于迁移学习代理辅助优化方法（TLSAO），用于混凝土坝一期通水，旨在提升效率并降低优化成本。首先，采用人工神经网络捕捉先验仓温度场计算结果与输入参数之间的非线性关系，并将该模型迁移至坝仓目标域，建立迁移学习代理模型（TLANN），减少样本数量的需求。随后，以最大温度和冷却成本作为优化目标，构建通水冷却双目标优化模型，使用NSGA-II算法优选坝仓的通水方案。为提高数值模拟结果的准确性和可靠性，通过动态模型更新校准热学参数，随监测数据的积累，校准精度逐渐提升，提高了优化的可靠度。该方法能在短时间完成优化，仅需41 h即可完成一个坝段优化，相比传统ANN优化辅助提高了一倍以上的效率，为混凝土坝温度自动化、智能化和精细化控制提供了有力参考。

关键词： 轴承   剩余使用寿命   预测方法   Wiener过程模型   人工神经网络  

摘要： 轴承作为精密仪器中的关键旋转部件，其运行状态直接影响系统的安全性和稳定性，因此准确预测轴承剩余使用寿命尤为重要。现有的轴承剩余寿命预测方法可分为物理模型类和数据驱动类。物理模型方法具有较高的可解释性，所需样本量少，但预测精度较低，且不能在线预测；数据驱动方法则具有较高的预测精度和在线预测能力，但需要大量历史样本数据。为此，提出了结合物理模型和数据驱动方法的混合Wiener过程-人工神经网络（Wiener-Artificial Neural Network, Wiener-ANN）模型用于轴承剩余使用寿命预测。该模型通过时频域特征作为多源输入数据优化Wiener过程模型，使用优化后的模型进行第1阶段预测。随后，构建一个以第1阶段预测结果作为训练数据优化的三层ANN，将优化后的Wiener模型与ANN联合用于测试数据集的剩余寿命预测。与传统Wiener模型和ANN方法的预测结果对比表明，该方法在预测精度和应用性能上具有显著优势，具有较好的工程应用价值。

关键词： 生鲜产品   随机需求   多配送中心   库存运输联合优化   遗传算法  

摘要： 随着现代化的不断深入,中国的经济实现了显著的增长,居民的生活水平也得到了显著提升。城市人口的增加和生活质量的提高,导致了城市居民对生鲜农产品的需求日益增长和多样化。这不仅推动了生鲜产品需求的增加,还对其新鲜度、配送效率及服务水平提出了更高的标准。因此,传统的单一配送中心模式已无法满足企业在高效配送规划和高标准服务质量方面的需求。 此外,生鲜产品因其易腐性和时效性,对库存和运输提出了更为严格的要求。大量研究表明,新鲜农产品的新鲜度在配送过程中至关重要。在运输过程中,货物会受到天气和温度等各种因素的影响,从而导致新鲜度发生变化。货物的出库时间会影响运输路线的规划,而运输路线的安排同样会对库存决策产生反作用,库存管理与运输环节之间存在密切的相互关系。在实际配送过程中,存在许多不确定因素,其中需求量的随机性是企业在运输规划中必须考虑的重要因素。因此,将随机需求与多配送中心模式结合进行库存和运输的联合优化研究显得尤为必要。 在本文中,研究了在多中心配送环境下,在随机需求情况下优化库存运输的联合问题。以冷链运输为基础,综合考虑随机需求、新鲜度要求及时间窗约束,构建了一个优化模型,以最小化车辆运输成本、库存成本、制冷成本和货损成本为目标。首先,综述了国内外生鲜冷链的研究现状;其次,探讨了生鲜农产品的定义及新鲜度函数;随后,介绍了两种常用的深度学习算法,并基于此构建了生鲜产品需求预测模型。在此基础上,建立了基于随机需求特性的库存运输联合优化模型。为求解该模型,设计了遗传算法步骤,根据库存状态和需求点的新鲜度要求,设定了新鲜度等级,以便配送中心进行路线规划的同时进行库存分配的方案设计。最后,通过相应的算例,与分开优化方案的结果进行对比,验证了联合优化方案在降低总成本方面的优越性。

关键词： 网状钛基复合材料   流变行为   Arrhenius本构方程   神经网络   遗传算法  

摘要： 随着航空航天、能源等高端制造领域对材料性能要求的不断提高，网状钛基复合材料因其优异的比强度、耐热性和抗蠕变性能而受到广泛关注。为研究网状钛基复合材料的热变形行为，并建立能够描述其高温流变行为的本构模型，本文对（TiB+Ti5Si3）/TA15网状复合材料在温度为890～980℃、应变速率为0.001～1s-1下进行了等温压缩试验。结果表明，890℃、1s-1条件下该复合材料的流变行为在峰值应力之后明显软化，并且在变形初期表现出了不连续屈服特征。随着温度升高和应变速率降低，流动应力软化值逐渐降低，当温度为980℃、应变速率为0.001s-1时峰值应力基本达到一个稳态值。以应力应变数据为基础，分别建立了基于应变补偿修正的Arrhenius本构模型和遗传算法（GA）优化反向传播（BP）神经网络本构模型。其中，基于应变补偿修正的Arrhenius本构模型在应力较大时偏差较大。GA-BP神经网络本构模型能够更加准确地预测网状钛基复合材料的复杂流变行为，其相关系数R=0.9997、均方根误差RMSE=1.1292MPa、平均相对误差AARE=1.0296%。该研究可为网状钛基复合材料的热变形工艺提供理论指导。

关键词： 数控机床   驱动装置   属性约简   粗糙集   遗传算法  

摘要： 针对数控驱动装置健康评价指标数量多，数据量大，导致计算过程较为复杂及耗费时间过长等问题，为此提出了一种基于粗糙集和遗传算法的评价指标约简方法，从而达到指标约简的目的。首先根据指标建立原则，初步确定评价指标；基于粗糙集和遗传算法给出算法的具体步骤和方法；最后得出约简后的评价指标。结合数控驱动装置的健康评价指标案例进行分析，不仅达到了减少数据采集和计算的工作量的目的，也保留了对数控驱动装置进行健康评估的核心指标，为后续对数控驱动装置进行健康评估奠定基础。