关键词： 多目标最短路径   不确定网络   遗传算法  

摘要： 阐述利用不确定测度和不确定分布,提出具有不确定边结构和不确定边权的不确定网络的概念。利用布尔不确定变量运算法则,用布尔不确定变量定义路径的连通性,用不确定测度表示路径的连通性测度。创新性地建立不确定多目标最短路径问题的期望值模型。利用不确定变量的严格单调函数定理,严格推导并证明不确定目标函数的分布函数,得到确定目标函数。为了求解这些模型,提出一种改进的遗传算法,并通过算例验证该方法的正确性和可行性。

摘要： 一、 晋商资本介入与舞蹈生态重构(一)商业网络与艺术传播的共生明代盐政改革催生的山西商人群体，至清乾隆年间已建立起覆盖全国的商业体系。这些商人在积累财富的同时，通过修祠堂、办社火、养戏班等方式提升了文化影响力。据史料记载，道光年间某票号每年用于节庆活动的经费，相当于20户农民全年收入的总和。

关键词： 香梨   生育期   土壤   植株   矿质元素   果品   人工神经网络  

摘要： 本研究聚焦库尔勒香梨,探究库尔勒香梨在不同生育时期土壤及植株中微量元素动态变化。通过定期采集土壤与植株样本,运用化学分析手段测定Cu、Fe、Mn、Zn、Ca、Mg等元素含量及果实品质相关指标。研究发现: 1.通过分析库尔勒香梨土壤、营养枝、叶片及果实中中微量元素的相关性,结果显示,土壤中中微量元素具有高度相关性,且均为正相关,土壤与营养枝、叶片、果实中微量元素均存在相关性因子,其中以与营养枝相关因子较多,且以正相关为主,其次为叶片,正相关与负相关因子相当,与果实相关性因子最少,且以负相关为主。 2.不同生育期香梨对中微量元素需求偏重不同,花期前后,香梨营养枝中Cu、Fe、Zn含量显著升高,膨大期,香梨营养枝Cu、Mn、Zn、Ca含量显著升高。收获阶段Cu、Fe、Mn、Zn、Ca、Mg含量总体呈现不显著升高趋势。香梨叶片中Cu、Fe、Mn、Zn、Ca、Mg含量从幼果期至收获期变化趋势不明显,总体呈现较为稳定的状态。 3.植株中微量元素与果实品质具有一定的相关性,营养枝中Fe、Mn、Zn、Ca对香梨可滴定酸显著负向影响,Cu对香梨可滴定酸显著正向影响,此外营养枝中Ca还对果实中可溶性糖负向影响,对维生素C正向影响;叶片中Cu、Mn、Ca、Mg与可溶性总糖呈显著负相关,Zn与可溶性总糖呈显著正相关;果实中Zn、Ca、Mg显著正向影响香梨果实硬度,Cu、Fe、Zn显著正向影响香梨可溶性总糖含量,Mg显著负向影响可溶性糖含量,Cu、Fe显著正向影响可滴定酸含量,Mn显著负向影响可滴定酸含量,Mg显著正向影响维生素C,Cu显著负向影响维生素C。

关键词： 基层治理   数字化转型   数字负担  

摘要： 随着信息技术的飞速发展，基层治理数字化转型已成为提升治理效能、优化服务供给的重要途径。然而，在这一过程中，数字负担问题逐渐凸显，成为制约数字化转型深入发展的关键因素。文章从数字系统的碎片化、数字系统的考核、数字素养不足、数字鸿沟等角度，深入剖析数字负担的生成原因，并从数字负担的消解策略方面，提出加强建立部门数字化协同治理、设立科学合理的考核机制、提高基层工作人员的数字素养、加强社会主体共同参与等一系列具有针对性的建议。

关键词： 水泵特性曲线   BP神经网络   遗传算法   模糊综合评价系统  

摘要： 变频水泵是市政供水系统中的核心设备,其性能特性曲线（包括流量～扬程曲线、流量～功率曲线和流量～效率曲线）是表征水泵性能的关键依据。然而,在实际工程中,变频水泵的特性曲线往往存在数据缺失或不完整的问题,尤其全频率工况下的特性曲线数据难以获取。 目前,预测变频水泵特性曲线的传统方法包括性能试验和相似定律,但前者存在试验成本高、周期长的缺点,后者因理论假设过于理想化而导致预测精度不足。相比之下,基于数据驱动的数学模型能够有效挖掘输入输出参数间的非线性关系,既可以保证预测精度,又可以降低计算成本。 本研究基于反向传播神经网络（Back Propagation Neural Network,BPNN）理论框架,引入遗传算法（Genetic Algorithm,GA）作为优化策略,分别建立了BP神经网络模型和GA-BP耦合模型。通过对比分析两种模型的预测性能,旨在实现对目标频率工况下水泵性能参数的精确预测。主要研究内容如下: （1）模型构建。本研究构建拓扑结构为2-10-4的BP神经网络模型和GA-BP神经网络模型,其中输入层为流量Q和调速比k,输出层为目标频率下的四个关键参数流量Q、扬程H、轴功率P、效率η。通过5-fold交叉验证方法对模型进行系统优化和参数调优,最终确定最优模型配置——best-BP和best-GABP模型,其中best-BP的适应度为26.11（MSE=0.434,学习率0.618）,best-GABP的适应度提升至31.10（MSE=0.034,学习率0.489）; （2）预测模型可行性验证。为验证预测模型的可行性,本研究采用独立仿真数据集对best-BP和best-GABP模型进行测试。验证结果表明:best-BP模型在各参数的均方误差较小（0.627 m3/h、0.185 m、1.001 k W和4.354%）,在Q、H、P方面具有较高的可行性和可靠性,在预测η方面均方误差较大,预测精度较小;best-GABP模型在Q、H、P的预测值与实际值之间的相关性强（0.990,0.961,0.952）,展现出更强的相关性和预测稳定性,在效率η的预测表现相对欠佳,数据点分布较为离散,存在系统性偏差,进一步表明两种模型均具备良好的非线性映射能力,但在不同性能参数的预测精度上存在明显差异; （3）全工况性能参数预测。基于实际试验数据,分别利用传统经验模型、best-BP和best-GABP模型,预测全频率工况下的水泵性能参数。结果表明,在常规工况（k>0.7）下,三种模型对各参数的预测均展现出良好的预测精度（MSE<2）,其中best-GABP模型表现最优（MSE≤0.16）;在极端工况（k≤0.7）条件下,best-GABP模型展现出显著优势,其各参数预测误差（H:2.84m,P:0.27k W,η:0.75%）明显低于传统模型（Q:15.21）和best-BP模型（η:26.35%）。进一步表明,best-GABP模型在全工况范围内具有最优的预测稳定性和工程适用性; （4）模型泛化性能评估。本研究在调速比k=0.95条件下,对比分析了best-BP和best-GABP模型在仿真数据与实际试验数据中的预测性能差异。结果表明:Q预测方面,两模型均保持良好性能（best-BP模型:平均绝对误差MAE=0.37,best-GABP模型:MAE=0.07）;在扬程H和轴功率P预测方面,实际数据的相对误差（best-BP:13.93%、3.88%;best-GABP:3.88%、0.08%）较仿真数据略有升高;在效率η预测方面,决定系数较低（best-BP:R2=0.386;best-GABP:R2=0.531）,但best-GABP表现相对更优。在极端工况（k=0.6）下,两模型的预测能力均有所下降,其中best-GABP模型展现出更强的适应性和稳定性,验证了遗传算法优化在提升模型泛化能力方面的有效性; （5）预测模型可靠性综合评价分析。基于熵权法—模糊综合评价体系,对经验模型、best-BP模型和best-GABP模型的可靠性进行了量化比较。结果显示,传统经验模型的综合评价得分为58.7（合格）,best-BP模型得分为63.11（良好）,best-GABP模型表现最优,得分为93.97（优秀）。对比分析表明,best-BP和best-GABP模型较传统经验模型具有明显优势,其中,经遗传算法优化的best-GABP模型展现出最优的预测可靠性。

关键词： 小学音乐   唱游教学   行为主义课堂管理  

摘要： 自2022年新艺术课程标准的出台,对于音乐学科来说新的教学要求被提出,从审美感知到艺术表现,从文化理解到创意实践,都是对音乐课堂教学高质量的要求。当然高质量教学的顺利实施最离不开的就是高质量的课堂管理,也可以说好的课堂管理是好的教学实施的保障。能被放置大众眼前的音乐展示课大多都是优质课,这类音乐课更多展现的是音乐教师的教法而对课堂管理方法的展现却是不多的,然而在实际常规音乐课中,学生的课堂管理却也是一个不小的难题,尤其是刚刚升学上来的小学低段的学生,如果在常规唱游课中不对问题行为进行管理的话,后续的教学实施必将受到影响。小学低段的学生由于年龄和之前学习场所的影响,课堂上行为问题是许多教师最头痛的问题,且小学低段的音乐唱游课又是需要学生“唱起来、动起来、玩儿起来”的课程,所以音乐教师如何在保持音乐课特点的前提下,还能在小学唱游教学中规范学生的行为,这是一个值得思考的问题。 本研究采用文献研究法、实地调查法、案例分析法、专题访谈法等研究方法,主要以小学低段学生、音乐教师为研究对象,通过调研、观摩不同学校的常规唱游教学课和访谈一线的音乐教师的方式,研究小学低段学生在常规唱游课中的课堂管理现状并分析现状成因。同时深入研究课堂管理中行为主义课堂管理理念的概念,企图将小学唱游常规教学与行为主义课堂管理理念相结合。以当前小学低段学生在常规唱游教学中出现的行为问题为切入点,找寻找出学生在课堂上出现的各种行为问题,并用行为主义课堂管理理念对问题进行分析,为当前问题提出有效的解决策略。

关键词： 视频监控设备布局   物流园区   空间句法   整数规划   遗传算法  

摘要： 传统物流园区的视频监控设备布局主要依靠于工作人员的主观经验,缺乏对物流园区的空间结构,作业流程的综合考虑,往往导致物流园区视频监控设备冗余但覆盖范围较低,监控资源分配不均等问题。对物流园区视频监控设备布局可以优化资源配置、保障安全运营和提升园区的智能化水平。 本文以LY物流园区为研究对象,深度探索物流园区空间结构特点并结合视频监控设备布局目标,明确各区域监控要求,确定物流园区视频监控布局的空间划分。针对不同监控等级区域构建布局优化模型,借助遗传算法求解,通过不同指标验证视频监控布局方案的经济性和适用性。首先,分析LY物流园区视频监控设备布局现状及需求。通过实地勘察调研总结了物流园区视频监控设备在布局方面存在的设备陈旧、设备布局点位覆盖不均等问题,结合物流园区智能化转型的发展需求,提出更贴近LY物流园区运营管理的视频监控设备布局思路,以助力搭建智能化监控系统平台,促进设施设备智能管理。其次,实现LY物流园区视频监控设备布局空间划分。引入空间句法理论对物流园区的空间结构进行了量化分析,深入剖析空间与空间之间的拓扑关系,准确把握物流园区的空间结构特点。然后基于目标管理理论,切实考虑运营过程中视频监控设备布局的若干影响因素,进而明确监控要求,按照监控等级重要度确定了物流园区视频监控布局的空间划分,为物流园区视频监控设备布局提供了模型支撑。最后,确定LY物流园区视频监控设备布局方案。按照视频监控布局空间划分的结果,确定视频监控设备的选型,根据视频监控设备的布设原则构建物流园区视频监控设备布局点位选址-配置模型,利用遗传算法对视频监控设备布局优化模型进行求解,通过指标验证本文提出的视频监控布局方案的经济性和实用性。 本研究能为物流园区视频监控设备点位布局方案的规划制定和升级改造提供科学的理论方法指导和决策方法支持,助力物流园区视频监控设备布局优化监控覆盖效果、节约布设运营成本,形成更全面、协调的智能管理平台,提高园区的整体管理水平,提升物流园区的应急响应效率,保障物流园区的安全。

关键词： 纱线质量预测   多目标配棉   广义回归神经网络   非支配排序遗传算法  

摘要： 纱线在纺织工业中扮演着至关重要的角色,纱线质量的显著波动会对企业的市场声誉和经济效益造成负面影响,因此,对纺纱产品质量进行控制与优化一直是生产过程中的重要环节。配棉方案制定与纱线质量预测是计算机配棉管理系统中最为重要的两大功能模块。在理论研究方面,自上世纪70年代以来形成了以配棉技术为主、质量预测为辅的配棉计算体系。通过对成纱质量预测与计算机配棉技术开展研究,能够帮助企业改进产品质量,建立快速的市场反应机制,同时减少资源浪费并降低生产成本。本文针对纱线质量预测和配棉领域中存在的不足,提出适当的改进办法,具体研究如下。 (1)介绍了几种传统配棉方法与常用的成纱质量预测方法的基本原理与特点。这些配棉方法包括分类排队法、线性规划法、组合方案法和模糊数学法;成纱质量预测方法主要有多元线性回归、人工神经网络和支持向量机。对其进行梳理有助于研究者更加清楚地了解现有方法的优势与不足,从而对成纱质量预测和计算机配棉问题产生进一步的认识。 (2)针对当前纱线质量预测研究中普遍采用的BP人工神经网络仍然存在预测精度低、稳定性差以及依赖样本量的问题,提出一种网格搜索(GS)结合广义回归神经网络(GRNN)的预测方法。通过GS的超参数寻优功能选择GRNN的最佳平滑因子,实现模型性能的自动优化,同时达到降低复杂度并增强泛化能力的效果,提高模型对纱线各项质量特性的预测表现。在此基础上,为了减轻纱线多个相关参数可能存在冗余或贡献度较小的特征对预测目标的影响,引入了序列后向选择(SBS)作为降维方法确定最优特征子集,以获取设计输入变量中的主要影响因素。将此混合方法与多元线性回归(MLR)、BP神经网络(BPNN)和支持向量回归(SVR)进行比较。结果表明:在少量纺纱数据条件下,GS-GRNN的平均预测误差较BPNN降低了29.31%左右,应用SBS优化特征维数后能够有效提升基模型的预测精度(平均提高约37.2%)。此外,相比SVR和MLR,本混合模型同样拥有更好的综合预测效果。验证了SBS-GS-GRNN在小样本集下稳定且优异的映射能力。 (3)为实现真正的多目标多约束配棉优化问题求解,建立了以配棉成本最低和配棉质量最优为目标的配棉数学模型,并提出一种改进的非支配排序遗传算法(NSGA-II)优化各混合成分的比例。具体做法是采用全局搜索能力更强算术交叉算子替代算法原始的模拟二进制交叉,能够更好地保持种群多样性。同时,引进模糊理论来计算Pareto最优解集中每组目标函数的综合隶属度,以便选出全局无偏最优解作为单次配棉的决策方案。通过实例测试的结果表明,由该方案算得的配棉指标情况整体上符合配棉标准,成本相比原先降低了0.183元/kg,与差分进化算法(DE)优化的单目标配棉模型比较后发现本文提出的多目标配棉方法更有优势。

关键词： 预制装配式建筑   多算法优化   遗传算法   粒子群优化   混合优化算法  

摘要： 本研究围绕预制装配建筑设计中的多算法比较，深入分析了主流算法的理论性能与实际应用效果。通过对遗传算法、粒子群优化算法及混合优化算法在结构设计、构件参数确定和装配效率等方面的应用研究，揭示了各算法在不同设计阶段的适用性及优化效果。本研究采取多案例分析法对比了复杂度、收敛速度、精度及鲁棒性等关键参数，开展了对数百件预制构件组合方案的仿真计算，得出了各算法在设计实践中的表现评估。研究发现，混合优化算法在处理复杂系统时的表现尤为突出，其结合了多个算法的优点，能够有效提升预制装配式建筑设计的综合性能。此外，算法对设计参数的敏感性分析表明，适当调整算法超参数可以进一步提高优化效果。本文的研究成果不仅丰富了建筑设计算法的理论知识，也对预制装配式建筑设计实践提供了实用的指导和优化工具，具有较高的理论和应用价值。

关键词： EtherCAT   CAN   多轴驱动   模块化   报文调度   遗传算法   自适应  

摘要： 随着智能制造技术的不断发展,伺服驱动系统已由传统的执行部件演变为工业自动化系统中的核心控制单元。依托实时以太网技术和现场总线协议的持续升级,现代伺服控制技术通过提升物理层传输速率和优化通信协议栈,突破了传统控制系统的性能瓶颈。伺服系统不仅实现了微秒级响应速度和亚微米级定位精度,还能应对多轴协同控制、动态负载补偿等复杂工况,充分满足高端装备制造对高速高精度运动控制的需求,为工业4.0时代的柔性化生产提供了关键支撑。 当前工业场景中普遍采用集成式伺服驱动器,但是其在功能扩展性、产线部署成本及参数灵活性方面存在诸多限制。针对快递分拣等典型应用需求,本文在深入分析伺服驱动器硬件结构的基础上,设计了一种模块化分层化架构。该架构包括:由主控模组和通信模组构成的通信模块(双层板结构);由主控模组和双电机驱动模组构成的电机驱动模块(三层板结构);以及由主控模组与供电模组构成的电源模块(双层板结构)。 在伺服驱动器的通信协议设计方面,本文深入分析了Ether CAT与CAN协议各自的原理及其优势,提出了将两种协议异构协同机制,进而应用于伺服驱动系统的策略。在该基于Ether CAT和CAN协议的伺服驱动系统中,不同从站之间通过Ether CAT数据帧进行通信,而单个从站内的不同功能模块则是通过CAN总线实现数据交互。两种协议间的数据转换由通信模块集中处理,从而确保系统在快递分拣等场景下具备高性能和高实时性。 为进一步优化伺服驱动系统的启动效率,本文在六轴伺服电机的初始化阶段设计了基于上电自适应的地址配置机制,当某个伺服电机出现故障,该机制相较于其他的地址配置机制,使得更换完的电机在上电后自适应完成自身地址配置,而无须手动完成电机地址配置后才能上电。并且在该机制的基础上引入应答错误检测策略,即触发模块在所设定的时间内未收到来自配置模块的响应,则自动触发重发机制,从而有效避免了通信阻塞问题。 此外,针对CAN协议报文调度机制中存在的优先级固化、低优先级帧延迟等问题,本文深入分析了不同非线性自适应遗传算法的适应性表现,最终选用并改进了余弦型自适应遗传算法。通过优化其交叉与变异算子,并在Matlab环境下对一组标准数据帧样本进行仿真测试,实验结果表明该改进算法在报文调度优化效果与收敛速度上显著优于传统遗传算法。不仅缓解了低优先级报文的长时间延迟问题,还实现了数据传输顺序的动态优化。 最后,在快递分拣实际应用环境中,对所研发的基于Ether CAT和CAN协议的伺服驱动系统进行现场测试。其在快递分拣成功率以及伺服电机摆动实时性方面均明显优于集成式伺服驱动器。