关键词： 钒矿   钒钛磁铁矿   石煤钒矿   微波消解   电感耦合等离子体原子发射光谱法(ICP-AES)   钒   共(伴)生元素  

摘要： 钒矿资源的综合利用需要准确测定其组分。中国钒矿资源丰富，主要赋存于钒钛磁铁矿和石煤钒矿中，钒钛磁铁矿属于难分解的矿石，石煤钒矿则含有较高的碳质或有机质，处理样品时常分解不完全，并且钒、钛极易发生水解。实验采用硝酸-氢氟酸酸溶体系使用微波消解法消解样品，选择V 310.230 nm、Ti 334.940 nm、Fe 239.562 nm、Al 396.153 nm、Co 228.616 nm、P 214.914 nm、Cu 327.393 nm、Mn 259.372 nm为钒、钛、铁、铝、钴、磷、铜、锰的分析谱线，建立了电感耦合等离子体原子发射光谱法(ICP-AES)测定钒矿中钒及共(伴)生元素钛、铁、铝、钴、磷、铜、锰的方法。实验确定了试液的介质为5%(体积分数)盐酸，以防止钒、钛水解。方法中各元素校准曲线的线性相关系数均在0.999以上；方法的检出限为20～158μg/g。实验方法用于测定标准物质GBW07224和GBW07875中钒、钛、铁、铝、钴、磷、铜、锰，各元素测定结果的相对标准偏差(RSD,n=12)为0.2%～6.0%,能够满足DZ/T 0130《地质矿产实验室测试质量管理规范》的要求；测定值与认定值基本一致，相对误差(RE)为-6.72%～11.00%。选择GBW07877和1个钒矿实际样品分别按照本法和高压密闭酸溶-ICP-AES进行测定，两种方法测定结果相一致。

关键词： 计算机应用   车辆位置路由问题   第三代非支配排序遗传算法   粒子群算法   遗传算法  

摘要： 提出一种混合全局局部搜索的非支配排序粒子群遗传算法，该算法能够有效解决车辆位置路由问题。全局搜索使用粒子群和遗传算法以提高收敛速度，使用第三代非支配排序遗传算法挑选种群下一代个体以保留种群多样性。局部搜索策略针对优质和次优个体进行优化，以提高得到更优解的概率，对种群中后1/12个体打乱用户顺序，提高种群质量。使用开放标准数据集将本文算法与基准算法对比，结果表明本文算法在种群质量、多样性上均更优，能够为车辆位置路由问题提供有效的解决方案。

关键词： 三阴型乳腺癌   新辅助化疗   病理完全缓解   XGBoost   人工神经网络  

摘要： 目的 探讨XGBoost联合人工神经网络(ANN)构建模型预测三阴型乳腺癌(TNBC)新辅助化疗(NAC)后病理完全缓解(pCR)的价值。 方法 回顾性收集我院2018年1月-2022年12月首诊为TNBC接受NAC并手术的患者治疗前的临床、血清、病理、影像、免疫组化指标以及NAC前后对侧正常乳腺腺体背景实质强化(BPE)特征,应用XGBoost联合grid search降低维度筛选出与pCR相关的重要特征子集,并构建ANN模型。通过受试者操作特征(ROC)评估模型的诊断效能。前瞻性收集我院2023年1月-2024年6月符合条件的患者进行验证。 结果 共收集163个病灶,pCR 63个。经XGBoost及greed search筛选出8个重要特征子集,依次为:较高的异质性ADC值、PD-L1阴性、腋窝淋巴结阴性、较高的SER值、AR阳性、Ki-67指数低表达、NAC前BPE少许/轻度强化、血小板/淋巴细胞比值高,进一步构建ANN模型。该模型在训练集,测试集和验证组中均表现出优秀的诊断效能(AUC分别为0.935,0.891,0.916)、校准能力及较高的临床净收益。 结论 XGBoost联合ANN构建的模型能够预测三阴型乳腺癌NAC后的pCR,为临床诊疗提供依据。

关键词： 高管个体主导逻辑   涌现性   神经网络   遗传算法   组织主导逻辑  

摘要： 战略研究的范式正经历一个研究逻辑起点的演变，即从“环境-行为-绩效”范式，向“资源-战略-绩效”和“认知-战略-绩效”的范式演变，主导逻辑研究因其属于以“认知”为逻辑起点的战略研究的范式，并受战略实践观的影响，而在30多年后再度被关注。后续研究认为，组织主导逻辑是指从低层次的个体主导逻辑中涌现出来的，是寻求适应的复杂组织的一种涌现结果，但是只是停留在一个理论假设的研究阶段。文章基于主导逻辑理论的涌现性理论假设，构建了高管个体主导逻辑对组织主导逻辑作用机制的涌现性机理模型，并且运用神经网络和遗传算法，以跨学科全新的研究方法研究“组织主导逻辑”形成机制及其涌现性，试图攻克主导逻辑理论研究的一个难点。

关键词： 多任务优化   进化计算   知识迁移   神经网络   小生境技术  

摘要： 现实世界中的任务之间往往具有相关性或相似性,利用这些特性同时优化多个任务是进化多任务优化算法的主要目标。近年来,该领域已成为进化计算研究的热点。与传统单任务优化算法相比,多任务优化算法通过挖掘和传递任务间的共性知识(即知识迁移),以显著提升多个任务的优化性能。目前,研究人员已开发多种知识迁移技术,并取得了一定成果。这些技术能发现任务间的相似知识并迁移至目标任务,帮助跳出局部最优或加速收敛。然而,传统知识迁移技术仍存在以下局限性:一、如何选择适宜的知识迁移候选个体仍具挑战性;二、知识迁移常局限于索引对齐的维度,忽略不对齐维度;三、在异构任务优化中,维度填充方法可能误导迁移过程,降低性能;四、传统技术仅实现浅层迁移,难以深入挖掘任务间相似性;五、缺乏自适应控制种群规模的技术。若能克服这些局限,多任务优化算法的性能将进一步提升。 针对上述传统知识迁移技术的局限性,本文分别从两个新颖的角度分别提出了两个进化多任务优化算法。第一个算法是基于小生境技术的多层次和多段学习多任务优化算法。该算法提出了两种学习策略:多层次学习策略和多段学习策略。在多层次学习策略中,首先根据适应值将目标种群分为三个层次:优等、正常、劣等;然后,在每层中选取部分优秀个体作为知识迁移的候选个体,以增强个体多样性并确保信息质量;其次,在多段学习策略中,将候选个体分割成多个片段,每个片段对应一些连续的维度;每个段从源种群中寻找相似的片段,以形成一个小生境。然后在小生境中交流信息,从而实现相似片段的知识迁移。该算法有效克服了候选个体选择、维度对齐迁移以及异构任务维度填充的局限性。 第二个算法是基于神经网络的多任务优化算法。首先,该算法使用神经网络作为任务之间迁移模型,深入挖掘任务间的相似性,并预测目标任务的潜在优质新解,以增强目标任务的个体学习。其次,该算法提出了基于适应值的自适应种群规模策略,在进化过程中根据各种群状态调整种群大小,以满足不同任务下不同阶段的搜索需求。该算法有效解决了异构任务维度填充、浅层迁移以及固定种群规模的局限性。 本文使用了两个广泛应用的多任务基准测试集CEC2017和CEC2022来测试本文算法的性能。为评估其效果,本文设计了对照实验并将提出的算法与多种先进的多任务优化算法进行性能比较。实验结果充分表明,本文算法在多项指标上均表现出色,其性能显著优于其他先进的多任务优化算法。此外,为进一步验证算法的实用价值,本研究将其应用于现实世界中的实际问题,结果显示其在解决复杂应用场景时具有良好的适用性和稳健性。

关键词： BP神经网络   风力发电   故障诊断   数字孪生   遗传算法  

摘要： 随着全球对可再生能源需求的不断增长,风力发电成为了清洁能源的重要来源,其可靠性和运行效率成为研究热点。风力发电机在运行过程中面临多种故障挑战,传统故障检测与预测方法存在滞后性和低准确性问题,难以满足现代风电场的运维需求。本文提出了一种基于数字孪生技术的风力发电机故障诊断方法,通过构建风力发电机的数字孪生模型,实时监测其运行状态,并整合多源数据。在此基础上,采用BP(Back Propagation,BP)神经网络进行故障预测,通过遗传算法(Genetic Algorithm,GA)对神经网络的各项数值进行优化,以提高模型的预测准确性和鲁棒性。研究表明,基于数字孪生的故障预测方法能够有效捕捉风力发电机的运行特征,及时识别潜在故障,相较于传统方法显著提升故障预测的准确率和响应速度。该方法为风电场的智能运维和决策支持提供了新手段。本文的研究内容包括以下几个方面。 数字孪生模型的构建:通过集成风力发电机的物理模型、传感器数据和仿真平台,构建了高精度的数字孪生模型,实现对风力发电机运行状态的实时监控和仿真分析。物理模型的建立包括风力发电机的主要部件,包括叶片、齿轮箱、发电机、控制系统和基础结构等,通过Unity3D进行详细设计与验证。传感器数据包括温度、振动、电流、电压、风速和风向等多源数据,通过高精度传感器实时采集。仿真平台利用Matlab等软件搭建,实现对风力发电机的动态仿真和性能分析。 GA-BP神经网络优化与故障诊断融合:针对风力发电机多源故障特征(如轴承高频谐波、叶片裂纹低频异常、绕组过热电流畸变)的耦合性与工况干扰问题,本研究采用遗传算法(GA)优化BP神经网络参数:以典型故障特征数据集为优化目标,利用GA的全局搜索机制动态调整网络学习率、隐含层节点数及激活函数组合,同时通过种群变异操作增强模型对风速突变、负载波动的抗干扰能力,有效解决了故障特征提取模糊与工况适应性不足的核心瓶颈。 实验验证与结果分析:通过一系列仿真研究,验证了数字孪生技术和GA-BP神经网络在风力发电机故障诊断中的有效性。实验平台包括风力发电机的物理系统和数字孪生模型,通过真实的风力发电机模拟其运行状态,数字孪生模型通过仿真软件实现对其运行状态的仿真分析。实验结果表明,基于数字孪生的故障诊断方法在准确性、实时性和鲁棒性方面均优于传统方法,能够有效提升风电场的运维效率和安全性。

关键词： 高级计划与排程系统   遗传算法   混合流水车间   系统设计开发  

摘要： 在数字化技术持续演进的背景下,我国制造领域的智能化转型正持续推进。针对特定工艺流程的智能调度平台逐渐成为制造企业实现数字化升级的核心工具,这类平台需紧密结合生产场景进行针对性设计。但现有解决方案在区域适应性上仍有欠缺,难以满足多元化制造场景的个性化要求。这使得制造主体需要立足自身工艺特点,构建定制化的生产调度体系。本研究选取典型制造企业作为案例,通过解析其生产流程特征,探索具有针对性的智能排程策略,为构建适配性更强的高级计划排程(Advanced Planning and Scheduling,APS)系统提供理论依据。 本文对T企业的生产流程进行调研,分析当前计划排程过程中存在的问题,识别信息化管理的关键需求以及自动化排程的核心痛点。针对企业排程效率较低的问题,提出将APS系统引入现有生产管理体系,以优化计划调度效果。 针对人工排程效率低、优化能力不足的现状,本文提出了一种结合禁忌搜索的改进遗传算法,以提升排程方案的质量。综合考虑机器可用性、资源限制、能耗上限及瓶颈容量等多重约束,构建了符合T企业实际状况的生产模型,利用禁忌搜索的局部优化能力,弥补遗传算法在大规模求解场景下的搜索效率低、后期改进乏力等问题,从而提高算法性能,并通过标准算例验证了本文所提出的改进算法的有效性。 本研究重点围绕功能模块的设计逻辑、业务操作流程和服务接口规范开发了APS系统。根据系统不同功能对数据处理的需求,建立了包含基础信息表、业务过程表及关联关系表的多层次数据库架构。技术实现方面采用分层设计理念,将前端界面开发与后端业务处理独立进行,通过标准化的数据接口实现信息互通,最终完成面向智能制造的车间管理平台搭建。经过实验环境的功能验证与测试,系统在各核心功能上表现稳定,能够有效支持生产计划的制定与调整。研究成果可为中小型机械制造企业的车间数字化转型提供技术支持,帮助实现生产任务的动态调度、物料流转的精准追踪以及设备运行的智能化管理,为提升企业生产管理效率提供可行方案。

关键词： 城市轨道交通   环线   跨线运营   开行方案   遗传算法   客流分配  

摘要： 为缓解城市轨道交通换乘站压力、提升轨道交通服务水平，以环线和半径线的组合形式为研究对象，以跨线直达乘客数最大、乘客总出行时间最短、车辆走行公里数最少为目标，考虑发车间隔、满载率、运用列车数等约束，构建环线和半径线之间的跨线列车开行方案规划模型，在分析环线特点的基础上进行客流分配，并设计包含OD客流路径分配的遗传算法进行求解。算例表明：与独立运营模式相比，环线与半径线之间采取跨线运营能够优化运力资源配置，大幅提升乘客直达性和服务水平。当目标函数权重系数比为3:1:1时，跨线客流需求中33.76%(1.10万人次)的乘客可避免换乘实现直达，乘客总出行时间缩短1.11%，车辆走行公里数减少1.05%。

关键词： 数智时代   技术进步   人性价值   人类增强   伦理困境  

摘要： 人类增强技术在不断崛起与演进过程中，一方面助推着人类多项能力的提升，另一方面在客观上带来了人类个体工具化和自我物化的人性异化风险。在增强到异化的人性命运视域下，人类增强技术在自由、平等与尊严等层面产生了深刻的伦理困境。通过平衡工具理性与价值理性以实现技术理性的重构，构建“以人为本”的技术伦理框架以实现人性关怀的复归，推进技术治理与公正分配以实现社会协同机制的完善，可以助力消解人类增强技术引发的伦理困境，抵达技术进步与人性价值的和谐之境。